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。     

基于主动视觉系统的摄像机自定标方法研究

提出了一种新的基于主动视觉系统的摄像机自定标方法,其主要特点是可以线性求解 摄像机的所有5个内参数.该方法的基本原理是利用图像中平面场景的信息,通过控制摄像机 作多组平面正交平移运动,由平面场景图像的单应性(homography)矩阵建立摄像机内参数线性 约束方程组,来求解摄像机的内参数,同时给出约束方程组解的唯一性与平移运动组之间的关系.     

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。     

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．     

基于单个正方形的摄像机自标定算法

提出一种基于带对角线正方形作为平面标定模板的自标定算法机理,只需摄像机作三次运动参数未知的自由运动并摄取正方形模板在不同方位的三幅图像,即可线性求解摄像机的内外参数.实验表明,该算法能够较准确的标定出摄像机内参数,具有较高的鲁棒性.     

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．     

基于张量投票的摄像机自标定方法研究

针对传统的基于Kruppa方程摄像机自标定算法的欠鲁棒性,首次提出将鲁棒的张量投票算法用于摄像机自标定方法中。利用基于尺度不变的SIFT算法查找并匹配出每对图像的特征点,其中待匹配图像由摄像机对同一场景从三个不同角度位置拍摄,对图像张量投票后按棒张量特征值降序排序,由此筛选得到具有鲁棒性边缘特征的前八对特征点,利用八点算法求解相应的基础矩阵和极点,根据Kruppa方程和三维重建(SFM)算法求得摄像机参数矩阵。实验结果证明,该方法具有较高标定精度,并通过加入高斯噪声的仿真实验证明该算法是一种鲁棒的摄像机自标定方法。     

摄像机自标定的线性理论与算法

文中提出一种新的摄像机线性自标定的算法和理论。与文献中已有的方法相比,该文方法的主要优点是对摄像机的运动要求不苛刻,如不要求摄像机的运动为正交运动。该方法的关键步骤是确定无穷远平面的单应性矩阵（Homography)。文中从理论上严格证明了下述结论：摄像机作两组运动参数未知的运动M1＝{（R1,t^11),(R1,t^12)},M2={(R2,t^21),(R2,t^22)},若下述两个条件满足：（1）T1＝{t^11,t^12},T2={t^21,t^22}是两个线性无关组（即本组内的两个平移向量线性无关）;（2）R1,R2的旋转轴不同,则可线性地唯一确定摄像机的内参矩阵和运动参数。另外,在四参数摄像机模型下,严格证明了一组运动可线性地唯一确定摄像机的内参数矩阵和运动参数。模拟实验和实际图像实验验证了本文方法的正确性和可行性。     

矩形模板下摄像机标定和目标定位方法研究

提出一种利用矩形进行摄像机标定和目标定位的新方法.该方法根据透视投影几何关系中旋转矩阵的单位正交性,由矩形的四个顶点的像构造无穷远平面上绝对二次曲线的像ω的约束方程标定摄像机内参数;目标定位转化为求解摄像机外参数,无需计算图像和空间平面间的单应矩阵,直接由矩形顶点确定.本文方法完全摆脱了复杂的图像匹配问题,所有计算方法完全线性化,标定过程简便.模拟和真实图像实验结果证明了方法的可行性,表明该方法求解精度高、鲁棒性强.     

基于平面模板的摄像机标定方法

给出了一种基于平面模板的摄像机标定的新算法.所用的标定模板由一个内嵌矩形的圆组成,通过模板图像在像平面上的投影计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程,只需要摄像机在3个(或3个以上)不同方位摄取平面模板中的图像,即可线性求解摄像机的内参数.该方法原理简单,对摄像机运动没有约束,不涉及图像匹配,平面模板容易制作,无须知道物理度量,实验证明本方法可行,并有较好的鲁棒性.     

一种基于主动视觉的三维结构恢复和直接欧氏重建算法

利用三正交平移运动, 提出了一种三维结构恢复和直接欧氏重建新算法. 算法仅需利用主动视觉平台控制相机作一组三正交平移运动, 然后通过图像对应点和平移运动的距离就可以恢复平面结构信息和进行欧氏重建. 并且无需假定相机畸变因子为零. 算法计算过程中无需求解相机的内参数, 也无需进行分层重构, 它是一种直接的欧氏重建算法, 避免了传统算法中的相机标定、仿射重建等两大难题, 并且计算过程完全线性化, 简单实用. 最后用模拟实验和真实图像实验对算法进行验证, 实验结果表明了算法的有效性和准确性.     

基于遗传算法的摄像机自标定方法

摄像机标定是计算机视觉领域的关键技术，其中的自标定是只根据图像计算摄像机的内参数，其标定过程简单，适用性强。由于传统的用于摄像机自标定的Kruppa方程不仅需要计算基础矩阵，还要计算图像的极点，而图像的极点又不是固定不变的，且会导致计算结果的不稳定，为此，针对传统摄像机自标定方法的上述不足，利用遗传算法完成了Hartley新的Kruppa方程的摄像机自标定过程，以便将这个过程完全转化为通过代价函数最小化来求得摄像机的内参数，这就排除了极点的不稳定因素。实验结果表明，该方法是简单、有效的，可以作为一种通用的标定工具。     

关于摄像机正交运动下约束方程独立性的一点讨论

基于摄像机的正交运动对摄像机进行标定是基于主动视觉摄像机标定的一种重要方法. 一般来说, 5组这样的正交运动就可以线性标定摄像机的5个内参数. 然而, 关于这5组摄像机运动应满足什么条件才可以保证所产生的5个线性约束方程是独立的, 文献中对这个问题至今没有定论. 一种流行的猜测是只要这5组正交运动下的平移向量任意3个不共面, 则对应的5个摄像机内参数约束方程必然独立. 本文对这个问题进行了进一步讨论, 证明了当5组正交运动中其中的3组构成一个三正交运动时, 此时尽管构成5组正交运动的7个平移向量没有任意3个共面, 但产生的5个约束方程却可能不独立, 并给出了一个不独立的具体例子.     

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．     

A new easy camera calibration technique based on circular points

Inspired by Zhang's work on flexible calibration technique, a new easy technique for calibrating a camera based on circular points is proposed. The proposed technique only requires the camera to observe a newly designed planar calibration pattern (referred to as the model plane hereinafter) which includes a circle and a pencil of lines passing through the circle's center, at a few (at least three) different unknown orientations, then all the five intrinsic parameters can be determined linearly. The main advantage of our new technique is that it needs to know neither any metric measurement on the model plane, nor the correspondences between points on the model plane and image ones, hence the whole calibration process becomes extremely simple. The proposed technique is particularly useful for those people who are not familiar with computer vision. Experiments with simulated data as well as with real images show that our new technique is robust and accurate.     

Initialization method for self-calibration using 2-views

Recently, 3D structure recovery through self-calibration of camera has been actively researched. Traditional calibration algorithm requires known 3D coordinates of the control points while self-calibration only requires the corresponding points of images, thus it has more flexibility in real application. In general, self-calibration algorithm results in the nonlinear optimization problem using constraints from the intrinsic parameters of the camera. Thus, it requires initial value for the nonlinear minimization. Traditional approaches get the initial values assuming they have the same intrinsic parameters while they are dealing with the situation where the intrinsic parameters of the camera may change. In this paper, we propose new initialization method using the minimum 2 images. Proposed method is based on the assumption that the least violation of the camera's intrinsic parameter gives more stable initial value. Synthetic and real experiment shows this result.