摄像机自标定方法的研究与进展

该文回顾了近几年来摄像机自标定技术的发展,并分类介绍了其中几种主要方法.同 传统标定方法相比,自标定方法不需要使用标定块,仅根据图像间图像点的对应关系就能估计 出摄像机内参数.文中重点介绍了透视模型下的几种重要的自标定方法,包括内参数恒定和内 参数可变两种情形;最后还简要介绍了几种非透视模型下的摄像机自标定方法.  

均值漂移算法的收敛性

均值漂移是一种有效的统计迭代算法,已广泛应用于聚类分析、跟踪、图像分割、图像平滑、滤波、图像边缘提取和信息融合等方面.但是,其收敛性仍没有得到严格的证明,而收敛性是任何迭代算法的必要前提.推广并严格证明了该算法的收敛性.首先将均值漂移算法做了以下推广:反映不同样本点处局部空间结构的差异及其各向异性.然后,在推广的条件下从数学上严格证明了均值漂移算法的收敛性.最后,探讨了均值漂移算法中参数的自适应选择方法.从而为该算法的应用奠定了理论基础.  

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。  

Kruppa方程与摄像机自标定

首先研究探讨了基于绝对二次曲线(the absolute conic)进行摄像机自标定鲁棒性差的 内在原因.研究发现,该类方法鲁棒性不足的原因主要有三个方面:1)在目标函数的全局最小点 处存在大范围的平坦区域,使得任何数值优化算法难以达到全局最小点;2)当存在噪声时,上 述平坦区域内会出现大量局部极小值,这样数值优化算法就非常容易收敛到靠近初值的局部极 小值,使得算法对初始值的选取十分敏感;3)当有噪声时,目标函数的全局最小值极易偏离正 确值.这样,即使数值算法找到了全局最小值,该最小值也不再对应正确的摄像机内参数值.鉴 于上述情况,探讨了如何通过平面场景来确定内参数矩阵的初始值,而后进一步利用Kruppa方 程的约束来精化内参数矩阵的二步式方法.  

由矩形确定摄像机内参数与位置的线性方法

提出了一种求解摄像机内参数及确定摄像机位置的线性方法.首先通过空间平面上两个非平行矩形的图像来计算圆环点的图像,进而由圆环点对摄像机内参数的约束方程标定摄像机内参数,并给出了此约束方程具有惟一解的充要条件.摄像机方位是通过计算图像与空间平面间的单应矩阵来确定的.另外,还给出了在相差一个比例因子的情况下,由拉盖尔定理恢复矩形欧氏度量信息的线性方法.该方法的特点在于,无须知道矩形的任何几何信息,也不涉及图像匹配问题,而且所有计算方法均是线性的.大量的模拟和真实图像实验结果表明,所给出的方法具有求解精度高、鲁棒性强的优点.  

一种新的基于圆环点的摄像机自标定方法

提出了一种基于圆环点的新的摄像机自标定方法.该方法仅要求摄像机在3个(或3个以上)不同方位摄取一个含有若干条直径的圆的图像,即可线性求解全部摄像机内参数.该方法原理简单,完全摆脱了匹配问题,也无须知道任何物理度量.整个定标过程不需要人的干预,可以自动进行,非常适合非视觉专业人员使用.模拟和真实图像实验表明,该方法精确度较高,鲁棒性较强,有一定的实用性.  

基于Fourier-Mellin变换的图像配准方法及应用拓展

从两个方面拓展了基于Fourier—Mellin变换的图像配准方法的应用范围．首先是全景图像的拼接．不同于传统的方法，该方法不需要准确控制相机的运动，小需要知道相机的焦距等内部参数．也不需要检测图像特征，在配准精度要求不是很高的情况下，直接生成的全景图像可以满足很多实际应用的需要；同时，实验也表明，该方法应用于弱透视图像的配准．也具有很好的配准效果．另一个拓展是图像曲线的匹配．传统的曲线匹配方法一般通过曲线特征点（如角点、曲率极值点等）之间的对应求得曲线间的变换参数．一种新的思想是先将图像曲线转化为二值图像，然后应用Fourier—Mellin变换对这些二值图像进行配准，从而达到对两条曲线的匹配．大量实验表明，该方法对射影畸变不是十分显著且摄像机为一般运动下获得的图像之间的配准问题（如手持数码相机获取的图像之间的配准问题）均能取得比较好的配准效果．  

一种新的线性摄像机自标定方法

提出了一种新的基于主动视觉系统的线性摄像机自定标方法。所谓基于主动视觉系统，是指摄像机固定在摄像机平台上以平摄像机平台的运动可以精确控制。该方法的主要特点是可以线性求解摄像机的所有5个内参数。据作者所知。文献中现有的方法仅能线性求解摄像机的4个由参数。当摄像机为完全的射影模型时，即当有畸变因子（skew factor）存在时，文献中的线性方法均不再适用。该方法的基本思想是控制摄像机做5组平面正交运动，利用图像中的极点（epipoles）信息来线性标定摄像机。同时，针对摄像机做平移运动时基本矩阵的特殊形式，该文提出了求基本矩阵（fundamental matrix)的2点算法。与8点算法相比较，2点算法大大提高了所求极点的精度和鲁棒性。另外，该文对临近奇异状态（即5组平面正交运动中，有两组或者多组运动平面平行）作了较为详尽的分析，并提出了解决临近奇异状态的策略，从而增强了该文算法的衫性。模拟图像和真实图像实验表明该文的自标定方法具有较高的鲁棒性和准确性。  

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．  

关于P4P问题的一点讨论

研究表明,在P4P问题中,当空间4个点共面时,不仅摄像机坐标系与物体坐标系之间 的旋转矩阵R和平移向量t可以线性求解,而且可以同时确定摄像机的有效焦距f和像素比例 因子a.该结论似乎在文献中还没有过类似的报导.