相机外参数标定的数值解法

相机外参数标定的传统方法对摄站环境有一定的要求,并且在某些情况下可能不收敛.提出了一种相机外参数标定的数值解法,解决由4个以上控制点求求相机参数最优解的问题.利用3个不共线的控制点求得相机初始方向;在初始方向附近进行采样,比较每个方向上的投影误差,选择其中误差最小的作为下一步逼近的初始方向,通过多次迭代最终得到满足精确要求的相机方向和其他相机外参数.测试结果表明:该算法解算精度高,限制条件少,能够保证收敛,在精度要求较高的场合具有较大的实用价值.     

圆球标定中相机外参数的几何解释和应用

利用圆球进行相机标定的方法近年来得到深入研究.文中重新解释利用圆球进行相机标定时圆球投影与绝对二次曲线投影之间的几何关系,给出圆球与相机外参数之间关系的几何意义.提出一种利用矩阵正交分解求解球心参数的算法.与已有算法相比,该算法简洁、直观.进一步提出利用3个圆球求解相机外参数的算法.实验说明该算法精度高,可广泛应用于视觉平台中相机运动参数的求解.     

基于特征匹配的激光雷达和相机外参标定方法

智能驾驶系统的车载传感信息通常由激光雷达信息和相机信息融合而成,精确稳定的外参数标定是有效多源信息融合的基础。为提高感知系统鲁棒性,文章提出一种基于特征匹配的激光雷达和相机标定方法。首先,提出点云数据球心算法和图像数据椭圆算法提取特征点的点云三维坐标和像素二维坐标;接着,建立特征点在激光雷达坐标系和相机坐标系下的点对约束,构建非线性优化问题;最后,采用非线性优化算法优化激光雷达和相机的外参数。利用优化后的外参数将激光雷达点云投影至图像,结果显示,激光雷达和相机联合标定精度横向平均误差和纵向平均误差分别为3.06像素和1.19像素。文章提出的方法与livox＿camera＿lidar＿calibration方法相比,平均投影误差减少了40.8%,误差方差减少了56.4%,其精度和鲁棒性明显优于后者。     

一种基于校正误差的立体相机标定算法

立体相机的标定是一个精确求解各个相机内参数以及相机之间关系参数的过程.它是三维重建的基础,其标定精度的好坏直接影响立体重建的结果.为此提出了一种使用校正误差作为代价函数的立体相机标定算法.该算法首先使用传统的基于重投影误差的方法对单个相机的内参数进行标定,然后利用校正误差完成对相机之间关系参数的标定求解.由于校正误差的计算只与相机内参数以及关系参数有关,可以避免在标定过程中使用难以精确标定的相机外参数.实验结果表明本算法能够有效的提高立体相机标定的精度.     

基于环形镜面的相机外部参数自动标定方法

针对相机外部参数标定中参照物不在相机视野范围内的情况,提出了一种基于环形镜面的相机外部参数自动标定方法.使用半径已知的环形镜面作为反射中介,相机通过镜面反射获得参照物的图像;椭圆检测获得镜面内外圆在相平面中的方程,使用外圆方程计算出镜面在相机坐标系中的位置,然后使用内圆进行位置参数优化;在已知相机内部参数的情况下,通过解决Pn P(perspective-n-point)问题获得相机的虚像和参照物之间的旋转平移矩阵;根据平面镜成像原理,最终计算出相机与参照物之间的实际外部参数;最后通过仿真和实际实验,证明该方法简单易用,可自动完成相机外部参数的标定,并且具有较高的标定精度.     

基于棋盘标定板的优化相机参数标定方法

相机标定是计算机视觉与重建定位的重要基础,是构建二维图像与三维空间联系的重要桥梁。该文根据传统线性相机成像的规律,在理想的针孔相机成像模型的基础上,同时针对张正友标定法中相机参数求解过程较为复杂与繁琐的问题,采用一种简易的标定方法来求解单目相机的相机参数。该方法在平面张正友标定方法的基础上,通过预先估计部分相机参数的初值进而求解理想针孔相机成像模型后,再进一步优化预估参数的方式,根据棋盘标定板的特征点的空间坐标与图像坐标的对应方程,利用奇异值分解和Levenberg-Marquardt优化的方法进行参数求解,从而避免求解繁杂的约束矩阵后再分别对相机参数进行求解的过程,达到直接求解相机参数的目的,优化求解过程,最终实现单目相机的相机标定。实验结果表明,使用该方法标定的单目相机在物距一米以下时的标定误差能够满足绝大部分视觉与定位的应用需求,且该方法具有较好的稳定性和可行性。     

车载摄像机外参数的自动标定

摄像机外参数自动标定的目的是通过自动的方法获得车载摄像机部分外参数.研究基于自主驾驶汽车的运动学模型、高速公路的道路模型以及车载摄像机的成像模型,进行了车载摄像机外参数的在线自动标定方法研究,并利用车体运动学模型作为扩展Kalman滤波(EKF)的状态模型,并将图像坐标系下与车体坐标系下道路参数间的非线性关系,作为EKF的观测模型进行扩展Kalman滤波.仿真与实车试验证明,方法实时检测了滤波结果的正确性,自动标定了最新的摄像机外参数,使得视觉导航系统能够自动适应摄像机姿态变化带来的影响.     

基于非参数相机标定的位移在线检测系统

物体受外力作用时因发生位移变形而导致结构损坏。针对该问题,以双目视觉原理建立物体三维数学模型,研究相机标定和特征提取,完成特征匹配,恢复标识点三维几何信息,得到物体位移。由于传统的相机标定法在常规尺寸应用中精度较高,一旦超出视场范围其测量精度迅速降低,不适于大视场测量,因此引入一种针对大视场测量的非参数相机标定法,并建立基于非参数的成像模型。通过在不同环境下分别对2种标定方法进行精度对比实验,结果表明,非参数相机标定法比传统的参数相机标定法精度提高约72.5%,且稳定性好,可满足物体位移测量的需求。     

基于PO的分步高精度相机参数标定优化算法

相机标定是为了解决计算机视觉中2D图像特征和相应的3D特征之间的映射关系。针对精确标定的困难,提出了一种基于政治优化器(Political Optimizer, PO)的分步标定算法来分步求解相机几何参数和镜头畸变系数,采用参数标定与畸变修正相结合的方法,首先在理想状态下对相机参数进行寻优,其次在考虑畸变的情况下修正畸变系数,通过迭代的方式更新个体的位置来找到最佳的解,有效地校准了相机。实验结果表明,PO算法的平均误差为0.044 706像素,具有良好的避免局部最优的优化能力,能够准确完成相机标定任务。     

基于灭点理论和平面控制场的相机标定方法研究

给出了一种基于灭点理论和平面控制场的相机解析自标定方法。在系统分析平面场景灭点几何的基础上,依据灭点理论并结合2维场景的共线方程严密论证和推导了平面控制场中相机外方位元素初值的实用算法。给出了一种圆形标志点的快速检测及定位方法,提出了一种基于计算可靠性矩阵QVVP的自检校光束法平差中各类观测值权值的确定方法。实验证明了该相机标定方法的正确性和有效性,为相机标定探索了一种可行的方法。     

基于改进粒子群优化算法的非线性摄像机标定

本文针对传统优化算法在摄像机标定中存在对初始值敏感、收敛性差、易陷入局部最优等缺点,研究了粒子群优化算法在非线性摄像机标定中的应用,给出了利用改进粒子群 优化算法进行摄像机参数标定的具体步骤。标定实验表明,基于该算法的摄像机标定方法可以克服传统算法的不足,是一种有效的标定方法。     

简化UKF算法在摄像机标定中的应用

提出一种基于简化无迹卡尔曼滤波（UKF）算法的摄像机标定方法。将平面靶标图像上的不同特征点坐标视为同一个特征点在不同时刻的运动坐标。为避免欧拉角描述法带来的奇异问题,用单位四元数描述世界坐标系和摄像机坐标系之间的变换关系,选取摄像机内外参数作为系统状态变量。结合实际应用背景,简化标准UKF算法,将其用于摄像机参数估计,在保证标定精度的前提下降低运算复杂度。仿真结果表明了该方法的有效性。     

非结构化道路中基于均质雾天的摄像机动态标定算法

现有的交通摄像机标定算法大多基于车道线长度、车辆尺寸等先验信息,由于在非结构化道路中往往不存在车道线,使得标定算法具有局限性.为了改进摄像机标定在非结构化道路中的适用性,结合摄像机线性模型与均质雾天,提出一种只包含路面以及运动车辆的摄像机动态标定算法.首先生成并更新背景和场景活动图,提取路面、天空的纹理特征,利用区域搜索算法得到感兴趣区域,并根据感兴趣区域的像素变化规律判断当前天气是否为均质雾天;其次根据暗原色先验原理计算场景透射率,将结果映射到[0,255]作为图像显示;最后结合均质雾天光线传输模型、摄像机线性模型和暗原色先验原理导出标定方程,选取路面上具有特定透射率的8个点生成2个一次方程、1个二次方程和1个三角方程,依次标定摄像机参数,将视频多帧图像标定的参数值平均得到准确值.与角点检测法、摄像机6点标定法以及基于消失点的标定算法进行对比的实验结果表明,该算法是有效的且满足视频的实时性处理要求.     

基于平面方格点的摄像机标定改进算法

分析基于平面方格点的摄像机标定算法,指出基于表征靶标平面到图像平面映射的矩阵的求解存在标定点的相关性问题。通过引入基准系统,包括确定标记选取的理论标准、分析其环境识别率和相互间的错识别率,提出一套从标记点提取到其像平面坐标计算的改进过程和相关公式。实验结果表明,该算法对室内场景可控的小视场标定领域具有实际应用价值。     

相机标定的金字塔迭代优化算法

在当前交通场景中,位姿、焦距均可变的云台相机正在被大规模应用,现有的相机标定模型在求解相机参数的过程中,通常使用先验条件一次性求解相机参数的方法。这种方法在云台相机不断改变位姿和焦距的过程中,标定结果存在不稳定、不精确的情况,其中相机高度的不稳定现象尤为明显。针对这个问题,提出一种基于焦距和相机高度的金字塔迭代优化方案。使用基础的相机标定,得到一个基础标定结果;设定沿道路方向优化对比内容为道路标线,垂直于道路方向上为道路宽度;设定焦距和相机高度优化范围及初始优化步长,并采用金字塔迭代的方式进行结果优化,最终得到最佳优化结果。在高速公路的数据集上的实验结果表明,该方法能够有效提高相机标定参数的精度和稳定性,比之传统标定算法,在沿道路方向上精度提高8%,垂直于道路方向精度提高6.5%,综合精度提高6.5%;在云台相机改变位姿和焦距过程中,相机高度波动稳定在2%以内。     

基于粒子群遗传算法的BP神经网络摄像机标定

摄像机标定是从二维图像提取三维空间信息的关键步骤,标定的精度直接关系到三维重构结果的逼真程度。为了有效解决传统摄像机标定算法中的多参数、计算费时费力等问题,提高摄像机标定的精度和速度,将粒子群遗传算法（particle swarm optimization genetic algorithm,PSO-GA）应用于摄像机标定中。对参数进行粒子群算法优化后,再使用遗传算法中的选择、交叉和变异等操作进行参数优化,以实现粒子群算法与遗传算法的融合。结合后的算法全局搜索能力较强,收敛速度更快,优化能力与鲁棒性得以提高。同时,基于神经网络的摄像机标定方法所能覆盖的标定空间十分有限,提出了一种采用粒子群遗传算法优化BP神经网络的摄像机标定方法,以解决传统摄像机标定方法难以解决的问题。实验数据表明,基于粒子群遗传算法的BP神经网络标定是一种可行的方法,标定精度高,收敛速度快,泛化能力强。     

基于LCD的相机标定新方法

近年来,三维目标建模一直是计算机视觉及摄影测量领域的研究热门,随着数码相机技术的发展,普通数码相机在摄影测量领域的应用也越来越普及,而相机(或摄像机)标定是问题的关键之冶疚奶岢隽艘恢只贚CD的相机标定新方法,详细论述了其标定过程和标定理论.并通过实验证明了该方法的可行性.     

双目定位在数码相机图像标定中的应用

数码相机定位是计算机图形学中的一个重要课题,在图像处理等方面有着广泛的应用,对数码相机进行合理建模分析,并利用双目视觉原理对图像进行标定,最后例证了此方法的有效性和精确性。