基于基本矩阵的相机畸变差校正方法研究

在计算机视觉的应用领域中,为了提高图像量测和三维重建的精度,必须对相机的畸变误差进行修正.本文提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正.实验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果.     

一种基于基本矩阵的相机畸变差自动校正方法

在计算机视觉的应用领域中,为了提高图像量测和3维重建的精度,必须对相机的畸变误差进行修正。为此提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正。试验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果。     

基于直线投影特征的镜头畸变校正方法

针对摄像机镜头畸变校正方法的简便和快速问题,设计了基于直线投影特征的校正方法。介绍了镜头主要畸变产生原因和畸变模型;给出直线三点在理想投影下的关系,确定了适应度函数,利用遗传算法得到了畸变参数组最优解。基于matlab软件编写校正程序,并进行了实验验证。实验表明,利用畸变参数组的最优解能够实现图像畸变校正,效果较好。该标定方法只需场景内有直线存在即可实现对摄像机镜头畸变参数校正,方法所需实验条件简单,程序简便,便于现场快速校正。     

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度     

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光测量系统的相机标定的精度对三维测量的精度有很大影响;首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

双线阵CCD相机的畸变校正和标定方法

在双线阵CCD的三维重建中,对线阵CCD相机的标定和镜头畸变校正是基础环节。提出了一种用于三维重建中的双线阵CCD标定及镜头畸变校正方法。根据左右相机间的单应性关系,以及线阵CCD的成像原理,将双目相机间的空间关系分解成姿态角与错切角的关系。通过靶图数据的拟合,对姿态角和镜头畸变进行校正,根据求出的错切角完成相机间的标定,实现对具有镜头畸变的双线阵CCD的标定。实验结果表明,标定和校正精度满足后续三维重建中图像匹配的需求。     

一种基于斜率和摄像机畸变校正方法

普通CCD摄像机在成像时都存在畸变成像误差，在机器人视觉检测及自动装配中，有效地进行误差校正对准确确定物体的位置具有重要的意义。本文采用带有一阶径向畸变的小孔摄像机模型，提出一种基于线段斜率的方法，对摄像机镜头的径向畸变进行校正，不必标定太多的摄像机的外参数、方法简洁，适合于视觉系统中对摄像机畸变的实时校正，或对摄像机捕获的图像进行几何校正。实验表明，具有很强的鲁棒性和较高的校正精度。     

图像几何畸变校正方法

在机器视觉检测中大视场短焦距摄像机镜头一般都存在一定程度的光学畸变,在高精度测量中必须对摄像机镜头畸变进行校正。提出利用光学成像规律和镜头畸变校正模型相结合的畸变校正方法求出初始畸变系数,然后通过优化目标函数求出最优畸变系数,最后采用三次B样条插值对畸变图像进行灰度重建。实验结果表明该方法在不依赖摄像机内部参数的前提下,校正后径向均方根误差为0.45个像素,灰度重建后径向均方根误差为0.36个像素。     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

智能玩具赛车赛道图像的畸变校正问题研究

本次图像畸变研究主要针对智能玩具赛车的赛道图像。赛道图像信息由智能玩具赛车采集,采集到的图像呈现出近宽远窄的梯形畸变。针对此梯形畸变,首先采用几种不同的边缘检测算子对图像进行边缘检测及轮廓提取,再使用连接点法对处理后的图片进行畸变校正,然后针对现有方法中出现的问题提出调整改进。最后通过MATLAB仿真实验仿真分析,该方法能够有效地实现赛道的畸变校正,为后续对赛道图像的进一步处理奠定了基础。     

基于矩形角点几何变换的畸变图像校正

在以数码相机等数字设备拍摄图像时,所拍摄的图像经常会产生各种各样的变形,这种变形可能会导致识别软件中的后续处理失败,从而使图像无法被识别。为了使普通的识别软件能够对数码相机等拍摄的图像进行识别,有必要对其进行校正。针对大部分畸变图像是倾斜变形和透视变形,采用类似倾斜变形图像的几何校正算法,分两步实现图像的校正。实验表明,该方法对于倾斜变形和透视变形有良好的校正效果,以便于后续的图像处理。     

Kinect传感器的彩色和深度相机标定

目的 针对现有的Kinect传感器中彩色相机和深度相机标定尤其是深度相机标定精度差、效率低的现状,本文在现有的基于彩色图像和视差图像标定算法的基础上,提出一种快速、精确的改进算法。方法 用张正友标定法标定彩色相机,用泰勒公式化简深度相机中用于修正视差值的空间偏移量以简化由视差与深度的几何关系构建的视差畸变模型,并以该模型完成Kinect传感器的标定。结果 通过拍摄固定于标定平板上的标定棋盘在不同姿态下的彩色图像和视差图像,完成Kinect传感器的标定,获得彩色相机和深度相机的畸变参数及两相机之间的旋转和平移矩阵,标定时间为116 s,得到彩色相机的重投影误差为0.33,深度相机的重投影误差为0.798。结论 实验结果表明,该改进方法在保证标定精度的前提下,优化了求解过程,有效提高了标定效率。     

Image-based lens geometric distortion correction using minimization of average bicoherence index

In this paper, a lens geometric distortion correction method for low-cost digital cameras is described. The lens distortion coefficient is estimated by the value minimizing average bicoherence index which denotes image-dependent higher-order correlations in the frequency domain. In order to formulate the minimization of the average bicoherence index in terms of the lens distortion coefficient alone, the feasibility of a square-pixel assumption and the effect of the image center bias on the image quality are shown experimentally. At the same time, a computationally efficient method for calculating the bicoherence index is proposed, which comprises an approximation of coordinate resampling and development of a relationship between the lens distortion coefficients of the original and its reduced image. Depending on the spatial distribution of image features, the performance of the proposed method can be made comparable to that of precision camera calibration.     

车位图像畸变的矫正与拼接研究

为了实现停车场空车位的快速检测和查询,提出一种车位图像畸变的矫正与拼接方法,将相邻摄像头拍摄的具有一定重叠区域的视频图像拼接为一幅能够全面描述停车场车位信息的大视场图像,从而为停车场空车位的快速检测做准备。由于停车场摄像头安装的视角偏移和透视效应,造成拍摄的图片存在纵向和横向畸变,为了直观地显示整个停车场各个车位的占用、空闲信息,同时也为了方便车辆管理,先将各个车位逐一矫正成同视角图片,然后再进行拼接,从而便于用户直接观察停车场中的空车位,也有利于需要自动检测车位时进一步进行图像处理。     

基于非线性样条插值的大广角相机畸变校正方法

针对现有的棋盘格检测方法只能检测规则的棋盘格的问题，改进了基于生长法的棋盘格检测和匹配部分,使其能够生长出非规则的棋盘格，以增加棋盘内角点数据。针对目前大广角相机广角方向及复杂镜片的畸变校正方法存在精确性问题，提出了使用薄板样条(thin-plate spline)和双简谐(biharmonic)插值算法来解决畸变的方法。该方法通过散乱的多个数据点进行控制，使其趋近数据点目标值，从而拟合出映射曲面达到去畸变的目的。实验结果证明了该方法的可行性和鲁棒性，提高了复杂畸变和广角相机畸变在广角方向上的校正精度。     

高分辨率遥感影像融合存在的问题及改进措施

影像融合技术作为富集和优化多源遥感影像信息的一种有效途径一直受到遥感界和图像处理领域的关注，并且已开发出多种融合方法。但是随着高分辨率遥感卫星的发展。当前一些融合方法对新型高分辨率遥感影像如IKONOS、Quick—Bird的融合效果欠佳，颜色差异是存在的主要问题。本文从高分辨率遥感影像光谱特征的分析入手找到颜色偏差的原因，同时给出了多种改进措施．然后分别利用传统的和改进的方法进行了融合试验，并对试验结果进行对比分析，以期找到对新型高分辨率遥感影像融合更加适用的方法。     

双摄像机模组的组合式标定和校正方法

提出了双摄像机模组的组合式标定和校正方法,能够将传统的标定和校正2道工序合并为1道工序,不需要借助于外部测量设备,仅利用双摄像机同时对目标模板拍摄的1幅图像,即可实现双摄像机模组的标定和校正。先基于交比不变性计算摄像机的径向畸变系数,将摄像机畸变成像模型转换为线性模型,利用线性模型分别对2个摄像机进行标定;然后计算2个摄像机之间的位姿偏移参数,调节右摄像机位姿,进行双摄像机之间的位姿校正;最后标定2个摄像机之间的位姿参数。实际应用结果表明,所提出的双摄像机模组校正和标定方法,校正和标定精度高,缩短了工艺时间,提高了工艺效率,能够满足双摄像机模组封装生产工艺的要求。     

应用经纬映射的鱼眼图像校正设计方法

为了消除鱼眼镜头带来的形变,该文提出了一种应用经纬映射的鱼眼图像校正设计方法,推导了消除变形的数学依据,总结出一种不需要任何标定数据,快速的纠正等角鱼眼变形的算法。使用经纬映射图像的校正方法,可以把扭曲的半球鱼眼图像投射为普通照片的四方形状,也即通过投射降低图像的扭曲程度,在视觉上基本达到实用要求。     

固定多摄像头的视觉拼接技术

视频拼接技术是计算机图形学和计算机视觉的重要分支,它的发展基于静态图像的拼接技术,但由于视频信息的复杂性,视频拼接也有区别于图像拼接,针对实际运用中的实时拼接的需要,本文提出了一种基于控制帧的固定摄像头视频拼接方法。首先采集控制帧图像,对摄像头进行参数标定获得相机内参和光心坐标,再使用一种改进的畸变矫正方法去除摄像头畸变带来的成像失真。然后对控制帧图像进行SIFT特征提取并进行粗匹配,再用RANSAC的方法剔除误匹配点并拟合出图像变换单应阵。最后使用查表法将各摄像头的图像同步投影到大场景图片上,对重合区域进行光亮补偿和多带融合。最终实现速度可达25帧/秒的实时视频拼接。     

基于改进CycleGAN的水下图像颜色校正与增强

针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性.