一种基于消失点的摄像机标定方法

为了简化摄像机标定,提出了一种基于消失点的摄像机标定方法,该方法仅需根据场景中3组已知的相互正交的平行线就能标定摄像机的内参数.该方法分为两步(1)根据场景中3个正交方向上的消失点计算摄像机的主点位置以及像机的焦距,首先得到摄像机内参数的初步估计;(2)以此估计值作为初值,通过非线性优化来得到摄像机内部参数的精确估计.最后使用模拟图象和真实图象对该方法进行了实验.结果表明,该标定方法是可行的,具有较高的精确度和较强的鲁棒性.     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

基于消失点的坐标校准算法

提出一种新的基于消失点的坐标校准算法,并将此算法应用于运动车辆的跟踪检测。该算法只需要知道消失点和已知尺寸物体在图像中的位置就可以实现坐标校准。与其他算法相比,该算法不需要预先知道摄像机的配置和参数,具有更广泛的适应性和更高的灵活性。在算法实现的过程中,使用了一维数组来表示前景分布矩阵,而非二维数组,从而有效地降低了算法空间复杂度。     

利用图像中的消失点描述平面直线关系

在三维计算机视觉中,消失点和消失线扮演着极其重要的角色.在此利用场景中常见的平行线和正交线的特点,通过绝对二次曲线图像和消失点的计算,测量场景中其他几何结构的关系.该方法不需要摄像机事先标定.实验表明,在单幅图像中该方法所得结果可以作为一个较好的估计值,在2幅图像中所得结果则较为精确.因此在图像测量中该方法有着一定的实用价值.     

用于视频中车速自动检测的摄像机自动标定方法

针对目前基于视频的车辆测速方法均需通过手工标定而造成的低效和可操作性差的问题,提出了一种对典型配置的道路监控摄像机的焦距、俯仰角、离地距离等重要参数进行自动标定的方法。首选利用自然场景中两组正交平行线在视频图像中形成的消失点之间的内在关系对摄像机的焦距和俯仰角实施精确标定;在此基础上利用视频中目标车辆群体的平均宽度对摄像机与地面之间距离进行自动标定。实验表明,该算法具有参数测量精度高和可靠性好等优点,可作为现有道路视频监控设备实施车辆速度、类别、流量等数据的自动采集、分析和监控,以及电子违章抓拍设备的有效自动标定手段。     

利用图像中的消失点描述平面直线关系

在三维计算机视觉中，消失点和消失线扮演着极其重要的角色，在此利用场景中常见的平行线和正交线的特点，通过绝对二次曲线图像和消失点的计算，测量场景中其他几何结构的关系，该方法不需要摄像机事先标定，实验表明，在单幅图像中该方法所得结果可以作为一个较好的估计值，在2幅图像中所得结果则较为精确，因此在图像测量中该方法有着一定的实用价值。     

基于平行线的室内视觉导航

根据一组空间直线上的无穷远线素集在视平面上所形成的消失点对直线的平移具有稳定性的特点,提出了基于平行线的摄像机参数标定和自主移动平台室内视觉导航算法．在对摄像机进行标定时,将摄像机模型简化成关于移动平台航向角和X方向距离的线性模型,并利用走廊左右踢脚线在视平面上的投影直线的斜率、消失点坐标来标定摄像机的内、外参数;在视觉导航时,视走廊左右踢脚线为一组平行线,由其在视平面上的投影直线的斜率、消失点坐标,控制自主移动平台行驶的X方向距离和航向角,实现平台的室内视觉导航．本文采用YIQ彩色模型分割楼道图像,由Hough变换与最小二乘法相结合的方法提取楼道踢脚线．     

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。     

基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。     

楼道消失点查找与跟踪的迭代算法

提出了一种新的消失点跟踪算法。具体地, 改进了梯度霍夫变换, 引入映射的参考点; 结合梯度方向信息进行映射, 提高了映射速度; 采用加权最小二乘法在参数空间拟合三角函数曲线, 直接计算消失点的坐标。通过迭代的方法更新参考点的坐标, 从而使算法精确查找到消失点的位置。实验证明, 此算法可以快速准确地查找到楼道环境的消失点, 并且迭代速度可以满足消失点的实时跟踪要求。     

A study on the dual vanishing point property

Vanishing points and vanishing lines are useful information in computer vision. In this study, an interesting dual property of vanishing point is first introduced. Next, we point out that there also exists a dual property of vanishing line. With the dual vanishing point and vanishing line properties, some 3D intersection inference can be made based on their image lines. Two applications are given to illustrate the usage of the new results. The first one is to derive the 3D pose determination of a circle using two parallel image lines. The second one uses six specially designed 3D lines to adjust the cameras with respect to a fixture in a binocular vision system such that the resultant camera coordinate axes become parallel.     

基于物方几何约束提取建筑物垂直边缘

航空影像中，垂直边缘对建筑物提取具有重要意义。为快速准确地提取垂直边缘，依据航空摄影测量学的有关知识，利用摄影测量成像模型推导出垂直边缘灭点位置，并结合物方空间几何约束和图像空间边缘信息，采用一种自适应模糊Hough变换算法，实现了建筑物垂直边缘的自动提取。实验证明，该算法是行之有效的。     

未标定视频下的动态人体身高测量

针对视频下的动态人体身高测量过程中,依赖三维场景的结构化信息,或者需要事先对相机进行标定的情况,提出了一种视觉测量算法对未标定视频中的行人身高进行测量。该方法首先利用帧差法提取每帧图像中的人体区域信息,然后由该区域的主轴方向确定人体的头顶点和垂足点,再由头顶点和垂足点形成的两个平行虚拟平面确定水平消失线、由主轴方向确定竖直消失点,最后根据射影变换的交比不变量来确定人体的身高。该方法以人在正常行走过程中身高基本保持不变为合理假设,并且充分利用了视频中的人体运动信息。实验结果表明,测量结果的平均相对误差低于2.2%,能够满足人体身高测量的精度需要。     

Real-time precise detection of regular grids and matrix codes

The traditional approach in detecting sets of concurrent and/or parallel lines is to first detect lines in the image and then find such groups of them which meet the concurrence condition. The Hough Transform can be used for detecting the lines and variants of HT such as the Cascaded Hough Transform can be used to detect the vanishing points. However, these approaches disregard much of the information actually accumulated to the Hough space. This article proposes using the Hough space as a 2D signal instead of just detecting the local maxima and processing them. On the example of QRcode detection, it is shown that this approach is computationally cheap, robust, and accurate. The proposed algorithm can be used for efficient and accurate detection and localization of matrix codes (QRcode, Aztec, DataMatrix, etc.) and chessboard-like calibration patterns.     

一种优化的消失点估计方法及误差分析

空间一组平行直线在图像平面上所成的像的交点称为消失点. 消失点可以提供大量的场景三维结构信息. 本文提出一种新的优化的消失点估计方法. 该方法基于随机采样一致算法(Random sample consensus, RANSAC)对图像空间中的线段进行聚类, 通过最小化Sampson误差获得消失点的极大似然估计(Maximum likelihood estimation, MLE). 该方法不需要预知摄像机参数及直线的三维位置信息. 为了对该算法进行定量评估, 构造了基于反向传播的消失点误差传递模型. 实验结果验证了本文提出算法的有效性.     

Tour Into the Picture using a Vanishing Line and its Extension to Panoramic Images

Tour into the picture (TIP) proposed by Horry et al. ¹³ is a method for generating a sequence of walk-through images from a single reference picture (or image). By navigating a 3D scene model constructed from the picture, TIP produces convincing 3D effects. Assuming that the picture has one vanishing point, they proposed the scene modeling scheme called spidery mesh. However, this scheme has to go through major modification when the picture contains multiple vanishing points or does not have any well-defined vanishing point. Moreover, the spidery mesh is hard to generalize for other types of images such as panoramic images. In this paper, we propose a new scheme for TIP which is based on a single vanishing line instead of a vanishing point. Based on projective geometry, our scheme is simple and yet general enough to address the problems faced with the previous method. We also show that our scheme can be naturally extended to a panoramic image.