一种基于4对图像对应点的欧氏重建方法

摄像机自标定算法通常是非线性的，为了得到线性的方法，提出了一种在RANSAC框架下由4对图像对应点线性标定摄像机并对场景进行鲁棒性欧氏重建的方法。当摄像机作两组平移运动时，若在两组平移运动之间摄像机具有不同的姿态，则从4对图像对应点可以线性地重建场景的欧氏几何。模拟实验和真实图像实验均证明了本文方法的可行性。     

基于侧影轮廓的图像三维重建方法

针对自标定单幅图像的三维重建问题,提出一种基于侧影轮廓的图像三维重建方法。使用成角度平面镜装置拍摄目标物体,对所得图像进行边缘跟踪,得到闭合的轮廓曲线,利用满足平面镜成像原理的2对侧影轮廓计算灭点,根据灭点间的约束关系计算相机参数,在此基础上重建得到物体的三维模型。实验结果表明,该方法能快速重建逼真的三维模型。     

基于网格状纹理的简易摄像机标定方法

摄像机标定方法在移动机器人视觉系统的研究中具有重要意义。该文提出了一种基于网格状地面的简易摄像机标定方法,通过引入边缘提取、Hough变换、灭点检测等图像处理技术,对网格状地面图像进行了垂直和水平两个方向的直线检测,进而确定标定点的位置,最终实现了摄像机的快速标定。实验结果表明,该方法是可靠有效的。     

高速公路动态环境下的摄像机自标定

提出一种动态环境下高速公路监控系统摄像机的自标定方法.首先利用混合高斯背景建模方法从动态视频图像中获取背景图像和目标频繁出现的目标区域;然后利用不同的直线检测算法检测和估计出目标区域内高速公路上大量存在的各种标志线和虚标志线以及水平线,基于这些线状特征计算出摄像机的灭点;最后根据灭点和线特征之间的几何关系计算出摄像机的内外参数,从而实现摄像机自标定.真实场景的实验结果表明,该算法非常合适于各种高速公路监控系统中摄像机的实时自标定,且精度高、稳定性好.     

一种基于图像序列和外部平移数据的摄像机自定标方法

摄像机标定是从二维图像获取三维信息必不可少的步骤。本文提出了一种新的基于图像序列的自定标方法。通过控制摄像机平台作3次平移运动（其中任意2次均不在同一平面上）且不需要读取运动平台的平移数据，即可线性地标定摄像机的内参数。大量的模拟实验表明该算法精度高和鲁棒性强。     

基于主动视觉的摄像机自标定方法

摄像机标定是计算机视觉的一项基本任务．目前基于 主动视觉的摄像机内参数自标定方法可分为两类：第一类方法是通过摄像机在三维空间内作 两组平移运动,来求解摄像机内参数．第二类是由Basu, Du, 和Hartley等人提出的通过摄 像机旋转,求解摄像机内参数方法．后者在实际应用中存在严重不足,由于它要求摄像机只 绕光源中心旋转,不能有任何平移,而在工程实践中摄像机光源中心难以测定,其旋转也难 以保证无任何平移,因此难以实用．本文提出的摄像机标定方法属于前一类方法．与以往方 法相比,它不要求摄像机作多组相互正交的平移运动,只要能准确测定出摄像机相对于初始 位置三次线性独立平移运动的平移矢量,即可线性求解出摄像机内参数．理论证明,解存在 且唯一．数值模拟表明该方法具有较强的鲁棒性,最后给出了采用真实图像的实验结果．     

内参数异构情况下摄像机平移位置的测定

在手眼系统中,摄像机平移是比较容易实现和经常需要的一种运动.本文首先给出了摄像机调整焦距 后,焦距标定的两个比较简捷的方法.然后,根据平移运动中摄像机获取的两幅不同图像,在焦距不同的情况下,给 出了检测摄像机坐标系平行移动的方向的方法.事实上,摄像机调整焦距也是一种平移运动,因此这时的摄像机的 平移运动是两种平移运动的综合的结果,同时给出了由平台平移引起的摄像机坐标系平移位置的求解方法.     

一种基于灭影线的无人直升机位姿估计方法

该文将基于灭影线的摄像机标定原理用于无人直升机的位姿估计,设计了一个包含四组平行线的平面着陆图标,通过机载摄像机摄取的图标图像,估计出直升机相对于该图标的位置和姿态。文章首先简述了灭影线的有关知识,推导了相应的关系方程,接着介绍了使用的图像处理方法和提高计算精度的措施,最后,给出了实验结果并对实验误差做了简要分析。该方法的技术关键是如何精确测定灭影点和灭影线的像平面参数,算法最大的特点为计算结果与焦距变化的无关性。实验结果表明,该方法算法复杂性低,实时性好,精度较高,可以用于无人直升机的位姿估计。     

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．     

基于 2 个灭点和局部尺度的三维空间尺度估计

三维空间尺度估计是三维重建中的一个重要工作,现实世界中也存在一些基于单幅图像进行三维空间尺度估计的需求。通常情况下,尺度估计需先对相机进行标定。根据单目图像符合透视原理的特性,提出了一种基于 2 个灭点和局部尺度信息的方法对相机进行标定,从而得到单目图像物体中三维空间尺度信息的估计。首先,从单目图像中选择 2 组互相正交的平行线组,得到对应 2 个灭点的坐标;然后,利用灭点坐标和焦距信息得到世界坐标系和相机坐标系之间的旋转矩阵,再利用灭点的性质和已知局部尺度信息得到平移向量,完成单目相机的标定;最后,还原二维图像中像素点对应的三维世界坐标值,计算出图像中 2 个像素点在三维空间的尺度信息。实验结果表明,该方法能有效地对单幅图像中的建筑物体进行尺度估计。     

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。     

人工目标图像中的消失点检测

在人工目标检测中,消失点信息比边缘、拐角等特征更加鲁邦。根据累计空间的不同,消失点检测方法可划分为有限空间检测和无限空间检测两大类。在有限空间检测方法中,Barnard提出的基于高斯映射的消失点检测,因同时适用于有限远和无穷远消失点的检测,最为引人关注。但该方法因累计空间划分不均匀,容易造成统计计算的偏差。文章针对人工目标固有特征,提出了长度优先的向量叉积候选消失点检测方法,在避免了因累计单元大小不均而造成计算偏差的同时,强调了人工目标的主体特征。同时利用三个彼此正交的方向信息,反算相机的内部参数,用以判定三个正交方向选择的合理性。从而使得消失点的确定,能够更好地满足人工目标特征的提取要求。     

基于灭点理论和平面控制场的相机标定方法研究

给出了一种基于灭点理论和平面控制场的相机解析自标定方法。在系统分析平面场景灭点几何的基础上,依据灭点理论并结合2维场景的共线方程严密论证和推导了平面控制场中相机外方位元素初值的实用算法。给出了一种圆形标志点的快速检测及定位方法,提出了一种基于计算可靠性矩阵QVVP的自检校光束法平差中各类观测值权值的确定方法。实验证明了该相机标定方法的正确性和有效性,为相机标定探索了一种可行的方法。     

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.     

试飞测试中摄像机标定方法研究

随着数码相机技术和摄影测量技术的发展,越来越多的数字摄像机应用于试飞测试中,而摄像机标定是其成功应用于飞行试验的关键之一。为了突破试飞测试中现有的仅以点特征作为控制,充分利用现有设备条件,更好地解决加装在飞机上的摄像机在飞行过程中的实时标定问题,采取内标定与实时外标定两步实现摄像机标定的方法。着重探讨了一种基于平行直线的摄像机内标定方法,详细论述了基于灭点约束和直线几何约束的摄像机标定解算模型,该方法在无控制点的情况下可得到每个摄像机的内方位元素、各项畸变改正系数和外方位角元素;并简要介绍了基于单片后方交会的实时外标定方法。实际数据的试验结果表明,该方法切实可行,能够获得精确、稳定的参数结果,有效减少了摄像机标定过程中所需布设的控制点数,从而提高了试飞测试中精确测量导弹运动轨迹、机翼变形测量等工作的可实施性。     

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．     

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.