一种基于点对的相机几何标定方法

提出了一种基于点对的几何标定方法，用于标定相机外部参数．该方法考虑点对而不是单个点与相机的几何关系．首先根据三个标定点对计算旋转矩阵且不需要任何点对的精确三维信息．然后根据相机和一个点对的几何关系计算平移且只需这个点对的相对位置是已知的．整个标定过程不需要任何点对的绝对位置信息．试验结果表明了该方法的有效性．     

基于单幅透视图像确定相机参数的几何方法

提出一种求解相机内、外参数的几何方法．在不考虑相机镜头变形的前提下，首先根据空间平面上的单个矩形，从该矩形的两灭点透视图中，根据灭点间的几何关系，补出另外一个灭点的坐标；然后根据透视投影的灭点理论，计算出相机的相对位置；若已知矩形边的实际长度，可以恢复出相机在三维空间中的实际位置和矩形顶点的空间坐标；最后根据透视投影关系计算出相机的有效焦距．大量的模拟和真实实验表明，该方法简单、易于操作，具有标定精度高、鲁棒性强的优点．     

面向建筑物重建的相机标定方法研究

由于灭点具有很多独特的几何属性且大量地存在于建筑物场景中,因此针 对建筑物重建,提出了一种基于灭点的相机标定方法。首先通过构造各种几何约束关系,如 灭点与相机矩阵间的关系、世界坐标原点和相机矩阵间的关系,逐步实现相机矩阵的度量重 建和欧氏重建,获得相机矩阵的值,然后通过分解相机矩阵得到相机的内外部参数。该方法 在标定过程中无须借助任何标定物,求解过程简单,标定速度快。实验结果表明,该方法可 以满足虚拟现实中建筑物场景重建的需要。     

一种基于TOF相机与CCD相机的联合标定算法研究

针对基于Time-of-Flight(TOF)相机的彩色目标三维重建需标定CCD相机与TOF相机联合系统的几何参数,在研究现有的基于彩色图像和TOF深度图像标定算法的基础上,提出了一种基于平面棋盘模板的标定方法。拍摄了固定在平面标定模板上的彩色棋盘图案在不同角度下的彩色图像和振幅图像,改进了Harris角点提取,根据棋盘格上角点与虚拟像点的共轭关系,建立了相机标定系统模型,利用Levenberg-Marquardt算法求解,进行了标定实验。获取了TOF与CCD相机内参数,并利用像平面之间的位姿关系估计两相机坐标系的相对姿态,最后进行联合优化,获取了相机之间的旋转矩阵与平移向量。实验结果表明,提出的算法优化了求解过程,提高了标定效率,能够获得较高的精度。     

基于二值几何编码图案的高精度结构光系统参数标定方法研究

该文提出了一种基于空间编码图案的结构光系统参数标定方法。与传统的基于棋盘格图案标 定策略不同的是,该文采用结构光编码图案实现了系统的高精度标定,具体实施步骤包括：(1)根据编码图案的几何分布特性提出了一种编码特征点检测算子,基于检测出的编码特征点构建拓扑结构,利 用仿射变换原理及双线性插值算法提取出编码几何元素图像;(2)将几何元素识别转化为监督分类问题,通过采集大量训练样本训练卷积神经网络,实现编码元素的准确识别和解码过程;(3)利用射影变 换原理建立相机像平面与投影机像平面之间的对应关系,利用此对应关系将标定板上棋盘格角点在相机像平面上的坐标转换至投影机像平面,最终实现了对相机和投影仪内外部参数的同时标定。标定结果显示,该方法对投影仪的标定重投影误差不超过 0.3 像素;三维重建实验结果显示,与传统标定方法相比,该文方法能够显著提升系统的标定和三维重建精度。     

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。     

一种基于双幅图像的物体3维重建

随着虚拟现实技术的发展,对物体进行快速有效建模逐渐成为了研究热点。基于图像建模技术是一种有效的建模方法,其最大的优点是可以利用图像中的信息直接建立物体的几何模型,并且可以迅速构建出具有“照片级”真实感的3维模型。常规的方法是先求解摄像机内外参数,再求解空间中各点在世界坐标系下的位置。提出了一种基于两幅图像利用灭点性质进行建模的新方法。该方法首先利用灭点属性推导出了相机中心在世界坐标系下的坐标位置的解析表达式,再利用两幅图像之间的空间几何约束关系,从空间约束关系中反算出物体各点的空间位置从而重建出物体几何模型,最后进行纹理映射。在物体重建的过程中只利用到了相机内参数,而跳过了对相机外参数的标定,实验结果表明,该方法简单可靠,可用于实现对拥有规则表面的物体3维重建。     

基于伪随机阵列和正弦光栅的结构光标定

针对投影仪-摄像机结构光系统标定精度低的问题,提出一种基于伪随机阵列与正弦光栅结合的标定算法。该方法直接对标定板角点进行编码,根据角点在不同坐标系下的点对关系求解系统参数,提高了传统的编码精度和结构光系统标定精度。在正弦光栅条纹中心处投射伪随机阵列,根据伪随机阵列窗口的唯一性和相移法可求出正弦光栅的真实相位;分别在水平和竖直方向投射正弦光栅,根据不同方向的真实相位值形成对标定板角点的唯一编码;根据编码值获得标定板角点在投影仪像平面、摄像机像平面和世界坐标系下对应点集,根据相机标定算法可得到投影仪、相机的内外参数。该方法直接对标定板角点高精度编码,求解世界坐标点和像素坐标点的对应关系,仅需要普通棋盘格标定板可实现高精度标定。实验结果表明最大反投影残差为0.7像素,棋盘格角点重建均方差为0.08 mm。     

单相机变焦图像深度估计技术研究

对单相机变焦图像深度估计的若干关键技术进行了详细的研究。首先,从变焦相机的自身特点出发,研究了变焦相机的参数标定方法;其次,研究了基于SIFT的特征点匹配算法,并结合变焦图像的几何约束实现了特征点的鲁棒匹配;最后,建立了变焦图像的三维重建模型。基于真实采集图像的实验结果证明了相关算法的有效性和实用性。     

采用棋盘格靶标的全自动相机标定方法

为了去除相机标定过程中的人为干预,提出了一种采用改进的棋盘格靶标的全自动相机标定方法。识别出每幅标定图像中的四个标志圆,利用四个标志圆圆心的图像坐标和物理坐标计算二维射影变换矩阵。依据该射影变换矩阵计算出棋盘格角点的初始图像位置,接着提取亚像素精度的角点位置。迭代求解需要标定的相机参数。由实验可知,该全自动相机标定方法的棋盘格角点识别能力和相机标定精度,与Bouguet的相机标定工具箱相当,且可以显著地减少标定时间和工作量。利用20幅分辨率为640×480的靶标图像标定相机仅需16 s。     

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.     

Camera calibration by vanishing lines for 3-D computer vision

A novel approach to camera calibration by vanishing lines is proposed. Calibrated parameters include the orientation, position, and focal length of a camera. A hexagon is used as the calibration target to generate a vanishing line of the ground plane from its projected image. It is shown that the vanishing line includes useful geometric hints about the camera orientation parameters and the focal length, from which the orientation parameters can be solved easily and analytically. And the camera position parameters can be calibrated by the use of related geometric projective relationships. The simplicity of the target eliminates the complexity of the environment setup and simplifies the feature extraction in relevant image processing. The calibration formulas are also simple to compute. Experimental results show the feasibility of the proposed approach     

基于空间透视不变量的摄象机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法．空间透视不变量是指在几何变换中如投影或改变观察点时保持不变的形状描述．由于它可以得到一个相对于外界来讲独立的物体景物的特征描述，故可以很广泛的应用到计算机视觉等方面．摄象机标定是确定摄象机摄取的２Ｄ图象信息及其３Ｄ实际景物的信息之间的变换关系，它包括内部参数和外部参数两个部分．内部参数表征的是摄象机的内部特征和光学特征参数，包括图象中心（Ｃｘ，Ｃｙ）坐标、图象尺度因子Ｓｘ、有效的焦距长度ｆ和透镜的畸变失真系数Ｋ；外部参数表示的是摄象机的位置和方向在世界坐标中的坐标参数，它包括平移矩阵Ｔ和旋转矩阵Ｒ３×３，一般情况下可以写成一个扩展矩阵［ＲＴ］３×４．本文基于空间透视不变量的计算数据，给出了一种标定摄象机外部参数的方法，实验结果表明该方法具有很强的鲁棒性．     

Fully Vision-based Calibration of a Hand-Eye Robot

This article is concerned with calibrating an anthropomorphic two-armed robot equipped with a stereo-camera vision system, that is estimating the different geometric relationships involved in the model of the robot. The calibration procedure that is presented is fully vision-based: the relationships between each camera and the neck and between each arm and the neck are determined using visual measurements. The online calculation of all the relationships involved in the model of the robot is obtained with satisfactory precision and, above all, without expensive calibration mechanisms. For this purpose, two new main algorithms have been developed. The first one implements a non-linear optimization method using quaternions for camera calibration from 2D to 3D point or line correspondences. The second one implements a real-time camera pose estimation method based on the iterative use of a paraperspective camera model.     

一种基于点对的深度和运动估计方法

针对基于模型的姿态估计问题提出了一种新颖的深度和运动估计方法．估计过程分为两步．首先根据由3个模型点构成的3个点对估计旋转矩阵．然后，根据3个点对中的一个计算平移和深度．本文还提出了一种简单而有效的优化算法用于提高估计结果的精度．该估计方法的特点是独立地估计旋转矩阵，而且只需少量的模型点就能获得好的估计结果．模拟试验和实际试验结果表明了该方法的有效性．     

A robust method to recognize critical configuration for camera calibration

When space points and camera optical center lie on a twisted cubic, no matter how many pairs there are used from the space points to their image points, camera parameters cannot be determined uniquely. This configuration is critical for camera calibration. We set up invariant relationship between six space points and their image points for the critical configuration. Then based on the relationship, an algorithm to recognize the critical configuration of at least six pairs of space and image points is proposed by using a constructed criterion function, where no any explicit computation on camera projective matrix or optical center is needed. Experiments show the efficiency of the proposed method.     

开放道路中匹配高精度地图的在线相机外参标定

目的 相机外参标定是ADAS（advanced driver-assistance systems）等应用领域的关键环节。传统的相机外参标定方法通常依赖特定场景和特定标志物,无法实时实地进行动态标定。部分结合SLAM（simultaneous localization and mapping）或VIO（visual inertia odometry）的外参标定方法依赖于点特征匹配,且精度往往不高。针对ADAS应用,本文提出了一种相机地图匹配的外参自校正方法。方法 首先通过深度学习对图像中的车道线进行检测提取,数据筛选及后处理完成后,作为优化问题的输入;其次通过最近邻域解决车道线点关联,并在像平面内定义重投影误差;最后,通过梯度下降方法迭代求解最优的相机外参矩阵,使得像平面内检测车道线与地图车道线真值重投影匹配误差最小。结果 在开放道路上的测试车辆显示,本文方法经过多次迭代后收敛至正确的外参,其旋转角精度小于0.2°,平移精度小于0.2 m,对比基于消失点或VIO的标定方法（精度为2.2°及0.3 m）,本文方法精度具备明显优势。同时,在相机外参动态改变时,所提出方法可迅速收敛至相机新外参。结论 本文方法不依赖于特定场景,支持实时迭代优化进行外参优化,有效提高了相机外参精确度,精度满足ADAS需求。     

FOE estimation: Can image measurement errors be totally “corrected” by the geometric method?

For the FOE estimation, there are basically three kinds of estimation methods in the literature: algebraic, geometric, and the maximum likelihood-based ones. In this paper, our attention is focused on the geometric method. The computational complexity of the classical geometric method is usually very high because it needs to solve a non-linear minimum problem with many variables. In this work, such a minimum problem is converted into an equivalent one with only two variables and accordingly a simplified geometric method is proposed. Based on the equivalence of the classical geometric method and the proposed simplified geometric method, we show that the measurement errors can at most be “corrected” only in one of the two images by geometric methods. In other words, it is impossible to correct the measurement errors in both of the two images. In addition, we show that the “corrected” corresponding pairs by geometric methods cannot in general meet some of the inherent constraints of corresponding pairs under pure camera translations. Hence, it is not proper to consider the “corrected” corresponding pairs as “faithful” corresponding pairs in geometric methods, and the estimated FOE from such pairs is not necessarily trustworthier. Finally, a new geometric algorithm, which automatically enforces the inherent constraints, is proposed in this work, and better FOE estimation and more faithful corresponding pairs are obtained.