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     

一种基于斜率和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。     

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.     

光学图象几何畸变的快速校正算法

实际光学镜头所成的图象难免会有几何变形，多项式坐标变换法是进行几何修正的有效方法，但是当次数较高的时候，运算量太大，难以应用到实时图象处理系统，为此在分析多项式坐标变换算法的基础上，提出了一次多项式非均匀分片逼近算法。该算法首先将图象非均匀划分成矩形区域，在每个矩形区域内部用一个一次多项式逼近高次多项式。基于对图象畸变的主要因素即径向畸变的分析，该算法的图象划分规则能在保证逼近精度的前提下占用最少的保存模型参数的空间。该算法大大降低了运算量，将运算时间减少了近2／3，同时能很好地保证逼近精度，空间代价也限制在很小的范围内，试验结果表明该算法是图象几何修正的有效方法，具有良好的工程应用价值。     

一种光学镜头摄像机图象几何畸变的修正方法

由于光学镜头会产生几何畸变,并且摄像机成象平面与景物平面间存在着倾角和转角,因而光学镜头摄像机获取的图象存在着非线性的几何畸变,在对图象进行检测和定量分析之前,应消除这些畸变。为此,应用多项式变形技术和双线性插值方法,研究了一种摄像机拍摄图象几何畸变的修正方法,并讨论了控制点的选取方法。实验结果表明,应用三次多项式变形技术,选取少量控制点即可得到理想的校正结果。该方法简便实用,可用于固定条件下摄像     

基于平面网格模型的摄像机镜头畸变校正技术

摄像机标定技术是计算机视觉研究中的关键技术之一。国内外学者开展了大量的研究并取得了大量的研究成果。目前,摄像机标定技术的主要研究任务在于根据实际应用的特点,寻找简便、快捷、准确的标定算法。该文针对精密视觉测量这一特殊应用领域,提出了基于平面网格模型的摄像机镜头畸变校正技术。除了考虑镜头的径向畸变之外,还包括离心畸变、薄凌镜畸变等非线性因素,在镜头中心附近小区域零畸变的假设条件下,推导出网格交点的理想坐标,并由图像处理技术获得网格交点的实际坐标,通过最小二乘法获取非线性畸变系数。由于考虑了引起镜头畸变的多种因素,可提高实际标定的精度。对于视觉测量系统,在具体标定前先求出畸变系数,再对实测的像素进行校正,这样既可以提高标定精度,又不影响视觉测量的速度。     

摄像机镜头畸变的鲁棒校正方法

针对计算机视觉中的镜头畸变问题,设计一种鲁棒的校正方法.该方法基于空间直线的成像特性来定义畸变测度,通过非线性优化完成畸变校正.采用微粒群全局优化算法,将传统优化方法、标准微粒群算法和基于不同策略的微粒群算法的性能进行对比.实验结果表明,带变异算子基于对位学习的微粒群算法具有较强的鲁棒性,在低噪声下,微粒群算法的校正性能优于传统算法.最后通过不同畸变程度的校正实例验证了所提出方法的有效性.     

一种大视场镜头的畸变校正方法

大视场镜头因其可得到较大视场的图像而获得广泛应用,但由于镜头的原因,导致成像的桶形畸变,在直接使用从镜头获取的图像时,会影响对图像的后期处理和分析。针对这种情况,在分析畸变产生原因的基础上,提出一种改进的桶形畸变校正方法。根据畸变与焦距、成像高度之间对应的变化规律提出一种改进的半球形畸变校正模型,并计算近似畸变率,以进行反向映射及双线性插值来得到校正后的图像,设置可调整的参数,给出参数的确定方法和选择范围。最后,利用畸变的对称性降低了校正的计算复杂度和时间。实验结果表明,该算法对广角镜头产生的桶形畸变获得了较好的校正结果,降低了平均畸变率误差。该算法能够准确地校正畸变图像,不需要特定模板和标定参数,计算简单容易实现。     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

摄像机镜头非线性畸变校正方法综述

由于加工误差和装配误差的存在，摄像机光学系统与理想的小孔透视模型有一定的差别，致使物体点在摄像机图像平面上实际所成的像与理想成像之间存在不同程度的非线性光学畸变。为了提高图像检测、模式匹配等定量分析的准确性，必须对这一类畸变进行修正。近年来，国内外学者就此问题进行了大量的研究，为了使人们概略地了解该领域的研究现状，为此首先介绍了摄像机成像模型与镜头非线性畸变模型，并回顾总结了摄像机镜头非线性畸变校正方法，然后进一步提出从原理上将这些方法分为基于控制对象的方法和基于模式的方法两大类，最后分析比较了各种方法的优缺点。     

基于数据拟合的摄像机标定和图像的数值校正

采用的摄像机成像模型考虑了透镜的径向畸变和切向畸变。标定过程包括对摄像机的内外部参数的直接线性变换估算和基于内部映射牛顿法的子空间置信域法的非线性优化算法优化。同时提出了对畸变图像校正的数值计算方法。     

一种基于相机标定的图像配准方法

图像配准是把同一场景的两幅或者多幅图像在空间上进行配准,它在图像分析领域应用广泛,如医学,遥感图像分析,图像融合,图像检索及目标识别等．匹配困难是图像配准的主要问题,造成匹配困难的原因之一是待匹配图像存在畸变．该问题是由于待配准图像相对于基准图像会产生大面积相同区域或产生平移、旋转、缩放等多种畸变．针对以上各种畸变,本文提出一种解决方案：利用相机标定信息求解畸变情况的平移矩阵、旋转矩阵和缩放比,通过反变换达到矫正图像畸变的效果．然而标定信息常会因为相机位置移动而发生改变．对于此问题,本文则是通过求解多角度下的云台转角来确定相机的标定信息．实验表明：本文提供的方案很好的解决了图像配准阶段的一些畸变问题,使图像配准有较高的精度．     

一种基于DLT模型和圆环点改正的摄像机定标方法

提出一种基于DLT(直接线性变换)模型和圆环点改正的摄像机定标方法.运用计算机视觉原理,通过三维DLT平面模板模型平移对摄像机进行定标,并在模板上设计一个圆环,使用圆环上的点进行定标参数改进.实验数据证明,定标方法是有效的.     

基于色貌模型的图像颜色校正

近二三十年来,色貌模型的飞速发展促使颜色校正技术从传统的色度阶段步入到色貌阶段。针对颜色校正技术以及色貌模型和图貌模型的研究现状进行了综述,并对模型的性能进行了比较和评价,进一步展望了基于色貌模型的颜色校正技术的发展趋势。     

基于单幅图片的相机完全标定

现有相机标定方法的标定过程比较繁琐,不利于标定相机的广泛使用。为此,从摄像机镜头畸变矫正着手,结合标定板信息及消失点约束,提出一种基于单张图片的相机标定方法。利用非线性迭代得到相机镜头的畸变系数,通过线性求解得出相机的内参,直接计算得到相机的外参,从而实现仅需拍摄单张标定板图片的相机完全标定。实验结果表明,该方法在标定板与视平面夹角小于45°的情况下均能成功标定,并且重投影误差小于0.3像素。     

基于折射定律的摄像机标定模型

传统的摄像机标定是基于针孔模型,把镜头简化为凸透镜,得出的是光学元件的集总参数,精确度低.为提高精度,根据折射定律提出基于折射定律的摄像机标定模型.上述模型细化了摄像机镜头的组成,把镜头分为三个透镜部分,并且应用折射定律定性研究光线在透镜边界面的折射情况.改进模型充分考虑了摄像机镜头的透镜组成,大大提高了标定的精确度.仿真结果表明,新模型与针孔模型相比,平均误差值明显降低.并且比较了摄像机与物体的距离不同时,误差值的变化,确定了标定时的最佳距离.     

基于相机定标与亚像素算法的二维图像测量系统

介绍了一种采用数码相机的二维图像测量系统。提出分别消除透视误差与透镜像差实现精密二维图像测量的完整解决方案．并详细说明了利用标定技术消除成像系统像差以及利用亚像素技术提高系统测量精度的方法。实验结果证明,该方法具有更高的测量精度。     

Camera calibration using one-dimensional information and its applications in both controlled and uncontrolled environments

Camera model and its calibration are required in many applications for coordinate conversions between the two-dimensional image and the real three-dimensional world. Self-calibration method is usually chosen for camera calibration in uncontrolled environments because the scene geometry could be unknown. However when no reliable feature correspondences can be established or when the camera is static in relation to the majority of the scene, self-calibration method fails to work. On the other hand, object-based calibration methods are more reliable than self-calibration methods due to the existence of the object with known geometry. However, most object-based calibration methods are unable to work in uncontrolled environments because they require the geometric knowledge on calibration objects. Though in the past few years the simplest geometry required for a calibration object has been reduced to a 1D object with at least three points, it is still not easy to find such an object in an uncontrolled environment, not to mention the additional metric/motion requirement in the existing methods. Meanwhile, it is very easy to find a 1D object with two end points in most scenes. Thus, it would be very worthwhile to investigate an object-based method based on such a simple object so that it would still be possible to calibrate a camera when both self-calibration and existing object-based calibration fail to work. We propose a new camera calibration method which requires only an object with two end points, the simplest geometry that can be extracted from many real-life objects. Through observations of such a 1D object at different positions/orientations on a plane which is fixed in relation to the camera, both intrinsic (focal length) and extrinsic (rotation angles and translations) camera parameters can be calibrated using the proposed method. The proposed method has been tested on simulated data and real data from both controlled and uncontrolled environments, including situations where no explicit 1D calibration objects are available, e.g. from a human walking sequence. Very accurate camera calibration results have been achieved using the proposed method.     

基于LabView的多项式畸变模型图像矫正方法

图像畸变的矫正是图像处理领域的难题之一,尤其是在自动化检测领域.本文采用一种多项式畸变成像模型建立坐标系之间的转换关系,然后基于LabView平台使用校准点阵进行机器视觉系统校准,并在不同的工作模式下采用双线性插值算法对图像进行矫正.实验结果表明,采集的图像得到了良好的矫正,达到了预期的效果.