双目视觉的立体标定方法

为实现双目视觉系统的立体标定,分析了摄像机成像模型,并充分考虑了透镜的径向畸变和切向畸变,提出了一种新的立体标定算法。该算法利用张正友的灵活标定算法,初步求取摄像机的内参数,结合Brown算法并提取图像中角点的子像素级坐标,精确求取摄像机内参数和畸变向量。为方便后续的图像校正,基于前面的单个摄像机标定,通过计算空间中的景物点在左右摄像机成像平面上的位置关系,计算出双目视觉系统中两个摄像机之间的旋转矩阵R和平移向量T,从而实现了立体标定。实验结果表明,该算法能取得较高的精度,可以应用于双目视觉系统。     

矿用输送带纵向撕裂检测系统研究

针对目前矿用输送带纵向撕裂检测方法灵敏度低及检测设备复杂、体积较大等问题,采用机器视觉法设计了一种矿用输送带纵向撕裂检测系统。该系统采用FAST角点检测算法及基于Hough变换的直线检测算法检测输送带纵向撕裂现象,并采用基于该检测方法的纵向撕裂检测无线传感器节点及速度传感器实现输送带纵向撕裂部位位置及长度检测。测试结果表明,对于长6m、宽800mm、运行速度为5m/s的输送带,该系统每秒可处理46.3帧图像,检测准确率为96.24%。     

基于OpenCV的双目视觉标定程序的开发

分析了基于2D标靶的摄像机标定算法原理以及双目立体视觉系统摄像机的标定方法,给出了基于开源视觉库OpenCV的摄像机标定算法的详细处理流程,实现了一个完整的摄像机标定程序,可移植到嵌入式系统中.     

基于GEP的双目视觉摄像机标定方法研究

摄像机标定是精密视觉测量的基础,传统的标定方法具有很多的缺陷。提出了一种新的双目视觉摄像机标定方法,通过引入基因表达式程序设计算法,挖掘其中潜在的坐标函数关系。将GEP标定方法与同类方案进行了比较,实验结果表明：新算法有效地提高了标定精度,加快了运算时间,具有较高的实用价值。     

双目显微立体视觉系统标定方法研究

针对显微立体视觉系统光路标定问题,设计并实现一种适合显微立体视觉系统的两步标定方法。首先,对单子光路进行初步的标定,获得放大倍率;然后,以光学工作距离为定值约束,求解内参数;再进行第二步标定求解外参数。对3个常用物镜倍率的体视显微镜进行了标定,获得了双光路的焦距、相对位置、倍率等参数的均值、标准差与相对误差,并用左右位移相对平移偏差验证了标定的准确性。研究的显微立体视觉系统标定方法为分析微沟道的半遮挡问题奠定了实验基础。     

工业机器人视觉系统中双目摄像头标定算法研究

在三维立体视觉系统中,摄像机的标定是一项必不可少的工作.针对现有的摄像机标定法在进行角点提取时,由于光线变化产生的干扰问题,论文提出了一种将Harris算法与梯度阈值算法相结合的新方法.实验过程中采用大小各为600mm、150mm的基线距离对该方法进行验证,实验证明,基线为600mm的轴位移为582.068,基线为150mm的轴位移为162.125,误差大小约为15mm.因此,该算法在光线较弱或者光线变化的情况下能够准确的对双目视觉系统进行标定,且易于实现,标定结果准确且稳定,满足双目立体视觉应用的需求.     

双目摄像头立体视觉标定及畸变校正研究

为了提高立体视觉系统中的精度,本文提出了一种基于显隐的畸变校正模型。首先在世界坐标中对双目摄像头进行立体标定,然后采用基于显隐的畸变校正模型对双目摄像头采集的图像进行处理,实验结果表明,本文提出的一种基于显隐的畸变校正模型切实有效,且效果良好。     

双目立体视觉中的摄像机标定技术研究

以张氏标定方法为基础,提出以圆心作为标定点的2D平面模板标定方法,通过与基于方格角点的标定方法以及基于方格形心的标定方法进行比较,证明了该方法的有效性。又运用BP神经网络来模拟立体视觉系统三维空间与二维图像平面之间的物、像对应关系,建立了双目立体视觉系统的摄像机隐式标定模型,避免了因数学模型的不完善而带来的系统误差。实验证明该方法能够获得较高的标定精度。     

双目立体视觉中的图像匹配方法研究

对目前匹配能力很强的基于SIFT特征的图像匹配方法进行研究,并在该方法中加入极线约束,有效去除了大部分虚假匹配。提出以特征匹配与区域匹配相结合、边缘特征与角点特征相结合的立体匹配方法。实验证明该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度。     

基于双目标定的独居老人摔倒检测算法

独居老人摔倒已成为一个备受关注的问题.为快速有效获取摔倒信息从而使老人得到及时救助,提出一种基于双目标定的独居老人摔倒检测算法.该算法通过色彩不变性分割前景目标（老人）,采用双目视觉标定计算人体在三维坐标中高度作为特征信息,能够有效区分易混淆动作,防止误判,提高检测准确率.实验结果表明：该算法易于实现,具有较好的鲁棒性和实时性.     

双目立体视觉系统的非线性摄像机标定技术*

针对双目立体视觉的工业检测精度和实时性要求,采用LENZ畸变模型建立基于面阵CCD的双目成像几何模型,分析了成像模型的内外参数及针孔模型的局限性,提出改进的双目立体视觉系统摄像机两步标定方法。利用HALCON标定板及函数库平台,采用亚像素精度的边缘提取和椭圆拟合算法精确获取标定点,以建立像点与空间点的对应关系,并对标定参数进行非线性优化。实验证明该标定算法灵活准确,并具有良好的可扩展性。     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

基于径向基神经网络的双目摄像机标定方法的研究

传统的摄像机标定方法需要建立复杂的数学模型,计算量大、实时性不好.针对双目摄像机标定问题,提出了一种基于径向基函数(RBF)神经网络的双目摄像机标定方法,利用该网络具有很强的自组织、自学习、自适应和较强的非线性映射能力,准确的建立了双目视觉中三维空间物点坐标和两个摄像机坐标间的关系,与传统的方法相比,该方法具有重建速度快,运算精度高等优点.仿真结果表明该方法是正确性和有效性.     

基于近红外与可见光双目视觉的活体人脸检测方法

针对人脸识别系统易受伪造攻击的问题,提出了一种基于近红外与可见光双目视觉的活体人脸检测方法。首先,采用近红外与可见光双目装置同步获取人脸图像,提取两图像的人脸特征点,利用双目关系实现特征点的匹配并获取其深度信息,再利用深度信息进行三维点云重建;然后,将全部人脸特征点划分为四个区域,计算各区域内人脸特征点在深度方向的平均方差;接着,选取人脸关键特征点,以鼻尖点为参照点,计算鼻尖点到人脸关键特征点之间的空间距离;最后,利用人脸特征点的深度值方差和空间距离来构造特征向量,使用支持向量机（SVM）实现活体人脸判断。实验结果表明,所提方法能够准确检测活体人脸以及有效抵御伪造人脸的攻击,在实验测试中达到99.0%的识别率,在准确性和鲁棒性上优于利用人脸特征点深度信息进行检测的同类算法。     

双目系统全视域采样的SVM标定模型分析

目的 为改善摄像机间接标定采样不全、模型表达模糊问题,实现小视场下检测视域完备采样,提出一种基于双目系统全视域采样的支持向量机（SVM）标定方法。方法 该方法利用六角晶格标定板靶点序号可读特点为基础,采集整个双目系统有效视域中检测点的视差坐标、世界坐标并建立完备的样本集。选取SVM对该样本集进行训练,将SVM算法得到的模型参数代入其决策函数中进行求解,获得公式化的标定模型。由于六角晶格标定板的四角和中心分布了5个互为非中心对称的多边形,可在标定板部分区域被采集的情况下获取标定板位姿信息,进而读取采集的各靶点序号。通过上下移动标定板,利用HALCON算子获取图像中各靶点的序号,建立双目视觉系统检测区域的完备样本集。最后,利用SVM算法训练样本获得标定模型,可以明确表达出标定模型的数学形式。结果 与传统采样建立的模型进行对比分析,实验结果表明该方法建立模型的标定误差减小了24.51%,降低了标定模型在传统方法未采样区域的标定误差,证明了该方法的可行性。结论 提出一种基于双目系统全视域采样的支持向量机标定方法,通过非中心对称的多边形确定标定板上靶点的序号,实现双目视觉系统检测视域的完备采样。实验结果表明该方法提高了摄像机间接标定的精度,具有良好的适用性和鲁棒性,适用于小视域内双目视觉系统的间接标定。