光场相机建模与畸变校正改进方法

光场相机作为一种新型的成像系统,可以直接从一次曝光的图像中得到三维信息。为了能够更充分有效地利用光场数据包含的角度和位置信息,完成更加精准的场景深度计算,从而提升光场相机的三维重建的精度,需要实现精确的几何建模,并精确标定其模型参数。该方法从薄透镜模型和小孔成像模型出发,将主透镜建模为薄透镜模型,将微透镜建模为小孔成像模型,结合光场相机双平面模型,将每个提取到的特征点与其在三维空间中的射线建立联系,详细解释了内参矩阵中每个参数的物理意义,以及标定过程中初值确定的过程,并在镜头径向畸变模型的基础上进一步应用了相机镜头的切向畸变模型以及基于射线重投影误差的非线性优化方法,改进了光场相机的标定方法。实验显示,该方法的RMS射线重投影误差为0.332 mm,与经典的Dansereau标定方法相比,进行非线性优化后得到的射线重投影误差精度提升了8%。该方法详细分析的场景点与特定像素索引的推导过程对光场相机的标定具有重要的研究意义,为光场相机光学模型的建立与初始化标定奠定了基础。     

BVSL-34:面向光场图像处理任务的基线可变仿真光场数据集

伴随着计算机视觉算法的迅猛发展,为基于光场数据集的图像处理任务带来了广泛的关注,数据是算法的基础,光场数据集的制作正逐渐成为研究的重点问题。目前光场成像系统有多种实现途径,其中光场阵列相机作为新体制的光场成像系统广受关注与研究,但是目前基于此法制作的主流光场数据集并不能提供场景基线可变化的需求,极大地限制了处理任务的预期效果。为此,本文面向相关光场图像处理任务研究需求,基于3dsMax软件构建了一种全新的基线可变化的仿真光场数据集(Baseline-variable simulated lightfield-34,BVSL-34),解决了主流数据集中不能针对阵列相机基线变化的缺陷,该数据集包含3个大类,共计34个场景,534个实例,且各场景配备基线可变化的阵列相机。本文详细阐述了数据集的制作方法,并与多个主流数据集进行性能、指标对比,同时进行光场图像重聚焦实验,结果验证了BVSL-34数据集功能全面、质量优异,可以将该方法应用于相关光场图像处理任务中。     

光场相机标定中亚像素角点检测方法研究

针对光场相机标定中亚像素棋盘角点检测速度慢、检测精度不高等问题,该文提出一种基于双曲正切模型的亚像素精度棋盘角点检测方法。首先,采用灰度差分与模版相结合的筛选策略进行初始角点集的筛选;然后,应用一种区域灰度自适应角点检测算法获取候选角点集;最后,建立候选角点的双曲正切模型,对亚像素级候选角点的灰度分布进行拟合,通过对模型进行优化从而剔除伪角点并精确定位亚像素级棋盘角点。该方法在光场相机标定中达到98%的角点检测率,重投影误差低于0.83像素。实验结果表明,所提方法不仅可以快速提取更多的角点,同时能有效剔除伪角点,提高亚像素角点检测精度。     

基于压缩感知的稀疏相机阵列光场采集与恢复

针对积分成像光场采集与基于掩膜的压缩光场成 像中空间分辨率低和视场角小,以及稠密相机阵列光 场采集中硬件成本高的问题,提出一种基于压缩感知的稀疏相机阵列光场采集与恢复方 法。将压缩感 知理论运用到稀疏相机阵列的光场恢复中,从稀疏的相机阵列光场拍摄中恢复稠密的光场。 分别采用 滑动窗口和直接分块窗口两种方法进行光场的恢复,实验结果从1×5的稀疏光场中恢复了1×24的稠密光场,并对实验结果进行了分 析。     

基于边缘增强引导滤波的光场全聚焦图像融合

受光场相机微透镜几何标定精度的影响,4D光场在角度方向上的解码误差会造成积分后的重聚焦图像边缘信息损失,从而降低全聚焦图像融合的精度。该文提出一种基于边缘增强引导滤波的光场全聚焦图像融合算法,通过对光场数字重聚焦得到的多幅重聚焦图像进行多尺度分解、特征层决策图引导滤波优化来获得最终全聚焦图像。与传统融合算法相比,该方法对4D光场标定误差带来的边缘信息损失进行了补偿,在重聚焦图像多尺度分解过程中增加了边缘层的提取来实现图像高频信息增强,并建立多尺度图像评价模型实现边缘层引导滤波参数优化,可获得更高质量的光场全聚焦图像。实验结果表明,在不明显降低融合图像与原始图像相似性的前提下,该方法可有效提高全聚焦图像的边缘强度和感知清晰度。     

基于稀疏表示的光场图像超分辨率重建

光场相机通过一次拍照可以同时记录场景的光线信息和方向信息,在三维场景的重建方面和先拍照后聚焦方面有非常广阔的应用前景,但是相比于普通相机,光场相机拍摄的照片清晰度不够。提出一种基于稀疏表示的光场图像超分辨率重建算法,该算法利用光场多视角图像之间的冗余信息对光场图像进行超分辨率重建。首先,选取光场多视角图像的中心图像作为待重建的低分辨率图像;然后,将其他视角的图像及其降采样图像作为字典训练样本,采用稀疏K-SVD方法进行训练,获得高、低分辨率字典对;最后,在图像重建过程中,采用改进的高斯Laplace算子提取低分辨率图像的特征。实验结果表明,所提改进方法可以恢复更多的图像细节并且大大加快了字典训练的速度。     

多遮挡场景的光场深度优化估计

光场相机可以同时从多个视点记录场景的方向和光强信息,因此,光场图像具有更大的信息量及更强的可塑性。随着光场技术的发展,针对光场图像的深度估计逐渐成为研究热点,但多遮挡是尚未得到解决的技术难点问题。为此,提出了一种多遮挡场景的光场图像深度优化估计方法。该方法使用优化的高低阈值比的Canny边缘检测算法提取遮挡区域的边缘,在传统的AP聚类算法中引入了迭代加权更新的带加速算子,有效地提高了聚类的精度,较好地解决光场深度估计中的多遮挡问题。采用匹配成本估计初始深度,使用马尔科夫随机场对初始深度结果进行优化处理,得到最终的深度估计结果。实验结果表明,与现有的基于光场图像的深度估计方法相比,本方法不仅抗多遮挡效果显著,而且获得了更低的MSE值,得到了更好的深度估计结果。     

基于光场成像的双弹丸重合成像识别方法

针对双弹丸之间存在部分遮挡引起成像重合,导致传统相机对目标参数识别困难的问题,提出了一种基于光场成像的双弹丸重合成像识别方法.采用光场相机作为探测装置,根据光场相机保存的光线四维参数,应用焦点堆栈法实现对目标成像中每个像素点的深度估计.通过对双弹丸部分遮挡时成像特征的分析,发现成像重合边缘处相邻像素点间存在深度差值变化较大的特点,结合卡尔曼滤波方程,建立基于深度变化趋势的边缘检测算法模型,解决了弹丸成像的重合问题.通过对光场相机进行模拟实验发现:目标间存在遮挡现象时,光场相机能有效检测成像的重合边缘,为光场相机准确识别目标数目及位置奠定了基础.     

基于粒子群算法的相机参数优化

针对相机参数标定问题,本文在Matlab标定工具箱的标定算法原理的基础上利用PSO和MCPSO优化算法代替传统的LM算法对相机内参数加以优化。在同一组标定数据下,进行了PSO与MCPSO优化性能的比较实验,结果证明粒子群算法及其改进算法在相机参数寻优过程中比LM方法更具有优势,可以获得更高的标定精度。     

一种基于单幅图像的相机标定方法

本文提出了一种相机快速标定方法,使用一个平面标定板,仅拍摄一幅图像,就能完成相机标定.与通用的相机标定方法相比,可以减少拍摄图像及计算相机多个参数初值的麻烦,提高了相机标定的效率,尤其适用于多相机同时标定的情况.在计算相机内参时,使用Levenberg-Marquarat方法优化求解.实验结果表明,本算法速度快且精度较高,可应用于机器视觉研究、工业三维测量等多个领域的摄像机标定.本方法也可以选择拍摄二幅或者任意多幅图像,来参与算法的迭代优化过程,以进一步提高标定精度.     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

基于摄像机标定的车辆速度检测方法

分析了摄像机标定技术的原理以及常用摄像机标定方法,针对高速公路的实际情况以及应用需求,提出了基于平面单应性矩阵的摄像机标定算法,通过摄像机标定对检测区域进行网格划分,从而进行车辆速度的检测。经实验测试,该方法易于实现,且具有较高的检测精度,平均测速准确率达90%以上。     

管道内表面圆结构光视觉三维测量系统

为保证管道运输安全,需要对管道进行定期维护和检测。采用视觉检测原理,提出了一种基于圆结构光三维视觉检测的管道内表面测量系统。针对管道内表面测量空间受限的约束,基于圆结构光视觉检测原理,提出了视觉传感器的纵向排列结构模式,并搭建了管道内表面圆结构光视觉检测系统。针对圆结构光特点,设计了圆环形平面标定靶标,实现了圆结构光检测系统的标定,并基于该圆结构光视觉检测系统对工业管道内表面进行了三维测量。实验结果表明:该系统的标定不确定度为0.081 mm,针对管道内表面,具有较高的测量精度。     

CCD摄像机参数标定实验设计

CCD摄像机标定技术是视觉检测技术中的最基本内容,为有助于学生正确理解和掌握视觉检测技术,本文设计了CCD摄像机参数的标定实验。详细介绍了CCD摄像机透视成像模型、RAC标定方法以及标定点空间坐标和图像坐标的获取方法,结合标定软件讲述了标定的主要步骤。     

大型工件单目结构光三维扫描方法

针对大型工件,提出了一种基于单目线结构光三维扫描的方法。通过引入线结构光平面建立了视觉传感器数学模型和多项式模型,并使用高精密手动平移台控制平行线靶标在6个固定位置的移动对相机和光平面进行标定,提高标定的精度和准确度。同时对测量工件部分精准定位有效区域,减小程序运算量。该扫描方法可直接构建传感器的测量坐标系,过程简单,速度较快。通过对大尺寸铝合金铸件进行扫描测试,选取了合适的扫描速度v=1.25 mm/s,在满足精度的前提下提升了工业应用的效率。实验结果证明,此种方法能够有效准确的对物体表面进行重构,平均误差小于0.1 mm,具有较高的精度。     

基于改进粒子群优化算法的摄像机标定

本文在充分研究多种摄像机标定方法和粒子群优化算法（PSO）的基础上,针对传统PSO算法存在早熟和局部收敛的问题,提出了一种改进的新型粒子群优化算法在摄像机标定中的应用。该算法在基本PSO惯性权重部分加入了收缩因子,很好的改善了算法的收敛性;为了进一步提高优化的速度和可靠性,引入了多适应值函数策略。最后在OpenCV上实现了基于该改进方法的摄相机标定。实验结果表明：该摄像机标定方法有效提高了原有张正友平面标定法的标定精度,结果稳定可靠,具有一定的工程应用价值。