高清摄像机技术参数规范研究

本文针对高清摄像机与标清摄像机参数上的比较,提出高清拍摄与标清拍摄时参数调整的差别,并通过实验得出高清摄像机在使用过程中的技巧,探索一套高清摄像机的使用规范。     

用单个摄像机获取三维视觉信息的一种方法

讨论了在平面坐标系上摄像机的标定和利用单个摄像机获取三维视觉信息的一种方法。实验结果表明，采用单个摄像机获取三维视觉信息的精度与摄像机相对目标物体的高度及对象物本身的厚度有关，在视场范围内，对象物的厚度越小，摄像机坐标中心相对于目标物体表面中心的距离越远，定位精度越好。     

面向室外自然环境的移动机器人视觉仿真系统

基于视觉传感器的道路跟踪、导航是移动机器人自主行驶的重要组成部分。主要是对二维视觉传感器CCD彩色摄像机、三维视觉传感器激光雷达、以及立体视觉进行了仿真。通过设定OpenGL中基于针孔摄像机模型视锥的各项参数、截取并保存屏幕象素来实现摄像机仿真;利用射线跟踪的方法进行激光雷达的仿真;通过提取地形数据的方法进行立体视觉的仿真。该仿真系统能够比较真实的反映移动机器人在行进过程中的传感器数据获取情况,利用该系统可以很好的为以后的模块如融合和规划提供仿真实验数据。     

从5个控制点确定摄像机内参数与方位

主要讨论摄像机在运动过程中其内参数是未知的且可以发生变化时 ,如何通过5个控制点以及它们的图像点 ,来求解所对应的内参数和方位 .证明了下述结论 :已知摄像机平移运动前、后的两幅图像间的基本矩阵 ,当 5个控制点中任意 4个点均不共面且摄像机运动前、后两光心的连线不通过任一个控制点时 ,则可线性地确定摄像机运动前、后所对应的内参数和方位     

计算机视觉摄像机定标中投影矩阵的计算

摄像机定标是计算机视觉的基本问题，对于计算机视觉摄像机定标中投影矩阵的计算进行了总结和证明。     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

基于图像的3D场景重建

给出了用DSP实现基于图像的3D场景重建的方法和步骤.3D场景重建主要由摄像机标定、图像采集和基于图像的重建3个部分组成.在摄像机标定中,使用摄像机作为测量装置来确定它的内部和外部参数,比对摄像机直接进行测量更为方便;利用摄像机、SEED-VPM642实时图像处理应用平台和PC机构成的系统进行图像采集,DSP芯片与PC机的图像传输采用PCI通信实现;采用体素着色(Voxel Coloring)方法实现3D场景重建,使现实物体在计算机虚拟世界中得以重现.     

CCD为摄影技术带来“革命化”变革

博伊尔和史密斯通过高感光度的半导体材料。将变化的电子信号转换成数字信号。使图像的高效存储、编辑和传输等都成了可能。事实上，在发明CCD的一年后，博伊尔和史密斯就首次将CCD用于摄像机的制造之中。     

基于区域生长的计算机视觉技术对飞机模型位姿的测量

采用计算机视觉技术,通过CCD相机摄取飞行器模型位姿变化前后的投影图像,并利用区域生长技术进行图像分割,直接提取区域追踪位姿变化前后的目标,使之前后匹配,从而在后续试验中利用投影目标内各特征点在三维空间坐标的变化,计算飞机模型的位姿变化.     

基于全景视觉的目标跟踪方法研究

文章充分利用全景视觉具有360°视域的特点,将其引入视频监控领域,提出了一种基于全景视觉的目标跟踪方法。该方法基于多摄像机跟踪的思想,通过分析全景视觉的构造,将其分解为基于静态相关联多相机的跟踪。通过划分视场分界线,确定摄像机间的重叠区域,并对摄像机间相互关联关系进行描述和判断。当目标进入重叠区域时,通过同一目标在相邻视域中的关联实现目标交接,以达到在整个全景视觉中实现目标连续跟踪的目的。以全景视频中的行人跟踪为例,对文中所提的跟踪方法进行验证。实验结果表明,该方法可以有效解决多相机间的目标交接问题,实现全景视觉下目标的连续跟踪。