基于基本矩阵的相机畸变差校正方法研究

在计算机视觉的应用领域中,为了提高图像量测和三维重建的精度,必须对相机的畸变误差进行修正.本文提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正.实验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果.     

一种改进的视图几何基本矩阵估计法

多视图几何中的基本矩阵估计需要利用准确的对应点,但是图像噪声或光线变化会产生错误匹配,进而严重影响基本矩阵估计的准确度。为提高基本矩阵估计的准确性,文章提出了一种基于对极约束梯度的迭代方法去估计基本矩阵。该方法能在最少的迭代次数下迅速剔除两视图匹配过程中的错误匹配点。然后再加入对应点相关性的约束,可以得到最佳对应点集合用于估计基本矩阵。通过在各类不同场景的图像上实验分析可以发现,该方法相比于其他方法估计基本矩阵误差至少降低20%。     

一种无相机标定的极线校正新方法

提出一种无相机标定的立体图像对的极线校正新方法。该校正方法并不依赖基本矩阵F的精确求解,而是通过空间变换法分析校正前后图像点对应关系,依此分解并参数化描述极线变换矩阵,直接利用极线方程和图像的对应点集建立误差平方和函数,并运用非线性最小二乘法求解,使该函数取得最小值的变换参数。实验证明,该校正方法能够较好地消除垂直视差,图像产生的变形较小。     

一种基于控制点自动提取的图像畸变校正算法

在机器视觉应用中,摄像机光学系统产生的图像存在不同程度的几何畸变。为了提高图像在做定量分析时的准确性,必须对这一类畸变进行修正。在基于控制点的校正方法基础之上,研究了一种将图像分片,利用模板自动提取控制点亚像素坐标,分片校正的快速算法。实际应用表明,该方法是可靠有效的。     

一种大视场镜头的畸变校正方法

大视场镜头因其可得到较大视场的图像而获得广泛应用,但由于镜头的原因,导致成像的桶形畸变,在直接使用从镜头获取的图像时,会影响对图像的后期处理和分析。针对这种情况,在分析畸变产生原因的基础上,提出一种改进的桶形畸变校正方法。根据畸变与焦距、成像高度之间对应的变化规律提出一种改进的半球形畸变校正模型,并计算近似畸变率,以进行反向映射及双线性插值来得到校正后的图像,设置可调整的参数,给出参数的确定方法和选择范围。最后,利用畸变的对称性降低了校正的计算复杂度和时间。实验结果表明,该算法对广角镜头产生的桶形畸变获得了较好的校正结果,降低了平均畸变率误差。该算法能够准确地校正畸变图像,不需要特定模板和标定参数,计算简单容易实现。     

一种无需基础矩阵的鲁棒性极线校正算法

立体视觉校正也称为极线校正,它的目的是使得立体图像的对应极线平行于水平方向,消除垂直方向上的视差,从而使得在立体匹配过程中可以更为快速准确地寻找对应点.在传统的投影校正算法的基础上提出了一种鲁棒性校正算法,直接通过原始匹配点计算投影变换矩阵,利用遗传算法良好的全局搜索能力和Levenberg-Marquardt算法稳定快速的局部搜索功能进行分步优化计算,同时本算法采用了随机抽样一致算法（RANSAC）鲁棒估计思想,避免了由于对应点噪声引起的误差.此外,还针对两个平行放置的摄像机之间具有较小运动的情况,提出了一种鲁棒的优化函数.实验结果说明,该算法是一种有效的极线校正方法.     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

一种加权计算基础矩阵的高精度算法

分析了图像匹配点对基础矩阵的不同影响,引入具有明显几何意义的匹配点到对极线的距离作为匹配点的加权因子,将匹配点集合看作随机变量并将加权因子作为匹配点的概率分布。在此基础上对原始图像数据进行归一化处理,利用8点算法得到基础矩阵。大量的试验结果表明,该方法明显降低了计算余差,提高了基础矩阵的计算精度。     

一种光学镜头摄像机图象几何畸变的修正方法

由于光学镜头会产生几何畸变,并且摄像机成象平面与景物平面间存在着倾角和转角,因而光学镜头摄像机获取的图象存在着非线性的几何畸变,在对图象进行检测和定量分析之前,应消除这些畸变。为此,应用多项式变形技术和双线性插值方法,研究了一种摄像机拍摄图象几何畸变的修正方法,并讨论了控制点的选取方法。实验结果表明,应用三次多项式变形技术,选取少量控制点即可得到理想的校正结果。该方法简便实用,可用于固定条件下摄像     

一种基于改进拟仿射变换的基础矩阵估计方法

以基础矩阵的估计为基础,使用计算机视觉的方法从一组不同角度、不同距离拍摄的同一场景所得的二维序列图像中还原出目标对象的三维空间信息,是实现基于图像的建模、即时定位与地图构建等前沿热点问题的主流解决方案。在基础矩阵估计问题中,准确性和效率是2个主要的衡量指标。准确性不够时,往往需要通过后端优化等方式花费高昂的代价对其进行修正,效率低则会影响系统的实时性。针对该问题,提出一种基于改进拟仿射变换的基础矩阵估计方法。具体来说,在QUATRE算法基础上,首先提出一种基于特定“基因-染色体”模式的种群协作方法。其次,重新定义齐次坐标系所表示的离散解空间中的种群初始化、变异和交叉等操作。此外,还提出一种基于置信度的迭代次数确定方式,用于加速本文方法。实验表明,该方法能有效剔除噪声和误匹配所产生的外点干扰,在准确性和效率方面优于LMedS、RANSAC和MSAC等方法,可有效解决基础矩阵估计问题。     

图像重构中估计基础矩阵的线性迭代算法

基础矩阵给出了图像间对极几何关系的代数描述,对其精确估计一直是未标定图像序列重构中的一个非常关键的问题.本文在8点算法的基础上,通过引入与对极距离有关的权因子,给出了一种高精度估计基础矩阵的线性迭代算法.实验结果表明,与归一化8点算法相比,此算法具有更强的抗噪声能力,更小的计算误差,从而提高了所估计基础矩阵的精度.     

Projective Rectification with Reduced Geometric Distortion for Stereo Vision and Stereoscopic Video

Projective geometry has been proved to be a useful tool for solving the rectification problem without camera calibration. However, if the matrices used for projective rectification (homographies) are not constrained properly, the rectification process can cause great geometric distortion. For visual application, e.g., tele-operation for remotely controlled robot arm, rectification with minimum geometry distortion should be pursued. In this paper, we propose an improved algorithm to minimize the distortion by combining a newly developed projective transform with a properly chosen shearing transform. Experimental data show that our proposed method works quite well for all the image pairs under test. Comparison with other available methods based on visual inspection and numerical data demonstrates the superiority of the new approach.     

视图合成中基础矩阵的鲁棒性估计算法

在未定标系统中，对基础矩阵进行稳定估计是视图合成的关键环节。本文考虑到各匹配点由于误差不同而对基础矩阵造成的不同影响，通过在最优目标函数中引入与余差有关的权重因子提出了一种新的迭代加权线性算法。实验表明，此方法进一步提高了基础矩阵的估计精度，具有较好的稳定性且运算速度快，易于实现。     

基于改进遗传算法的基础矩阵估计方法

基础矩阵估计是计算机视觉的基础。提出了一种新的基于改进遗传算法的基础矩阵估计方法,它以8个匹配点作为最小匹配点集组成染色体,并利用改进8点法估计出相应的基础矩阵,同时以对极距离为核心构造适应度函数,并对传统遗传算法进行了优化改进。实验证明,此方法在估计精度和鲁棒性等方面有很大提高,易于实际应用。     

基础矩阵估计的加权归一化线性算法

基础矩阵是对来自同一景物的两幅未定标图像进行分析的基本工具.对其进行估计的常用线性算法有八点算法和改进的八点算法,其最大的优点是运算简单、易于实现,但对噪声和错误数据较敏感,因此实用性差.通过引入与余差有关的代价函数,给出了一种新的鲁棒性线性算法——加权归一化算法.首先将原始输入数据加权归一化处理,然后再用八点算法求F阵的8个参数,实现了F阵的估计.大量的模拟数据和真实图像的实验结果表明,此算法不仅具有良好的鲁棒性,而且可提高基础矩阵的估计精度.     

一种高精度估计的基础矩阵的线性算法

通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法--加权平移算法.首先将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差和对极距离都小于其他线性算法,提高了基础矩阵的精度.     

基本矩阵的鲁棒贪心估计算法

分析了基于随机抽样检验思想的现有鲁棒算法在基本矩阵的求解问题中存在的不足,提出一种获得基本矩阵最优解的算法.利用各种鲁棒技术获得内点集,以点到极线的距离作为最优量度标准,采用贪心策略在内点集中寻找最优子集,并利用最优子集来计算基本矩阵.合成数据与真实图像的实验结果表明,该算法在基本矩阵的求解精度、抗噪声能力、对极点的稳定性等方面优于现有的鲁棒方法.     

一种考虑二阶径向畸变的主动视觉自标定算法

基于主动视觉的摄像机自标定是摄像机标定的一个重要分支 ,由于普通的 CCD摄像机拍摄的像片存在着各种类型的几何畸变 ,其中以径向畸变最为严重 ,因此研究考虑径向畸变的自标定技术有着重要的意义 .为了使标定结果更精确 ,提出了一种考虑二阶径向畸变的内参数自标定方法 ,并通过推导考虑二阶径向畸变的极线几何约束 ,得出了如果能控制摄像机做 4次不在同一平面上的平移运动 ,则可以标定摄像机的内参数和二阶径向畸变系数的结论 .仿真实验结果表明 ,该算法精度很高 ,且具有一定的鲁棒性 ,可用于摄像机的标定 .