基于角点灰度分布特征的棋盘格角点检测

在摄像机标定过程中,较差的光照条件和镜头畸变会造成棋盘格角点漏检和角点冗余。分析了角点的灰度分布特性,提出一种基于角点灰度分布特征的棋盘格角点检测算法。为确保在较差光照条件和镜头畸变下,棋盘格图像角点不漏检,算法首先利用角点的灰度分布特性提取候选角点;然后通过迭代的方式提高候选角点的精度并再次结合棋盘格角点的灰度分布特性剔除候选角点中非角点处的伪角点,避免棋盘格角点冗余;最后通过角点处的邻近点合并获得最终的棋盘格角点坐标。实验结果证明,在较差的光照条件和镜头畸变条件下,本算法角点无漏检和冗余。将该算法提取的棋盘格角点应用于摄像机标定,结果显示重投影误差的均方差在0.1pixel范围以内,优于其他算法。     

基于灰度特征的棋盘格内角点检测算法

标定物特征点的定位精度能直接影响相机标定的精准度，为提高检测的精度和效率，提出了一种基于灰度特征的棋盘格内角点检测的改进算法。通过分析角点的灰度分布特征，首先利用3×3环形邻域模板对初始角点预筛选；随后通过计算初始角点的BW算子响应值实现对棋盘格边缘角点及伪角点的剔除；最后结合改进的角点响应函数确定最终内角点。实验结果表明：运用改进算法在不同光照及噪声的影响下检测结果无漏检及误检，单幅图像所需检测时间为0.225 s,平均重投影误差结果为0.045像素，能为相机的高精度标定提供更精准可靠的数据。     

相机标定的精度影响实验分析

相机标定是机器视觉中的必要步骤,标定效果直接影响后续的测量精度.在张正友标定方法的基础上,对棋盘格尺寸、标定图片数量、棋盘格打印方式3个方面进行实验分析,实验过程中通过控制变量法进行对比实验.实验结果表明,棋盘格尺寸选择10～15 mm时标定效果较好;当棋盘格角点数目相同时,棋盘格尺寸越大,标定所需的图片数量越多;当棋...     

基于单应性矩阵的棋盘格角点检测研究

针对三维视觉测量中棋盘格标定板的角点检测,给出了基于单应性矩阵这一计算机视觉重要工具为基础的检测方法。首先通过点选得到待测角点外接四边形的4个角点坐标,接着利用单应性矩阵映射得到所有角点的初始位置,最后综合内插值法、Harris算子、Forstner算子、SVD方法等方法对所有角点进一步精确定位。实验表明,该方法对棋盘格角点位置检测效果好,能够满足实际应用要求。     

使用12像素对称模板的棋盘格内角点检测

棋盘图像的角点提取问题往往决定着三维测量中摄像机标定的精度。针对SUSAN（Smallest Univalue Segment Assimilating Nucleus）算法无法区分棋盘标定板内角点与边缘点的缺陷,提出一种12像素对称灰度模板检测算法。该算法首先根据棋盘格内角点周围像素的中心对称性分布,设计一种12像素对称USAN模板,可以迅速区分出内角点与边缘点,同时将内角点与平坦区域作为候选点。再结合灰度均方差算子,利用平坦区域灰度方差较小的特点将其剔除,最终实现对棋盘格内角点的高效检测。同时,该算法在检测过程中完全摒除易受外界因素影响的外圈角点,以保证角点提取时的精度。实验结果表明:新算法对9阶棋盘格的检测时间为1.244577s;用于张正友标定方法之后,得到的检测重投影误差仅为[0.3,0.3]像素。这两项指标,均优于传统SUSAN算法。     

基于Hessian矩阵的黑白棋盘格角点检测

针对棋盘格角点的检测,提出了一种运算速度快、定位精度高的Hessian矩阵子像素角点检测算法。简述了Hessian矩阵的原理、算法的执行流程和黑白棋盘格子像素坐标提取的基本方法。通过实验检测出了黑白棋盘格中的角点,得到了角点坐标,并利用二阶泰勒展开式得到了角点的子像素坐标。最后,在不同的噪声水平下,与Harris算法作比较,计算出提取误差与提取时间。实验证明,Hessian矩阵对黑白棋盘格角点检测的更加精确。该实验结果可应用于摄像相标定中。     

基于神经网络的焊缝跟踪系统视觉标定方法

文中提出一种基于深度神经网络的焊缝跟踪系统机器人视觉标定方法，实现了机器人的简单快速标定。将焊缝跟踪传感器安装在机械臂末端，使用线激光器对被检测角点进行定位，工业相机拍摄对应的标定棋盘图像，用角点提取算法获取到相应棋盘格点的数字图像坐标，并通过示教器读取机械臂的各个关节角，利用神经网络极强的非线性映射能力，将其传入训练好的BP神经网络进行三维空间坐标的预测。此方法能够实现机器人的快速标定，避开传统标定方法中复杂的非线性运算，并减少坐标转换间的累积误差。实验结果表明，基于神经网络的标定方法具有较高的精度，且标定过程简单，为机器人视觉标定提供了一种新的方法。     

光场相机标定中亚像素角点检测方法研究

针对光场相机标定中亚像素棋盘角点检测速度慢、检测精度不高等问题,该文提出一种基于双曲正切模型的亚像素精度棋盘角点检测方法。首先,采用灰度差分与模版相结合的筛选策略进行初始角点集的筛选;然后,应用一种区域灰度自适应角点检测算法获取候选角点集;最后,建立候选角点的双曲正切模型,对亚像素级候选角点的灰度分布进行拟合,通过对模型进行优化从而剔除伪角点并精确定位亚像素级棋盘角点。该方法在光场相机标定中达到98%的角点检测率,重投影误差低于0.83像素。实验结果表明,所提方法不仅可以快速提取更多的角点,同时能有效剔除伪角点,提高亚像素角点检测精度。     

基于双边滤波的Harris角点检测

角点是图像重要的特征之一。角点检测在图像处理和计算机视觉中起着重要的作用。原始的Harris角点检测不具有尺度不变性且常常将噪声作为角点,为了解决此问题,结合尺度空间理论和双边滤波的思想,对原始的Harris算法进行了改进。改进的算法加入高斯核,让算法具有尺度性,加入双边滤波,对检测的对象去噪保边,提高了检测精度。利用该算法,也可以快速准确地自动实现了对一定区域的棋盘格角点检测与提取。实验证明,该改进算法有较高的检测精度、准确率和稳定性,达到了预期的效果。     

相机标定精度的外部影响因素实验分析

本文对特征点与标定图片数量、棋盘格尺寸及标定板位置3个外部因素对相机标定精度的影响进行了相应的对比实验。实验结果表明,标定板上的特征点数量越多,所需的标定图片数量就越少;棋盘格尺寸在10～20mm之间时,标定误差较小;标定板选择在X轴、Y轴方向距相机中心较近且Z轴方向距相机中心较远的位置时,标定结果较好。     

基于超分辨率角点检测算法的双目相机高精度标定方法

双目相机标定是研究立体视觉的基础工作，标定的精度是视觉测量精度的关键。图像角点提取是相机标定的基础，但在现实应用场景中，外界影响使获取的图像不清晰，导致检测到的角点精度低，从而影响标定的精度。因此，提出一种基于超分辨率亚像素角点检测的端到端算法，从特征级解决低质量角点检测问题。首先，应用盲超分部分估计低分辨率图像模糊核，融合低分辨率图像特征重建出高分辨率图；然后，在此基础上得到角点亚像素位置；最后对双目相机进行高精度标定，并用测距实验对其进行检验。实验结果表明，所提基于超分辨的亚像素角点检测方法在真实场景下具有优越性。     

线结构光三维测量系统中旋转轴的标定方法

为简化旋转轴心线的定位,提出了一种基于平面参照物的现场标定方法.将一个绘制有棋盘格图案的靶标倾斜地放在旋转平台上,控制旋转平台任意旋转几个角度,并拍摄下每个位置处靶标的图片.通过处理这些图片获取靶标上特征点的空间坐标,对这些特征点作圆拟合得到一系列的圆心点,再对这些圆心点作直线拟合,建立起旋转轴的直线方程,完成旋转轴的标定.实验验证了该方法的可行性,实测物体的均方根误差为0.04 mm.     

基于局部单应性的投影仪标定精度研究

结构光三维测量中,系统标定参数不仅是三维重建的基础,其精度对测量结果也有直接的影响,但目前投影仪标定大多存在精度不高、过程复杂等问题。为此,论文利用棋盘格标定板,采用一种基于局部单应性矩阵的投影仪标定方法,通过局部单应性矩阵将相机和投影仪图像角点坐标对应关系建立起来,把角点邻域大小转化为投射角度,对每个投射角度分别进行投影仪标定,根据实验结果综合分析选出系统最佳投射角度。介绍了系统模型及工作原理,并搭建实验系统研究了标定精度和投射角的关系,获得了最佳投射角度,并在此基础上对已知平面和复杂人脸进行三维重建,重投影误差可达0.284 356像素,证明了选取最佳投射角度可获得更高的重建精度。此分析方法不依赖相机标定实现,摆脱了具体结构尺寸的约束,具有更普遍的应用价值。     

飞行时间深度相机和彩色相机的联合标定

飞行时间（TOF）深度相机等深度传感器可以实时、准确地获取深度信息,在计算机视觉领域受到广泛关注。本文以获取同一视野下场景的纹理信息和深度信息为目的,在传统的棋盘格标定方法基础上,针对TOF深度相机的低分辨率和较大的径向畸变的特点,采用角点稀疏的棋盘格作为标定板以提高角点检测的精度,提出一种TOF深度相机和彩色相机的联合标定方法。首先对彩色相机和深度相机单独标定,使用传统的棋盘格标定方法获得彩色相机的内部参数,对使用深度相机所拍的强度图进行畸变校正后再求得深度相机的内部参数。然后,固定两相机内参,多次实验获得两相机之间的相对位置关系,并使用最小二乘法进行优化。实验结果表明,该方法标定精度高,彩色相机的重投影误差最多可减小0.15个像素,深度相机的重投影误差最多可减少0.09个像素,根据标定结果将深度相机所得的深度图投影到彩色相机的视野下所得的投影深度图能和彩色图像精确对齐。      

基于方向角的特征配准算法

图像特征点匹配是计算机视觉领域的一个瓶颈问题,为了提高匹配精度,提出了一种基于方向角的特征配准算法.该算法采用Harris算子检测角点,根据图像梯度变化计算特征点的方向角,然后将待匹配特征点对间的方向角距离转化为权值对代价函数进行加权,并对特征点进行分析,改进了代价函数.实验证明,本文算法的匹配精度高于传统的归一化互相关(NCC)匹配,且具有一定的旋转不变性和抗噪性.     

一种用于结构光测量系统的投影仪标定技术

投影仪是光学三维测量系统中重要的设备,对投影仪进行标定是光学三维测量算法中的关键步骤。介绍了一种投影仪的标定方法,该方法基于传统的摄像机标定模型,借助摄像机及二维棋盘格标定板,并结合透视投影矫正方法获取投影仪标定特征点坐标,实现对投影仪的标定。该方法相对于现有的标定方法操作简便,标定成本低,有效降低了投影仪标定的复杂度。实验表明,标定精度能满足测量的要求。     

基于鱼眼相机混合模型的棋盘格角点检测方法

针对搭载自动泊车功能车辆的鱼眼相机标定耗时较长、鲁棒性要求较高的问题,提出一种基于鱼眼相机混合模型的棋盘格内角点检测改进方法。在参考和比较原有算法的基础上,提出的混合畸变模型能够快速确定不同区域内角点的两个初始方向,从而快速提高粗定位的速度。同时针对生产线标定的特殊性,提出了双标准离率差阈值作为对初始棋盘格是否可用的判断标准。实验结果表明该算法在自动泊车鱼眼相机生产过程中既能够满足标定的精度要求,同时也大幅度提高了检测速度,对自动泊车的相机标定具有一定的实用价值。     

简易棋盘格图像标定系统应用

棋盘格图像在摄像机标定中有非常广泛的应用,对于复杂环境且测量精度要求非常高的场合,会需要特定的且有一定复杂度的算法,但通常情况下,使用这样的标定系统是没有必要的,且会让初次应用的人觉得困难。这里提供一套应用简单,快速,对棋盘格图像具有旋转不变性,良好的鲁棒性,且对非复杂环境具有高精度的标定系统。所有算法均是在前辈们的算法上稍作改变而来,应用效果非常好。     

基于MATLAB工具箱目标定位稳定性分析

简单阐述了基于MATLAB工具箱的方法，利用对二维的棋盘拍摄的一组图像，提取角点进行标定，通过多次的实验对比，证明了MATLAB工具箱对摄影机标定的可靠性，为利用棋盘标定提供了一定的参考。     

三维点云与可见光图像融合方法及可视化

鉴于三维点云缺少颜色信息和光学图像缺少空间信息，提出一种基于激光雷达与相机自动标定的融合方法，融合后的数据兼有点云的空间信息和光学图像的颜色纹理信息。首先利用平面标定板对激光雷达和光学相机进行分步式自动标定，其次通过共线方程建立坐标关系，将光学图像的颜色纹理信息赋予点云进行融合并进行可视化。实验结果表明：所提方法在提高自动化程度的同时也在一定程度上提高了融合精度；与基于人工匹配的标定融合方法相比，所提方法的精度提升了51.7%；与基于梯形棋盘格标定板的标定融合方法相比，所提方法的精度提升了36.4%。从多角度观测可视化结果，所提方法都能从颜色和空间效果方面更好地还原真实场景。