基于Matlab的摄像机标定系统的设计与实现

考虑二阶径向畸变和切向畸变建立摄像机的非线性模型,在两步法的基础上,实现了单个摄像机标定和两摄像机间的立体标定,并在Matlab环境下进行编程实现,给出了标定系统的具体实现方法和流程。该系统使用方便、速度快、成本低,具有较高的标定精度。     

基于OpenCV的双目视觉标定程序的开发

分析了基于2D标靶的摄像机标定算法原理以及双目立体视觉系统摄像机的标定方法,给出了基于开源视觉库OpenCV的摄像机标定算法的详细处理流程,实现了一个完整的摄像机标定程序,可移植到嵌入式系统中.     

基于平面方程的轮对在线检测标定系统设计

在基于光截图像的轮对在线检测系统中,由于现场安装环境的限制,使得摄像机拍摄得到的轮对轮廓曲线畸变严重,所以摄像机的标定方法与精度直接影响到轮对参数测量结果.结合测量现场实际情况,分析设计了整套标定系统,并提出了基于平面方程系数的摄像机标定算法,实现了摄像机参数的标定工作.经验证:该标定系统的标定精度在0.1mm以内,满足轮对在线检测对标定精度的要求.     

基于OpenCV改进的摄像机标定法

针对计算机视觉领域的摄像机标定问题,考虑到畸变对标定精度的影响,介绍了开放计算机视觉函数库OpenCV和摄像机模型,给出了基于OpenCV的摄像机标定算法;该算法充分运用了OpenCV的函数库功能,具有很高的标定精度和计算效率,可以满足立体视觉系统的需要.     

基于HEIV模型的摄像机一维标定

多摄像机系统广泛应用于文化创意产业,其高精度标定是迫切需要解决的一个关键问题. 新近出现的摄像机一维标定方法能够克服标定物自身遮挡,特别适合标定多摄像机系统. 然而,现有的摄像机一维标定研究主要集中在降低一维标定物的运动约束,而标定精度较低的问题未受到应有的关注. 本文提出一种基于变量含异质噪声 （Heteroscedastic error-in-variables,HEIV）模型的高精度摄像机一维标定方法. 首先,推导出摄像机一维标定的计算模型;其次,利用该计算模型详细分析了一维标定中的噪声,得出摄像机一维标定可以视为一个HEIV问题的结论;最后给出了基于HEIV模型的摄像机一维标定算法. 与现有的算法相比,该方法可以显著改善一维标定的精度,并且受初始值影响小,收敛速度快. 实验结果验证了该方法的正确性和可行性.     

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。     

双目CCD测距系统的高精度标定

为实现高精度的远距离被动测距,提出一种摄像机内、外参数以及双目CCD测距系统的标定方法.基于双目测距模型设计双目测距系统的机械结构,进行左右摄像机的单目标定,利用主点标定方法求出主点坐标,使用两步法线性求解摄像机的焦距、一阶径向畸变系数、旋转矩阵和平移向量,从而对高精度双目测距系统完成基线长、两摄像机光轴夹角和两像面相对位置的系统标定.实验结果表明,摄像机标定精度为0.582 6像素,双目测距系统的标定精度为0.208 mm,取得了较为理想的结果,此外,在300 m以内的目标实际测量精度高于0.28％,满足高精度双目测距的精度要求.     

基于OpenCV的摄像机标定

以增强现实系统中摄像机标定技术为研究对象,分析了开放计算机视觉函数库OpenCV中的摄像机模型,特别充分考虑了透镜的径向畸变和切向畸变影响及求解方法,给出了基于OpenCV的摄像机标定算法.该算法充分发挥了OpenCV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,可以满足增强现实和其它计算机视觉系统的需要.     

基于OpenCV的改进两步法摄像机标定

采用改进两步法实现了摄像机的标定,并给出基于OpenCV算法,充分发挥了OpenCV的函数库功能。对两步标定法的改进是在原两步法得到摄像机参数值的基础上,用非线性优化算法对所有参数进一步优化,得到最终参数值,既提高了摄像机标定精度和计算效率,又无需对摄像机像面中心预标定,简化了标定过程。     

图像中心点预标定方法研究与应用

在应用视觉测量系统中,视觉传感器即CCD摄像机的标定是必要的步骤。目前大部分标定算法都需要事先给出图像中心点,文中讨论该参数的求取方法。介绍了目前几种常用的图像中心的标定方法,有重点地介绍了各种方法的原理和实现流程,对其实现原理的复杂性、实验仪器的精密性、操作方法的难易度进行了综合比较,最后给出相应的实验结果及其结论。对各种视觉测量系统及摄像机标定精度要求不同的场合,可以根据其实验条件及要求选取最合适的方法进行图像中心点的求取。     

直线运动摄像机在线动态标定

为实现AS-R智能机器人在运动情况下摄像机在线动态标定,提出一种新的基于粒子滤波的直线运动摄像机标定方法。用状态空间方法描述直线运动摄像机模型,把摄像机内参数和位置运动参数作为状态量,特征点图像坐标作为观测量,根据粒子滤波算法求得摄像机内参数和位置运动参数的最优估计,并用双线程实现整个标定过程。AS-R机器人在直线运动情况下的摄像机在线动态标定实验结果表明：该算法是合理可行的,并且具有很高的标定精度和良好的鲁棒性。该方法适用于各种类型的系统噪声。     

摄像机标定方法简述

文章首先介绍了摄像机标定的基本原理以及对摄像机标定方法的分类.通过对最优化标定法、双平面标定法、两步法等传统摄像机方法的具体分析,给出了各种方法的优劣对比;同时对多种自标定方法的研究现状、发展情况以及存在问题进行了探讨.最后给出了发展传统摄像机标定方向、提高摄像机自标定精度的一些参考建议.     

图像中心点预标定方法研究与应用

在应用视觉测量系统中，视觉传感器即CCD摄像机的标定是必要的步骤。目前大部分标定算法都需要事先给出图像中心点，文中讨论该参数的求取方法。介绍了目前几种常用的图像中心的标定方法，有重点地介绍了各种方法的原理和实现流程，对其实现原理的复杂性、实验仪器的精密性、操作方法的难易度进行了综合比较，最后给出相应的实验结果及其结论。对各种视觉测量系统及摄像机标定精度要求不同的场合，可以根据其实验条件及要求选取最合适的方法进行图像中心点的求取。     

基于分块的二维视觉测量系统标定

为了满足高速动态拉伸试验机的的应变测量系统对于高精度的要求,研究了一种基于计算机视觉测量系统的标定技术。应用二次多项式曲面拟合技术,采用了一种基于分块的摄像机模型参数标定方法,不仅能够对摄像机的镜头的畸变进行校正,并且能够获得较高的测量精度。通过对试件的拉伸试验表明:采用基于分块的摄像机模型参数标定方法能取得较高的图像测量精度。     

单目摄像机标定方法的研究

摄像机标定是计算机视觉领域的一个研究热点,为了解决单目摄像机标定中的精度不高、模型复杂、鲁棒性差等问题,依据神经网络、遗传算法及摄像机标定的特点,提出了基于遗传算法和BP神经网络相结合的单目摄像机标定方法。该方法充分利用遗传算法的全局优化和神经网络的局部收敛的特点,一方面避免了建立复杂的摄像机成像模型,另一方面增强了摄像机标定的精度和鲁棒性。实验表明该方法有效。     

一种新的相位法三维轮廓测量系统模型及其标定方法研究

传统相位法三维轮廓测量系统, 对摄像机和投影装置位置关系要求严格, 难以精确校准, 系统的标定工作操作繁杂, 且精度不高. 针对这个问题, 将传统的相位法测量系统中的相位－高度转换关系推广到三维空间中, 建立新的相位法系统模型. 基于新的系统模型, 提出一种快速标定方法. 新系统对摄像机和投影装置并无任何严格的平行、垂直或相交的要求, 在标定过程中, 对标定面的位置也没有严格的要求. 实验表明, 系统结构易于实现, 标定方法简单有效, 提高了系统标定的可操作性以及标定速度, 系统标定时间在2分钟以内, 系统的测量精度较传统方法有较大提高.     

考虑径向畸变的机器人视觉系统的参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。用GRB系统的Matrox图像采集卡采集标定点坐标,利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明,该方法有较高的标定精度。     

基于射影变换几何不变性的圆心像坐标的求取

在摄像机标定过程中,经常以圆（成像后为椭圆）作为标志,并以其中心——圆心作为标定点,圆心像坐标的求取是实现标定的关键所在。本文基于透视投影变换的理论,给出一种求圆心像坐标的方法,并对该方法的精度和稳定性给出一种验证模型,通过具体实验表明该方法具有较高的精度和稳定性。     

基于粒子群遗传算法的BP神经网络摄像机标定

摄像机标定是从二维图像提取三维空间信息的关键步骤,标定的精度直接关系到三维重构结果的逼真程度。为了有效解决传统摄像机标定算法中的多参数、计算费时费力等问题,提高摄像机标定的精度和速度,将粒子群遗传算法（particle swarm optimization genetic algorithm,PSO-GA）应用于摄像机标定中。对参数进行粒子群算法优化后,再使用遗传算法中的选择、交叉和变异等操作进行参数优化,以实现粒子群算法与遗传算法的融合。结合后的算法全局搜索能力较强,收敛速度更快,优化能力与鲁棒性得以提高。同时,基于神经网络的摄像机标定方法所能覆盖的标定空间十分有限,提出了一种采用粒子群遗传算法优化BP神经网络的摄像机标定方法,以解决传统摄像机标定方法难以解决的问题。实验数据表明,基于粒子群遗传算法的BP神经网络标定是一种可行的方法,标定精度高,收敛速度快,泛化能力强。     

传统相机标定方式的自动标定方法

摄像机标定技术是从二维平面图像中获得三维信息的关键步骤,摄像机的标定精度对保证系统测量精度有着至关重要的作用。提出了一种基于传统相机标定方式的自动标定方法。采用带有区域标记点的改进标定模板获取标定图像序列。利用边缘检测技术,确定特征点检测区域。根据摄像机透视投影模型,对摄相机进行线性标定,再进行非线性修正,得出摄像机各参数。实验结果表明,改进的标定方法具有更快的检测速度,稳定性好,鲁棒性高,使传统相机标定过程实现了自动化。