散焦模糊量估计的相机加权标定方法

相机标定在计算机视觉领域中有着至关重要的作用.绝大多数相机标定方法假设相机为针孔模型,且需要良好聚焦的图像来保证相机内外参估计的准确性.然而,这些条件会受到相机景深的影响.在薄透镜相机模型假设下,提出了一种加权相机标定的方法,其权重考虑了控制点的模糊量信息.首先对棋盘格标定物上的每一个角点进行散焦模糊量估计,在标定过程中,将散焦模糊量的大小作为一个权重加入到标定能量函数最小化过程中,使得标定精度得到提高.该方法简单高效,不需要额外的数码设备或者特别定做的标定物.在Intel Core i7处理器的计算机下,使用合成数据以及真实数据上进行的实验结果表明,文中方法能够有效减小重投影误差,提高张正友标定方法的标定精度.     

一种多分辨率混合相机系统标定方法

针对高速低分辨率相机和高分辨率相机构成的混合相机系统,提出基于空间约束的多分辨率相机标定方法.采用空间距离尺度作为统一各坐标系之间的度量单位,建立单相机内外参数模型和多相机相对外部参数模型.采用先单相机标定内部参数后多相机联合标定相对外部参数的方法完成混合相机的标定.首先使用2步法对每个相机进行内、外部参数标定,然后将这些参数作为初始值求解多相机标定模型.利用多个相机之间的空间约束,设计了相对外部参数的6步求解算法.实验表明该方法具有较高的稳定性和标定精度.     

Lytro相机的光场图像校正与重对焦方法

目的 光场相机因其具有先拍照后对焦的能力而备受广泛关注,然而光场相机的理论研究往往受制于原始光场图像及其标定参数的获取。基于目前市面上唯一的一款消费级光场相机——Lytro相机,提出一套光场图像获取、校正和重对焦的系统化方法。方法 通过分析Lytro相机工作原理、算法和文件结构,给出了一套实现原始光场数据提取、解码、颜色校正、微透镜阵列标定和校正的完整方案。并在此基础上提出一种基于分数阶傅里叶变换的Lytro相机重对焦方法。结果 实验结果表明所提系统级方案正确,所提重对焦方法具有令人满意的重对焦性能。结论 本文Lytro相机光场图像获取和标定方法,利用分数阶傅里叶变换实现光场图像的频率域重聚焦。基于两台Lytro相机的实验结果表明,本文方法可正确获取图像数据及相机参数,重聚焦算法效果好。     

基于雅可比预测的机器人无模型视觉伺服定位控制

针对未知相机标定及目标3D几何模型,研究机器人无模型视觉伺服定位方法.引入状态空间,建立机器人“视觉空间-运动空间”雅可比非线性映射的状态方程和观测方程,提出神经网络联合卡尔曼滤波雅可比预测算法,网络在线动态补偿系统近似误差与参数估计误差,实现最小均方差条件下的雅可比预测;以李雅普诺夫稳定性准则构建雅可比预测的无模型图像视觉伺服控制方案,避免了相机标定和目标建模.“眼在手”六自由度机器人定位比较实验表明,图像空间特征轨迹平滑稳定在相机视场中,笛卡尔空间机器人末端运动平稳,无震荡回退,定位精度在10个像素范围内.     

基于棋盘标定板的优化相机参数标定方法

相机标定是计算机视觉与重建定位的重要基础,是构建二维图像与三维空间联系的重要桥梁。该文根据传统线性相机成像的规律,在理想的针孔相机成像模型的基础上,同时针对张正友标定法中相机参数求解过程较为复杂与繁琐的问题,采用一种简易的标定方法来求解单目相机的相机参数。该方法在平面张正友标定方法的基础上,通过预先估计部分相机参数的初值进而求解理想针孔相机成像模型后,再进一步优化预估参数的方式,根据棋盘标定板的特征点的空间坐标与图像坐标的对应方程,利用奇异值分解和Levenberg-Marquardt优化的方法进行参数求解,从而避免求解繁杂的约束矩阵后再分别对相机参数进行求解的过程,达到直接求解相机参数的目的,优化求解过程,最终实现单目相机的相机标定。实验结果表明,使用该方法标定的单目相机在物距一米以下时的标定误差能够满足绝大部分视觉与定位的应用需求,且该方法具有较好的稳定性和可行性。     

一种基于校正误差的立体相机标定算法

立体相机的标定是一个精确求解各个相机内参数以及相机之间关系参数的过程.它是三维重建的基础,其标定精度的好坏直接影响立体重建的结果.为此提出了一种使用校正误差作为代价函数的立体相机标定算法.该算法首先使用传统的基于重投影误差的方法对单个相机的内参数进行标定,然后利用校正误差完成对相机之间关系参数的标定求解.由于校正误差的计算只与相机内参数以及关系参数有关,可以避免在标定过程中使用难以精确标定的相机外参数.实验结果表明本算法能够有效的提高立体相机标定的精度.     

圆球标定中相机外参数的几何解释和应用

利用圆球进行相机标定的方法近年来得到深入研究.文中重新解释利用圆球进行相机标定时圆球投影与绝对二次曲线投影之间的几何关系,给出圆球与相机外参数之间关系的几何意义.提出一种利用矩阵正交分解求解球心参数的算法.与已有算法相比,该算法简洁、直观.进一步提出利用3个圆球求解相机外参数的算法.实验说明该算法精度高,可广泛应用于视觉平台中相机运动参数的求解.     

Kinect传感器的彩色和深度相机标定

目的 针对现有的Kinect传感器中彩色相机和深度相机标定尤其是深度相机标定精度差、效率低的现状,本文在现有的基于彩色图像和视差图像标定算法的基础上,提出一种快速、精确的改进算法。方法 用张正友标定法标定彩色相机,用泰勒公式化简深度相机中用于修正视差值的空间偏移量以简化由视差与深度的几何关系构建的视差畸变模型,并以该模型完成Kinect传感器的标定。结果 通过拍摄固定于标定平板上的标定棋盘在不同姿态下的彩色图像和视差图像,完成Kinect传感器的标定,获得彩色相机和深度相机的畸变参数及两相机之间的旋转和平移矩阵,标定时间为116 s,得到彩色相机的重投影误差为0.33,深度相机的重投影误差为0.798。结论 实验结果表明,该改进方法在保证标定精度的前提下,优化了求解过程,有效提高了标定效率。     

基于Halcon标定靶的双目相机高精度标定方法

基于张氏标定原理的传统双目相机标定方法在单一背景下标定精度高,但在复杂背景下不能精确提取特征点坐标,导致相机标定精度受到影响.文中提出一种基于Halcon标定靶感兴趣区域约束的透视变换方法,可以从复杂背景中精确提取特征点坐标,提高双目相机标定精度.首先通过改进的角点提取方法从背景中提取Halcon标定靶上的感兴趣区域,...     

跨相机交通场景下的车辆空间定位方法

为解决交通应用中的跨相机全场景车辆空间定位问题,利用单目相机,提出一种全场景透视拼接及车辆3D检测相结合的方法.首先提出一种交通场景下的相机自动标定方法,通过构建相机标定空间模型,自动求取标定参数并优化;然后利用公共区域的特征点,将多相机空间坐标系进行变换统一,为直观体现全场景物理空间,将各场景透视变换至统一的像素-物理坐标系中;最后,针对单目视觉下的车辆3D定位难题,利用车辆投影的几何约束,建立优化模型构建精细化的3D包络,以3D包络质心作为车辆空间定位点,同时可映射至像素-物理坐标系,体现车辆的动态信息.在具有人工特征点的实验环境及无人工特征点的实际应用环境中,对于跨场景的多类型车辆进行空间定位实验验证,实验结果表明,该方法可解决交通视频监控中的车辆跨相机大场景下的空间定位难题,在选取的实验场景中综合定位精度可达到厘米级,且实时性较好.     

直线运动摄像机在线动态标定

为实现AS-R智能机器人在运动情况下摄像机在线动态标定,提出一种新的基于粒子滤波的直线运动摄像机标定方法。用状态空间方法描述直线运动摄像机模型,把摄像机内参数和位置运动参数作为状态量,特征点图像坐标作为观测量,根据粒子滤波算法求得摄像机内参数和位置运动参数的最优估计,并用双线程实现整个标定过程。AS-R机器人在直线运动情况下的摄像机在线动态标定实验结果表明：该算法是合理可行的,并且具有很高的标定精度和良好的鲁棒性。该方法适用于各种类型的系统噪声。     

一种基于非量测畸变校正的摄像机标定方法

设计一种基于非量测畸变校正的摄像机标定方法.该方法利用单参数除式模型校正镜头畸变,根据直线透视投影保留同素性,通过拉凡格氏法（LM）优化标定出畸变模型系数和摄像机主点坐标,然后校正成像点,使其满足针孔模型映射关系.根据内参数的两个基本方程,线性求解剩余参数.实验表明,该方法在非量测标定过程具有较好的鲁棒性,且对比张正友标定方法,可在单幅标靶图像下进行标定,避免了模型内外参数耦合在一起,提高了标定效率.     

Self-calibration of hybrid central catadioptric and perspective cameras

Hybrid central catadioptric and perspective cameras are desired in practice, because the hybrid camera system can capture large field of view as well as high-resolution images. However, the calibration of the system is challenging due to heavy distortions in catadioptric cameras. In addition, previous calibration methods are only suitable for the camera system consisting of perspective cameras and catadioptric cameras with only parabolic mirrors, in which priors about the intrinsic parameters of perspective cameras are required. In this work, we provide a new approach to handle the problems. We show that if the hybrid camera system consists of at least two central catadioptric and one perspective cameras, both the intrinsic and extrinsic parameters of the system can be calibrated linearly without priors about intrinsic parameters of the perspective cameras, and the supported central catadioptric cameras of our method can be more generic. In this work, an approximated polynomial model is derived and used for rectification of catadioptric image. Firstly, with the epipolar geometry between the perspective and rectified catadioptric images, the distortion parameters of the polynomial model can be estimated linearly. Then a new method is proposed to estimate the intrinsic parameters of a central catadioptric camera with the parameters in the polynomial model, and hence the catadioptric cameras can be calibrated. Finally, a linear self-calibration method for the hybrid system is given with the calibrated catadioptric cameras. The main advantage of our method is that it cannot only calibrate both the intrinsic and extrinsic parameters of the hybrid camera system, but also simplify a traditional nonlinear self-calibration of perspective cameras to a linear process. Experiments show that our proposed method is robust and reliable.     

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。     

Camera calibration for a mobile robot prototype

Stereovision is an effective technique to use a CCD video camera to determine the 3D position of a target object from two or more simultaneous views of the scene. Camera calibration is a central issue in finding the position of objects in a stereovision system. This is usually carried out by calibrating each camera independently, and then applying a geometric transformation of the external parameters to find the geometry of the stereo setting. After calibration, the distance of various target objects in the scene can be calculated with CCD video cameras, and recovering the 3D structure from 2D images becomes simpler. However, the process of camera calibration is complicated. Based on the ideal pinhole model of a camera, we describe formulas to calculate intrinsic parameters that specify the correct camera characteristics, and extrinsic parameters that describe the spatial relationship between the camera and the world coordinate system. A simple camera calibration method for our CCD video cameras and corresponding experiment results are also given. This work was presented in part at the 7th International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18, 2002     

一种基于主动视觉的线性自标定方法

基于主动视觉的摄像机自标定是摄像机标定的一个重要分支，通过控制摄像机做严格的运动，可以发现一些比较简单的算法，本文提出了一种新的基于主动视觉的摄像机自标定方法，通过控制摄像机作3次不共面的平移运动．可以线性标定摄像机的五个内参数．大量的仿真实验表明该算法精度很高，且鲁棒性很强．     

非线性模型下的摄像机自标定

摄像机标定是从二维图像获取三维信息必不可少的步骤，线性（小孔）模型摄像机自标定，目前已成为计算机视觉领域的研究热点之一，对于非线性模型下摄像机的自标定，目前还未见到相关的研究报道，用于线性模型一般不能准确地描述真实像机的几何成像关系，因此对非线性模型摄像机自标定的研究具有十分重要的实际意义，该文主要探索非线性模型摄像机的自标定方法，基本原理是将非线性模型视为线性模型和畸变项的叠加，然后利用线性模型的基本矩阵或单应矩阵，给出非线性模型参数的约束方程，从而实现非线性模型摄像机的自标定，模拟和真实图像实验均表明该文所给的方法是可行的，具有一定的实用价值。     

基于平面格网的非量测CCD相机自标定

传统的相机标定方法通常需要建立复杂3维标定块或高精度3维控制场,在实际应用中受到了一定的限制。本文采用平面控制格网作为标定块,根据相机的理想模型确定内方位元素,利用2维直接线性变换和共线方程分解出相机的外方位元素初值,采用改进的Hough变换算法检测标定图像中的格网直线并利用最小二乘法拟合出最佳直线,通过求直线的交点得到标定格网点的像坐标。最后利用自检校光线束法平差进行相机的精确标定。实际图像数据实验结果表明,主点和焦距的标定精度分别达到了0.2像素和0.3像素左右。可以满足高精度近景3维量测的要求。