融合线性方法和神经网络的摄像机并行标定技术

从摄像机成像模型的基础原理出发,针对神经网络的特性,构建不同的训练点集以获得不同的神经网络.提出对物点的世界坐标(XW,YW,ZW)信息分别进行标定,称之为并行标定.此方法不局限于单个平面位置的标定,标定过程中让标定模板沿ZW方向移动,覆盖一个三维标定区域.与以往标定方法相比,由于该方法减少了标定点数目,此方法在提高了标定精度的同时提高了标定速度.实验结果表明,该方法在XW轴和YW轴方向上的距离测量精度优于0.1%,在ZW轴方向上的距离测量精度优于1%.     

鲁棒的三正交灭点摄像机自标定算法

基于三正交灭点的摄像机标定算法对相对位姿敏感度高,采用随机获取的图像进行标定合格概率低,针对这个问题,提出了一种鲁棒的三正交灭点摄像机自标定算法。该算法通过求取内参数标定不确定度最小意义下的最优权值,对单幅图像三正交灭点标定结果进行加权,得到优化的标定结果;并在加权方法的基础上,引入随机采样策略剔除由于粗大误差或灭点分布退化引起的外点图像,提高多幅图像三正交灭点标定算法的稳定性和精度。仿真及实物实验结果证明算法标定的稳定性和精度较现有算法有显著提升。     

利用平行透视投影模型的位姿迭代估计

提出了一种利用平行透视投影模型的高效位姿迭代估计方法来提高单目视觉测量系统的精度和鲁棒性.通过引入齐次坐标表示,避免了现有算法对平行透视投影参考点选择的限制.首先,研究了平行透视投影模型下使用齐次坐标求解目标位姿的方法,阐述了它的几何意义.然后,通过迭代的方式将其应用于一般透视模型下目标位姿的高精度估计.仿真实验结果表明,本文方法提高了基于平行透视投影模型的位姿迭代估计的精度,速度和抗噪性能.实物测量结果表明,本文方法的平移测量精度优于0.1 mm,旋转测量精度优于0.1°,可以满足各种视觉检测系统的要求.另外,使用标志点和图像特征亚像素定位技术还可进一步提高该算法的精度.     

利用梯度信息快速提取直线边缘特征

立足于视觉检测系统的实时性需要,提出一种利用梯度信息的快速直线边缘提取方法。该方法首先利用梯度信息和两点确定一条直线进行线段基元的快速定位和扫描;然后对扫描得到的线段基元进行基于几何距离最小化的最佳直线拟合;最后使用端点投影距离的方法对线段基元进行共线性检测,连接共线的线段基元并对连接结果重新进行最佳直线拟合,得到最终的直线边缘特征。实验结果表明:该方法进行直线边缘特征提取的速度比目前文献中最快的Hough变换改进算法提高了1倍左右,适应能力强,可以满足视觉检测系统对直线边缘特征提取的实时性和精度要求。