基于改进进化神经网络的双目视觉系统标定

摄像机标定在机器视觉技术中具有重要意义.针对传统三维物标定方法操作繁琐,BP神经网络标定受初始权值和阈值影响的问题,提出一种基于光轴会聚模型的思维进化-神经网络标定方法.利用BP神经网络可逼近非线性函数,思维进化算法具有较强全局寻优能力,有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题.实验证明,与经典...     

双平面法标定的双目视觉三维测量系统

针对传统摄像机标定过程复杂、三维测量精度不高的问题,提出了一种基于投影直线相交的双目视觉三维测量方法,并给出了基于神经网络的标定方法。根据摄像机成像特点,利用双标定平面上的点求取投影直线方程;针对摄像机成像复杂的畸变模型,利用BP神经网络对复杂非线性映射关系的强大逼近能力,对左右两台摄像机于远近标定平面处分别进行隐式标定,得到图像像素坐标到平面模板二维物理坐标的映射关系;设计制作了试验平台,采用手工辅助的方法获得网格模板训练样本。此标定方法完全适用于大视场、近距离、高精度的双目视觉传感器。试验结果表明,系统对空间已知长度的测量结果误差约为0.109 mm,测量精度较高。     

基于立体视觉标定方法的改进研究

摄像机标定是立体视觉研究与非接触测量的重要组成部分,是精密视觉测量的基础,传统的标定需要建立复杂的数学模型,从而描述双目视觉中三维空间物点坐标和两个摄像机像面像点坐标间的非线性关系。而神经网络可以有效地处理非线性映射问题。本文介绍一种改进的RBF神经网络,并对该网络标定法与传统标定方法及BP网络标定法的标定结果进行比较。实验结果表明:基于改进RBF神经网络的双目视觉标定方法能获得较高的标定精度。     

基于Matlab的计算机视觉测量中摄像机标定方法研究

本文以视觉测量系统中的摄像机标定为研究对象,以物体在摄像机上所成的像与物体实际的形状之间具有一定的函数关系为基础,以获得该函数参数为目的用Matlab进行摄像机标定。该方法利用了Matlab的工具箱及VC＋＋6.0编译软件,设计标定方法及软件程序,方便准确的完成了单摄像头标定和双摄像头的立体标定,得出摄像机的内部参数和外部参数,简化了标定求解过程,提高了标定速率,并具有良好的移植性,适合于其他视觉测量系统。     

双目摄像机的自标定方法研究

摄像机标定是计算机视觉的关键技术之一。针对现有的标定技术计算过程复杂,标定物使用不方便等问题,提出了一种用于双目摄像机自标定的方法,该方法要求场景中有两组正交的平行直线即可进行标定,利用其在图像平面上形成的消失点之间的约束关系来建立标定方程,从而求解出摄像机的内外参数,再结合双目立体视觉原理标定双目摄像机的结构参数。将该方法在实验室现有设备上进行对比实验。实验结果表明,该方法简单、有效,可广泛应用于机器视觉研究、三维重建等多个领域。     

双目摄像机标定与特征点匹配方法的研究

传统标定方法具有实验环境要求高、结果精确度低、鲁棒性差等显著缺点,为此提出一种基于软件编程的主动视觉标定方法。通过建立摄像机针孔成像线性模型,考虑畸变影响的非线性模型矫正,推导出双目摄像机标定参数,并应用软件编程实现摄相机标定,获得精度高、鲁棒性较好的结果。同时,针对当前已有的图像匹配算法,对图像尺度变化适应性较差等问题,以Harris算子为基础,通过增加图像变换尺度参数,得到具有尺度不变性的改进算法。基于软件编程实现特征点坐标提取与匹配,结果显示改进后算法耗时变短、计算结果精度和鲁棒性均有所提高,为深入研究双目摄像机障碍物识别与路径规划奠定了基础。     

改进遗传算法优化BP神经网络的双目相机标定

针对BP神经网络在双目相机标定时受到初始权值和阈值的影响,提出了一种基于改进遗传算法优化BP神经网络对双目相机进行标定的方法,通过对遗传算法的交叉和变异概率进行改进,采用世界坐标值直接对比度使得数据更直观,实验证明可以获得更高的精度.     

基于机器视觉的摄像机标定方法研究

介绍了摄像机标定方法的分类。通过对基于3D立体靶标、2D平面靶标、径向约束的摄像机标定等传统方法的具体分析，给出几种标定方法的优劣对比。文章同时对多种自标定方法的研究现状、发展状况以及存在问题进行了分析讨论，最后给出了发展各类摄像机标定方法的一些参考建议。     

双目立体视觉的测距技术研究

搭建双目平行系统完成对物体的距离测量.经过图像采集、摄像机标定、立体校正、立体匹配四个步骤得到被测物体的视差图,从而求得被测物体的三维坐标.利用两种匹配算法来进行立体匹配,为使结果对比明显,在以往黑白视差图的基础上,输出彩色视差图.同时,为提高匹配精度,做了去噪和光照对比实验.最后,对测量实验进行误差分析,以验证实验结果的准确性.结果证明:误差范围控制在1 mm之内,是有效可行的.     

基于HALCON的摄像机标定

利用HALCON图像处理软件提供的标定板模板,并充分考虑了透镜的径向畸变影响及求解方法,给出了基于HALCON的摄像机标定算法。该算法充分发挥了HALCON的函数库功能,提高了标定精度和计算效率,具有良好的跨平台移植性,可满足各种计算机视觉系统的需要。     

基于针孔模型的双目视觉标定误差仿真分析

为了直观反映双目视觉系统各参数标定误差对系统定位精度的影响,基于针孔摄像机成像模型和概率统计理论,运用蒙特卡罗法对轴线平行结构的系统定位误差进行仿真分析.针对视觉定位模型求解空间点表达式复杂的问题,为便于仿真,根据成像模型参数的相互独立性,提出了一种单参数分析定位误差的方法.利用该方法进行的仿真结果及其实验验证表明:内参数中,主点(u0,v0)的标定误差对系统X、Y方向定位精度影响大,焦距fu的标定误差对系统Z方向定位精度影响大;外参数中,旋转角β和基线t1对X、Y、Z3个方向定位精度的影响都较大.该结论对双目视觉系统设计及参数标定具有一定的参考价值.     

基于BP神经网络的姿态测量系统摄像机标定

针对摄像机标定过程中复杂的成像和畸变模型,利用误差逆传播(BP)神经网络对复杂非线性映射关系的强大逼近能力,对姿态测量系统中的摄像机进行隐式标定,建立了姿态测量中三维空间目标特征点与它在图像平面上像点间的映射关系,使姿态测量系统无须进行复杂的摄像机标定,直接恢复目标特征点的三维信息,从而计算得到目标姿态信息.结果表明,该方法对于空间点坐标恢复的均方根误差小于0.015 mm,可以获得较高的精度.     

基于双目显微立体视觉系统的研究

在全面介绍国内外显微立体视觉系统的基础上，提出了双目显微立体视觉系统方案，此系统由单目显微镜改造而成，既节省了资金，又能快速准确地检测出操作目标距CCD摄像头的距离，从而可以提高微操作的效率和精度，是一种合理的显微视觉系统。     

双目视觉及其在全自动换电机器人中的应用

介绍了双目立体视觉原理,并利用该技术解决了电动汽车自动换电过程中对电池表面三维信息的定位要求。采用张正友标定法完成相机标定,利用区域匹配原则进行特征点匹配,完成电池的三维重建。实验结果表明,双目视觉的定位精度满足换电要求。     

基于角点检测的双目视觉测距新方法

为解决双目视觉中立体匹配困难、效率低的问题,提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理,对摄像机进行了标定,并采用Bouguet 立体校正算法对双目视觉系统进行立体校正;然后采用J．Shi 和C．Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取,并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。     

基于主动红外辐射标定板的超广角红外相机标定

为了准确标定超广角红外相机,从超广角红外相机的泰勒多项式标定模型出发,提出了一种基于主动红外辐射标定板的标定方法。该标定板克服了以往超广角相机标定板制作困难的问题,可用于标定超广角红外相机。实验结果显示,角点平均重投影误差(MRE)和角点重投影方均根(RMS)分别为0.30和0.34像素。     

基于平面模板的摄像机两步标定方法

摄像机标定是计算机视觉中的一个重要问题.基于平面模板的摄像机两步标定方法,该方法只要平面模板在摄像机前运动,并拍摄其不同位置的图像,标定中提取平面模板在每个位置获得图像的网格角点,建立每幅图像对应的单应性矩阵,第一步线性求解内外参数,第二步对线性结果进行非线性优化,实验结果表明该方法具有较高的精度,而且简单、有效、实用.     

基于神经网络的数字校准技术综述

随着集成电路工艺的发展以及晶体管尺寸的不断减小,ADC转换率变得更快、功耗更低,但器件的失配误差随之变得更大,从而影响精度,因此引入校准电路已成必然趋势。文章首先介绍了几种ADC的常见误差及其校准方法,然后介绍了神经网络的工作原理,并总结了几种主要的基于神经网络的数字校准方法,分析了不同方法的优势和劣势。最后,针对14位流水线ADC,给出了神经网络校准算法的系统级仿真验证结果。经校准后,有效位数(ENOB)从10位提升到12.5位,无杂散动态范围(SFDR)从80 dB提升到100 dB。