车牌图像的局部倾斜畸变校正方法

针对车牌图像的倾斜畸变会对后继字符切割和识别结果带来不利影响的问题,提出使用局部技术和适度缩放技术对车牌图像倾斜畸变进行校正。根据车牌图像不同位置倾斜畸变程度不一样的特点将车牌图像分成若干份;分别对每份图像使用“连接点”法进行倾斜畸变校正,根据字符高度的变化对字符宽度进行同样的缩放;将校正之后的各个子图像连接在一起成为校正之后的车牌图像。实验表明,使用局部法对倾斜畸变车牌图像进行校正的效果要优于使用全局法。     

由灭点进行径向畸变的自动校正

目的镜头畸变影响着3维重建、几何量测等工作的质量。根据图像中的灭点几何约束条件,提出一种根据灭点进行弱径向畸变自动校正方法。方法为避免包含畸变中心参数的非线性模型优化结果的不稳定性,在求解径向畸变系数之后进一步对畸变中心进行优化。首先根据灭点几何约束条件建立关于灭点与径向畸变系数的非线性模型,使用Levenberg-Marquardt(LM)算法估计灭点坐标与径向畸变参数,然后根据质量评价准则对畸变中心和径向畸变系数进一步迭代优化;最后,通过真实图像对该方法的可行性进行分析验证。结果采用不同的数据对径向畸变进行了有效地校正,并采用校正后的数据进行了相机标定,标定结果相对于传统基于非量测校正方法有明显的提高。结论充分利用图像中的灭点属性,提出一种新的镜头径向畸变校正方法。实验结果表明,该方法能够有效地对径向畸变进行校正,并克服了传统基于非量测畸变校正方法的不稳定性。     

基于颜色对特征点主成分分析的车牌校正方法

为了在车牌的倾斜校正过程中减少车牌边框和噪声干扰的影响,并简化计算过程,提出了一种基于颜色对特征点主成分分析(PCA)的车牌水平校正方法。该方法根据车牌背景与字符交界处的颜色具有固定搭配这一特点,首先在原始车牌图像中提取颜色对特征点,并将所有颜色对特征点视为待分析的样本;然后构建这些样本特征点的2维散布矩阵,并通过主成分分析求出其主成分方向,该主成分方向就是车牌的水平倾斜方向;最后再进行相应的旋转,即可获得校正后图像。由于这种方法将车牌的颜色信息和边缘信息融合后共同使用于车牌的校正过程,同时将搜索图像倾斜角度转换为2维实对称矩阵进行计算,从而简化了计算。通过编程对实际车牌图像进行的实验结果证明,该方法对于边框不清或含有噪声干扰的图像仍然能取得较好的校正结果。     

基于因子缩放的车牌图像倾斜校正方法

针对倾斜的车牌图像对后继字符切割带来不利影响的问题,提出一种车牌图像上"字符"的宽度按高度同因子缩放的车牌图像倾斜校正方法。首先,根据车牌图像的特点将车牌图像分成四块,并使用Radon变换分别检测分割后的四块车牌图像;然后,根据检测的结果,求出车牌图像上车牌四条边框所在的直线方程以及对应的长度,并计算出上边框与下边框对应点连线的直线方程和长度,根据这个长度计算出连线上各点处的缩放因子;最后,根据所求的因子对倾斜车牌图像上所有的点进行校正。实验表明,与经典校正法相比,本文所提出的车牌图像倾斜校正方法校正的结果更符合实际的长宽字符比,校正效果更好。     

基于灭点的径向畸变自动校正方法

镜头畸变影响着三维重建、几何量测等工作的质量。本文根据图像中的灭点几何约束条件,提出一种基于灭点的弱径向畸变自动校正方法。为避免包含畸变中心参数的非线性模型优化结果的不稳定性,本文在求解径向畸变系数之后进一步对畸变中心进行优化。首先根据灭点几何约束条件建立关于灭点与径向畸变系数的非线性模型,使用LM算法估计灭点坐标与径向畸变参数,然后根据质量评价准则对畸变中心和径向畸变系数进一步迭代优化;最后,通过真实图像对该方法的可行性进行分析验证。本文充分利用图像中的灭点属性,提出一种新的镜头径向畸变校正方法。实验结果表明,该方法能够有效的对径向畸变进行校正,并克服了传统校正方法的不稳定性。     

一种车牌图像校正新方法

因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机(LS-SVM)的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法:首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集;再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数;最后,再由该参数转换为能反映图像倾斜方向的2维坐标变换矩阵。实验结果表明,该方法简便实用,对光照、污迹等不敏感,抗干扰能力强。     

一种新的基于字符形状特征的高效车牌识别算法

提出了一种基于字符的凹凸性、弯曲度和交点数等形状特征的车牌字符识别方法,它无须对字符作归一化、细化、倾斜校正这些预处理,也不需要样本图像,降低了字符畸变所产生的误识和拒识,减少了处理时间,提高了识别率。实验结果表明这是一种高效的车牌识别算法,是对现有车牌识别技术的有益补充。     

基于基本矩阵的相机畸变差校正方法研究

在计算机视觉的应用领域中,为了提高图像量测和三维重建的精度,必须对相机的畸变误差进行修正.本文提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正.实验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果.     

一种基于基本矩阵的相机畸变差自动校正方法

在计算机视觉的应用领域中,为了提高图像量测和3维重建的精度,必须对相机的畸变误差进行修正。为此提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正。试验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果。     

车牌定位及倾斜校正方法

提出了一种基于车牌字符信息的车牌定位及其校正方法。首先使用灰度形态学的顶帽操作（top-hat）增强车牌区域,使其能在二值图中突出显示,然后根据二值图中车牌字符的连通元个数和排列位置来确定车牌的具体位置,最后对已定位的车牌进行方向校正,包括水平和垂直方向校正。水平校正是根据这些字符连通元的中心确定车牌的水平倾斜角度,使用旋转几何变换使其水平方向得到校正,垂直校正则使用投影分析的方法求出水平校正后垂直方向的倾斜角度,再进行图像的像素平移。实验结果表明,该方法能够在复杂背景下快速、准确定位到车牌,并且倾斜校正效果很好。     

Projection matrix by orthogonal vanishing points

Calculation of camera projection matrix, also called camera calibration, is an essential task in many computer vision and 3D data processing applications. Calculation of projection matrix using vanishing points and vanishing lines is well suited in the literature; where the intersection of parallel lines (in 3D Euclidean space) when projected on the camera image plane (by a perspective transformation) is called vanishing point and the intersection of two vanishing points (in the image plane) is called vanishing line. The aim of this paper is to propose a new formulation for easily computing the projection matrix based on three orthogonal vanishing points. It can also be used to calculate the intrinsic and extrinsic camera parameters. The proposed method reaches to a closed-form solution by considering only two feasible constraints of zero-skewness in the internal camera matrix and having two corresponding points between the world and the image. A nonlinear optimization procedure is proposed to enhance the computed camera parameters, especially when the measurement error of input parameters or the skew factor are not negligible. The proposed method has been run on real and synthetic data for more precise evaluations. The provided experimental results demonstrate the superiority of the proposed method.     

高速公路云台相机的自动标定

目的 云台相机因监控视野广、灵活度高,在高速公路监控系统中发挥出重要的作用,但因云台相机焦距与角度不定时地随监控需求变化,对利用云台相机的图像信息获取真实世界准确的物理信息造成一定困难,因此进行云台相机非现场自动标定方法的研究对高速公路监控系统的应用具有重要价值。方法 本文提出了一种基于消失点约束与车道线模型约束的云台相机自动标定方法,以建立高速公路监控系统的图像信息与真实世界物理信息之间准确描述关系。首先,利用车辆目标运动轨迹的级联霍夫变换投票实现纵向消失点的准确估计,其次以车道线模型物理度量为约束,并采用枚举策略获取横向消失点的准确估计,最终在已知相机高度的条件下实现高速公路云台相机标定参数的准确计算。结果 将本文方法在不同的场景下进行实验,得到在不同的距离下的平均误差分别为4.63%、4.74%、4.81%、4.65%,均小于5%。结论 对多组高速公路监控场景的测试实验结果表明,本文提出的云台相机自动标定方法对高速公路监控场景的物理测量误差能够满足应用需求,与参考方法相比较而言具有较大的优势和一定的应用价值,得到的相机内外参数可用于计算车辆速度与空间位置等。     

基于直线的几何不变性标定摄像机参数

计算机视觉通常采用针孔摄像机模型,但对于存在较大畸变的鱼眼镜头或广角镜头来说,会造成图像中同时存在透视变形和像差畸变。解决此问题的传统方法一般是采用标准网格板来标定摄像机参数,但需要较多的已知信息。为了进行精确的标定,提出了一种新的标定方法,该新方法不需要任何空间3维信息,即可用单幅普通图像来标定摄像机的像差系数及内参数,并可将畸变图像校正到相似变换。为了纠正像差畸变和计算消影点,该方法采用了直线的射影不变性,即共线点的投影仍然共线,平行直线束的投影相交于一点的性质;为了纠正透视变形,还采用了直线的相似不变性,即正交直线的夹角在相似变换中仍然保持正交的性质。用该方法标定的摄像机的参数包括像差系数、焦距、主点和纵横比,同时将图像纠正到了相似变换。用实验室图像和室外图像进行了仿真实验都得到了精确、可靠的结果。     

Computing camera parameters using vanishing-line information from a rectangular parallelepiped

A new approach to camera calibration using vanishing line information for three-dimensional computer vision is proposed. Calibrated parameters include the orientation, the position, the focal length, and the image plane center of a camera. A rectangular parallelepiped is employed as the calibration target to generate three principal vanishing points and then three vanishing lines from the projected image of the parallelepiped. Only a monocular image is required for solving these camera parameters. It is shown that the image plane center is the orthocenter of a triangle formed by the three vanishing lines. From the slopes of the vanishing lines the camera orientation parameters can be determined. The focal length can be computed by the area of the triangle. The camera position parameters can then be calibrated by using related geometric projective relationships. The derived results show the geometric meanings of these camera parameters. The calibration formulas are analytic and simple to compute. Experimental results show the feasibility of the proposed approach for a practical application—autonomous land vehicle guidance.This work was supported by National Science Council, Republic of China under Grant NSC-77-0404-E-009-31.     

Camera distortion self-calibration using the plumb-line constraint and minimal Hough entropy

In this paper, we present a simple and robust method for self-correction of camera distortion using single images of scenes which contain straight lines. Since the most common distortion can be modelled as radial distortion, we illustrate the method using the Harris radial distortion model, but the method is applicable to any distortion model. The method is based on transforming the edgels of the distorted image to a 1-D angular Hough space, and optimizing the distortion correction parameters which minimize the entropy of the corresponding normalized histogram. Properly corrected imagery will have fewer curved lines, and therefore less spread in Hough space. Since the method does not rely on any image structure beyond the existence of edgels sharing some common orientations and does not use edge fitting, it is applicable to a wide variety of image types. For instance, it can be applied equally well to images of texture with weak but dominant orientations, or images with strong vanishing points. Finally, the method is performed on both synthetic and real data revealing that it is particularly robust to noise.     

基于平行线的室内视觉导航

根据一组空间直线上的无穷远线素集在视平面上所形成的消失点对直线的平移具有稳定性的特点，提出了基于平行线的摄像机参数标定和自主移动平台室内视觉导航算法．在对摄像机进行标定时，将摄像机模型简化成关于移动平台航向角和X方向距离的线性模型，并利用走廊左右踢脚线在视平面上的投影直线的斜率、消失点坐标来标定摄像机的内、外参数；在视觉导航时，视走廊左右踢脚线为一组平行线，由其在视平面上的投影直线的斜率、消失点坐标，控制自主移动平台行驶的X方向距离和航向角，实现平台的室内视觉导航．本文采用YIQ彩色模型分割楼道图像，由Hough变换与最小二乘法相结合的方法提取楼道踢脚线．     

单视未标定图像的正交灭点检测算法

传统方法只能计算标定图像的正交灭点,同时没有考虑图像直线检测结果的误差、 直线的长度以及候选灭点与约束直线之间的位置关系对灭点检测精度的影响。针对此类问题, 提出了一种针对单视未标定图像的正交灭点检测方法。首先利用J-Linkage 完成灭点的初始化估 计,得到假设灭点集合;然后根据假设灭点与图像直线之间的一致性约束、图像直线的长度, 基于投票机制先得到精确的垂直方向灭点;后利用灭点、灭线的定义和性质,计算得到图像相 机参数;根据正交灭点的特性,得到准确的水平方向和纵深方向的灭点。因引入了一种新的假 设灭点和图像直线之间的一致性度量方法,正交灭点检测精度不受直线检测结果的误差、直线 的长度以及候选灭点与约束直线之间的位置关系的影响,在未知图像相机参数的情况下能精准 的得到三个正交灭点信息。正交灭点检测方法在室内场景下可以得到更加精确的检测结果。     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。