基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

基于圆形阵列标定板的张氏相机标定法

提出了一种基于圆形阵列标定板的张氏相机标定法.利用大恒水星系列相机对不同方向和不同姿态的圆形特征标定板进行20次拍摄,并利用亚像素边缘检测算法对图像视野中的特征进行边缘检测;接着对得到的边缘封闭的特征分别进行圆度、偏心率和凸度的条件限制,提取出图像中符合要求的圆形特征;最后通过标定板上圆形特征的圆心像素坐标与世界坐标的对应关系来进行相机标定.实验结果显示,圆形特征的圆心坐标平均重投影误差在0.007个像素以内,表明了该算法的可行性.      

一种改进的相机标定方法

以提高相机标定效率和自动化程度为目的,提出一种相机自动标定方法.传统相机标定需要手工标识,工作量大、效率低.使用自制标定模板,应用特征点检测技术代替手工标记,实现自动检测标记点并自动排序,标定精度和原算法基本一致,而且可靠性好,实用性较强,简化了标定过程.     

基于几何约束的高精度特征点检测和相机标定

针对高精度特征点检测和相机标定问题,提出了一种基于几何约束的角点检测和相机标定方法.该方法首先用传统的方法提取图像中的角点,以此为初值从图像中搜索棋盘格边缘,然后对边缘数据进行拟合,并将拟合得到的三次曲线的交点作为真实的角点,最后以这些角点为特征点进行相机标定.实验结果表明,加入几何约束后能大幅提高特征点提取的准确度,从而显著提高相机标定的精度.     

一种快速的相机标定方法

提出一种简单、快速的相机标定方法 .这种方法不需要特别的三维几何知识和计算机视觉知识 .这种方法只需要对二维标定靶的一幅图像的分析 ,就可以得出相机的内部、外部参数 .这种方法操作简单、速度快、适用范围广 ,很容易由实验室推向室外 .最后给出了实例 :用标定靶的图像进行相机标定 ,得到了很好的实验结果 .     

基于最小化各向同性误差的LiDAR-双目相机标定方法

LiDAR(Laser Imaging,Detection,and Ranging,激光雷达)与双目相机的多模态数据融合是3D重建领域的一个重要研究方向,两种传感器各有优缺点,通过多模态数据融合可以实现互补,获得更好的重建效果。为了实现数据融合,首先需要将两种数据统一到同一个坐标系下,LiDAR与相机之间外参的高精度标定结果对后续的3D重建十分重要。在LiDAR与相机的外参标定过程中,受LiDAR点云的稀疏性与其定位误差的影响,提取精确的特征点并构建正确的点对应关系是一个挑战性的问题。此外,LiDAR在球坐标系下完成测量工作,而大多数标定方法忽略这一特性,直接使用笛卡尔坐标测量结果进行标定,引入了沿坐标轴各向异性分布的误差,导致标定精度下降。针对该问题,有研究者提出了各向异性权重方法,但仍存在一些缺陷。文中提出了一种最小化LiDAR球坐标误差的LiDAR与双目相机标定方法。首先,提出了一种使用形心特征点的新的标定板,改善特征点的提取精度;其次,将各向异性的LiDAR笛卡尔坐标误差转换为各向同性的球坐标误差,直接最小化球坐标误差求解外参。实验研究表明,本文提出的各向同性误差法相比各向异性...     

基于相机标定的直线距离测量的研究

本文设计了一个基于相机标定的直线距离洲量系统。依据张正友的算法实现了利用提取的图像信息对相机的标定,由标定结果结合照光线图像信息拟合出激光平面,完成系统设计。对实物测量结果分析表明试系统具有较高的测量精度,可用于实际的测量工作,特别是非接触式测量。     

一种基于双平面镜的相机标定算法

为了从物体的二维图像得到三维重构模型,需要通过相机内部参数,建立已知物点、像点对应的关系模型.提出一种基于双平面镜的相机标定算法,用两个普通平面镜取得物体5个不同角度的二维图像,通过基于颜色信息和基于区域背景差的方法获取目标轮廓,用多边形动态规划算法获取轮廓的特征点以确定各个物体轮廓的对应点,最后根据特征点得到相机内部参数.多边形动态规划算法将时间复杂度从O(n3)降低到O(n2),算法的效率得到提高.     

基于相机标定技术的移动机器人辅助定位

通过相机标定技术在机器人定位上的应用,用以辅助室内机器人的定位。通过机器人内置的照相机,采集设定靶标的信息。文中利用坐标系的转换及对相机镜头的畸变处理,确定机器人当前所处位置与设定靶标间的相对位置,从而修正误差。     

离焦模糊虹膜图像的功率谱检焦方法

 通过研究离焦模糊虹膜图像功率谱与离焦量间的关系, 建立了每幅虹膜图像的检焦评价函数值PS与图像模糊半径的关系曲线. 实验结果表明: 功率谱评价函数能够检测系统是否合焦, 并通过最清晰图像找到系统调焦镜的位置; 对评价函数曲线进行Gauss拟合的曲线相关系数为0.994 7（接近1）, 验证了功率谱检焦评价函数检焦的准确率.     

基于Kruppa方程的相机分步自标定方法

提出一种运动变焦相机分步自标定的,邓事先标定相机的纵横比和主点，在假设像素为矩形及主点为图像中心的情况下，基于Kruppa方程线性求解焦距，算法中只需输入基础矩阵，不必预先进行任何类型的投影阵分解或投影束校正。线生求解焦距避免了非线性法的不确定性，实际数值实验表明该方法简单实用。     

基于改进遗传优化算法的线阵相机标定方法

在手机玻璃盖板的缺陷检测中,为了获得缺陷特征明显的高精度图像,不仅需要搭建高质量图像采集系统,而且需要对线阵相机进行精密标定.结合工业现场需求,本文提出了一种基于改进遗传优化算法的线阵相机标定方法.在已有线性扫描模型的基础上,引入线阵扫描图片图像畸变矫正,推导了新的标定参数.在已有无畸变矫正的线性解析解基础上,引入遗传算法进行新参数的求解优化,实现了新标定参数的非线性求解.实验结果表明,与不加入图像畸变矫正的求解方法相比,所提方法具有更高的测量精度.     

一种便携式的无人机航测非量测相机标定方法

相机标定是确定相机几何和光学参数的过程,相机经过标定后能更准确地获取二维目标点坐标对应的空间三维信息。针对无人机航空非量测相机便捷、精确的标定需要,采用了一种基于红绿编码板的自检校光束法平差标定方法。该方法通过自动提取和识别编码标志、建立同名点对,利用同名点对进行相对定向测定初始参数,然后考虑相机内参数和镜头畸变等因素,采用严格的自检校光束法平差模型解算出精确的相机参数。通过对NEX5N相机拍摄的45张相片作为实验数据解算该相机内部参数,实验结果表明,由于标定板便于携带,标定场布设简单,该方法对实验场地要求低,并简单易行,且标定的速度快、精度高,基本可以满足无人机非量测相机"随时随地"即时标定的需求。     

基于运动轨迹的单目相机位姿自标定方法

为了减小轨迹图像分析中的透视效应,使用提取出的运动平面目标特征点,基于相机小孔成像模型与目标特征点运动约束,构建了一种相机位姿的自标定模型来标定相机位姿.通过标定的相机位姿,可将轨迹进行重投影,实现了将轨迹图像校正为正投影图像.实验结果表明:本标定模型使用跟踪到的运动目标进行相机标定,相机位姿的标定精度优于张正友标定法.     

基于离焦图像模糊分析的微装配力测量

提出了一种基于机器视觉的微装配力测量新方法.拍摄微夹持器受力变形时的离焦模糊图像,通过建立微夹持器变形力和离焦量之间的关系模型,把求取变形力的问题转化为求取离焦模糊图像的离焦量问题.采用粗精两步计算来求取模糊图像的离焦量,并利用微夹持器的变形曲线来拟合,拟合得到的曲线的参数即为变形力的函数,从而求得变形力.仿真实验证明了所提出的方法的有效性.     

一种单线激光雷达和可见光摄像机的标定方法

结合移动机器人实际应用.提出了针对激光雷达和可见光摄像机标定的方法.通过对激光雷达扫描特殊标定板得到距离信息的计算,求得雷达扫描线在标定板上的坐标位置,从而得到了一组雷达数据和图像数据的对应点对.以此为基础,通过参数拟合的方法实现了两者关系的求取.该方法只需要标定板就能够完成激光雷达和摄像机的空间标定,标定精度高,在此基础上的外部标定,实现了多个传感器世界坐标系的统一,避免了后续处理中数据解释的二义性,实验证明了这种方法的有效性.     

基于灰狼粒子群混合算法的相机标定优化方法

针对传统标定方法参数考虑较少、标定精度不高的缺点,将群智能算法思想应用其中,并在现有的粒子群算法和灰狼算法基础上进行优化,取长补短,提出一种混合算法.首先,基于张正友方法获得标定的参数范围,在该范围内随机生成参数作为初始值,然后以最小平均误差为准则,利用灰狼粒子群优化混合算法,建立目标函数,进一步求解相机的内外参数.研究结果表明,该算法求解结果准确、稳定,可重复操作,可以有效地提高标定精度,结果好于其他几种方法.     

基于平面靶标的相机内部参数标定精度分析

相机内部参数标定是实现机器视觉测量的必要环节.目前常用的标定方法有Tsai两步法、DLT方法以及基于平面标靶的张正友法等.张正友法简单易行,因而得到广泛应用,标定精度取决于平面靶标的制作精度、图像特征点坐标的提取精度、镜头畸变、靶标摆放数目以及位姿分布等.对张正友标定方法的精度进行探讨,分析各影响因素对标定精度的影响,提出基于均匀设计的思想进行靶标位姿分布的设计思想.仿真和实际测试证明,采用均匀设计的靶标布局明显提高相机内部参数标定精度.     

改进的最小二乘算法在图像标定中的应用

文章利用改进了的最小二来算法解决了对双目定位中的原始图像进行标定的问题,克服了一般算法在干扰产生畸变的情况下存在的拟合结果误差较大,精度不高,稳定性不好的弊端。通过对椭圆实例的拟合,验证了该算法的实效性,高适应性。