基于平面模板的两步法标定摄像机的改进

摄像机标定技术作为机器视觉的一个重要环节极受重视.Tsai两步法摄像机标定先用径向约束得到部分外参数精确解,再将其余外部参数与畸变修正参数进行迭代求解,但该方法不能直接获取CCD摄像机相面中心坐标精确值.对于两步法的改进,是在用两步法得到的摄像机参数值的基础上,用非线性优化算法对所有参数做进一步优化,得到最终参数值.该方法既提高了摄像机标定精度,又无需对CCD摄像机相面中心预标定,简化了标定过程.实验证明,改进后的方法具有快速、准确、方便和有效等优点.     

一种基于OpenCV和Tsai的摄像机两步标定新方法

为实现成形加工系统中摄像机标定技术,对开放计算机视觉函数库OpenCV进行了分析。在Tsai方法基础上,结合传统摄像机标定原理,充分考虑了透镜的径向畸变和切向畸变影响及求解算法,给出了一种适应于成形加工的MVS摄像机标定新方法。实验结果表明,该算法不仅具有良好的跨平台移植性,而且提高了标定精度和计算效率,能高效地获得相应的标定参数,可以满足一般成形加工中机器视觉系统的需要。     

基于单目视觉的机器人标定方法

为了辨识出机器人模型的准确参数,提出一种利用单目视觉标定机器人的方法.将摄像机安装在机器人或其延长杆上,使其随机器人转轴转动并拍摄固定的平面点靶标,利用基于径向排列约束(Radial-alignment-constraint,RAC)的标定法对摄像机进行标定并求出摄像机光心在世界坐标系中的坐标.利用得到的光心的坐标,即可获得关节轴线在世界坐标系下的轴线方程.建立机器人运动学模型,利用关节轴线方程得到了模型的准确几何参数.试验结果表明,此方法具有较高的精度,且该方法标定过程简单,便于实际应用.     

基于正交消失点对的摄像机标定方法

为了提高摄像机的标定精度和灵活性,提出了基于正交消失点对的摄像机标定方法。该方法采用了摄像机线性模型,仅需设计制作简易的标定模板并以不同的视觉角度拍摄多幅(至少3幅)平面标定模板的图像,利用消失点的性质和标定模板的几何特征,从每幅标定模板图像中可获得正交消失点对与标定矩阵之间的2个几何约束条件,从而线性标定出所有摄像机内参数,通过仿真实验和真实实验验证了该方法具有较高的标定精度和鲁棒性。     

基于神经网络的视觉伺服机器人摄像机标定

采用可调节点径向基函数神经网络实现视觉伺服机器人摄像机标定.首先将基于leave-one-out准则的orthogonal forward selection算法扩展到多入多出的RBF网络,建立摄像机标定的RBF网络模型.通过应用卡内基-梅隆大学标定图像实验室提供的标定数据进行仿真试验,验证此方法的有效性.由于OFS-LOO算法可构造出具有稀疏隐层节点的RBF网络,使网络具有较好的泛化推广能力,同时RBF网络为局部逼近网络,因此,此标定方法具有较高的标定精度和较强的标定实时性,适用于视觉伺服的摄像机标定.     

基于Tsai的共面点摄像机线性标定

提出了一种基于Tsai的共面点线性标定求解摄像机内外参数的方法。首先确定图像的纵横比和光学中心的标定。然后对Tsai算法的第二步进行改进,求解f,k,tz。该方法的特点是采用共面点标定物,利用线性标定进行求解。实验结果表明,该方法是一种精度较高的、简单实用的摄像机标定方法。     

机器人立体视觉中摄像机的标定探析

在智能制造领域,工业机器人视觉测量技术应用广泛。针对常见的关节型6自由度工业机器人,采用平面模板法对其系统进行立体视觉标定;通过实验结果与工具箱处理过的结果进行对比,验证了标定的准确性取决于合理选择末端执行器不同姿势。给出了实验过程、标定结果分析,期望该方法为工程实践提供参考。     

可变精度的神经网络摄像机标定法

提出了一种提高摄像机标定精度的方法.通过摄像机径向畸变模型,建立根据畸变严重程度自动改变区域划分数目的方法,对远离图像中心畸变程度严重的区域,划分细密;而靠近图像中心畸变轻微的区域,划分粗疏.通过对摄像机径向畸变区域进行划分,并且对每个畸变区域的像素进行单独的处理,构造相应的神经网络,得到整个畸变区域的处理结果,并对于不同的划分结果进行比较分析.分析比较得出:采用可变精度的神经网络摄像机标定法,可以大幅度提高标定的精度,划分数目越多,标定的精度越高,实验中识别率最高可达到99.45%.     

基于OpenCV的双目摄像机标定

在计算机视觉应用中,为了利用摄像机所拍到的二维图像来恢复空间中物体的三维坐标,需要对摄像机进行标定.本文以针孔成像为摄像机成像模型,并考虑了镜头带来的径向与切向畸变,并采用非线性摄像机标定法,结合开源计算机视觉库OpenCV,开发了一套双目摄像机标定程序.实验分析表明,该方法可以精确、快速实现双目摄像机标定.     

基于工业CCD摄像机的机器人视觉定位系统研究

提出了一种基于工业CCD摄像机的机器人顶部视觉定位检测技术。CCD传感器感应由光学镜头聚焦的光线在其电荷收集品格阵列上产生的电荷来获得3D场景的视觉信息,并将其输送到图像采集卡。图像采集卡通过对场景信号解析,再通过机器视觉算法对机器人识别,并通过建立图像坐标与世界坐标之间的关系得出机器人的世界坐标,进而对机器人的移动进行导航。     

一种基于机器视觉的机器人标定方法

机器人标定是离线编程技术实用化的关键技术之一.提出了一种基于机器视觉的机器人标定方法,利用双目视觉测量机器人上的目标点,通过目标点位置的测量撮出机器人的关节轴线,根据相应的运动学模型求出机器人的几何参数,并解决了在测量过程中摄像机视野小的问题.实验结果表明该方法能够实现机器人几何参数的标定,提高了机器人的绝对精度.     

基于蚁群遗传算法的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。为了有效解决传统摄像机标定算法中的多参数和计算费时费力等问题,提高摄像机标定的精度和速度,首次将蚁群遗传算法应用于摄像机标定中。方法初期采用遗传算法过程生成信息素分布,后期利用蚁群算法正反馈求精确解,最后用优化后的BP神经网络来进行摄像机标定,充分发挥遗传算法的全局搜索能力和蚁群算法的正反馈收敛优势。     

基于3D立体靶标的摄像机标定算法

利用透镜成像理论建立摄像机数学模型,提出了一种线性求解摄像机内外参数的方法.该方法特点是采用主动发光的光点阵列标定靶,利用2D标定靶的精确移动来实现基于3D立体靶标的摄像机标定的算法.     

标定模板与图像平面平行时的摄像机标定方法

在工业应用的机器视觉系统中,存在着较多的图像平面与标定模板平面平行的情况,针对这种情况,提出了一种新的简单而快速的标定方法。该方法仅需要一个取景器和一个平面标定模板,通过取景器可直接得到光轴中心坐标,同时也可计算出镜头的焦距;再利用平面标定模板上的特征点计算出摄像机模型的其他参数。实践证明,该方法无需预标定过程即可迅速、方便地对摄像机的内外参数进行标定,并且具有较好的精度。     

一种基于平面精度的机器人标定方法及仿真

研究了一种测量简便、成本较低的基于平面精度的机器人标定方法,该方法限定了机器人末端手爪在其工作空间的平面内运动。在机器人的平面运动过程中,由关节驱动器记录平面上各采样点处的关节值并将这些值作为标定数据,避免了使用其他测量工具的复杂测量过程。建立了相应的评价方程以描述机器人所得位姿数据对该平面的逼近程度;给出了对应具体误差参数的辨识雅可比矩阵的求解方法,得出基于该雅可比矩阵的参数误差,并将该误差反向代回机器人运动学求解过程;最后使用MATLAB下的机器人工具箱建立了两连杆机器人模型,对该方法进行了仿真验证,仿真结果表明该方法将机器人绝对定位精度提高了50倍。     

基于体感传感器的室内机器人定位研究

同时定位与地图构建是机器人能够实现智能化自主导航的关键技术。该文提出一种基于体感传感器的移动机器人SLAM实现方法。通过分析体感视觉获取原理和数据特点,设计了系统结构,并将体感传感器获取的数据进行处理,得到构建地图所需的特征路标;再使用扩展卡尔曼滤波实现SLAM,通过实验结果验证了基于体感传感器的SLAM方法的有效性和正确性。     

CCD摄像机内外参数标定技术研究

在介绍了几种摄像机标定技术基础上,导出一种摄像机成像模型,并给出该模型下的基于Tsai两级标定法的摄像机内外参数标定方法。实验表明,该标定方法操作简便,标定快速、准确。     

基于径向畸变的数码相机标定及三维重建

文章针对数码相机的特性,在建立摄像机的径向畸变模型的基础上,对数码相机进行了标定,并采用“两步法”求解数码相机的内外参数。同时基于计算机立体视觉理论,根据不同位置拍摄的二维图像的信息,进行了空间三维物体的重建,对比了用线性和非线性两种模型对数码相机进行标定的重建效果。     

基于遗传算法的机器人最优测量构型研究

研究了机器人标定中最优测量构型的选择,采用奇异值分解方法获得了机器人位姿测量构型的观测指标。以该指标为优化的目标函数,利用遗传算法来选择机器人的一系列最优测量构型,以最小化参数估计中测量和建模误差的影响。实验结果表明,利用该方法获得的最优测量构型的标定结果优于随机选择的测量构型的标定结果。     

摄像头安装角度对机器人作业的影响分析

针对机器人使用摄像头实施相关作业的情况,在进行大量实验的基础上,研究了摄像头相对于机器人末端执行器的安装角度偏差对机器人作业精度的影响,归纳出其影响规律,结论对于有关工程项目的设计和实施有一定的参考价值。