基于非量测畸变校正的摄像机标定方法

为了保证镜头畸变系数标定的一致性和简化视觉测量中摄像机的在线标定过程,建立畸变分离的摄像机模型,提出基于非量测畸变校正的摄像机线性标定方法。基于共线点的透视投影不变性,采用大量共线特征点对定焦镜头的畸变参数进行一次标定,摄像机内部参数可以由校正畸变后的特征点进行线性标定。该方法将畸变参数从摄像机模型中分离出来,不需要将畸变参数纳入到摄像机模型中进行多次重复标定。试验结果表明,畸变分离摄像机模型很好地符合了定焦摄像机的成像规律,基于非量测畸变的摄像机参数线性标定方法与传统的非线性优化标定方法的标定精度相当,标定速度提高近3倍,对于简化摄像机标定过程,提高视觉测量的便捷性,拓宽机器视觉的工程应用具有重要意义。     

OutLand1000水下机器人的视觉定位研究

对OutLand1000型水下遥控机器人所配的水下相机进行了标定试验,获得了相机的内参数。针对水下环境对相机模型的影响,建立了水下相机的非线性畸变模型并对陆地单目视觉定位方法作了非线性修正。三种定位算法的试验结果表明,改进后的视觉定位方法不同程度地提高了水下定位精度。     

基于深度卷积神经网络的视觉里程计研究

视觉里程计利用视频信息来估计相机运动的位姿参数,实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程,解算非常复杂,因此,提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征,将用于分类的卷积神经网络转化为帧间时序特征网络,通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明,提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹,证明了方法的可行性。在简化了复杂模型的基础上,与传统的视觉里程计系统相比,该模型的精度也有所提高。     

基于卷积神经网络与扩展卡尔曼滤波的 单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。     

采用直线模型的相机参数优化方法

提出了基于直线模型的相机在线标定算法。该方法通过自动跟踪视频中物件的边缘,在线求解相机系统内外参数,同时建立物件边缘同图像边缘的对应关系。然后,利用物件边缘同图像边缘的对应关系,在相机内外参数初值的基础上,通过构建融合边缘端点信息的误差函数,迭代优化求解相机内外参数。进行了仿真和实物实验,分别使用提出的基于直线的标定方法和传统的基于棋盘格内角点的方法标定了相机内外参数,并对两种方法的标定结果做了对比。结果显示:在仅使用边缘信息的条件下,本文方法可以获得同传统的标定法一致的精度,标定后重投影误差(RMS)为0.6pixel。本文方法利用具有标准尺寸的物件即能实现相机内外参数的估计,且无需制备平面靶板便可获得与传统方法相同的标定精度,标定过程更为灵活,有实用价值。     

显微立体视觉小尺度测量系统的标定

结合透视投影模型、非参数化的光学畸变模型以及光束平差算法,提出并实现了一种标定显微立体视觉系统光路的方法。首先,通过光刻方法制作了用于显微立体视觉系统标定的标定参考物,并利用待标定系统采集标定参考物不同方位的图像。然后,基于非参数化的光学畸变模型,采用样条曲面计算得到显微立体视觉系统的畸变校正场,并结合透视投影模型建立显微立体视觉系统的完整成像模型。最后,利用光束平差算法对所建立的成像模型进行标定计算和优化调整。搭建了显微立体视觉小尺度测量装置,验证了提出的标定方法的可行性。通过标定获得了测量装置两个光路的焦距和相对方位等参数,并借助于高精度四轴位移台对标定结果进行了精度验证。结果表明,采用本文方法标定后位移测量的精度优于1%,能够满足微胀形实验中三维变形测量的要求。该标定方法也可用于其他显微视觉检测领域。     

基于Halcon的工业机器人手眼标定方法研究

机器人手眼标定是机器人视觉技术的重要研究内容,基于Halcon所提供的标定板,充分考虑相机镜头径向畸变对手眼标定的影响,设计一种全新的、高精度、高效率的Eye-in-Hand手眼标定方法,该方法在标定了相机内外参数的同时也建立了相机图像坐标系与机器人基坐标系之间的相互转换关系,并通过实验进行了验证,其平移误差在1mm,旋转误差在1。以内。实验结果表明该方法具有较高的标定效率与较高的标定精度,可广泛应用于工业机器人视觉系统手眼标定中。     

基于镜面反射的手眼标定方法

针对Eye-on-Hand机器人手眼系统的标定问题,提出一种基于镜面反射的手眼标定方法。通过镜面反射获取图像,根据镜像原理,通过线性求解算法确定机器人末端执行器和相机坐标系的位姿关系。与以往的标定方法不同,该方法只需要3次改变平面镜的姿态,就能同时获得相机的内参数和手眼视觉系统的位姿关系,不会引入传统标定方法中利用机器人运动参数而产生的机器人运动误差。最后将其与Halcon手眼标定算法进行对比,验证了所提方法的正确性和可行性。     

一种3D相机标定方法的研究

针对以参数化投影模型为代表的相机标定所求参数多、效率低，且大多数针对特定相机等问题，提出一种以广义成像模型为代表的相机标定方法，直接建立物方平面标定板与像方成像面投影之间的关系。对于Z向标定，通过光条纹中心的直线特性将投影到像面的中心点坐标与实际物方的中心点坐标建立非线性优化模型，利用Levenberg-Marquardt算法与多项式畸变模型迭代算出一阶径向畸变系数，从而完成畸变矫正；将矫正完成的像方坐标与物方坐标通过最小二乘法建立二次多项式关系，完成Z向标定。对于X向标定，提取棋盘格角点像方坐标，再与物方坐标建立多项式关系，完成标定。试验结果表明，对Z轴标定与X轴标定结果均满足精度要求。     

大视场相机最优投影模型识别及星光标定方法

针对在轨摄影测量中近距离大尺寸测量需求,提出利用星光约束的大视场角摄影测量相机最优投影模型识别及标定方法。首先,构建了具备调节系数的星光几何投影分段函数模型。随后,针对分段星光投影模型开发多站位自标定光束平差算法。通过将光束平差算法与北方苍鹰寻优策略相结合,对投影模型调节系数、相机内方位参数、相机外方位参数及镜头畸变系数同步优化,直到星点像面重投影均方根误差达到全局最小,得到最优投影模型及其参数。实测实验表明,大视场角相机星光标定后,星点像面坐标的重投影均方根误差为1/9 pixel。在连续帧星光标定实验中,通过卡尔曼滤波算法对相机参数随机误差进行了有效消除。该方法可在相机星光标定过程中识别最优投影模型并标定全部成像参数,具备连续帧标定及参数校准能力。     

双目立体视觉测量系统的标定

考虑传统的自标定方法虽然无需场景信息即可实现摄像机标定,但是标定精度较低,故本文提出了一种新的大视场双目视觉测量系统自标定方法。该方法无需高精度标定板或者标定物,仅需利用空间中常见的平行线和垂直线建立摄像机参数与特征线间的约束方程,即可实现摄像机的内参数与旋转矩阵标定;同时利用空间中距离已知的3个空间点即可线性标定两摄像机间的平移向量。通过标定实验对本文提出的方法进行了验证。结果表明:该方法标定精度能够达到0.51%,可以较高精度地标定双目测量系统。由于避免了大视场测量系统标定中大型标定物制造困难,以及摄像机自标定过程中算法冗杂,标定精度不高等问题,该方法操作简便,精度较好,适用于大视场双目测量系统的在线标定。     

应用非线性优化算法自主标定星敏感器

考虑传统的星敏感器标定方法忽略了星敏感器的畸变与光学参数之间的相互作用而引入的额外误差,提出了一种基于非线性优化的星敏感器自主标定算法。该算法首先忽略星敏感器畸变的影响,构建目标函数,利用LevenbergMarquardt非线性优化算法优化星敏感器的光学参数;然后,将得到的光学参数估计值作为理想值,通过线性最小二乘法估计相机的镜头畸变系数;最后,将前两个步骤获得的参数作为初始值,构建目标函数,利用Levenberg-Marquardt算法同时优化光学参数和畸变系数。开展了仿真实验研究,并与最小二乘法和Samman法的标定结果做了对比,结果表明:提出的方法能够很好地实现星敏感器的自主标定。在同等测试条件下,文中算法获得的最大残差为0.015pixels,精度高于其它两种标定方法两个数量级。星敏感器外场实验还表明,提出的优化方法有效提升了星敏感器的性能。     

基于相机状态方程多模增广的改进MSCKF算法

针对基于多状态约束卡尔曼滤波(MSCKF)的视觉-惯性里程计算法中相机状态方程增广过程的误差累积问题,提出了一种相机状态方程多模增广方法。该方法首先对视觉特征跟踪状态的稳定性进行判断,然后自动地选择基于视觉图像信息优化求解相机相对位姿参数或基于惯性传感器(IMU)状态递推结果联合相机外参初始化新图像帧相机位姿参数两种途径增广相机的状态方程,解决特征跟踪状态稳定情况下IMU误差的累积问题。实验部分通过EuRo C数据和实际应用数据对算法的性能进行了验证分析,结果表明,改进后的MSCKF算法能够在特征跟踪稳定状态下有效避免IMU误差的累积,进一步融合视觉与惯性系统之间的互补优势,提高载体的定位定向精度和稳定性。     

一种简单的摄像机标定技术在视觉定位中的应用

摄像机标定技术对于精确的双目视觉定位起着关键的作用。了解摄像头标定的原理有助于采用合理方法减小标定结果误差。本文介绍的摄像机标定方法标定结果误差小。摄像机标定过程中用到三个坐标系,它们之间的转换关系是摄像机标定的基础。采用内外参数分离的标定方法,通过具体实验分步标定了摄像机的内参数和外参数,实验过程简单,标定精度较高。     

基于HALCON的非线性摄像机标定算法研究与应用

针对工业应用,采用LENZ径向畸变模型建立面阵和线阵摄像机的非线性成像几何模型,并分析模型的内外参数及针孔模型的局限性,基于两步法思想改进标定方法。利用HALCON的矩阵网格状圆靶平面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,建立与空间点的对应关系,并对所求参数进行非线性优化,通过实验及精度分析验证了求解参数的准确度和稳定性。该标定算法灵活准确,具有良好的可移植性。     

基于全局代价函数优化的立体标定方法

提出了一种基于全局代价函数的立体标定方法.以张正友的单日摄像机标定算法为基础,同时选择合适的径向畸变模型,将左右摄像机的内参数、摄像机与标定板之间的外参数、镜头畸变系数,以及两个摄像机之间的外参数标定相互融合,使用一种约束性更强的全局代价函数作为优化目标进行非线性优化,经过一次优化便可以得到立体视觉系统中的摄像机参数.与通常的立体标定方法相比,该方法在目标函数中引入了左右摄像机之间外参数保持不变这一约束条件,从而使得重投影残差更小、标定精度更高,并且整个算法具有更强的鲁棒性.对比实验结果证明,这种基于全局代价函数优化的标定方法具有精度高、标定结果稳定等优点.     

基于精确控制点的立体像机校准技术

给出了将改进的两步法与精确控制点相结合来精确校准立体像机的新技术,像机镜头畸变模型考虑了径向畸变和切向畸变.利用红外发光二极管随三坐标测量机测头移动以确定间距来形成立体校准模板上的精确控制点.校准程序包括先使用位于图像中心的控制点来线性求取部分校准参数,然后再使用所有控制点来迭代优化所有参数.实验中使用非线性优化参数来反推控制点的空间位置,发现精度比线性求解参数提高了0.11 mm,结果表明,此技术可以满足像机精确校准和测量的要求.