双目立体视觉系统摄像机标定

对摄像机参数标定是三维定位的关键．制作了平面式标定板,将标定板中圆的当量中心作为标定用参考点,这样可以有效避免测量误差．采用线性和非线性结合的方法标定摄像机参数,首先利用直接线性转换模型（DLT）得到投影矩阵,通过约束条件分解参数矩阵,分别求出摄像机内部参数;然后将得到的标定参数作为初值,代入非线性方程进行优化,得到精确的标定参数．非线性优化采用Levenberg—Marquardt迭代法．试验表明,标定参数与出厂参数有一定差异,但和实际情况完全吻合．     

双目立体视觉摄像机标定及精度分析

以VC++为开发平台,采用开源的OpenCV函数库实现张氏标定算法;以标定板上的角点为测量对象,进行双目立体视觉系统的三维数据测量.采用标定获得的摄像机参数对模板图像进行校正,使用Harris算子进行角点提取,并对各行各列角点进行最小二乘直线拟合,以其交点为最终的角点位置,最后进行角点匹配与反求.测量结果的精度分析表明...     

基于立体视觉的摄像机标定方法的研究

摄像机标是立体视觉获取三维空间信息的前提与基础。标定结果的好坏直接影响着三维测量的精度及三维重建结果的好坏。笔者首先在本文中对摄像机标定的基础知识作了简要的介绍,采用三维标定块标定摄像机,避免传统的利用标定板标定摄像机丢掉了Z维的坐标信息所引起的误差,同时考虑相机的径向畸变因素,以提高标定精度。实验结果表明该方法精度较高,能满足立体视觉系统的需要。     

基于PSO-ELM的双目视觉摄像机标定

针对极限学习机( extreme learning machine,ELM)在隐层节点数较少时标定精度较低的问题,利用粒子群优化算法( particle swarm optimization,PSO)与极限学习机相结合的方法对双目视觉摄像机进行标定。在标定过程中,ELM直接描述图像信息与三维信息之间的非线性关系,然后利用PSO优化ELM的输入权值与隐层阈值。实验结果表明,与ELM相比较,基于粒子群极限学习机( PSO-ELM)的双目视觉摄像机标定方法能仅用较少隐层节点数获得较高精度。     

基于双目立体视觉的智能抓娃娃机仿真系统标定

本文针对智能抓娃娃机仿真系统的双目标定部分进行研究和实验。分析了双目摄像机标定方法和原理,本文使用原点阵列标定板,采用双目横向方式拍摄采集标定板,利用VC和OpenCV进行双目标定实验,实验结果表明重投影误差不超过0.4像素,标定精度较高,可以满足双目标定系统的实用性。     

双目立体视觉方法测量雷管药量高度

介绍了双目立体视觉系统的基本原理、摄像机标定技术以及对得到的点云图进行的后续处理。采用维视图像的CCAS单双目视觉标定算法软件对所用的VS078FC摄像机进行了标定,结果精确度高,用时短,实用性强。应用Geomagic studio软件进行点云处理去除噪声,误差小,数据完整。     

基于双目立体视觉的排爆机器人自动目标抓取

目前各种多关节、多自由度的排爆机器人在实战中都存在操作复杂、速度慢的问题.为此,基于双目立体视觉设计并实现了一个排爆机器人的目标物自动抓取系统.该系统能根据目标物在两摄像机获取的图像坐标计算其三维坐标,从而对机械臂进行轨迹规划和控制,完成目标物自动抓取.首先,建立了一个完整的双目立体视觉系统数学模型,然后,用张氏平面法标定两摄像机的内参数,再采用最小二乘法进行立体标定,得到双目立体视觉系统的外参数,从而根据目标物在左右摄像机成像得到的图像坐标计算其三维坐标.实验表明该系统能在满足作业精度要求的前提下,大大提高排爆作业的易操作性.     

稳定高精度的双目立体视觉测量系统标定方法

为了提高和稳定双目立体视觉结构光测量系统的精度,提出一种简单有效的标定流程及基于极线几何约束优化双目立体视觉结构光测量系统外部参数的方法.采用平面板标定理论分别标定左右摄像机的内部参数,将标定的内参数作为双目标定的内参数在多视角下标定双目测量系统的外部参数.利用极线几何约束,通过最小化多视角下同一对应点的极线误差,优化计算双目测量系统的外部参数.实验结果表明,该方法计算得到的双目测量系统参数使得测量系统在整个测量空间体积内的测量精度高且稳定,在双目立体视觉测量系统的工业化检测应用中具有重要的意义.     

月球车立体视觉系统现场标定方法

针对星球探测任务中星球漫游车自主避障和导航的要求，建立了一种基于平面模板的现场标定方法，实现月球车视觉系统的现场标定．针对月球车视觉系统的广角畸变的特点，引入径向和离心畸变模型，利用最大似然估计（MLE）对内、外参数进行非线性优化求精，并对图像进行畸变校正；计算摄像机间相对位置，实现了紧凑的双目视觉外极线校正．实验表明，该方法快速、简便，获得了较高的标定精度．     

基于共面圆的双目立体视觉分步标定法

计算机视觉中,在对景物进行定量分析或对物体进行精确定位时,都需要进行摄像机标定,即准确确定摄像机的内外参数.为了快速、有效地进行摄像机的标定,针对常用的带有一阶径向畸变的小孔摄像机模型,提出了一种简单有效的分步标定方法.先用预标定法得到左右摄像机主点坐标参数,然后再用TSAI两步法获得左右摄像机的内外参数,最后以左摄像机光心为世界坐标系原点,通过坐标转换关系,进而得到双目视觉的各种标定参数.该方法实验要求低,不需要移动摄像机.通过实验,验证了该方法能够准确、有效地求出各标定参数.     

基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

基于双目立体视觉的标定技术及应用

为提升双目立体视觉装置的准确度和精度,提出基于双目立体视觉的标定技术.针对双目立体视觉中两个相机的特点,采用圆形标志阵列标定板为图像源,通过对图像预处理,以径向误差做约束条件,根据圆的几何关系和最小二乘法综合提取特征点的算法获取图像标识点坐标并求取单应性矩阵,最后推导得到理想的外参和内参,从而获得双目立体视觉装置准确的...     

基于双目立体视觉的标定技术及应用

为提升双目立体视觉装置的准确度和精度,提出基于双目立体视觉的标定技术。针对双目立体视觉中两 个相机的特点,采用圆形标志阵列标定板为图像源,通过对图像预处理,以径向误差做约束条件,根据圆的几 何关系和最小二乘法综合提取特征点的算法获取图像标识点坐标并求取单应性矩阵,最后推导得到理想的外 参和内参,从而获得双目立体视觉装置准确的参数。实验结果为该装置对待测数据的获取提供了精确的数据 基础和可靠的矫正条件,进而提升了双目立体视觉装置的准确度和精度。     

基于MATLAB与OpenCV相结合的双目立体视觉测距系统

双目立体视觉测距技术是当前机器视觉领域中的一个主要研究内容.本文设计了基于MATLABatlab与OpenCV相结合的双目立体视觉测距系统,利用MATLAB进行摄像机标定后将结果导入到OpenCV进行后续的图像处理与立体匹配.摄像机标定通过MATLAB标定工具箱来完成,较于人工标定和OpenCV标定具有更好的鲁棒性和较高的精确性.立体匹配采用区域匹配中相对快速实时的SAD匹配,能够更好的被应用于工程实际.     

单摄像机立体视觉测量的研究

立体视觉测量的单摄像机结构相对双摄像机结构在结构尺寸、检测速度和经济成本上有明显的优势,有着广泛的应用前景。从原理和结构方面分析了单摄像机立体视觉测量的结构精度。结合双目立体视觉的基础与单摄像机测量结构的具体组成,用数学方法解析各个因素的影响情况,得出较为直观的数学描述;对结构尺寸和精度要求进行综合考虑,针对大视场角结构设计的复杂性,完成结构设计过程,提出较合理的结构形式;通过相应的实验进行精度验证和分析,验证了设计和分析方式合理性。     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

一种基于OpenCV的摄像机标定方法

针对双目立体视觉系统研制过程中的摄像机标定步骤,分析了计算机视觉函数库OpenCV中的摄像机模型,其中的非线性畸变考虑到了切向畸变和径向畸变,采用Bouguet角点提取算法,实现了基于OpenCV的摄像机标定.该算法具有很高的标定精度和计算效率、良好的跨平台移植性,可以满足双目立体视觉系统的需要.     

基于双目立体视觉的三维建模算法

根据双目立体视觉成像原理来完成特征点深度信息的恢复,提出了一种基于图像的三维建模方法。利用该方法标定出相机的全部内外参数;利用双目立体视觉成像原理,根据不同位置拍摄的2幅或多幅照片中的对应点的图像坐标,计算它们在空间中对应点的三维坐标,实现了由多幅图像来恢复物体的深度信息;最后,利用这些坐标在Rhino中实现了由离散的稀疏点云数据建立三维实体模型。     

基于WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．     

双目立体视觉系统测量精度的分析

双目立体视觉系统的几何参数影响双目视觉的测量精度,且各几何参数间存在着一定的约束关系.通过分析双目视觉系统的几何参数及约束关系,讨论了两相机光轴和基线之间的夹角α1和α2、基线距B、投影角等几何参数对测量精度的影响,并采用Matlab软件对不同的几何参数下的测量精度进行仿真,找出最佳的几何参数范围,从而提高了双目立体视觉系统的测量精度.最后,通过试验验证了理论分析的正确性.