基于LCD的相机标定新方法

近年来,三维目标建模一直是计算机视觉及摄影测量领域的研究热门,随着数码相机技术的发展,普通数码相机在摄影测量领域的应用也越来越普及,而相机(或摄像机)标定是问题的关键之冶疚奶岢隽艘恢只贚CD的相机标定新方法,详细论述了其标定过程和标定理论.并通过实验证明了该方法的可行性.     

一种改进的相机标定方法

摄像机标定与图像畸变修正是摄影测量、视觉检测、计算机视觉等领域的重点研究课题之一,在测绘、工业控制、导航、军事等领域得到了极大的应用。研究了摄像机模型,摄像机标定等内容。对DLT的标定方法进行了改进,在摄像机模型中全面考虑了镜头的畸变,利用图像中心附近点畸变量较小的性质,提出一种摄像机内外部参数和像差修正参数分离的标定方法。并举例说明了基于同一物体的两幅图画三维重构的具体实验步骤和方法,分析了影响精度的因素。     

基于Matlab的二维世界坐标重建

计算机视觉技术研究的目的是要使计算机具有通过二维图像认知三维环境信息的能力.摄像机标定的目的就是要建立三维世界坐标与二维图像坐标之间的一种对应关系.论文为了实现二维世界坐标重建,依据摄像机标定技术与利用立体视觉方法进行二维重建的原理,建立了空间某—点图像坐标和世界坐标的对应关系模型,并在Matlab环境下验证了利用单目摄像机先定标求取投影矩阵之后进行二维世界坐标重建的可行性.实验结果表明该方法可行有效.     

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光测量系统的相机标定的精度对三维测量的精度有很大影响;首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

基于单幅回旋曲面图像的摄像机标定方法

针对传统摄像机标定方法存在的局限性问题,提出一种基于单幅回旋曲面图像的摄像机标定方法,综合运用计算机视觉、图像处理和计算机辅助几何设计技术,为单幅图像提供足够的几何信息用以摄像机标定,研究单幅未标定的包含回旋曲面以及特殊标定块的图像。仿真实验结果表明,该方法能够有效标定摄像机,为推广基于图像处理的应用技术提供条件。     

基于OpenCV的摄像机标定的应用研究

摄像机标定是机器视觉的基本任务之一,首先对开源计算机视觉(OpenCV)库进行介绍,然后给出了摄像机模型和摄像机标定过程中的坐标系转换关系.对图像模板的标定采用基于成像模型的点对应关系和在线实时标定的方法,同时把非线性畸变考虑在内,获得摄像机内外参数.标定结果初步应用于移动机器人平台的视觉伺服实验,对三维目标测量,实验结果表明了标定方法的可行性.     

基于未标定图像序列的三维重构

基于未标定图像序列恢复物体的结构．在计算机视觉等领域有广泛的应用前景。利用摄像机从不同角度得到的同一场景的图像序列,根据序列图像的内在几何关系来估计相机的外参数．从而确定摄像机的方位．以有效地恢复场景的三维模型。实验结果表明,该算法能够较为逼真地重建三维场景。     

CCD摄像机标定的研究

在计算机视觉中,二维计算机坐标和三维物体空间坐标的关系可通过摄像机模型来建立.模型中的参数包括:摄像机几何、光学特性参数(内参数)及摄像机空间位置参数(外参数).摄像机的标定就是要确定这些参数.本文分析了三维空间点投影在像平面的像点产生畸变的原因:在大视场摄像机镜头各向同性,而且物像空间媒质均匀的情况下,像素单位元面积产生的变化引起像点畸变,并在实际图像坐标到计算机图像(帧存)坐标标定过程中推导出CCD传感器单元N方向的比例系数N<,x>的表达式,并进行了实验测量分析,取得的结果对提高标定精度具有意义.     

一种新的基于主动视觉系统的摄像机自标定方法

摄像机标定是从二维图像取获三维信息必不可少的步骤。该文提出了一种新的基于主动视觉系统的摄像机自标定方法,通过控制摄像机平台作4次平移运动（其中任意3次均不在同一平面上）即可线性地标定摄像机的内参数以及摄像机坐标系与平台坐标系之间的旋转矩阵。同时,还分别给出了利用立体视觉方法和纯极点方法唯一求解摄像机坐标系与平台坐标系之间的平移向量的充要条件。     

摄像机参数标定实验的设计与实现

在基于位置的视觉伺服中,需要建立将二维图像信息转换为三维坐标信息的图像雅可比矩阵。为了获取高精度的雅可比矩阵本文设计了CCD摄像机参数标定的实验。首先介绍了摄像机标定原理,然后设计了标定实验,最后给出了标定的具体步骤以及实验结果。     

光截法旋转式物体三维重构

本文依据计算机视觉的理论,采用光截法,搭建了一个旋转物体三维重构实验平台。探讨了摄像机及回转台中心轴的标定和空间坐标转换还原工作。并以表面不平的小纸杯为对象进行了具体实验,在MATLAB下对其进行了图像处理获得物体空间三维数据,并将其三维显示出来,获得了较满意的结果。     

Analysis of Tsai calibration method using two- and three-dimensional calibration objects

Camera calibration is a fundamental process for both photogrammetric and computer vision. Since the arrival of the direct linear transformation method and its later revisions, new methods have been developed by several authors, such as: Tsai, Heikkilä and Zhang. Most of these have been based on the pinhole model, including distortion correction. Some of these methods, such as Tsai method, allow the use of two different techniques for determining calibration parameters: a non-coplanar calibration technique using three-dimensional (3D) calibration objects, and a coplanar technique that uses two-dimensional (2D) calibration objects. The calibration performed by observing a 3D calibration object has good accuracy, and produces very efficient results; however, the calibration object must be accurate enough and requires an elaborate configuration. In contrast, the use of 2D calibration objects yields less accurate results, is much more flexible, and does not require complex calibration objects that are costly to produce. This article compares these two different calibration procedures from the perspective of stereo measurement. Particular attention was focused on the accuracy of the calculated camera parameters, the reconstruction error in the computer image coordinates and in the world coordinate system and advanced image-processing techniques for subpixel detection during the comparison. The purpose of this work is to establish a basis and selection criteria for choosing one of these techniques for camera calibration, according to the accuracy required in each of the many applications using photogrammetric vision: robot calibration methods, trajectory generation algorithms, articulated measuring arm calibration, and photogrammetric systems.     

3D靶标的摄像机三步标定算法与实现

摄像机标定是计算机视觉中的一个必不可少的重要环节,其标定精度影响着三维重建结果的精度。利用摄像机对一个三维正交的棋盘格拍摄一幅有效靶标图像,提取角点,第一步通过透视变换矩阵算法线性求解各内外参数;第二步引入径向和切向畸变,将第一步求得的内外参数作为初始值,求得畸变系数的解;第三步对内参数进行线性优化,得到更为精确的内参数值;最后求解反投影后图像坐标的绝对误差。实验结果表明,该方法具有较高的精度,且简单有效。     

基于主动视觉摄像机标定方法

基于主动视觉的摄像机标定是摄像机标定的重要分支之一，本文引入了必要的基础知识和概念，诸如摄像机模型和投影矩阵，基础矩阵，单应矩阵，极点，FOE（Focus Of Expansion）等，还对基于摄像机纯旋转的标定，于摄像机三正交平移运动的标定，基于多次摄像机平面正交运动的标定，基于无穷远平面单应矩阵的标定以及于射影重建的标定进行了评述并给出了结论。     

一种基于主动视觉的摄像机内参数自定标方法

摄像机定标是计算机视觉的一项基本任务．本文提出了一种基于主动视觉的摄像机内参数自定标方法．该方法和文献［1］提出的方法相比最大的优点在于不要求摄像机在三维空间作任意方向的平移运动，只需要控制摄像机在同一平面作四组运动，其中每组包括两次相互正交的平移运动，同时适当调整摄像机平移运动的姿态，可以线性求解摄像机内参数．理论上证明了如果摄像机作三次俯仰或者作两次俯仰一次扫视来调整摄像机平移运动的姿态，则解存在而且唯一．通过稳定性分析证明前一种方法对误差很敏感，后者则是稳定的．最后给出了采用真实图像的实验结果．     

基于单张平行六面体照片的摄像机标定方法

摄像机标定是计算机视觉的重要组成部分。根据射影几何理论建立了基于单张平行六面体照片的摄像机全参数标定方法。通过调和射影及Laguerre定理的推论求解出平面圆环点的共轭虚像,利用平行六面体照片存在的三对圆环点的虚像,构造对无穷远平面绝对二次曲线的像ω的约束,使用辗转相除法求解非线性问题。最后,给出该算法对模拟图像和真实照片的实验。实验结果表明计算结果与真实情况吻合。     

Camera Calibration and Direct Reconstruction from Plane with Brackets

Camera calibration and 3D reconstruction are important issues in computer vision. Two applications of bracket algebra in these two issues are presented in this work. Firstly, a camera calibration method is proposed, which is from only distance ratios of object points. Thanks to the effective computations of brackets, this method does not need to set up any world coordinate system and thus can use the geometric information of irregular objects conveniently. Secondly, we represent the reconstruction solution of plane structure directly from four known control points and give some new and useful error analysis results. The solution based on brackets is concise and short, and the error analysis results can act as a theoretical guidance in practice. Simulations and experiments on real images validate our proposed camera calibration method, direct reconstruction solution and error analysis results. Yihong Wu received her Doctor of Science degree in Geometric Invariants and Applications from MMRC, Institute of Systems Science, Chinese Academy of Sciences, in 2001. From June 2001 to July 2003, she did her postdoctoral research in NLPR, Institute of Automation, Chinese Academy of Sciences. After then, she joined NLPR as an associate professor. Her research interests include polynomial elimination and applications, geometric invariant and applications, automated geometric theorem proving, camera calibration, camera pose determination, and 3D reconstruction etc. Zhanyi Hu received the B.S. Degree in Automation from the North China University of Technology in 1985, the Ph.D. Degree (Docteur d’Etat) in Computer Science from the University of Liege, Belgium, in Jan. 1993. Since 1993, he has been with the Institute of Automation, Chinese Academy of Sciences. From May 1997 to May 1998, he also acted as a visiting scholar of Chinese University of Hong Kong on invitation. Dr. Hu now is a Research Professor of Computer Vision, a member of the Executive Expert Committee of the Chinese National High Technology R&D Program, a deputy editor-in-chief for Chinese Journal of CAD and CG, and an associate editor for Journal of Computer Science and Technology. His current research interests include Camera Calibration, 3D Reconstruction, Feature Extraction, and Vision Guided Robot Navigation etc.     

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。