用于结构光视觉传感器标定的特征点获取方法

提出了一种基于共面参照物自由移动来获取结构光视觉传感器标定特征点的新方法。该方法通过以摄像机三维坐标系为中介,将多个局部世界坐标系下的标定特征点统一到全局世界坐标系中,得到位于光平面上的非共线标定特征点的三维世界坐标。该方法降低了标定设备的成本,简化了结构光视觉传感器的标定过程,从而提高了结构光视觉传感器工程化应用的便捷性。实验表明,该方法切实可行     

感知二步插值标定方法研究

为提高标定效率及标定精度,提出了感知二步插值标定方法。该方法抛弃通过人工测量来调整实验平台与标定面之间位置关系的方法,让计算机具备感知CCD光轴与标定平面法线间偏差的能力来弥补人工测量的不足。在标定过程中,通过提取图像角点的亚像素坐标,直接建立了成像面上角点与世界坐标之间的对应关系,最后根据已知角点插值得到了平面上任一点的世界坐标,并进行了实际平面符号图的检测试验。试验结果表明：该方法提高了标定速度及标定精度,为三维重建奠定了基础。     

基于间接标定法的结构光视觉检测系统三维测量技术与试验评估

结构光三维测量系统的参数标定是获取三维数据的重要步骤之一,其中包括摄像机的参数标定和结构光平面的参数标定。为了解决传统光平面标定算法复杂、检测实时性低的问题,提出了一种基于定向移动平面标靶的光平面间接标定法,首先利用特征加窗提取技术和形态学细化算法对标靶平面上的光条进行中心线提取,进而获取光条中心线上的图像像素坐标点;其次结合已经标定好的摄像机参数和光平面所在的坐标分量的坐标值反解求出标定特征点的三维世界坐标;最后利用最小二乘法对求得的三维坐标点进行光平面拟合,从而实现对光平面的标定过程。采用Matlab GUI界面编程方法实现对光平面参数标定试验以及三维测量试验,验证了该方法的有效性和优越性。     

一种基于棋盘格的高精度分区域相机标定方法

在视觉测量系统中,相机的标定精度至关重要,将影响整个测量系统的精度。针对现有相机标定方法难以兼顾精度和操作复杂度的问题,本文提出了一种基于棋盘格的高精度分区域相机标定方法。首先,将棋盘格置于不同位置,提取不同位置角点的世界坐标和像素坐标,对所有角点用线性变换和非线性最优算法求解出全局标定参数。然后,将角点分为中间区域角点和边缘区域角点,对两区域角点分别标定得到两组分区域标定参数。标定实验结果表明：与全局标定法相比,分区域标定法的图像平均投影误差至少降低16%。该方法操作简单,精度高,可以很好的应用于工业视觉检测。     

一种基于棋盘格的高精度分区域相机标定方法（英文）

在视觉测量系统中,相机的标定精度至关重要,将影响整个测量系统的精度。针对现有相机标定方法难以兼顾精度和操作复杂度的问题,本文提出了一种基于棋盘格的高精度分区域相机标定方法。首先,将棋盘格置于不同位置,提取不同位置角点的世界坐标和像素坐标,对所有角点用线性变换和非线性最优算法求解出全局标定参数。然后,将角点分为中间区域角点和边缘区域角点,对两区域角点分别标定得到两组分区域标定参数。标定实验结果表明:与全局标定法相比,分区域标定法的图像平均投影误差至少降低16%。该方法操作简单,精度高,可以很好的应用于工业视觉检测。     

检校场标定长焦航测相机参数

为实现长焦航测相机内参数及畸变参数标定,提出利用室外检校场对相机进行标定的方法。介绍了该方法由初值到精确值的两步法的求解步骤、计算过程及实验过程。首先通过给定已知特征点位置信息以及不同角度不同位置下拍摄的影像,通过特征点提取及匹配,根据像点坐标与世界坐标的线性对应关系,基于直接线性变换算法建立约束方程求取相机参数初值,进而通过混合LMQN(Levenberg-Marquardt与Qusai-Newton)迭代优化加速求解精确值。与精密测角法比无需精密设备的操作及记录,只需不同位置不同姿态拍摄多张包含精确位置信息的检校场影像即可。最后进行标定实验并对结果分析,基于检校场的标定方法在参数解算中特征点最大投影误差为2.471pixel,标定参数主点精度为9.7μm(2pixel),主距精度为4.3μm(1pixel),解算相机拍摄位置精度0.035m,满足测绘应用的精度需求。     

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%.     

表面视觉传感器模型参数的简易标定方法

建立了基于多线结构光的表面视觉传感器的数学模型,提出了一种基于自由移动平面标定参照物的表面视觉传感器模型参数的简易标定方法。在自由移动的平面参照物上建立局部世界坐标系,将通过交比不变方法获得的各个光平面上特征点的局部世界坐标,变换到摄像机坐标系,从而获得已知三维的标定特征点。利用构建的位于不同光平面上标定特征点,可以实现工作状态的表面视觉传感器模型参数的优化估计。该标定方法降低了标定设备的成本,简化了标定过程,为表面视觉传感器的工程化应用奠定了基础。试验结果表明,该方法切实可行。     

空间点的多视图DLT三维定位

物理点的三维定位是计算机视觉实现特征提取、模式识别、测绘、运动分析的基础,为了减少遮挡的影响及增大视场面积,可以通过多视图实现点的三维定位,但目前使用专门仪器设备及专门软件实现,定位的点数、二次开发功能都有一定限制。本论文提出一种基于直接线性变换(Direct Linear Transformation,DLT)的物体上点的世界坐标系下的三维定位方法,适用于单台相机移动获取的多视图实现的静态结构体点的定位,也适合于多台相机同时拍摄获取的机器上点的三维动态定位。采用DLT方法进行各相机(或不同位置下的相机)进行标定获取内外参数,即布置6个以上不共面且坐标已知的控制点,根据空间三维坐标与图像二维坐标的线性变换关系列出方程组,通过最小二乘法对相机内外参数进行线性估计;再利用这些内外参数实现点的三维定位,即依据空间几何线-线交会原理利用最小二乘法求解实现空间点的世界坐标测量。论文论证了本方法的原理,提出了方法的步骤,并以水田平地机为试验平台,测量平地铲上待测点的世界坐标来验证。试验结果表明:该方法测得的坐标在X,Y,Z方向的平均绝对误差为4.19 mm,3.97 mm,3.69 mm,空间相对距离误差为0.81%,满足一般测量精度要求。进一步提高精度可以考虑在标定步骤中校正相机失真。基于一台或多台相机得到的多视图,该方法能够实现任意多个物理点的世界坐标测量,测量结果不受相机位置影响。     

一种基于手眼视觉的并联机器人标定方法

提出了一种基于手眼视觉的并联机器人标定方法。基于环路增量法,建立了平面2-DOF冗余驱动并联机器人运动学误差与标定模型;设计了一种标定实验靶板,利用相机采集靶板图像并对其进行分割、识别、旋转补偿的处理,获取机构末端目标位置和实际位置的像素误差值;针对机构自身结构的限制,利用边界曲线识别特征角点,提出了一种基于特征角点确定检测点旋转角度的方法,在补偿相机旋转角度的基础上,再利用简化后的相机针孔模型,将像素误差值通过转换得到机构末端执行器的真实位置误差值;最后利用标定模型和通过视觉系统获取的误差值进行运动学标定。经过4次迭代,机构误差减小为原来的1/3,验证了该方法的可行性。同时该方法具有标定过程用时短、数据量小、实验成本低等优点。     

激光跟踪仪在摄像机标定中的应用

使用激光跟踪仪标定摄像机的方法主要解决2个问题:(1)如何生成传统标定方法需要使用的控制点;(2)如何精确测量控制点的三维世界坐标。在摄像机的视场中安放一块表面平整的标定板,然后把激光跟踪仪的测量光束直接投射在标定板的表面上,在标定板表面生成的指示光斑被用作标定摄像机的控制点。用激光跟踪仪测量出标定板平面的方程,然后将测量光束看作一条直线,由测量光束和标定板平面的方程求解控制点的三维世界坐标。通过实验对该方法做了验证,实验结果表明:该方法适合标定视场较大的摄像机,而且可以获得较高的测量精度。     

基于神经网络的振镜式线结构光三维测量系统的标定

振镜式线结构光三维测量系统是一种新型系统,具有扫描速度快、测量精度和集成度高等优点,在三维测量领域具有广泛的应用前景。为了避免建立复杂的系统数学模型,提高系统的标定精度,提出了一种基于神经网络的标定方法。该方法首先基于双重交比不变原理,利用棋盘格靶标和电动平移台获取大量精确的标定点坐标,以标定点的图像坐标及光平面转角为输入,对应的三维世界坐标为输出,建立系统的神经网络模型,通过训练完成系统标定。试验表明,本文提出的标定方法简化了系统的标定过程,标定精度高且通用性好。     

智能汽车激光雷达和相机数据融合系统标定

智能汽车采用激光雷达和相机的数据融合实现对环境的感知,针对数据融合中不同传感器坐标系的联合标定问题提出了特征点法和棋盘格法两种标定方法。特征点法采用专门设计的标定模板,提取若干对激光雷达和图像对应点,建立约束方程组,采用最小二乘法求解结果。棋盘格法采用张正友标定法获取相机的内部参数,利用棋盘格平面在两个坐标系的一致性,建立约束方程组,采用线性方法求解两个坐标系的外部参数初始解,再用非线性优化方法进一步优化。利用两种方法得到的标定结果将激光雷达点投影到图像上并比较其对准精度。实验表明,两种方法都可以获取各传感器坐标系之间的位置关系,其投影对准误差分别为特征点法3.03像素和棋盘格法2.33像素。     

线结构光传感系统的快速标定方法

针对现有线结构光传感系统标定过程中对设备要求高、标定过程繁琐等问题,提出一种基于三点透视模型的快速标定方法.引入一个可自由移动的平面靶标,靶标上只需要共线且相互位置确定的3个特征点,利用共线三点建立三点透视数学模型,根据3个特征点以及光条纹在摄像机像面的成像信息,获取了光平面上标定点在摄像机坐标系下的坐标.平面靶标在视觉范围内任意移动几个位置,得到光平面上多个标定点坐标,从而确定光平面方程.实验证明,该方法平均相对测量误差约为0.72%,标定时不需要昂贵的辅助调整设备,也不需要求解坐标系之间的转换矩阵,简单、快速,适合现场标定.     

基于三点透视模型的线结构光系统标定方法

针对现有线结构光传感系统标定过程中对设备要求高、标定过程繁琐等问题,提出一种基于三点透视模型的快速标定方法。引入一个可自由移动的平面靶标,靶标上只需要共线、且相互位置确定的三个特征点,利用共线三点建立三点透视数学模型,根据三个特征点以及光条纹在摄像机像面的成像信息,就可以获取光平面上标定点在摄像机坐标系下的坐标。平面靶标在视觉范围内任意移动几个位置,得到光平面上多个标定点坐标,从而确定光平面方程。实验证明,该方法平均相对测量误差小于0.8%。该方法不需要昂贵的辅助调整设备,也不需要求解坐标系之间的转换矩阵,简单、快速,适合现场标定。     

基于双平行平面相机模型的钢板尺寸视觉测量

提出基于双平行平面相机模型的视觉测量方法,用于测量生产线上运动钢板的尺寸。该方法采用数据驱动的方式计算像点在标定平面上投影点的世界坐标;采用k近邻(k-NN)方法生成目标在标定平面上的无畸变投影图像,并建立投影图像与世界坐标系的直接关联。提出了双平行平面模型下相机光心位置标定算法,利用线结构光进行板材厚度测量;在无畸变的投影图像上利用钢板边缘间的平行和垂直性进行钢板边缘特征提取,通过边缘直线的世界坐标方程求取长宽尺寸。最后,给出了针对大尺寸钢板测量的多相机测量系统框架。提出的方法为单目视觉测量方法,相比于其他方法具有现场安装简单和标定工作量小的特点。通过图像分辨率为640×480的相机对尺寸为80mm×50mm×15mm的标准铝块进行了测量,结果显示:厚度测量误差为0.1mm,长度和宽度的误差在0.2mm以内。实际应用中测量精度远高于加工精度,能够满足产品计量的要求。     

遥操作工程机器人双目视觉定位

针对遥操作工程机器人的视觉定位问题,提出一种基于神经网络的双目立体视觉定位方法。利用工程机器人特征点的二维图像坐标和三维世界坐标建立成像系统的神经网络模型,据此在线获取机器人的位置信息。该方法不需要求出摄像机的内外参数,同时无需考虑镜头的畸变和两相机的相对位置关系,而是隐含在神经网络中,这将简化定位计算的复杂性。实验表明,该方法简单有效,定位精度满足工程要求,可为网络环境下遥操作工程机器人的位置反馈控制提供技术参考。     

野外空间坐标测量中的任意姿态多目相机快速标定

针对野外复杂地形环境下,对于多个监测区域进行野外坐标测量的情况,提出一种利用双目立体视觉原理对相机3个姿态角及焦距同时进行现场校准的快速标定方法。该方法对传统的标定方法进行改进,可用于相机焦距、姿态未知的情况,对现场环境条件要求低,避免了传统标定方法中相机架设姿态受限的问题。首先通过选择合适的统一世界坐标系和坐标系旋转顺序,使标定得到的相机外参与相机姿态角对应。然后通过GPS测量得到两个标定点的世界坐标,将两个标定点的世界坐标和图像坐标代入成像模型,用最小二乘法解出相机的焦距和姿态角。在现场对其中一个监测区域进行实际测量验证,结果显示直径200 m的圆形监测区域内,相对误差优于0.38%。该方法工程应用性强,灵活度高,适用性广。     

基于共线特征点的摄像机镜头畸变校正

提出一种基于未知世界坐标共线特征点的未标定摄像机畸变校正算法以及基于预计算模板的快速实现方法。利用直线的透视投影不变性来估计镜头的畸变参数,不需要知道摄像机的内外部参数,也不需要知道任何空间特征点的世界坐标,简化了镜头畸变校正的过程。该方法的特点是需要的已知条件少,算法简单,易于实施,算法的计算速度快。试验结果表明,该方法能准确快速校正由摄像机镜头畸变引起的图像几何畸变,对机器视觉系统是可行的,预计算模板实现方法大大地降低了计算量,为镜头畸变校正实时应用奠定了基础。     

三维颅骨特征点的自动标定

提出了颅骨特征点的全自动标定方法,该方法利用分区统计可变模型及模型相似性匹配的方法来标定颅骨特征点。首先,对颅骨分区样本进行统计建模;利用统计模型的形变控制生成基准模型和生成模型,并建立基准模型和生成模型间的映射关系。然后,定义了模型之间相似性。最后,利用模型相似度和映射关系,间接得到待测模型的特征点。实验结果表明:该方法定位眼眶模型特征点的位置平均误差值为3.232 5pixel;当距离阈值为10pixel(模型大小的3%)时,有90%的特征点的位置准确率达到100%。与现有方法相比,本文方法标定的颅骨特征点的准确度和精确度都更高,并且可以标定颅骨模型平滑区域的特征点。