共查询到17条相似文献,搜索用时 171 毫秒
1.
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。 相似文献
2.
3.
4.
在机器视觉检测中大视场短焦距摄像机镜头一般都存在一定程度的光学畸变,在高精度测量中必须对摄像机镜头畸变进行校正。提出利用光学成像规律和镜头畸变校正模型相结合的畸变校正方法求出初始畸变系数,然后通过优化目标函数求出最优畸变系数,最后采用三次B样条插值对畸变图像进行灰度重建。实验结果表明该方法在不依赖摄像机内部参数的前提下,校正后径向均方根误差为0.45个像素,灰度重建后径向均方根误差为0.36个像素。 相似文献
5.
6.
为使VR图像呈现更大的视场角,需利用镜头反畸变方法优化图像视觉效果,此过程易发生特征畸变。为及时矫正特征畸变,提出VR图像特征融合误差半监督校正算法。提取图像特征,获取误差定位区域。在定位区域中预测特征融合误差。误差数据在支持向量机的辅助下,通过半监督式学习算法对分类器完成训练,分类所有误差特征,最终计算出每种误差的校正系数,实现VR图像特征融合的误差校正。实验结果表明,所提算法的校正准确率始终稳定在90%~100%,在100组迭代实验中所提方法的误差预测精度可达90%以上,校正所需时间更短,均值为0.20s。 相似文献
7.
8.
一种基于网格图像的几何畸变修正方法 总被引:3,自引:0,他引:3
在层削照相测量装置中,由于摄像装置所处的角度以及摄像镜头差,会导致获取的图像存在非线性几何畸变。因此在对图像进行重建之前,需要对获取的图像进行几何校正。为此,论文提出了一种基于网格图像的几何校正算法,该算法运用分段插值的思想,利用分块低次插值去逼近几何畸变,达到高次插值的效果。最后的分析结果表明,利用60X60正方形网格,该算法的校正误差不超过0.1个像素,能够有效校正图像的综合畸变。 相似文献
9.
10.
11.
一种基于斜率的摄像机畸变校正方法 总被引:8,自引:0,他引:8
普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度 相似文献
12.
13.
针对机器视觉领域的学习内容抽象、难以理解,相关的实验教学产品不足这些问题,基于Python语言,采用开源的opencv-python图像处理库与TensorFlow机器学习框架,提出构建机器视觉实验教学平台。该系统涵盖机器视觉的经典方法,主要包括向量机、K临近图像分类,神经网络、卷积神经网络目标识别,基于经典方法融合常用函数,对系统分模块设计。经过测试,该系统具有较好的交互性与可扩展性,可以适应机器视觉的实验要求,训练数据、样本测试数据导入灵活,机器视觉参数优化、代码迭代方便,并且能够编译生成.exe可执行文件,辅助学生学习机器视觉技术的真实应用场景,提高学生实践解决问题能力和创新能力。 相似文献
14.
以机器视觉技术为基础,利用LabVIEW建立生产者-消费者模式,调用Halcon图像处理算子获取玻璃图像并进行图像处理,采用灰度变化对图像进行对比增强突出缺陷和使用中值滤波进一步削弱图像噪声,利用统计模式识别算法在LabVIEW编程平台上构建一个基于机器视觉的玻璃缺陷检测系统,该系统能够实现对玻璃缺陷的分析和提取,具有高效的实时性. 相似文献
15.
On improved calibration method for the catadioptric omnidirectional vision with a single viewpoint 总被引:1,自引:0,他引:1
The single viewpoint constraint is a principal optical characteristic for most catadioptric omnidirectional vision. Single
viewpoint catadioptric omnidirectional vision is very useful because it allows the generation of geometrically correct perspective
images from one omnidirectional image. Therefore precise calibration for single viewpoint constraint is needed during system
assembling. However, in most image detection based calibration methods, the nonlinear optical distortion brought by lens is
often neglected. Hence the calibration precision is poor. In this paper, a new calibration method of single viewpoint constraint
for the catadioptric omni-directional vision is proposed. Firstly, an image correction algorithm is obtained by training a
neural network. Then, according to characteristics of the space circular perspective projection, the corrected image of the
mirror boundary is used to estimate its position and attitude relative to the camera to guide the calibration. Since the estimate
is conducted based on actual imaging model rather than the simplified model, the estimate error is largely reduced, and the
calibration accuracy is significantly improved. Experiments are conducted on simulated images and real images to show the
accuracy and the effectiveness of the proposed method. 相似文献
16.
基于BP神经网络的颜色补偿模型 总被引:1,自引:0,他引:1
针对光源渐变等因素在机器视觉中产生的相关问题,提出了一种基于BP神经网络的图像颜色校正方法.该方法通过合适的训练集对BP神经网络进行大量训练,得到光照变化前后图像像素点之间的映射关系,从而建立了在渐变光照环境下的颜色恒常性模型.该方法不需要内建约束的自适应模型,对于输入的数据不需要对表面属性做特定假设,拥有自适应、自学习的特点.实验结果表明,该模型对室内真实环境中渐变日光下颜色的识别表现出较好的颜色恒常性. 相似文献