共查询到18条相似文献,搜索用时 46 毫秒
1.
摄像机标定是精密测量的基础,传统的双目标定需要建立复杂的数学模型。人工神经网络可以有效地处理非线性映射问题,它可以很好地描述双目视觉中三维空间特征点坐标和二个摄像机对应点间的非线性关系。本文介绍一种RBF神经网络,并对RBF网络与BP网络的标定结果进行比较。实验结果表明:基于RBF神经网络的双目视觉标定方法能获得较高的标定精度。 相似文献
2.
3.
双目视觉摄像机神经网络标定方法 总被引:9,自引:0,他引:9
摄像机标定是精密视觉测量的基础。为了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,传统的标定方法需要建立复杂的数学模型。而神经网络可以有效地处理非线性映射问题,笔者介绍了一种BP(ErrorBackPropagation)神经网络,并且为了提高网络的学习能力引入了动态因子。用相同的参考数据,将神经网络标定方法与线性标定方法比较,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。 相似文献
4.
5.
用“消隐点”法标定线结构光三维视觉传感器 总被引:3,自引:1,他引:3
提出了一种以线结构光为基础的三维视觉传感器,并根据所建立的数学模型,结合传感器的实际使用情况,提出用“消隐点”法对该传感器结构参数进行标定,该标定方法装置简单,速度快,在保证精度的同时简化标定的过程实验证明“消隐点”法是一种高效,实用的视觉传感器标定方法。 相似文献
6.
单幅圆柱体图像由于所包含的立体信息较少,传统的方法很难实现摄像机标定.根据透视投影理论中灭点的几何性质,计算出相机的内、外参数,以此实现相机标定.实验表明,此法易于操作,结果令人满意. 相似文献
7.
8.
9.
基于LS-SVM的立体视觉摄像机标定 总被引:2,自引:1,他引:1
利用最小二乘支持向量机来直接学习图像信息与三维信息之间的关系,不需确定摄像机具体的内部参数和外部参数.在双目视觉的情况下,两摄像机的位置关系不需具体求出,而是隐含在映射关系中.根据最小二乘支持向量机与摄像机标定的特点,提出了基于最小二乘支持向量机的双目立体摄像机标定方法.将摄像头采集到的图像的像素坐标作为输入,将世界坐标作为输出,用最小二乘支持向量机使网络实现给定的输入输出映射关系.该方法同BP神经网络预测结果对比表明:基于最小二乘支持向量机的双目视觉标定方法速度快,实时性好,能有效提高标定精度. 相似文献
10.
11.
CCD摄象机参数标定新技术 总被引:13,自引:0,他引:13
提出了一种新的高精度的摄象机光学参数及几何参数的标定方法,利用透视变换理论建立了摄象机数学模型,首先用牛顿-高斯非线性搜索方法求解摄象机畸变纱数和一个中间矩阵,然后从中间矩阵中分离出其它模型参数. 相似文献
12.
13.
3D测量系统中的高精度摄像机标定算法 总被引:4,自引:0,他引:4
本文在分析完整的摄像机镜头畸变模型的基础上,提出了一种新的标定算法.该算法包括三个步骤,首先在不考虑镜头畸变的情况下利用标定块上的中间若干个点,采用线性优化方法求出除畸变系数以外的其他外部参数和主要的内部参数;然后固定上述已求得的参数,利用线性优化方法求解畸变系数;最后对所有内部参数和外部参数进行全局非线性优化.最后对本文的标定算法进行了标定实验,实验结果表明,本文算法的标定精度可以达到0.0367 mm,可以满足高精度三维测量及其他应用的要求. 相似文献
14.
15.
目的在视觉测量领域,摄像机的标定精度是最终测量精确度的决定性因素,为了提高标定板特征的提取精度,提出一种基于亚像素边缘的提取方法。方法针对圆点标定板,首先采集标定板图像,对图像进行处理,获取像素级别边缘,然后以边缘像素点为中心,取3×3的数字窗口计算梯度方向,在梯度方向上进行像素点灰度的双曲正切拟合,获取亚像素级别边缘,最后对亚像素边缘按照圆形进行拟合,求得圆心坐标。结果实验表明算法的分辨率达到0.03个像素,精度可达0.1个像素。结论该算法具有稳定可靠,精度高,运算速度快等特点,能够应用于图像拼接和分割,特征提取和摄像机标定等领域。 相似文献
16.
17.