全景相机与PTZ相机联动监控系统及位置关联模型

为实现大范围监视和指定区域精细观测与分析,提出一种全景相机与PTZ相机组合的联合监控系统.通过分析两相机安装的各种位置关系,建立起了统一位置关联模型.利用所建立的位置关联模型可方便地对监视场景的目标位置从全景图像到PTZ相机图像转换,为实现场景目标的联合监控奠定基础.实验结果表明,利用该模型所计算的水平、俯仰坐标相对于其实际测量值的平均误差均小于云台相机的实际控制误差,满足系统的联动控制要求.     

鱼眼相机与PTZ相机相结合的主从目标监控系统

提出了一种将鱼眼相机和PTZ相机相结合的主从目标监控系统,充分利用鱼眼相机单镜头半球空间成像以及PTZ相机指向性高分辨率成像的优点,实现了单系统半球空间运动目标的高分辨率成像监控。首先采用运动点团模式实现鱼眼图像中运动目标的检测;然后在鱼眼图像空间计算目标的相对方位角P′、俯仰角T′和距离Z′;最后通过参数映射将其映射到PTZ图像空间,输出PTZ控制信号给相机进行指向性成像。PTZ图像空间中的P参数和T参数结合鱼眼镜头畸变系数进行校正计算,Z参数根据目标在鱼眼图像中的相对尺寸及PTZ图像中需要的尺寸进行计算。通过对PTZ参数的多次实验测量,其结果的误差均在系统要求范围之内。系统实际的户外测试结果表明,系统能准确检测出鱼眼图像中的运动目标,在PTZ参数的控制下,PTZ相机能准确指向目标进行二次高分辨率成像,目标在PTZ图像中的位置和大小合适,达到预期的设计目标。     

高速公路云台相机的自动标定

目的 云台相机因监控视野广、灵活度高,在高速公路监控系统中发挥出重要的作用,但因云台相机焦距与角度不定时地随监控需求变化,对利用云台相机的图像信息获取真实世界准确的物理信息造成一定困难,因此进行云台相机非现场自动标定方法的研究对高速公路监控系统的应用具有重要价值。方法 本文提出了一种基于消失点约束与车道线模型约束的云台相机自动标定方法,以建立高速公路监控系统的图像信息与真实世界物理信息之间准确描述关系。首先,利用车辆目标运动轨迹的级联霍夫变换投票实现纵向消失点的准确估计,其次以车道线模型物理度量为约束,并采用枚举策略获取横向消失点的准确估计,最终在已知相机高度的条件下实现高速公路云台相机标定参数的准确计算。结果 将本文方法在不同的场景下进行实验,得到在不同的距离下的平均误差分别为4.63%、4.74%、4.81%、4.65%,均小于5%。结论 对多组高速公路监控场景的测试实验结果表明,本文提出的云台相机自动标定方法对高速公路监控场景的物理测量误差能够满足应用需求,与参考方法相比较而言具有较大的优势和一定的应用价值,得到的相机内外参数可用于计算车辆速度与空间位置等。     

一种用于视频监控的双摄像头系统实现

提出了一种新颖的用于视频监控的双摄像头系统,在此系统中全景摄像机与PTZ摄像机(云台摄像机)结合在一起,既能对大范围内的目标进行检测与跟踪又能对目标的详细图像进行捕捉。在全景摄像机获取的图像中进行运动检测,获取运动物体位置信息后利用PTZ摄像机对其进行检测分析,以实现二者的数据融合。设计了全景摄像机的反射镜面,对该双摄像头系统进行了标定,在实验室环境下的进行实验验证了系统的性能。     

基于教室监控视频的学生位置检测和人脸图像捕获算法

实现一个基于课堂监控视频的学生位置检测和学生人脸图像获取系统。本系统由一个定焦全景摄像机和一个PTZ(平移(Pan)、倾斜(Tilt)、变焦(Zoom))摄像机组成。首先利用全景摄像机获得教室全景图像，针对实际课堂环境中的光线突变，提出基于帧间差的异常光线排除算法，实现异常光线监测和动态空教室图像检测与存储；使用HR网络结构对全景图像进行人脸检测，得到人脸检测框集合；针对非约束环境中学生因姿势变化和人脸遮挡、全景图像分辨率低等因素引起人脸信息缺失而导致人脸检测漏检问题，提出基于人体头肩特征的加权运动目标检测算法，得到目标检测框，提高人脸信息缺失的学生位置检测率；针对多种检测框的大量冗余，提出多种检测框加权融合算法，有效减少检测框的重复，得到学生人物检测框集合。然后，将学生人物检测框包含的位置信息传递至PTZ摄像机控制子系统，使PTZ逐个聚焦目标学生，捕获到清晰的学生人脸图像，为后续的人脸识别提供高质量的图像。     

智能相机管理系统的设计与实现

针对传统的文本编程效率低下、智能相机只允许本地监视以及监视界面固定等问题,自主研发了一套集图形化编程、任务运行、数据监控等功能于一体的智能相机管理系统;分析了智能相机管理系统在编程、运行与监视过程中的功能需求,并进行系统结构的划分和设计;构建图形化图像处理单元、可视化编程界面以实现图形化编程功能;采用网络通讯方式,实现智能相机配置过程的同步、远程监控以及与其他设备的数据交互;讨论了系统中的数据管理模型;最后,通过应用实例验证该系统在工业生产中的可行性;验证结果表明,该系统能缩短开发时间,降低用户开发成本,并能对生产线上的智能相机进行有效的管理。     

相机抖动场景中数据驱动的背景图像更新算法

视频序列中的运动目标检测是计算机视觉领域的重要研究课题.背景减除是运动目标检测的有效方法,但相机抖动会对背景提取带来极大干扰,从而可能造成传统基于模型的图像处理方法模型失真.本文提出了相机抖动场景下前景图像提取的数据驱动背景图像更新控制算法.首先利用Harris特征检测进行背景补偿以消除抖动干扰.然后利用无模型自适应控制方法,建立单入单出控制系统来表示背景图像并进行实时更新.最后运用背景减除法提取运动目标前景图像.本文方法与传统基于模型方法进行了不同视频序列的对比仿真.实验结果表明,本文方法可以有效处理相机抖动场景下的运动目标检测问题,目标前景图像分离效果更加接近真实场景.     

航空相机的模态分析及轴承模型的修改

为了研究航空相机的动态结构刚度,运用有限元分析和试验相结合的模态分析法获得系统的固有频率和模态振型.应用大型通用有限元软件MSC.Nastran/Patran建立了航空相机的有限元模型,分析得出该相机的固有频率和模态.利用有限元分析结果中的模态振型指导试验模态分析中测点位置的选择,通过试验测得相机系统固有频率的实际值,并与有限元分析结果进行比较,验证了有限元分析的合理性,确定相机结构达到了设计性能指标.在有限元建模中采用改进的线性轴承模型后,降低了系统的计算难度,使有限元分析结果与试验值更加接近.     

采用全景相机的移动机器人视觉伺服

为了解决机器人上装置传统相机而产生的视野域有限的问题,采用了全景相机,并且针对采用近似线性输入输出反馈控制模型中近似与假设过多的情况,提出了一种使用极线几何与三角几何相结合的方法,更简便地实现基于图像的视觉伺服运用于移动机器人的情况.由于是基于图像的视觉伺服,该方法不需要预先知道三维场景的结构知识.实验仿真结果表明了该方法的有效性.     

一种基于TOF相机与CCD相机的联合标定算法研究

针对基于Time-of-Flight(TOF)相机的彩色目标三维重建需标定CCD相机与TOF相机联合系统的几何参数,在研究现有的基于彩色图像和TOF深度图像标定算法的基础上,提出了一种基于平面棋盘模板的标定方法。拍摄了固定在平面标定模板上的彩色棋盘图案在不同角度下的彩色图像和振幅图像,改进了Harris角点提取,根据棋盘格上角点与虚拟像点的共轭关系,建立了相机标定系统模型,利用Levenberg-Marquardt算法求解,进行了标定实验。获取了TOF与CCD相机内参数,并利用像平面之间的位姿关系估计两相机坐标系的相对姿态,最后进行联合优化,获取了相机之间的旋转矩阵与平移向量。实验结果表明,提出的算法优化了求解过程,提高了标定效率,能够获得较高的精度。     

摄像机内参数自标定——理论与算法

讨论如何通过摄像机的旋转运动标定其内参数.当摄像机绕其坐标轴旋转时,运用 代数方法给出了计算内参数的公式.该公式在2D投影变换接近理论值P时是非常实用的. 在摄像机绕未知轴旋转时,根据相应的2D投影变换,运用矩阵特征向量理论给出了内参数的 通解公式.通过摄像机绕两个不同未知轴的旋转,摄像机内参数能被唯一地确定.这些结果为 摄像机自标定算法提供了理论基础,同时也给出了实用性算法.模拟实验和真实图像实验的 结果表明本文所给的算法具有一定实用价值.     

摄影测量系统的高精度标定与修正

介绍了目前国内外较常用的一些摄象机镜头标定与修正的方法,对其优缺点进行了分 析,而后根据透镜成象机理,提出了新的误差修正与标定模型,并采用一种隔离的三步法进行求 解.该方法能较全面地对摄象机系统进行标定和误差修正,且具有很好的稳定性与精度.     

基于EKF的摄像机-IMU相对姿态标定方法

摄像机与惯性传感器之间的相对姿态标定是视觉-惯性混合跟踪器的关键技术之一,是混合跟踪器进行数据融合获得鲁棒姿态输出的前提。提出一种新颖的基于扩展卡尔曼滤波器EKF(Extended Kalman Filter)的摄像机-惯性测量单元IMU(Internal Measurement Unit)相对姿态标定方法。该方法通过构建基于刚体运动学的过程模型和基于摄像机外参数的测量模型,估计摄像机与惯性传感器的相对位置和方向。初步实验结果显示,所提出的标定方法不仅能够标定6 DOF相对姿态,标定操作更简易快速,而且在系统初始误差较大和非线性噪声较大的条件下,该方法仍然能够精确地获得摄像机与IMU之间的相对姿态。     

线性确定无穷远平面的单应矩阵和摄象机自标定

引入了一种新的对无穷远平面的单应性矩阵(The infinite homography)的约束方程并 据此提出了一种新的摄象机线性自标定算法.与文献中已有的方法相比,该方法对摄象机的运 动要求不苛刻(如不要求摄象机的运动为正交运动),只须摄象机作一次平移运动和两次任意刚 体运动,就可线性唯一确定内参数.该方法主要优点在于:在确定无穷远平面的单应性矩阵的过 程中,不需要射影重构,也不需要有限远平面信息,唯一所需要的信息是图象极点,从而简化了 文献中现有的算法.另外同时给出了由极点确定(运动组)关于无穷远平面单应性矩阵的充分必 要条件.模拟实验和实际图象实验验证了该方法的正确性和可行性.     

一种改进的求解摄像机内外参数的方法

针对带有径向畸变的单摄像机针孔成像数学模型,提出了一种改进的求解模型内外参数的方法.首先利用标定板上特征点,应用最小二乘方法线性求得实际的光心图像坐标,进而应用Tsai方法求得模型中其他参数,最后利用Levenberg-Marquardt方法对所有求得的参数进行全局优化.实验结果表明,该方法较Tsai方法重投影误差更小,精密度更高,是一种有效的摄像机内外参数标定方法.     

基于圆曲线的摄像机自定标

本文给出了一种基于圆曲线的摄像机自定标的新方法.设计了一个含有三个两两不包含的圆(其中圆心和半径大小是未知的)的平面模板,让摄像机在三个以上的不同方位观察该模板,然后利用模板的图像来求解摄像机的内参数.文中,首先介绍了三维摄影空间中绝对二次曲线和圆环点的相关知识,接着推导出摄像机内参数的约束方程,最后又详细讨论了圆环点及其图像的求法.其中关键技术是通过求解像曲线的切线确定圆心图像的像素坐标,然后确定圆环点图像坐标来实现摄像机的定标模拟实验和真实图像实验也表明,本方法具有很好的鲁棒性.由于所用模板中的圆不需要精确定位,因此该模板易于制作.由于该技术对摄像机的运动没有限制,因此,它可以在一般的实验平台上实现.     

Linux摄像头驱动的设计优化及其对应的Android下HAL封装设计方法探究

针对Android系统下摄像头驱动程序不开源的现状,将借鉴Linux下的相关驱动程序,提出一体化设计方案,对驱动加以改进设计和优化,特别是在FIMC驱动中,将FIMC和ov9650合成为了一个设备,显著提高了驱动的运行效率。然后,通过对Android框架的分析,设计一种HAL模块,采用三个线程并行完成摄像头功能,并用此模块对驱动进行封装。内容包括Linux摄像头驱动的开发与优化,Android HAL模块的设计,以及将Linux摄像头驱动程序进行HAL封装的具体步骤。最后,给出实验结果。     

增强现实系统中的摄像机校准算法研究

增强现实系统的关键技术之一是精确定位问题,当用户改变他/她的观察视点时,虚拟对象必须与真实对象的运动方向与位置保持一致,这样才能使用户感觉到虚拟对象融入到真实环境中.而要做到这一点,就必须研究摄像机校准问题.在这篇文章中,我们分析了增强现实系统对摄像机校准算法的要求,给出了一个实用的摄像机校准算法,并且对算法的结果进行了具体分析.     

基于空间透视不变量的摄象机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法．空间透视不变量是指在几何变换中如投影或改变观察点时保持不变的形状描述．由于它可以得到一个相对于外界来讲独立的物体景物的特征描述，故可以很广泛的应用到计算机视觉等方面．摄象机标定是确定摄象机摄取的２Ｄ图象信息及其３Ｄ实际景物的信息之间的变换关系，它包括内部参数和外部参数两个部分．内部参数表征的是摄象机的内部特征和光学特征参数，包括图象中心（Ｃｘ，Ｃｙ）坐标、图象尺度因子Ｓｘ、有效的焦距长度ｆ和透镜的畸变失真系数Ｋ；外部参数表示的是摄象机的位置和方向在世界坐标中的坐标参数，它包括平移矩阵Ｔ和旋转矩阵Ｒ３×３，一般情况下可以写成一个扩展矩阵［ＲＴ］３×４．本文基于空间透视不变量的计算数据，给出了一种标定摄象机外部参数的方法，实验结果表明该方法具有很强的鲁棒性．