PnP问题的线性求解算法

经典的PnP(3(n(5)问题从本质上来说是非线性的,不但具有多解性而且对图像点的位置误差极为敏感.经典PnP问题仅涉及一幅图像,针对机器人导航中的实际需求,将PnP问题扩展到了摄像机作平移运动下的两幅图像的情况,并研究探讨了在这种情况下PnP问题的线性求解方法,主要结果有:给定平移运动下n个控制点的两幅图像,(1) 当n＝3时,可线性求解摄像机的方位以及摄像机内参数的两个尺度因子;(2) 当n4时,不仅可以线性求解摄像机的方位,而且能够确定摄像机的所有内参数.也就是说,给定平移视点下的两幅控制点图像,可以线性求解摄像机未标定的PnP问题.结果具有一定的理论意义和应用价值.     

一种基于Kruppa方程的分步自标定方法

针对摄像机自标定中Kruppa方程求解的非线性优化问题和标定结果的欠鲁棒性,提出一种基于Kruppa方程的分步自标定方法。根据两图像匹配的特征点对采用8点算法求解相应的基本矩阵,其中待匹配图像选用摄像机对同一场景在不同焦距下拍摄的两帧图片,对图片的特征匹配点建立约束关系,采用最小二乘法求出摄像机的主点坐标,然后利用遗传算法优化Kruppa方程的比例因子,最后通过优化后的比例因子完成摄像机的标定。实验表明,该方法可提高标定精度,并通过对特征点坐标加入高斯噪声,验证了算法的鲁棒性。     

基于遗传算法的摄像机自标定方法

摄像机标定是计算机视觉领域的关键技术，其中的自标定是只根据图像计算摄像机的内参数，其标定过程简单，适用性强。由于传统的用于摄像机自标定的Kruppa方程不仅需要计算基础矩阵，还要计算图像的极点，而图像的极点又不是固定不变的，且会导致计算结果的不稳定，为此，针对传统摄像机自标定方法的上述不足，利用遗传算法完成了Hartley新的Kruppa方程的摄像机自标定过程，以便将这个过程完全转化为通过代价函数最小化来求得摄像机的内参数，这就排除了极点的不稳定因素。实验结果表明，该方法是简单、有效的，可以作为一种通用的标定工具。     

基于两条平行线段的摄像机标定

提出了一种基于空间平行线段的摄像机标定算法和理论. 1)当两条平行线段的比值已知时: a)该平行线段的$n$幅图像可提供关于摄像机内参数的2(n-1)个二次约束方程; b)如果图像极点同时也是已知的,则该平行线段的n幅图像可提供关于摄像机内参数的5n-6个约束方程,其中3(n-1)个为二次约束,n-2个为三次约束,n-1个为四次约束. 2)当两条平行线段的比值未知时,则该平行线段的n幅图像可提供关于摄像机内参数的2n-3个约束方程,其中n-2个为四次约束, n-1个为六次约束.在理论分析的基础上,本文给出了摄像机标定的具体算法.模拟实验和真实图像实验均证明了本文方法的可行性.另外,鉴于在很多真实场景中均存在平行线段,因此本文所得到的结果不仅具有理论意义而且也有一定的实用价值.     

面向运动过程建模的运动模糊图像摄像机响应函数估计方法

摄像机响应函数是将图像辐照度映射到图像强度的非线性函数,目前的运动模糊去除算法并没有考虑成像过程中摄像机响应函数的影响,不可避免地存在去模糊效果不佳的现象.通过研究运动模糊图像的摄像机响应函数估计问题,提出能量累积形成模糊的运动过程和摄像机响应函数相结合的摄像机响应函数求解模型,并进一步基于该运动过程模型提出一幅或多幅运动模糊图像的摄像机响应函数求解方法.首先选择一些与局部运动方向不平行的模糊边界,然后根据这些边界的模糊形成过程简化摄像机响应函数求解模型,实现摄像机响应函数求解.该方法没有苛刻的平行边界要求,较已有方法更加灵活.摄像机响应函数的求解实验及运动模糊图像去模糊实验结果表明,文中的求解摄像机响应函数模型和方法是准确的,利用该响应函数可提高对运动模糊的去除效果.     

五自由度立体视觉平台中摄像机的标定

文章从立体视觉与机器人控制集成的角度出发,建立了一个主动立体视觉跟踪和定位系统,用于柔性装配线中装配零件的运动跟踪和装配工位的精确定位。该系统采用基于平面正方形的摄像机标定方法,该方法要求摄像机在三个(或三个以上)不同的位置摄取一个标准的正方形的图像,经过图像处理找到正方形的四个顶点在图像上的坐标,通过计算就可以线性求解摄像机全部内外参数。该方法简单易懂,非常适合于摄像机内外参数频繁标定的场合,计算速度快、所需设备简单、实用性好。文章的最后,给出了使用文中提出方法进行标定的实验结果,说明了该方法的有效性。     

基于主动视觉的摄像机自标定方法

摄像机标定是计算机视觉的一项基本任务．目前基于 主动视觉的摄像机内参数自标定方法可分为两类：第一类方法是通过摄像机在三维空间内作 两组平移运动,来求解摄像机内参数．第二类是由Basu, Du, 和Hartley等人提出的通过摄 像机旋转,求解摄像机内参数方法．后者在实际应用中存在严重不足,由于它要求摄像机只 绕光源中心旋转,不能有任何平移,而在工程实践中摄像机光源中心难以测定,其旋转也难 以保证无任何平移,因此难以实用．本文提出的摄像机标定方法属于前一类方法．与以往方 法相比,它不要求摄像机作多组相互正交的平移运动,只要能准确测定出摄像机相对于初始 位置三次线性独立平移运动的平移矢量,即可线性求解出摄像机内参数．理论证明,解存在 且唯一．数值模拟表明该方法具有较强的鲁棒性,最后给出了采用真实图像的实验结果．     

基于单个正方形的摄像机自标定算法

提出一种基于带对角线正方形作为平面标定模板的自标定算法机理,只需摄像机作三次运动参数未知的自由运动并摄取正方形模板在不同方位的三幅图像,即可线性求解摄像机的内外参数.实验表明,该算法能够较准确的标定出摄像机内参数,具有较高的鲁棒性.     

由矩形确定摄像机内参数与位置的线性方法

提出了一种求解摄像机内参数及确定摄像机位置的线性方法.首先通过空间平面上两个非平行矩形的图像来计算圆环点的图像,进而由圆环点对摄像机内参数的约束方程标定摄像机内参数,并给出了此约束方程具有惟一解的充要条件.摄像机方位是通过计算图像与空间平面间的单应矩阵来确定的.另外,还给出了在相差一个比例因子的情况下,由拉盖尔定理恢复矩形欧氏度量信息的线性方法.该方法的特点在于,无须知道矩形的任何几何信息,也不涉及图像匹配问题,而且所有计算方法均是线性的.大量的模拟和真实图像实验结果表明,所给出的方法具有求解精度高、鲁棒性强的优点.     

一种新的基于圆环点的摄像机自标定方法

提出了一种基于圆环点的新的摄像机自标定方法.该方法仅要求摄像机在3个(或3个以上)不同方位摄取一个含有若干条直径的圆的图像,即可线性求解全部摄像机内参数.该方法原理简单,完全摆脱了匹配问题,也无须知道任何物理度量.整个定标过程不需要人的干预,可以自动进行,非常适合非视觉专业人员使用.模拟和真实图像实验表明,该方法精确度较高,鲁棒性较强,有一定的实用性.