基于张量投票的摄像机自标定方法研究

针对传统的基于Kruppa方程摄像机自标定算法的欠鲁棒性,首次提出将鲁棒的张量投票算法用于摄像机自标定方法中。利用基于尺度不变的SIFT算法查找并匹配出每对图像的特征点,其中待匹配图像由摄像机对同一场景从三个不同角度位置拍摄,对图像张量投票后按棒张量特征值降序排序,由此筛选得到具有鲁棒性边缘特征的前八对特征点,利用八点算法求解相应的基础矩阵和极点,根据Kruppa方程和三维重建（SFM）算法求得摄像机参数矩阵。实验结果证明,该方法具有较高标定精度,并通过加入高斯噪声的仿真实验证明该算法是一种鲁棒的摄像机自标定方法。     

基于图像运动的三维重建及虚拟化应用

提出了一种稳定、快速地获取摄像机视频运动图像的三维重建方法,并对该运动图像做适当的虚拟化处理以展示重建效果。采用基于尺度不变特征点匹配的摄像机标定进行三维重建。尺度不变特征对于视频图像中的特征具有优秀敏锐的匹配能力,极大地放宽了摄像机标定对于设备上的限制,拓宽了实时三维重建的适用范围。通过对系统的一系列优化,不但提升了三维重建的精度,减少了错误匹配对摄像机标定的影响,而且进一步提升了处理速度。通过在三维重建的基础之上进行虚拟化处理,展示了本系统的三维重建效果。实验结果表明,该系统适用范围广,处理速度较快,重建精度高,实现了基于视频运动图像的三维重建。     

基于图像匹配-点云融合的建筑物立面三维重建

随着计算机技术的快速发展,基于图像的建筑物三维重建逐渐成为计算机图形学和计算机视觉领域的研究热点之一.由于建筑物图像背景复杂、序列长且杂乱无序,现有的三维重建算法存在耗时长、局部几何细节重建效果差的问题.文中针对这些不足提出了一种基于图像匹配实现点云融合的建筑物立面三维重建算法.首先寻找新添加的建筑物局部图像在原始图像集中的匹配图像,组成规模较小的图像集并重建出局部点云模型,然后通过匹配不同点云模型在同一幅图像上的投影点,找到点云模型之间的一致对应点集,接着求解点云集合之间的最佳对齐变换,实现整体和局部点云模型的融合,最终生成建筑物立面完整的三维模型,实验表明,采用文中算法进行三维重建,可以有效地减少重建时间,提高重建精度.     

一种基于Kruppa方程的分步自标定方法

针对摄像机自标定中Kruppa方程求解的非线性优化问题和标定结果的欠鲁棒性,提出一种基于Kruppa方程的分步自标定方法。根据两图像匹配的特征点对采用8点算法求解相应的基本矩阵,其中待匹配图像选用摄像机对同一场景在不同焦距下拍摄的两帧图片,对图片的特征匹配点建立约束关系,采用最小二乘法求出摄像机的主点坐标,然后利用遗传算法优化Kruppa方程的比例因子,最后通过优化后的比例因子完成摄像机的标定。实验表明,该方法可提高标定精度,并通过对特征点坐标加入高斯噪声,验证了算法的鲁棒性。     

X射线图像三维重建的自标定优化算法

根据X射线图像成像特点,提出一种适用于X射线图像三维重建的自标定算法。首先基于SIFT算法得到相邻2幅X射线图像对应轮廓特征匹配关系;然后根据匹配关系计算得到基础矩阵;接着根据基础矩阵估计X射线无损检测设备内参数初值;最后基于改进Kruppa方程优化内参数,得到X射线图像三维重建自标定内参数。根据优化前后的内参数建立的电力金具三维模型,从形状和关键尺寸误差2方面进行对比,结果表明优化后的内参数具有较高的精度和可靠性。     

基于小波变换的快速图像匹配算法与实现

归一化互相关算法是传统的图像匹配算法,针对传统图像匹配算法运算量大、速度慢的缺点,提出了一种基于小波变换的多尺度图像匹配算法.首先在尺度空间的最高一层对低分辨率的子图像进行匹配,然后在匹配结果基础上对高分辨率的图像进行匹配,最终实现全分辨率下的图像匹配.实验结果表明,该算法能够提高图像匹配的精度,减少运算量,满足机器视觉的实时性要求.     

一种基于平面模板的多摄像机标定方法*

对于均匀环绕四周的多台摄像机,先对每个摄像机利用Zhang的平面模板标定方法单独获得内参;在外参计算方面,提出了一种多摄像机外参标定的新方法,该方法在ICP(iterative closest point)算法的基础上,结合了VR(view registration)算法的约束优化思想,先通过两两相邻像机间自由移动平面模板计算两者的位置关系,最后将每一个摄像机统一到一个世界坐标系。标定过程操作简便,易于实现。实验结果表明,本方法能够满足后续三维重建所需的精度要求。     

一种基于成像光路的图像匹配技术

图像匹配是计算机视觉领域的一个关键技术。针对图像匹配过程中特征提取运算量大、速度慢、匹配精度低的问题,提出一种基于成像光路的图像匹配技术。建立一种基于双目视觉的摄像机模型,根据该摄像机模型的成像光路确定摄像机视场交汇的几何模型,由几何关系估算出两幅图像中可能存在图像重叠的最大区域,再采用传统的特征匹配算法在该区域内实现图像的特征匹配。实验结果表明,相较于在整幅图像中提取特征点进行匹配,该方法能有效地提高匹配的速度,降低误匹配的发生几率。     

用飞行时间相机优化可视外壳的实时三维重建算法

在基于图像的三维重建领域中,基于轮廓或立体匹配的实时三维重建算法精度很低,而高精度的三维重建算法需要像素级能量最优化,很难做到实时.针对这个问题,提出一种用飞行时间相机拍摄得到的深度图优化可视外壳方法的实时三维重建算法.首先使用一种简化的深度标定方法对深度数据进行误差修正;然后根据两种相机得到的数据构造粗糙网格模型;最后进行局部搜索匹配,对模型表面进行像素块的优化.实验结果表明,该算法比同类算法的实时性高,且能够有效地处理模型表面的凹多边形,比可视外壳算法的精度有较大改善.     

自适应对比度阈值SIFT算法研究

SIFT(Scale Invariant Feature Transform)算法剔除掉对比度小于给定阈值的候选特征点,认为这些点是不稳定的,但是并没有普遍适用的阈值;固定对比度阈值SIFT算法提取的特征点数目,随着图像对比度的降低而急剧减少,并且整幅图像采用一个固定的阈值,会造成特征点的分布不均匀,无法满足图像高精度匹配的需求;因此需要根据图像人工调整对比度阈值;但是人工调整阈值不能够实现图像的自动匹配,满足不了无法进行人工干预的场合。因此为了提高基于SIFT图像匹配算法的精确性和自动化水平,提出了一种根据特征点局部邻域内的灰度信息,确定对比度阈值的方法,用于改进SIFT算法,并将改进后的算法用于图像匹配;实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,能够很好地适应图像对比度的变化,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性。     

基于标记点丢失的多幅自标定图像的3维重建和相机姿态恢复

为了对标记点丢失的多幅自标定图像进行精确重建，提出了一种基于标记点丢失的多幅自标定图像的3维重建和相机姿态恢复的方法。该方法与原来方法的不同之处在于，该方法是利用标记点（编码点和非编码点）的方式，即用编码点进行单CCD相机的自标定和姿态恢复，而用非编码点进行3维点的3维重建。该方法有以下3个主要特点：（1）由于该方法采用了标记点的自动识别匹配，所以避免了手工交互选择图像点对（point correspondences）费工费时的问题；（2）由于标记点匹配精确，提高了3维点的重建精度，故符合工程要求；（3）由于噪音对标记点的像点影响较小，因此该方法比以前的方法具有更好的鲁棒性。实验结果表明，利用该方法产生的3维重建点精确可靠，能够满足逆向工程等应用的要求。     

Camera calibration using one-dimensional information and its applications in both controlled and uncontrolled environments

Camera model and its calibration are required in many applications for coordinate conversions between the two-dimensional image and the real three-dimensional world. Self-calibration method is usually chosen for camera calibration in uncontrolled environments because the scene geometry could be unknown. However when no reliable feature correspondences can be established or when the camera is static in relation to the majority of the scene, self-calibration method fails to work. On the other hand, object-based calibration methods are more reliable than self-calibration methods due to the existence of the object with known geometry. However, most object-based calibration methods are unable to work in uncontrolled environments because they require the geometric knowledge on calibration objects. Though in the past few years the simplest geometry required for a calibration object has been reduced to a 1D object with at least three points, it is still not easy to find such an object in an uncontrolled environment, not to mention the additional metric/motion requirement in the existing methods. Meanwhile, it is very easy to find a 1D object with two end points in most scenes. Thus, it would be very worthwhile to investigate an object-based method based on such a simple object so that it would still be possible to calibrate a camera when both self-calibration and existing object-based calibration fail to work. We propose a new camera calibration method which requires only an object with two end points, the simplest geometry that can be extracted from many real-life objects. Through observations of such a 1D object at different positions/orientations on a plane which is fixed in relation to the camera, both intrinsic (focal length) and extrinsic (rotation angles and translations) camera parameters can be calibrated using the proposed method. The proposed method has been tested on simulated data and real data from both controlled and uncontrolled environments, including situations where no explicit 1D calibration objects are available, e.g. from a human walking sequence. Very accurate camera calibration results have been achieved using the proposed method.     

三维重构中数码相机参数标定方法研究

随着数码技术的迅速发展,在许多场合人们已逐渐采用数码相机作为主要的图像采集设备.数码相机的标定被认为是实现三维重构基本而又关键的一步,可以为后继的立体图像匹配与三维重构奠定良好的基础.在介绍数码相机成像理论模型和已知相机内部参数的基础上,提出了一种新的利用直角三点来实现数码相机外部参数标定的方法.与现有的标定方法相比,简化了标定需要的特征点的数量和标定装置的复杂程度.文章最后通过实例说明了利用该标定方法实现三维重构的具体步骤和方法,并且验证了此方法的可行性及标定的精度.     

基于序列图像的摄像机自标定方法

提出了一种新的结合摄影测量和计算机视觉相关理论的摄像机自标定方法。首先通过序列图像的匹配点对,利用计算机视觉理论中的8点法求得摄像机基础矩阵F,通过矩阵F利用Kruppa方程求得矩阵C,对矩阵C进行Cholesky分解得到摄像机的内参数矩阵K,然后将求出的内参数作为初始值,利用摄影测量理论进行相对定向和绝对定向,最小二乘前方交会计算得到匹配点对的三维空间坐标,最后由匹配点对的三维空间坐标及其图像坐标,采用三维直接线性变换和光束法平差方法解算出摄像机内、外参数及畸变系数。该方法不依赖于特定的场景几何约束条件,只要序列图像之间有匹配点对,就可以进行自标定工作,具有广泛的适用性。模拟数据和真实图像的实验结果表明：该方法计算过程简单,标定精度高,是一种值得借鉴的摄像机自标定方法。     

基于平面格网的非量测CCD相机自标定

传统的相机标定方法通常需要建立复杂3维标定块或高精度3维控制场,在实际应用中受到了一定的限制。本文采用平面控制格网作为标定块,根据相机的理想模型确定内方位元素,利用2维直接线性变换和共线方程分解出相机的外方位元素初值,采用改进的Hough变换算法检测标定图像中的格网直线并利用最小二乘法拟合出最佳直线,通过求直线的交点得到标定格网点的像坐标。最后利用自检校光线束法平差进行相机的精确标定。实际图像数据实验结果表明,主点和焦距的标定精度分别达到了0.2像素和0.3像素左右。可以满足高精度近景3维量测的要求。     

结构光测量系统的投影仪标定方法研究

传统单目视觉结构光测量系统通过解相位间接计算被测物的高度信息,系统约束性过强、不易操作、且标定精度较低.将双目立体视觉原理引入单目结构光视觉测量系统,根据投影仪图像坐标和摄像机图像坐标的对应关系,将投影仪当作一个逆向的相机,建立了投影仪模型,使用成熟的相机标定算法对投影仪进行标定.再配合四步相移法和基于多频外差原理的时域相位展开法,实现条纹图像的快速精确解相位.相对于传统的单目视觉结构光测量系统,本方法具有单目视觉系统操作简单、鲁棒性强的特点,同时也可以达到双目视觉测量的精度.实验结果表明,这种方法的投影仪标定精度达到了实际应用的要求.     

双线阵CCD相机的畸变校正和标定方法

在双线阵CCD的三维重建中,对线阵CCD相机的标定和镜头畸变校正是基础环节。提出了一种用于三维重建中的双线阵CCD标定及镜头畸变校正方法。根据左右相机间的单应性关系,以及线阵CCD的成像原理,将双目相机间的空间关系分解成姿态角与错切角的关系。通过靶图数据的拟合,对姿态角和镜头畸变进行校正,根据求出的错切角完成相机间的标定,实现对具有镜头畸变的双线阵CCD的标定。实验结果表明,标定和校正精度满足后续三维重建中图像匹配的需求。     

基于序列图像的三维重构

提出了一种基于序列图像的三维重构方法。在相机标定的基础上,利用两幅图像间的匹配关系得到一个初始的三维模型,然后利用剩余图像与初始模型间的匹配关系,采用反投影映射的方法计算出剩余图像的外方位元素。最后经过稠密匹配、三角剖分和纹理渲染得到物体的三维模型。实验结果表明,相机标定精度较高的情况下,采用该算法能够得到较低失真的三维模型。     

3D Scene Reconstruction from Multiple Spherical Stereo Pairs

We propose a 3D environment modelling method using multiple pairs of high-resolution spherical images. Spherical images of a scene are captured using a rotating line scan camera. Reconstruction is based on stereo image pairs with a vertical displacement between camera views. A 3D mesh model for each pair of spherical images is reconstructed by stereo matching. For accurate surface reconstruction, we propose a PDE-based disparity estimation method which produces continuous depth fields with sharp depth discontinuities even in occluded and highly textured regions. A full environment model is constructed by fusion of partial reconstruction from spherical stereo pairs at multiple widely spaced locations. To avoid camera calibration steps for all camera locations, we calculate 3D rigid transforms between capture points using feature matching and register all meshes into a unified coordinate system. Finally a complete 3D model of the environment is generated by selecting the most reliable observations among overlapped surface measurements considering surface visibility, orientation and distance from the camera. We analyse the characteristics and behaviour of errors for spherical stereo imaging. Performance of the proposed algorithm is evaluated against ground-truth from the Middlebury stereo test bed and LIDAR scans. Results are also compared with conventional structure-from-motion algorithms. The final composite model is rendered from a wide range of viewpoints with high quality textures.