基于编码立体靶标的高精度双目相机标定

为提高双目相机标定的精度和效率,本文提出了一种基于新型编码立体靶标并结合高精度参数优化的双目相机标定方法。新型编码立体靶标通过整合4个空间姿态不同的编码平面靶标,只需拍摄一次即可完成双目相机标定,有效提高了标定效率;每个编码平面靶标内设置多个编码单元,在采集到局部靶标图像时仍能获得高精度标定结果;采用高精度参数优化方法,建立包含重投影约束、标准长度约束和共面约束的目标函数,有效提高了双目相机的标定精度。实验结果表明：相比于张氏标定方法,本文所提标定方法获得的左右相机平均绝对重投影误差分别降低了55.42%和57.22%,平均绝对标准长度误差降低了41.28%,平均绝对共面误差降低了63.04%。通过多次测量不同规格的标准量块,进一步验证了本文所提标定方法的可行性和有效性。     

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。     

基于非标定双目网络摄像头的实时立体显示系统设计

立体显示可以为观察者提供场景中物体的深度信息,并使观察者有身临其境的感觉。为了搭建低成本可应用于辅助远程操纵的实时画面立体显示系统原型,利用双目网络摄像头和立体显示设备,在未对相机标定情况下,采用非标定立体校正的方法,设计了一套实时立体显示系统,提供了色差式和快门式2种立体显示方式,并通过MOS方法对系统的立体显示效果进行了主观评价。实验结果表明,经过立体校正后的左右摄像头图像行是对准的。在使用了多线程技术对左右图像并行处理的情况下,系统输出立体图像的帧频从21Hz提高到了30Hz,满足实时性的要求。在立体显示效果评价中,色差式和快门式立体显示分别得到了7.67分和9.08分,说明立体效果基本令人满意。     

双目立体视觉的波浪表面重建

针对水面波浪的三维重建问题,提出了结合计算机视觉和光学方面技术的三维重建算法。主要采用双目立体视觉的方法测量浪高,通过采用立体视觉方法计算得出三维坐标,采用最小二乘法将三维坐标拟合为三维曲面;再将平静水面和波浪水面的三维坐标进行对比,生成波浪等高线图。实验结果表明,此算法的三维重建效果较好,并且波浪高度的计算效果与实际波浪高度误差较小。     

基于光轴垂直双目立体视觉系统的物体运行姿态研究

提出了一种采用光轴垂直的双目视觉测量技术获得运动物体运行姿态角的方法。首先,对光轴垂直立体视觉系统进行了建模;然后,采用光轴垂直原理求取被测物体在某时刻的中轴矢量;最后,通过建立中轴矢量与姿态角间的数学关系得到被测物运行时的姿态角。实验结果表明,该测量方法具有较高的精度和速度,能满足远距离运动的被测物体运动参数的测量要求。     

基于神经网络的双目视觉摄像机标定方法的研究

摄像机标定是精密视觉测量的基础，传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题，本文介绍了一种BP神经网络，可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系，并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较，实验结果表明，基于神经网络的双目视觉标定方法能获得较高的标定精度。     

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.     

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。     

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。     

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.     

双目视觉与惯性测量单元相对姿态在线标定

为了对两种传感器进行更好的融合,以实现更高的组合导航定位精度,文章基于多状态约束卡尔曼滤波器,提出了一种能够在线标定双目相机与IMU相对姿态误差的方法。     

一种基于OpenCV的摄像机标定算法的研究与实现

摄像机标定是计算机视觉中的一个重要问题。本文介绍了标定的基本原理,详尽阐述了使用二维模板的标定算法,重点分析了如何借助开源软件OpenCV实现该算法。实验结果显示,使用OpenCV中的相关函数,可以方便地进行数学计算,简单有效地完成摄像机标定。     

激光切割视觉系统单目摄像机快速标定方法

针对目前激光切割机结合视觉切割行业中现有的张正友一般圆点标定算法中存在计算量大、结果不稳定的问题。提出一种基于九圆点的摄像机自标定算法。算法首先计算出图像和定义在世界坐标系X-Y平面上的模板之间的单应性矩阵,利用该单应性矩阵线性求解出摄像机内参,然后考虑非线性畸变因素,求解出畸变系数。最后在矫正后的模板中求出内外共八个仿射投影矩阵,并取其均值做为最终投影矩阵来求解出世界坐标。实验结果表明:该算法比现有的基于圆点的摄像机自标定算法更快速、更稳定,达到精度更高。     

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...     

双目测量系统目标相对位置误差分析

目标特征点三维坐标的测量精度直接影响目标位姿的解算,准确确定影响目标位姿的误差因素,对各项误差进行合理分配及综合,是提高目标测量精度的关键。目前,像点提取精度、特征点匹配精度根据现有算法已达到瓶颈,而在摄像机内部结构及标定等方面提高测量精度还有较大的研究空间。通过建立成像点坐标测量方程,综合分析各误差因素对目标位置的影响。通过实验分析与仿真,摄像机内部结构误差及标定误差对成像点坐标的影响在一个像素内,当f=0.031 9 m,目标距离为20 m时,目标位置总体测量精度为0.029 4 m。对光学成像系统内部结构的设计及电子器件的选型具有较大参考价值。     

基于双目视觉飞行目标落地参数测量方法研究

飞行目标落地参数是评定飞行目标系统性能的重要技术指标.为了测量飞行目标落地参数,采用放置在落弹点区域附近的凝视等待式双目视觉摄像机,高速摄像交汇测量飞行目标的落地参数.由最小二乘法拟合目标各时刻质心的空间三维坐标,建立了目标三维空间轨迹的多项式函数,对多项式函数求导得到目标的飞行速度.针对回转体类飞行目标特点,根据其在摄像机像面成像的情况,将目标分为三类,采用了不同的姿态测量方案,并对测量的误差来源进行了分析,提出了减小测量误差的方法.实验与理论分析表明,所采用的速度与姿态测量方法正确、可靠,速度的测量误差小于1%,大目标和过渡目标姿态角测量误差小于0.5°,为飞行目标的动态参数测量提供了一条新的便捷可靠的途径.     

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.