一种摄像机成像误差的模型化修正方法

本文针对摄像机成像误差问题,首先提出了一种新 的径向畸变模型,利用此模型推出了能精确标定摄像机的关键参数（有效焦距、平移矢量的 Z向分量以及径向畸变系数）的线性算法;同时提出了一种成像系统误差的修正模型,并利 用系统辨识方法正确估计了该模型的各参数;并进行了实验验证.这项研究必将使得摄像机 成像的误差整体降低,从而提高了测量精度.     

摄像机线性三步定标方法研究

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部参数和外部参数。由于真实的摄像机光学模型存在很多类型的畸变，因而导致透视投影关系是非线性的。为了解决标定过程的非线性最优化问题，针对常用的带有一阶径向畸变的摄像机模型，提出了一种新的线性三步摄像机定标方法，即首先通过径向排列约束计算摄像机参数的旋转矩阵、x轴平移向量和y轴平移向量；然后根据透视投影的交比不变性解算一阶径向畸变参数；最后利用求得的摄像机参数建立有效焦距和z轴平移向量的线性方程，采用最小二乘法来得到线性解。实验表明，该方法简单快捷，不仅具有较高的标定精度，而且解决了原有算法采用非线性搜索寻优可能存在的解不稳定的问题。     

基于一阶径向畸变算法的双目摄像机多位姿标定方法

双目立体视觉中在对物体进行三维测量或精准定位时,需要对摄像机进行标定以获得其内外参数。研究径向畸变摄像机模型,构造了基于一阶径向畸变（RAC）算法的双目摄像机内外参数线性求解公式。考虑侧倾角、旋转角、俯仰角以及透镜的主要畸变因素,修正了传统RAC标定法中只考虑径向畸变、部分参数需要先验值的缺陷。利用标定所得内、外参数进行了多位姿双目摄像机三维重构实验。实验结果表明,该标定方法重投影误差分布在[-0.3,0.3],动态识别结果与实际运行轨迹重合率为96%,对降低双目立体视觉三维测量误差率有积极性影响。     

一种新的摄像机线性标定方法

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,即准确确定摄影机的内部参数和外部参数,因此寻找新的快速有效的摄像机标定计算方法是计算机视觉应用中的一个重要问题。为也快速有效地进行摄像机的标定,并针对常用的带有一阶径向畸变的摄像机模型,提出了一种线性求解摄像机参数的标定方法,它可分步标定各参数,且全部采用线性方法求解,从而避免了非线性优化中的不稳定性,使得算法更为实用,简单快捷。实验结果表明,该方法具有较高的标定精度,是一种实用的标定方法。     

考虑径向畸变的机器人视觉系统的参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。用GRB系统的Matrox图像采集卡采集标定点坐标,利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明,该方法有较高的标定精度。     

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度     

基于粒子群算法的双目立体视觉系统标定

摄像机标定是立体视觉系统研究的重要组成部分,针对双目立体视觉系统中摄像机标定这一多参数、复杂函数的优化问题,建立带有一阶径向畸变的摄像机模型,利用粒子群算法对模型中的参数进行优化处理,并同改进遗传算法的优化结果进行比较分析。实验结果表明该方法具有较高的精度,可满足工业机器视觉的要求。     

机器人立体视觉中摄像机的标定

针对机器人立体视觉标定问题,提出一种介于传统标定法和自标定法之间的摄像机标定方法。与传统方法相比,将内参数、畸变参数与外参数分别标定。首先根据张氏平面标定法求出内参数;其次在考虑透镜径向畸变的基础上求出畸变参数;最后重点探讨在摄像机带有运动的情况下外参数的标定方法,避免了在原有标定环境下摄像机运动时需要重新标定的问题。实验依据传统标定的模板原理,结合双目立体视觉模型,验证了该种分离标定方法的可行性。     

一种改进的求解摄像机内外参数的方法

针对带有径向畸变的单摄像机针孔成像数学模型,提出了一种改进的求解模型内外参数的方法.首先利用标定板上特征点,应用最小二乘方法线性求得实际的光心图像坐标,进而应用Tsai方法求得模型中其他参数,最后利用Levenberg-Marquardt方法对所有求得的参数进行全局优化.实验结果表明,该方法较Tsai方法重投影误差更小,精密度更高,是一种有效的摄像机内外参数标定方法.     

双摄像机模组的组合式标定和校正方法

提出了双摄像机模组的组合式标定和校正方法,能够将传统的标定和校正2道工序合并为1道工序,不需要借助于外部测量设备,仅利用双摄像机同时对目标模板拍摄的1幅图像,即可实现双摄像机模组的标定和校正。先基于交比不变性计算摄像机的径向畸变系数,将摄像机畸变成像模型转换为线性模型,利用线性模型分别对2个摄像机进行标定;然后计算2个摄像机之间的位姿偏移参数,调节右摄像机位姿,进行双摄像机之间的位姿校正;最后标定2个摄像机之间的位姿参数。实际应用结果表明,所提出的双摄像机模组校正和标定方法,校正和标定精度高,缩短了工艺时间,提高了工艺效率,能够满足双摄像机模组封装生产工艺的要求。     

光电经纬仪站址与测角测距误差校准

光电经纬仪校准是实现目标精确测量的关键,在设备经过一段时间的使用或移站后均需进行校准.针对近期一次光电经纬仪校准工作中,以设备旋转中心测量值作为站址坐标真值进行其他参数校准时产生了无规律且较大测角偏差的问题,提出一种基于地面控制的光电经纬仪站址与测角测距误差校准方法.相比其他类似校准方法,该方法将站址坐标、测角误差和测距误差均作为未知量进行校准模型构建,通过平差计算,得到一组最优的校准数据作为光电经纬仪测量的基准.经试验验证,该方法有效提高了光电经纬仪测量精度和可靠性,同时校准结果可直接用于光电经纬仪数据处理软件,保证光电经纬仪测量处理的规范化.     

视觉导航中的单目摄像机标定改进算法

在基于单目视觉的智能车自主导航系统中,摄像机标定是智能车实现安全准确视觉导航的前提和关键。研究摄像机理想模型和实际模型,提出一种改进的标定方法。结合线性模型和非线性模型的优点,在求解摄像机内外参数的过程中,先采用线性模型标定摄像机的一部分参数,进一步考虑简化畸变模型,将非线性方程组转化为线性方程组迭代求解,最终获得摄像机全部参数。该方法既保证了标定精度,又简化了复杂的摄像机实际模型。实验结果表明该方法能满足视觉导航要求。     

简便高精度的机器人手眼视觉标定方法

对摄像机成像模型进行了分析,论述了机器人手眼系统标定原理。在此基础上,不改变机器人的外臂与基坐标系的旋转关系,设计了一种机器人手眼视觉的标定方法,与传统的方法比较,它不需要预先标定摄像机的内外参数。实验证明:该方法具有算法方便快捷、实验过程简单易行,且精度高等优点,可用于机器人进行运动目标定位与跟踪。     

基于可测距平板工具的机器人TCP标定方法

针对工业机器人工具中心点（Tool Center Point,TCP）标定,提出一种基于带二维测距功能标定工具板的标定方法。标定工具板能够感知机器人TCP的触碰,并测量任意两触点之间的距离。使机器人TCP与标定板触碰四次,并以触点形成的线段长度为坐标变换不变量为约束,建立TCP参数标定模型。该模型包括一个三元二次代数方程组,通过消元法可求出其所有可能解,并提出了真实解的判定方法。通过数值仿真,验证了所提出方法的可行性。以电阻触摸屏作为标定板为例,分析了标定板距离测量分辨率对标定精度的影响规律。以电阻屏为标定板进行了参数标定实验,证实了该方法的准确性。方法标定过程简单,易于实现自动化,适用于大多数工业机器人的工具坐标系的标定。     

基于机器视觉的钢轨轮廓测量方法研究

钢轨轮廓检测是轨道几何参数检测的重点和难点。采用二维平面靶标对激光摄像传感器进行标定,建立世界坐标系和图像坐标系的标定模型。通过棋盘格进行实验标定,获取300组数据,采用非线性最小二乘法来标定模型参数。结果表明:采用非线性最小二乘法能够将棋盘格水平和垂直的测量误差控制在0.3 mm左右,该方法能够很好地运用到钢轨轮廓测量中。     

双轴旋转光纤捷联惯导八位置标定方法

针对双轴旋转捷联惯导系统长期工作时光纤陀螺误差参数随时间变化问题,提出一种姿态未知条件下的八位置标定方法.该方法利用双轴旋转机构可提供惯性测量单元(LMU)相对载体固定角位置特性,结合光纤陀螺简化误差模型,设计出八位置标定路径并激励出光纤陀螺误差参数.新的标定方法既避免了陀螺误差参数的耦合影响,又可以解算出载体航向信息.转台实验结果表明,八位置标定方法可在载体姿态未知条件下完成对光纤陀螺误差参数的标定工作.     

足球机器人全局视觉系统的快速标定方法

针对足球机器人全局视觉系统的特殊应用场景,提出了一种基于两步法简化标定模型的快速有效标定算法。利用近似欧拉角旋转矩阵建立摄像机标定模型,确定需要求取的摄像机内外参数,借助场地上现有的一些标志点作为靶标,对模型的相关参数进行分步求取初始值,并利用L-M优化算法对摄像机内外参数进行分步优化求取精确值。通过实验分别从标定误差和机器人动作实现效率两个方面与其他标定算法进行对比,验证了该算法具有较高的标定精度。实验表明,本算法的优点在于不用借助专门的标定靶标,即可快速有效完成相机标定,标定精度可达1mm,且标定过程简单易实现。     

Auto‐calibration of a projector–camera stereo system for projection mapping

Standard camera and projector calibration techniques use a checkerboard that is manually shown at different poses to determine the calibration parameters. Furthermore, when image geometric correction must be performed on a three‐dimensional (3D) surface, such as projection mapping, the surface geometry must be determined. Camera calibration and 3D surface estimation can be costly, error prone, and time‐consuming when performed manually. To address this issue, we use an auto‐calibration technique that projects a series of Gray code structured light patterns. These patterns are captured by the camera to build a dense pixel correspondence between the projector and camera, which are used to calibrate the stereo system using an objective function, which embeds the calibration parameters together with the undistorted points. Minimization is carried out by a greedy algorithm that minimizes the cost at each iteration with respect to both calibration parameters and noisy image points. We test the auto‐calibration on different scenes and show that the results closely match a manual calibration of the system. We show that this technique can be used to build a 3D model of the scene, which in turn with the dense pixel correspondence can be used for geometric screen correction on any arbitrary surface.     

随机漂移粒子群算法的RZWQM替代模型参数优化

根区水质量模型（Root Zone Water Quality Model,RZWQM）被广泛应用于刻画土壤水文循环过程对作物生长的影响,并通过模型率定模拟指导农业生产管理。然而RZWQM模型的一次率定需要较长时间,在可接受时间范围内找到一组合适的模型参数是一件较困难的工作;同时传统的模型参数试错法依赖于使用者的专业知识和经验,也需要多次尝试才能达到较满意的模拟效果。提出使用稀疏网格方法建立RZWQM模型的近似替代模型,并使用随机漂移粒子群优化算法对替代模型进行自动参数优化,将优化后的参数用于RZWQM模型的实际应用模拟。替代模型近似精度高,率定速度快,大大节省了模型参数优化的计算开销。最后将提出的稀疏网格近似替代模型方法结合随机漂移粒子群优化算法使用美国爱荷华州5年玉米-大豆间中的作物产量、排水流量、[NO-3]-N流失量田间实测数据进行了验证分析。结果显示该方法能够极大地提高模型参数优化效率和节省人力;同时,通过模型性能评价指标PBIAS、NSE和RSR的数值比较也表明该方法优化后的RZWQM模型性能要好于传统试错法的模型性能。     

Camera calibration and three-dimensional world reconstruction of stereo-vision using neural networks

Stereo-pair images obtained from two cameras can be used to compute three-dimensional (3D) world coordinates of a point using triangulation. However, to apply this method, camera calibration parameters for each camera need to be experimentally obtained. Camera calibration is a rigorous experimental procedure in which typically 12 parameters are to be evaluated for each camera. The general camera model is often such that the system becomes nonlinear and requires good initial estimates to converge to a solution. We propose that, for stereo vision applications in which real-world coordinates are to be evaluated, artificial neural networks be used to train the system such that the need for camera calibration is eliminated. The training set for our neural network consists of a variety of stereo-pair images and corresponding 3D world coordinates. We present the results obtained on our prototype mobile robot that employs two cameras as its sole sensors and navigates through simple regular obstacles in a high-contrast environment. We observe that the percentage errors obtained from our set-up are comparable with those obtained through standard camera calibration techniques and that the system is accurate enough for most machine-vision applications.