超大尺度线结构光传感器现场标定技术

针对大尺寸三维物体的测量需求,提出了一种超大尺度的线结构光传感器标定方法。使用平面靶标标定出摄像机内参数的初值,以相邻两控制点之间的距离为约束用LM优化算法对初值进行优化;采用准一维靶标进行结构光参数标定,提出了一种利用两行标记点求解控制点三维坐标的方法,该方法基于消隐点性质以及各控制点与标记点之间的几何约束。实验结果表明,所提出的标定方法和控制点三维坐标求解方法具有较高的精度和稳定性,且准一维靶标较平面靶标加工成本低、加工难度小、标定过程灵活方便,更适用于大尺度现场标定。     

光笔式单摄像机三维坐标视觉测量系统建模

提出了一种光笔式单摄像机三维坐标视觉测量系统,其主要由光笔、摄像机和笔记本电脑组成.测量时,使笔尖测头接触被测物体表面,摄像机摄取笔体上3个发光二极管的像,由3个发光二极管的像面坐标就可计算出被测点的三维坐标.运用三点透视问题(P3P)原理建立了系统的数学模型,并用摄像机模型中的坐标变换原理证明了该模型解的唯一性,推导出了被测点坐标的求解公式.在三坐标测量机上做了对比实验,结果表明,该系统达到了大尺寸现场测量要求的精度.     

一种基于双目视觉原理的距离测量系统的设计

主要研究一种基于双目立体视觉原理测量图像中物体距离的算法,要实现的目标是采用双摄像头从不同视点拍摄目标物体,投影得到两幅双目图像,用图像处理的方法先提取出需要的信息,进行特征识别,然后利用同一目标在不同投影图像上的成像差异进行立体匹配,并通过视觉算法计算被测物体的距离。由于测量的距离远大于摄像机之间的基线距离,所以传统意义上的双目测距系统近似认为两个摄像机的光轴是平行,但是实际上两光轴是必然相交的,所以文章结合实际,考虑两光轴相交,以达到提高距离测量精确度的目的,系统的主要流程包括图像获取、摄像机标定、角点检测、特征识别、立体匹配、距离计算等几个方面。     

利用光流估计三维运动参数的线性算法

三维空间中物体运动参数可以用二维平面光流及图象平面上投影坐标求得。当物体表面结构小于物体与投影图象平面之间的距离时,算法是线性的。     

激光跟踪测距三维坐标视觉测量系统建模

提出了一种激光跟踪测距视觉坐标测量系统,主要由摄像机、激光测距仪、计算机和光笔组成.测量时摄像机测量光笔上各光反射点的方向,激光测距仪跟踪捕捉并测量出某一光反射点到激光测距仪的距离,由测得的方向和距离计算出光笔笔尖接触点的三维坐标.根据n点透视问题(PnP)原理建立了系统的数学模型,激光测距仪测得的距离参数的引入,使得该数学模型可以线性求解,而且解具有唯一性.依据冗余技术给出了被测点三维坐标的求解方程组及其解法.和单摄像机视觉坐标测量系统的比对实验结果表明:在Z、Y和X轴方向上的测量稳定性精度可分别提高0.366、0.031和0.011 mm.     

小视场环境下的摄像机标定

摄像机标定旨在建立三维世界坐标与二维图像坐标之间的映射关系。传统标定板为数十个整齐排列的标准圆或网格,通过提取圆心坐标或网格角点坐标进行标定。在微小物体测量系统中,摄像机视场较小,无法从传统标定板提取足够多点坐标信息。针对这一问题,提出一种基于二次曲线与直线的混合标定方法。该方法抛弃了利用点对点关系的标定方法,转而利用二次曲线方程及直线方程在两种坐标系下相对应的关系进行标定,使摄像机即使是在非常小的范围内仍然能够提取足够的信息进行标定。仿真与实验证明,相对于基于点的标定方法,混合标定方法精度高,具有更好的稳健性。另外,标定模板为一个标准的半圆,制作简单,方便应用到小视场的环境中。     

基于人工神经网的激光三维扫描技术研究

在激光三维测量技术中 ,用摄像机对物体和物体在平面反射镜中的虚像成像 ,用人工神经网技术实现图像坐标系到世界坐标系的映射 ,无须测定摄像机和激光平面之间的相对位置关系 ,自动修正镜头的几何畸变 ,由单视点序列影像就可获得被测物体表面的三维坐标。结论 :盲区小、方法简单 ,变换关系清晰 ,能获得高质量的测量结果。     

三维重构的参数估计

三维重建主要包括特征点配准和摄像机标定。本文采用灰度相关法和RANSAC法剔除误配准点求得基本矩阵,以及利用摄像机自标定得到的内参数矩阵求出本质矩阵,最后采用SFM重建算法求得空间点坐标。实验结果表明,配准算法对于轮廓较为明显,景深较大的物体效果更好,并可以计算出物体的三维空间点坐标。     

一种基于平面标靶的线结构光视觉传感器标定方法

提出了一种适合于现场的线结构光视觉传感器标定 方法。建立了标定的数学模型,设计了一种平面点阵标靶,提出了坐标映射方法。根据结构 光条纹特征点的图像坐标和对应在标靶坐标系下的坐标,以及 相机内参,计算出标靶坐标系到摄像机坐标系的转移矩阵,再由转移矩阵得到特征点在摄像 机坐标系下的 坐标;在视场范围内,平面标靶按不同位姿摆放多次,获取投射在标靶上的所有特征点,对 这些特征点进 行平面拟合,得到结构光平面在摄像机坐标系下的方程。对标定的精度进行了验证,实验表 明,本文方法标定 过程简单,精度较高,适合于结构光传感器的现场标定。     

基于编码结构光的大型曲面三维测量

介绍了采用结构光彩色编码技术实现大型曲面测量的一种新方法.将由RGB三原色及其补色组成的彩色条纹进行组合,生成编码图案,并由投影仪投射到被测物体上.通过对摄像机拍摄的图像进行解码,获得物体的三维坐标.利用被测物体上的标志特征点,对物体进行分块测量.结合边缘检测及圆心检测确定分割线,对物体三维坐标进行分割、组合,实现了对大型曲面的三维测量.     

基于靶标的三目视觉3维坐标测量系统

为了解决复杂环境中大视场、高精度、非接触3维测量问题,采用三目摄像机结构,通过靶标成像来测量被测点3维坐标的测量系统。测量时摄像机采集测量靶标的图像,计算机通过图像处理的方法获取测量靶标上标志点的3维坐标,并提出基于被测点与标志点间距离方程与直线约束的被测点求解优化方法。测量系统通过高精度光栅位移平台带动测量靶标移动来完成测试。结果表明,测量系统在视场范围、测量精度、使用灵活性等方面有较大的改进,能够测量视场深度从2m~5m范围内的视场,测量精度优于0.2mm。     

Monocular camera and 3D lidar joint calibration

Joint calibration of sensors is an important prerequisite in intelligent driving scene retrieval and recognition. A simple and efficient solution is proposed for solving the problem of automatic joint calibration registration between the monocular camera and the 16-line lidar. The study is divided into two parts: single-sensor independent calibration and multi-sensor joint registration, in which the selected objective world is used. The system associates the lidar coordinates with the camera coordinates. The lidar and the camera are used to obtain the normal vectors of the calibration plate and the point cloud data representing the calibration plate by the appropriate algorithm. Iterated closest points (ICP) is the method used for the iterative refinement of the registration.     

基于双一维靶标的摄像机标定方法

针对大视场摄像机的标定,提出一种基于双一维靶标的摄像机标定方法。两个一维靶标任意放置在摄像机视场内,摄像机从多角度拍摄靶标图像;利用一维靶标特征点共线的特性进行图像畸变校正;计算两个一维靶标所在空间直线在图像中的消影点,得到在空间中的夹角关于摄像机内参数矩阵的表达式,利用其所成角度恒定这一约束求解摄像机内部参数;采用非线性优化方法,求解摄像机内、外参数在最大似然准则下的最优解。仿真试验结果表明,当噪声水平小于0.5 pixel时,摄像机内部参数的相对误差均小于0.3%。实物试验结果表明,视场范围为1 200 mm×800 mm时,该方法的标定精度优于0.1 mm。     

Camera calibration using symmetric objects.

This paper proposes a novel method for camera calibration using images of a mirror symmetric object. Assuming unit aspect ratio and zero skew, we show that interimage homographies can be expressed as a function of only the principal point. By minimizing symmetric transfer errors, we thus obtain an accurate solution for the camera parameters. We also extend our approach to a calibration technique using images of a 1-D object with a fixed pivoting point. Unlike existing methods that rely on orthogonality or pole-polar relationship, our approach utilizes new inter-image constraints and does not require knowledge of the 3-D coordinates of feature points. To demonstrate the effectiveness of the approach, we present results for both synthetic and real images.     

一种基于飞行时间相机的点云目标提取方法

基于飞行时间(Time of Flight,TOF)原理的深度相机成像方法不同于二维图像来计算三维信息,而是通过光在空气中的飞行时间,来计算出目标的距离,从而直接获取场景目标的三维点云信息。本文通过研究基于飞行时间红外相机的三维重建技术,设计了一种基于飞行时间红外相机的点云目标提取方法。利用飞行时间相机直接获得场景的三维点云数据,提出一种双阈值空间滤波算法,对点云数据进行空间滤波,并对滤波效果进行了对比评价。在双阈值空间滤波算法的基础上提出了一种改进的基于法向量的随机抽样一致性(RANSAC)算法,实现了对三维点云数据的目标提取,为基于飞行时间相机的场景目标三维重建奠定了基础。     

采用复合式靶标的近景大视场相机标定方法

针对风洞内视觉测量视场较大,测量物体较近以及图像畸变过大等导致的标定精度低,标定物成本高等问题,提出了一种基于复合式靶标分区域分约束近景大视场相机标定方法。该方法利用一维标定架与二维标定平面构造的复合式靶标充满测量视场将测量视场划分区域,针对不同参照物信息采用分约束的方式完成整个视场的分区域准确标定,重建时针对感兴趣特征所处图像不同区域选取不同像机内外参数与畸变系数进行3D重建,完成基于复合式靶标的三维信息求取。最后,针对所提出的标定方法进行了标定精度对比以及验证实验。实验结果表明:内区域标定均方根误差为0.165,外区域标定均方根误差为0.276,标定精度高,满足了测量精度要求。     

Planar mirrors for image-based robot localization and 3-D reconstruction

Planar catadioptric vision sensors consist of a pinhole camera observing a scene being reflected on two (or more) planar mirrors. These systems have recently received an increasing attention because, unlike stereo cameras, can capture two views of the same scene without the need of hardware multi-camera synchronization and calibration. In this paper we explore the original scenario in which a robot manipulator, equipped with a pinhole camera on its end-effector, observes an unknown 3-D scene both directly and reflected through multiple mirrors. We present new multiple-view properties for this scenario and, based on these theoretical results, we present new image-based camera localization and new 3-D scene reconstruction algorithms. Extensive simulation and real-data experiments illustrate the theory and show the effectiveness of the proposed designs.     

DEM和单相机的弹落点坐标测量方法

针对大视场远距离复杂地形条件下的弹落点坐标测量,提出一种结合数字高程模型（Digital Elevation Model,DEM）的单目视觉测量方法。该方法不依赖目标或场景信息,只需单幅弹落点图像,即可快速解算出弹落点的三维坐标。首先,利用图像二维信息求解出相机与弹落点相连的空间直线;然后,根据相机与靶心的相对位置确定直线上的搜索起点和搜索步距,将直线上的搜索点与数字高程地图进行匹配;最终求解出弹落点的三维坐标。现场试验结果表明:相机距监测区域大于500 m,监测区域视场宽度为300 m时,相对定位误差优于0.3%。该方法结构简单、成本低、运算速度快,适用于复杂地形条件下的弹落点坐标测量。     

一种基于线性迭代自定标方法

提出了一种新的利用线性迭代算法来实现摄像机的自定标方法,该方法不需要景物中的任何先验知识,只需要通过线性迭代就可以实现摄像机的自定标.本文所提出的方法分为两步:第一步假设s=0、主点坐标位于坐标原点,求到绝对二次曲面在射影空间中的像,得到摄像机的内参数;第二步,利用第一步得到的摄像机的内参数,通过图像的坐标变换,使图像符合第一步假设的摄像机所获取的图像,再返回到第一步.模拟实验和真实实验数据结果表明,该定标方法运算量小、鲁棒性好、收敛性好等优点.