基于非量测畸变校正的摄像机标定方法

为了保证镜头畸变系数标定的一致性和简化视觉测量中摄像机的在线标定过程,建立畸变分离的摄像机模型,提出基于非量测畸变校正的摄像机线性标定方法。基于共线点的透视投影不变性,采用大量共线特征点对定焦镜头的畸变参数进行一次标定,摄像机内部参数可以由校正畸变后的特征点进行线性标定。该方法将畸变参数从摄像机模型中分离出来,不需要将畸变参数纳入到摄像机模型中进行多次重复标定。试验结果表明,畸变分离摄像机模型很好地符合了定焦摄像机的成像规律,基于非量测畸变的摄像机参数线性标定方法与传统的非线性优化标定方法的标定精度相当,标定速度提高近3倍,对于简化摄像机标定过程,提高视觉测量的便捷性,拓宽机器视觉的工程应用具有重要意义。     

共面点的摄像机非线性畸变校正

采用传统的Tsai两步法进行摄像机标定时,标定精度会受一阶径向畸变模型的限制。本文提出了一种同时考虑摄像机镜头径向畸变和切向畸变的摄像机模型并研究了模型求解方法来提高畸变校正精度。考虑图像中心区域畸变较小,故用中心附近点列出线性方程组计算了摄像机的部分参数;建立了综合畸变模型,将摄像机参数代入模型计算畸变参数的初始值。由于焦距和平移分量在标定板与相机平面的距离深度变化不够时难以一次性准确标定,故将其代入综合畸变模型重新计算,并运用两步迭代法逐步逼近精确解。最后,对世界坐标系进行空间几何变换、透视变换和成像变换得到的重投影图像的像素坐标并与实际测得的像素坐标值进行比较,得到校正误差。结果表明,本文的畸变校正方法平均像素误差可以达到0.114 9pixel,优于Tsai校正方法的0.367 0pixel,且重复性较好。     

可变精度的神经网络摄像机标定法

提出了一种提高摄像机标定精度的方法.通过摄像机径向畸变模型,建立根据畸变严重程度自动改变区域划分数目的方法,对远离图像中心畸变程度严重的区域,划分细密;而靠近图像中心畸变轻微的区域,划分粗疏.通过对摄像机径向畸变区域进行划分,并且对每个畸变区域的像素进行单独的处理,构造相应的神经网络,得到整个畸变区域的处理结果,并对于不同的划分结果进行比较分析.分析比较得出:采用可变精度的神经网络摄像机标定法,可以大幅度提高标定的精度,划分数目越多,标定的精度越高,实验中识别率最高可达到99.45%.     

任意方向下的摄像机镜头畸变标定

在深入研究摄像机透视投影几何与摄像机径向畸变模型后,分析了平面上一条二次曲线与两条直线的关系,利用液晶显示器的动态刷新功能,在提出用于在任意方向下标定摄像机镜头畸变的标定板的基础上,提出了一种独立于摄像机内外参数标定的在任意方向下标定摄像机镜头畸变的方法。仿真实验中,按照径向畸变模型设计的畸变椭圆实验反求得到的理想椭圆与按照透视投影规律得到的理想椭圆具有很高的重合度。实物实验也表明本文的方法能够在任意方向下较为准确的求解摄像机镜头畸变参数。该方法可以应用于摄像机参数标定之前,消除标定过程当中镜头畸变对摄像机内外参数的耦合影响。     

基于RAC标定法的CCD摄像机参数标定技术研究

传统的摄像机标定是在一定的摄像机模型下,基于特定的实验条件,如形状、尺寸已知的标定物,经过对其进行图像处理,求取摄像机模型的内部参数和外部参数。标定摄像机参数的方法很多,大多数采用变焦距法、径向准直法及根据透射成像原理进行标定,针对摄像机的像面中心的标定。文中建立CCD摄像机透视成像的数学模型,运用RAC标定法建立求解摄像机外部参数方程组,从而推导出在径向畸变模型下求解摄像机内部参数的方程。该方法采用CCD能很好地提高精度。实验结果表明,该方法计算量小,标定精度较高。     

考虑径向畸变的摄像机标定及在三维重建中的应用

建立了摄像机的径向畸变模型，采用“两步法”标定技术分解了摄像机的内外参数，将有效焦距、畸变系数、不确定因子统一于线性方程组中。使算法简便、快速、准确。通过试验比较了线性模型和畸变模型在三维重建中的误差。     

高性能CMOS摄像机标定方法研究

针对最新的CMOS摄像机提出了一种新的标定方法,考虑了在摄像机模型中镜头通常会产生的径向畸变和切向畸变,并对现有教材中的坐标变换算法进行了修正,同时提出基于Matlab优化工具箱的简化算法.实验表明,该方法达到很好的标定效果.     

适用于轮廓检测的摄像机标定方法

摄像机标定是通过实验测定一组参数来描述给定的机器视觉系统的成像过程,包括摄像机的内部参数和外部参数。提出了一种简单的适用于轮廓检测的摄像机标定方法。使用正方形标定模板,在像素级别处理图片,根据直线特征约束和正方形的性质先求出摄像机的畸变系数,再用最小二乘法求摄像机的外部参数。该方法仅用1个正方形轮廓就可以完成标定,从而简化了摄像机标定的步骤,同时采用了一种新方法求畸变中心。实验表明,这种适用于轮廓检测的摄像机标定方法简单并有效。     

综合多畸变因素的摄像机标定

为了提高大视野应用场合下摄像机的标定精度,提出一种综合多种畸变因素的标定方法。首先在分析透镜存在径向畸变、切向畸变和薄棱镜畸变等因素的基础上建立透镜的多畸变模型,然后以平面的单应性为约束条件,利用标定图中心区域的圆点坐标求得部分摄像机初始内外参数;假设经畸变校正后的像点符合透视投影原理,并在此基础上求出畸变系数;最后通过多畸变模型,以迭代计算的方式逐步逼近精确值。从对比实验结果表明,该标定方法的平均像素误差为0.17 pixel,标定精度不低于Tsai两步法和张氏标定法;经校正后圆心距的标准方差为0.56 pixel,小于Tsai方法的1.00 pixel,优于张氏的0.75 pixel;在不同强度噪声的干扰下,标定结果的变异系数低于15%,表明所提方法的抗噪声干扰能力强,且适用于任意种类的镜头畸变模型。     

摄像机标定在上下料视觉机器人中的应用

摄像机标定在机器视觉中占有重要地位,尤其是在三维测量和三维重建中起着不可或缺的作用。对同一台摄像机使用了一种四步法的摄像机标定和张正友的摄像机标定方法,使用四步法求出摄像机的完全畸变模型,比较两个摄像机标定的结果．并用张正友的算法进行双目视觉测量,分析其误差。经测试,两种方法均满足上下料机器人的精度要求。     

基于机器视觉的全自动定值灌装系统

研发出一种基于机器视觉的全自动定值灌装系统,采用CCD摄像机和图像采集卡采集图像,运用图像二值化、中值滤波及模板匹配等技术计算出桶口中心坐标,步进电机驱动二自由度移动平台,带动喷枪移动到桶口上方,实现桶口的自动定位。     

高帧频CMOS相机对光通信精跟踪系统影响分析

分析了互补金属氧化物半导体(CMOS)相机作为机载光通信精跟踪系统的位置传感器的优势,采用基于CMOS相机与FPGA研制的精跟踪系统,可实现帧频8 800 Hz的图像采集、数据传输、实时图像处理、光斑质心计算以及伺服控制等功能,分析了CMOS相机的噪声、帧频以及光斑质心算法对精跟踪系统跟踪精度的影响,给出了对应的数值分析与实验结果。实验结果表明:CMOS相机噪声对光斑坐标x轴、y轴引起坐标的标准差分别为0.291 9像素,0.120 2像素;当相机帧频从2 200 Hz提高到8 800 Hz时跟踪标准差从1.8降低到0.5个像素;外场光斑质心算法偏差比理想高斯光斑计算结果大8.34-0.71像素。光斑中心算法对跟踪精度影响明显,设计更具针对性的自适应光斑中心算法可以大大改善精跟踪的效果。     

基于序列图像特征配准的相机旋转补偿算法

为了解决测量过程中相机沿轴向运动时所产生的旋转引起的测量误差,提出了一种基于特征点的图像配准和最小二乘估计的相机旋转运动精确估计算法。此算法利用序列图像帧间的相关性,通过对相邻两帧图像进行运动分析,由Harris算子进行特征点的检测,然后再基于这些特征点的模版匹配方法对帧间图像进行配准,再根据多个特征点的运动矢量通过最小二乘估计获得相机的运动参数。最后对这些运动参数进一步分析,在计算中将获得的运动参数对相机沿轴的旋转运动进行补偿。该方法克服了测量中相机旋转对图像处理和测量精度的影响,弥补了因相机旋转引起的测量误差大的缺陷,提高了测量精确度。试验和仿真结果表明该方法在帧间旋转角度较小时能够实现对相机沿轴旋转运动的精确补偿,且时实性有待提高。     

基于时变图像序列的脉搏信息提取

为获取全面客观的脉诊信息,本文提出一种全新的脉搏信息检测方法-脉搏触觉图像化法。本系统模拟中医脉诊实际,采用软性薄膜加压探头,由单一CCD摄像头采集得到脉搏动态时变图像序列。在算法实现上,从图像整体灰度变化入手,应用图像相关性和图像灰度重心变化分别提取脉搏波形图,并利用图像重心法分析得出不同人在不同取脉压力下的部分脉搏特征。研究结果表明,基于时变图像序列的方法能够有效提取脉搏波的幅度、形态和脉搏频率、节律等信息,为脉搏信息的检测和表征提供了新的手段和方法。     

Single Camera 3D Digital Image Correlation Using a Polarized System

In this paper, a novel single camera three dimensional digital image correlation (3D-DIC) system, using a polarized pseudo-stereo system, is proposed. Compared to traditional 3D-DIC systems using stereovision, it has a more compact structure and better vibration resistance. Compared to the conventional single camera pseudo-stereo system that splits the CCD sensor into two halves to capture the stereo views, the proposed system achieves both views using the entire CCD chip without reduction of the spatial resolution. In addition, the center of the two views stands in the center of the CCD chip, similarly to conventional 3D-DIC systems, thus minimizing the image distortion compared to the conventional pseudo-stereo system. The two overlapped views in the CCD sensor are separated using the different polarization states, and the standard 3D-DIC algorithm can be utilized directly to perform the evaluation. The principal and experimental setup are described in detail, and multiple tests are performed to validate the system.     

工业相机摄影测量图像补偿方法研究

近景动态摄影测量中应用工业相机拍摄图像时,由于多种复杂因素会产生图像边缘灰度衰减的现象,影响目标点识别和像点中心提取精度。通过研究一种针对广角全画幅工业相机的图像灰度补偿方法,以余弦辐射体作为辐射模型,将图像质量劣化因素分为离轴辐射灰度衰减和未知因素灰度衰减并分别补偿。以扩展的误差函数对未知因素灰度衰减模型进行近似,并通过数值方法求解模型参数,得到同图像灰度分布无关的补偿系数矩阵,该方法成功补偿了工业相机的灰度衰减。试验表明,在3.2m×2.5m平面测量环境中,采用AVT GE4900工业相机装配Nikon35毫米定焦镜头进行摄影测量,经补偿后目标点的空间坐标的标准误差、平均误差和最大误差均有近1个数量级的降低,基本满足了该算法对于摄影测量系统精度的改善要求。     

变电站指针式仪表检测与识别方法

受限于复杂的电磁环境,变电站中的大量模拟式仪表需要人工读取示数,不利于变电站自动化管理。而目前针对仪表自动读数方法的研究大多基于预先获取到的高质量图像,其中仪表目标位于图像中央且占比较大,仪表表盘与相机平面平行,这需要大量预先的仪表测量与相机标定工作,不能满足实际电站环境下的使用要求。为解决上述问题,提出了一种完整的变电站指针式仪表的自动检测与识别方法。首先利用卷积神经网络模型检测当前视野下仪表目标的包围框位置,计算其距离视野中央的偏离值与图像占比,据此调整相机位置和缩放倍数。通过透视变换消除表盘平面与相机平面偏差造成的仪表图像畸变,通过霍夫变换检测仪表的表盘与指针,完成仪表读数识别。变电站实际测试实验结果表明,本方法最大读数误差仅为1.82%,对于复杂背景下多类别仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足变电站实际应用需求。     

基于单目视觉的激光光束方向标定研究

在由激光位移传感器组成的测量系统中,激光光束的方向是一个关键参数.方位角和俯仰角对于一条激光光束是最为重要的两个参数.本文中提出一种基于单目视觉的激光光束方向测量方法.首先,将CCD相机放置于基础平面上方,保持相机光轴与基础平面接近于垂直状态,并利用误差为10μm的圆孔型标定板建立单目定位模型.然后将激光光束发生装置放置在基础平面上并保持位置固定,同时在基础平面上放置特制靶块,使激光光束可以投射到靶块斜面上并形成一个激光光斑.在基础平面上方放置的CCD相机可以清晰的采集到激光光斑、靶块斜面的图像,应用相关算法提取出光斑质心的二维图像坐标.沿激光光束方向以相等间距移动靶块,通过CCD相机采集每移动一次靶块在当前位置下的光斑、靶块图像.利用相关的转换公式,结合靶块本身固有参数,将光斑质心图像二维坐标转换为基础平面下的空间三维坐标.由于靶块的移动,会得到靶块不同位置下激光光斑质心的三维坐标,将这些三维坐标拟合成空间直线表征待测激光光束.拟合直线得俯仰角即为待测激光光束的俯仰角.实验中,应用高精度仪器对靶块参数进行测定,并使用高精度标定板标定相机内外参数建立相应的定位模型.测量精度主要通过单目视觉定位精度、光斑重心提取精度来保证.结果显示,待测光束的俯角最大误差达到0.02°,光束间夹角的最大误差为0.04°.     

Pupil center detection with a single webcam for gaze tracking

This paper presents a user friendly approach to localize the pupil center with a single web camera.Several methods have been proposed to determine the coordinates of the pupil center in an image,but with practical limitations.The proposed method can track the user’s eye movements in real time under normal image resolution and lighting conditions using a regular webcam,without special equipment such as infrared illuminators.After the pre-processing steps used to deal with illumination variations,the pupil center is detected using iterative thresholding by applying geometric constraints.Experimental results show that robustness and speed in determining the pupil’s location in real time for users of various ethnicities,under various lighting conditions,at different distances from the webcam and with standard resolution images.