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个以上控制点求相机外参数最优解的问题。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。     

摄像机自标定的线性理论与算法

文中提出一种新的摄像机线性自标定的算法和理论。与文献中已有的方法相比,该文方法的主要优点是对摄像机的运动要求不苛刻,如不要求摄像机的运动为正交运动。该方法的关键步骤是确定无穷远平面的单应性矩阵（Homography)。文中从理论上严格证明了下述结论：摄像机作两组运动参数未知的运动M1＝{（R1,t^11),(R1,t^12)},M2={(R2,t^21),(R2,t^22)},若下述两个条件满足：（1）T1＝{t^11,t^12},T2={t^21,t^22}是两个线性无关组（即本组内的两个平移向量线性无关）;（2）R1,R2的旋转轴不同,则可线性地唯一确定摄像机的内参矩阵和运动参数。另外,在四参数摄像机模型下,严格证明了一组运动可线性地唯一确定摄像机的内参数矩阵和运动参数。模拟实验和实际图像实验验证了本文方法的正确性和可行性。     

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。     

摄像机标定中亚像素级角点检测算法

针对摄像机标定中棋盘图像的角点检测问题,提出一种简单而有效的亚像素级角点检测算法.综合使用Harris算子、SVD方法、内插值法以及Forstner算子,能快速准确的提取棋盘图像的角点.该方法具有两个明显优点:利用SVD方法,能够自动去除歧义角点;定位精度高,摄像机标定实验中,角点的平均位置偏差在0.1个像素左右.     

一个稳健的用于HDR图像的相机响应函数标定算法

在Mitsunaga和Nayar给出的多项式模型的基础上,增加了图像亮度为0映射到场景亮度也为0的限制条件,并改进了迭代结束条件,所得到的新的标定算法可以使用多张不同曝光度的图像来标定相机响应函数,不同曝光度可以通过改变相机的光圈大小和曝光时间长短来得到.文中所述算法可以自动估计并最后求得精确的曝光度比,省略了原有算法需要输入曝光度比估计值的步骤.算法得到了相机响应函数后,可用多张不同曝光度的图像合成高动态范围的图像.和原有算法相比,此算法的稳健性得到了很大提高,实验表明它对所选的所有输入图像都能收敛,并且得到最优解.     

HJ1B星CCD相机内方位元素的在轨标定方法

为了获得内方位元素的在轨值,提高遥感影像的定位精度,利用线阵推扫传感器构象模型,提出了一种对HJ1B\|CCD相机内方位元素进行在轨标定的方法。首先,选取地面控制点,建立地面控制点和相应像点的共线方程组;其次,建立误差方程,估算未知参数的初值;最后,利用狭义岭估计的方法解算误差方程,获得内方位元素和外方位元素值。实验证明,用该方法对HJ1B\|CCD相机内方位元素进行在轨标定,具有较高的稳定性和精度。     

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。     

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。     

一种简易的摄像机标定方法

以简化以往的摄像机标定技术为研究目的,分析了标定算法对于前期图像处理的要求,给出了基于MATLAB的简易摄像机标定方法。该方法借助于常用软件完成了以往摄像机的标定算法中的大量前期图像处理工作,大大降低了编程难度,减少了工作量。实验结果表明,该方法具有很高的标定精度,可以满足增强现实和其他计算机视觉系统的需要。     

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.