动目标多视点基于标定的去模糊方法

针对三维视觉检测技术应用中动目标多视点去模糊的难题,提出了一种动目标多视点基于标定的去模糊方法.首先估计部分视点模糊图像(以两个视点的模糊图像为例)点扩展函数.其次根据多视点几何关系,利用相机标定方法,得到各个相机的参数矩阵;结合估计出部分视点的点扩展函数和相关参数矩阵,以直线运动为例,建立多视点模糊图像的点扩展函数关系.最后在确保各视点模糊路径对应的关系前提下,对多视点图像进行整体去模糊.结果表明该方法对于对运动模糊图像恢复有很好的效果.     

动目标多视点图像基于标定的去模糊方法

三维视觉检测技术在工业生产线上有着远大的应用前景,由于生产线动目标多视点图像存在模糊问题,然而现有的图像复原技术存在着局限性,使得复原后的图像很难用来进行三维重建,进而也不能实现三维视觉检测。针对这个问题,本文提出了一种新的动目标多视点图像去模糊方法。首先估计出部分视点模糊图像(本文以两个视点的模糊图像为例)点扩展函数。其次根据多视点几何理论,利用相机标定方法,得到各个相机的参数矩阵。结合估计出的部分视点的点扩展函数和相机参数矩阵,以直线运动为例,建立多视点模糊图像的点扩展函数关系。最后在确保各视点模糊路径对应的关系下,对多视点图像进行整体去模糊。一系列实验验证了本文提出的动目标多视点图像去模糊方法的有效性。     

红外运动模糊图像复原技术

该文分析了红外图像运动模糊产生的原理,建立运动模糊及复原数学模型.复原过程分包括构建点扩散函数和维纳滤波两部分.采用方向微分,双线性插值法求取模糊方向,通过微分自相关函数估算模糊尺度,从而构建最为近似的二维匀速直线运动的点扩散函数,并对运动模糊图像进行维纳滤波的复原.实验结果表明,针对有噪声的图像运动模糊复原,维纳滤波复原图像效果好,抗噪能力强.     

基于双目视觉的L型板几何参数测量研究

机器视觉在智能制造领域应用越来越广。文章提出一种基于双目视觉模型对L型板几何参数测量的方法。首先对双目相机标定,获取内外参数,然后对比边缘检测算法,采用Sobel算法对L型板图像进行处理,最后基于三角测量原理提取工件特征点的三维坐标,计算出L型板的几何参数。实验表明,该算法测量误差低,能够满足实际需求。     

折反射成像的经纬仪模型研究

折反射全向相机具有能够提供360°视场、安装灵活、结构紧凑、成本低廉等优势.在单视点结构的约束条件下,根据折反射成像的旋转对称性,提出了折反射成像的全新模型.首先,根据折反射成像的投影几何理论,分析并推导出图像点到投影中心之间的距离与空间射线俯仰角的对应关系.其次,根据现有的球面统一模型将空间点投影到图像平面上,得出的图像点坐标在提出的模型中反投影出一条空间射线,对比统一球面模型验证提出的模型的正确性.最后用提出的模型计算图像点的反投影误差,得到误差为0.2个像素以内,实验结果表明,提出的模型能够获得较高的标定精度.提出的经纬仪模型将二维标定化简为一维标定,为折反射全向视觉的研究开辟了新的思路.     

差分遗传算法优化BP神经网络的双目相机标定

针对传统双目相机标定的方法存在计算量大、标定过程复杂等问题,本文提出了一种利用差分遗传算法优化BP神经网络来完成双目相机标定的方法。利用能量生长和光线扫描匹配算法完成同名角点的检测、匹配以及像素坐标的提取;对遗传算法的选择和交叉算子进行改进,同时利用差分算法对遗传算法的变异算子进行改进;利用差分遗传算法来优化BP神经网络进行双目相机标定。实验结果表明:基于本文提出的方法的双目相机的标定的误差的均方根为0.038 mm,传统的基于Opencv和Matlab标定的方法的标定误差的均方根分别为0.155 mm和0.417 mm。相比而言,其标定精度分别提高了75%和90%。与此同时,采用本文提出的方法对双目相机进行标定时需要花费的平均时间为26.3 s。差分遗传算法优化后的BP网络在双目相机标定过程中简化了标定流程并取得较好的效果,满足双目相机标定的要求。     

差分遗传算法优化BP神经网络的双目相机标定

针对传统双目相机标定的方法存在计算量大、标定过程复杂等问题,本文提出了一种利用差分遗传算法优化BP 神经网络来完成双目相机标定的方法。利用能量生长和光线扫描匹配算法完成同名角点的检测、匹配以及像素坐标的提取;对遗传算法的选择和交叉算子进行改进,同时利用差分算法对遗传算法的变异算子进行改进;利用差分遗传算法来优化BP神经网络进行双目相机标定。实验结果表明：基于本文提出的方法的双目相机的标定的误差的均方根为0.038 mm, 传统的基于Opencv和Matlab标定的方法的标定误差的均方根分别为0.155 mm和0.417 mm。相比而言,其标定精度分别提高了75%和90%。与此同时,采用本文提出的方法对双目相机进行标定时需要花费的平均时间为26.3 s。故此,差分遗传算法优化后的BP网络在双目相机标定过程中简化了标定流程并取得较好的效果,满足双目相机标定的要求。     

基于光场成像的双目深度图像获取

提出了一种利用Lytro相机光场图像进行双目立体测距的方法,首先对原始光场图像进行重编码获得宏像素水平排列的光场图像,由重编码图像提取出子孔径图像阵列并进行校正,相当于获得了相机阵列所拍摄得到的图像阵列。然后选取其中2个平行子孔径图像构成双目立体测距系统,通过matlab标定工具箱和Open CV函数库进行联合标定、立体校正和立体匹配生成深度图像,对目标物体进行距离测量。实验结果表明,该方法的距离测量在精度范围之内,双目测距方法可以应用于通过微透镜阵列获得的子孔径图像上。     

基于阵列图像立体匹配的深度信息获取方法

本文实现了一种对3×3微阵列镜头获取的阵列图像进行匹配计算得到带有深度信息图像的方法.方法首先对3×3微阵列镜头进行单个镜头标定以及单个镜头分别和中心镜头进行立体标定,得到相机参数;然后建立对应的能量代价函数,构建马尔可夫随机场,设定其初始深度,在空间进行划分层次;最后运用图割算法求解能量函数最小化,选择最优匹配值,进而得到带有深度信息的匹配图.实验结果表明本文基于阵列图像立体匹配的深度信息获取方法是有效的;相比一般双目视觉系统,微阵列镜头的体积尺寸小、可以同时拍摄获取图像,能够得到比双目视觉更准确的深度信息.     

视觉测量系统标定过程中的高精度图像特征提取

在便携式应变测量系统中,相机标定过程是必须而且关键的一个步骤,针对系统中使用的立体标定模板,建立了一种获取标定图像特征的高精度提取算法.首先经过图像预处理和连通性分析等步骤,对标定特征进行初始的分割和定位,然后采用经典的直线检测方法确定直线特征,计算直线之间的交点做为标定特征点,采用圆形标记编码确定标定平面位置,建立标定特征点图像坐标和空间坐标之间的对应关系.对模拟图像和真实图像进行了处理,通过对大量实测图像进行测试标定实验,结果表明本文方法性能稳定可靠,能够满足测量的需要.     

基于单目相机和多线激光雷达的联合标定方法研究

目的 针对相机和激光雷达之间的外参标定问题,为了减少两者的标定误差,得到更高的标定精度,方法 提出一种基于非线性优化的联合标定方法。首先拍摄不同角度的棋盘格标定板图像,采集足够多数据后利用工具包进行相机内参标定,得到单目相机内参;然后在激光点云和图像中检测标定板的角点特征坐标,激光点云下的角点坐标由提取的标定板点云数据和其几何特征获得,通过拟合出的图形由上至下、由左至右确定图形顶点坐标及标定板行列数,可得到各角点坐标;相机角点特征坐标采用FAST角点检测,利用角点灰度信息确定角点坐标;根据点云检测特征点到图像投影误差构建目标函数,将外参求解转化为最小二乘问题;最后通过基于列文伯格-马夸尔特的非线性优化算法,迭代求解得到最优外参。结果 最终平均标定投影误差为1.29像素,最大投影误差为2.46像素,最小投影误差为0.70像素,标准差为0.57像素。结论 根据标定的外参将点云投影至图像上可知,标定结果较好,并将结果运用到实际场景下视觉和激光雷达融合的SLAM算法中,运动轨迹平滑且与地图保持高度一致,本文方法标定过程简单,不需要棋盘格的真实物理尺寸,满足使用要求。     

基于多正则化约束的图像去运动模糊

针对图像去运动模糊问题的病态性,已有的方法通常引入对图像的正则化约束从而缩小解空间范围使其良态化,但单一的正则化约束并不能很好地估计点扩散函数和复原原始图像。基于此,本文提出一种基于多正则化约束的图像去运动模糊方法。首先,根据图像梯度符合重尾分布的特性,采用归一化的超拉普拉斯先验项作为对图像先验约束的正则项。其次,分析描述图像运动模糊的点扩散函数的内在特性包括稀疏性和连续光滑性;同时,采用点扩散函数自身的L₁范数保证其稀疏性并作为其中一项点扩散函数先验约束的正则项,采用Tikhonov正则化约束保证其连续平滑性并作为另一项点扩散函数先验约束的正则项,避免估计的点扩散函数中存在孤立的点。由于所建立的正则项虽然不可微但其是非严格凸函数,故引入辅助变量采用分裂法和交替求解法对所建能量方程进行求解,并利用小波软阈值公式求解辅助变量。本文方法对合成的运动模糊图像和实际相机抖动造成的自然模糊图像均进行实验,实验结果验证了该模型和求解算法的有效性和快速性。实验结果表明,本文方法提高了点扩散函数估计准确度,同时提高了复原图像质量,具有较好的复原效果。     

一种搭载深度相机的机器人手眼标定方法

针对机器人手眼标定过程中人工标定时间长和标定误差大的问题,以双目测量为基础,设计了一种基于深度相机的机器人手眼标定方法。深度相机对标定物进行成像并建立点云模型,通过标定物的特征点视差及深度值反映摄像机的空间关系,同时导入机器人基坐标系下坐标,计算手眼关系变换矩阵,完成机器人手眼关系标定。实验表明:该方法标定的平面误差不高于0.40 mm,空间误差不高于0.46 mm,标定时间不超过5 min。验证了该方法的正确性和有效性,提高了工业机器人标定过程的作业效率。     

一种基于数字图像的空间测距算法及仪器研发

根据相机小孔成像原理,建立基于数字图像的空间测距数学模型,利用双目相机采集被测物在空间坐标系的平面图像信息(像素坐标),标定相机内外部参数,确定像素坐标系、图像坐标系、相机坐标系和世界坐标系之间的关系,通过平面图像上的像素坐标计算被测物两点之间的空间距离。按照便携式、低功耗、兼容性的原则,研制基于数字图像的空间测距仪器,设计仪器的图像采集、数据传输、数据交换、数据处理模块。实验证明基于数字图像的空间测距仪器的测量误差小于1%,在机器人视觉、非接触工程测量、智能制造等领域具有广泛的使用价值。     

三线性约束及其在图像合成中的应用

通过对极几何关系及三线性约束关系立体视觉中参考视点之间和参考视点与虚拟视点之间的摄像机几何限制,把参考图像中的像素点直接转移到虚拟图像的对应点中去,即通过已得摄像机视点位置上的所得场景的图像,计算该摄像在其他各个视占位置上所得到的该场景的国邓列,表明,该方法简单、有效,对计算机视觉中的运动估计、低比特率视频编码、虚拟现实和动画制作中都有很发的应用价值。     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

基于超拉普拉斯先验的图像非盲解卷积

自然图像梯度的重尾分布在去噪、去模糊以及超分辨率等问题中已经被证实是一个非常有效的先验。自然图像梯度的长尾分布可以极好地用超拉普拉斯(Hyper-Laplacian)分布模型化。基于空间变化点扩散函数提出了一种超拉普拉斯先验的图像快速非盲解卷积方法,对图像进行复原。该算法的优势就是引入空间变化点扩散函数,使用分步交替迭代最小化方法,通过查表法快速对图像去卷积求解。该方法的解卷积速度得到较大幅度的提升,而且对模糊图像有较好的复原效果,提高了图像的质量。     

基于单位视球的鱼眼相机标定方法

针对鱼眼镜头的大范围视场,提出一种新的鱼眼相机标定方法.利用2组相互垂直的平行线来进行鱼眼相机标定.依据相机视场和成像边缘得到内部参数的估计值后,将图像平面上提取的角点反投影到单位视球（viewing sphere）上,2组平行线在单位球面上的2种几何特性提供外部参数估计的解析解.利用角点在图像平面的重投影误差来,得到优化后的所有参数.对3种常见的鱼眼投影模型分别进行关于标定图像数量和噪声水平的仿真实验.从仿真结果来看,在合理的噪声范围内,当用于标定的图像大于5张时,可以得到精度较高的标定结果.利用视场角185°的鱼眼相机来进行标定,并进一步的利用已知结构的立方体模板来验证外参估计方法.与加州理工学院提供的标定工具箱相比较,结果表明该算法不确定度较低,提供更为准确的标定结果.     

融合动态区域检测的自监督视觉里程计方法

为解决室外场景中动态区域对视觉里程计计算过程的干扰,获得准确的相机位姿和场景深度,提出一种自监督深度学习框架下融合动态区域检测的视觉里程计算法.给定相邻2帧图像,首先,采用深度估计网络计算2幅图像对应深度图,采用位姿估计网络获得二者初始相对位姿.然后,借助视点变换,计算两视角深度图像之间的差异,确定动态区域.在此基础上,对输入图像中动静态区域进行分离.之后,匹配两视角图像静态区域特征,计算最终相机位姿.从光度、平滑度以及几何一致性三方面构造损失函数,并在损失函数中融入动态区域信息,对所构造网络模型进行端到端自监督训练.在KITTI数据集上验证了所提算法,并将其与最近2年提出的相关算法进行比较.实验结果表明,该算法能够更好地应对动态场景,实现更高精度的相机姿态估计和细小物体深度估计.     

基于三维测量的奶牛体型性状指标的数据采集

采用立体视觉的三维测量方法重建奶牛的三维模型,实现了对奶牛的体型性状指标测量,首先通过立体标靶进行摄像头的标定,然后利用SIFT（scale invariant feature transform）尺度不变特征点匹配算法对图像进行特征点提取与匹配,最后通过投影矩阵计算匹配特征点的三维坐标;针对双目视觉中摄像头视角范围受限问题,提出通过在相邻视点的公共区域设置标记点,根据标记点计算不同坐标系的转换关系,将各局部特征点转换到统一坐标系下,从而实现不同视点下各局部区域的三维拼接.实验表明,采用该方法重建的奶牛模型较理想,测量精度和测量效率满足评定要求,能够取代手工测量.