一种抛物面摄像机系统的标定方法

由抛物面镜和电荷耦合器件(CCD)摄像机构成的视觉系统视场较大、成像过程复杂。为此,提出一种抛物面摄像机系统的标定方法。引入扩展的基本矩阵概念,利用该矩阵实现系统参数的标定,封装系统的非线性成像过程,从而避免复杂的数值计算。实验结果表明,利用该方法可得到较好的标定结果。     

求解云计算压力测试中并行任务密度的高速算法

针对当前云计算负载压力测试过程中,对所采集数据计算并行任务密度的算法效率较低的问题,基于空间换时间的思路,使用数学分析的方法,提出了一种时间复杂度为O(n lb n),空间复杂度为O(n)的求解并行任务密度的高速算法。实验结果表明,该算法与时间复杂度同为O(n lb n)的OpenSTA算法相比,效率约有6~8倍的提升。该算法对多个相同的并行任务密度能够解得并行时长最长者,可以准确反映负载最重的情况。该算法适合云计算进行负载均衡算法设计时,获取真实参照数据使用。     

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。     

基于OpenCV的改进两步法摄像机标定

采用改进两步法实现了摄像机的标定,并给出基于OpenCV算法,充分发挥了OpenCV的函数库功能。对两步标定法的改进是在原两步法得到摄像机参数值的基础上,用非线性优化算法对所有参数进一步优化,得到最终参数值,既提高了摄像机标定精度和计算效率,又无需对摄像机像面中心预标定,简化了标定过程。     

结构光系统的自动标定

提出一种基于单应矩阵的摄像机自动标定算法。讨论摄像机焦距为恒定和任意变化两种情况下求解摄像机内参数的计算方法:论证空间平面诱导单应矩阵的性质,利用该性质不但能求出摄像机外参数,还可得到空间平面法向量和单应矩阵方程的比例因子。该算法在求解过程中不需要非线性迭代,可以直接获得解析解,实验表明该算法具有很好的准确性、普遍性。     

基于单幅图像的摄像机畸变参数估计方法

摄像机畸变参数估计是摄像机标定的重要步骤.针对已有的摄像机畸变估计方法大多数为首先对无畸变下的摄像机参数进行标定,再进一步估计畸变参数,导致畸变参数估计过程复杂的问题.采用单应矩阵直接估计畸变参数,提出一种基于单幅图像的摄像机畸变参数估计算法.首先利用图像主点附近的图像特征点估计空间平面到图像平面的单应矩阵,然后利用该单应矩阵估计图像畸变误差和畸变参数,最后采用非线性优化算法对单应矩阵与畸变参数进行整体优化.模拟数据与实际图像的实验结果验证了本文算法的有效性;由于该算法仅需要1幅图像即可估计畸变参数,因此有效地提高了摄像机标定方法的灵活性.     

基于Moore-Penrose广义逆修正的摄像机标定方法

摄像机标定的四步法,具有快速和高精度特点,适合实时性强的场合。但其非线性优化过程中,所使用的Levenberg- Marquardt算法在精度要求很高的条件下,表现出不稳定性;且其增量方程中的[JTJ]计算量较大,导致内存消耗大、耗费时间长。针对四步法中非线性优化算法存在的不足,提出一种利用Moore-Penrose 广义逆修正的高斯-牛顿算法,对摄像机标定参数进行非线性优化。该方法无需考虑雅可比矩阵的奇异性,在合理选择初始值的条件下,比Levenberg-Marquardt算法更稳定,速度更快。实验表明该方法收敛速度较快,精度和稳定性较高,将为实际应用中的摄像机标定参数优化提供一种更为有效的方法。     

快速有效的摄像机标定方法

提出了一种快速有效的基于径向约束的两步算法.该算法综合了线性模型和非线性模型的优点,在求解摄像机参数的过程中,采用线性模型标定摄像机中的一部分参数,进一步考虑非线性畸变,通过条件化简将非线性方程转化成线性方程求解其余摄像机参数,有效避免了直接求解非线性方程带来的计算繁琐和结果不稳定的缺陷.最后对标定结果采取最优化算法求精.实验结果表明,优化后的两步算法提高了摄像机标定的效率和准确性.     

背包类问题的并行O(25n/6)时间-空间-处理机折衷

将串行动态二表算法应用于并行三表算法的设计中,提出一种求解背包、精确的可满足性和集覆盖等背包类NP完全问题的并行三表六子表算法.基于EREW-PRAM模型,该算法可使用O(2n/8)的处理机在O(27n/16)的时间和O(213n/48)的空间求解n维背包类问题,其时间-空间-处理机折衷为O(25n/6).与现有文献的性能对比分析表明,该算法极大地提高了并行求解背包类问题的时间-空间-处理机折衷性能.由于该算法能够破解更高维数的背包类公钥和数字水印系统,其结论在密钥分析领域具有一定的理论和实际意义.     

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。     

基于多视定位算法的多摄像机标定

针对多摄像机系统标定,提出一种基于多视定位算法的标定方法,标定过程只需一块可自由移动的平面模板即可,利用约束优化思想,将各摄像机坐标系转换到参考摄像机坐标系下,从而得到摄像机之间相对位置关系。标定操作过程简单,易于实现。实验结果表明,该方法是一种有效的多摄像机标定方法。     

A new robust algorithmic for multi-camera calibration with a 1D object under general motions without prior knowledge of any camera intrinsic parameter

In computer vision, camera calibration is a necessary process when the retrieval of information such as angles and distances is required. This paper addresses the multi-camera calibration problem with a single dimension calibration pattern under general motions. Currently, the known algorithms for solving this problem are based on the estimation of vanishing points. However, this estimate is very susceptible to noise, making the methods unsuitable for practical applications. Instead, this paper presents a new calibration algorithm, where the cameras are divided into binocular sets. The fundamental matrix of each binocular set is then estimated, allowing to perform a projective calibration of each camera. Then, the calibration is updated for the Euclidean space, ending the process. The calibration is possible without imposing any restrictions on the movement of the pattern and without any prior information about the cameras or motion. Experiments on synthetic and real images validate the new method and show that its accuracy makes it suitable also for practical applications.     

基于HEIV模型的摄像机一维标定

多摄像机系统广泛应用于文化创意产业,其高精度标定是迫切需要解决的一个关键问题. 新近出现的摄像机一维标定方法能够克服标定物自身遮挡,特别适合标定多摄像机系统. 然而,现有的摄像机一维标定研究主要集中在降低一维标定物的运动约束,而标定精度较低的问题未受到应有的关注. 本文提出一种基于变量含异质噪声 （Heteroscedastic error-in-variables,HEIV）模型的高精度摄像机一维标定方法. 首先,推导出摄像机一维标定的计算模型;其次,利用该计算模型详细分析了一维标定中的噪声,得出摄像机一维标定可以视为一个HEIV问题的结论;最后给出了基于HEIV模型的摄像机一维标定算法. 与现有的算法相比,该方法可以显著改善一维标定的精度,并且受初始值影响小,收敛速度快. 实验结果验证了该方法的正确性和可行性.     

一种基于TOF相机与CCD相机的联合标定算法研究

针对基于Time-of-Flight(TOF)相机的彩色目标三维重建需标定CCD相机与TOF相机联合系统的几何参数,在研究现有的基于彩色图像和TOF深度图像标定算法的基础上,提出了一种基于平面棋盘模板的标定方法。拍摄了固定在平面标定模板上的彩色棋盘图案在不同角度下的彩色图像和振幅图像,改进了Harris角点提取,根据棋盘格上角点与虚拟像点的共轭关系,建立了相机标定系统模型,利用Levenberg-Marquardt算法求解,进行了标定实验。获取了TOF与CCD相机内参数,并利用像平面之间的位姿关系估计两相机坐标系的相对姿态,最后进行联合优化,获取了相机之间的旋转矩阵与平移向量。实验结果表明,提出的算法优化了求解过程,提高了标定效率,能够获得较高的精度。     

基于改进遗传算法的立体视觉系统标定

立体视觉系统的摄像机标定是一个多参数、非线性的复杂函数优化问题,传统优化方法很难解决。论文对标准遗传算法的编码方式进行了改进,经过改进后的遗传算法具有变量搜寻区间的自适应调整能力,在保持染色体编码长度不变的情况下,能同时满足变量搜索空间大小和编码精度的要求。利用改进了的遗传算法对双目视觉系统摄像机进行标定的结果表明,该算法能有效地实现高维寻优空间的近优解搜索。     

Multi-camera calibration based on an invariant pattern

In this paper we present a method for the calibration of multiple cameras based on the extraction and use of the physical characteristics of a one-dimensional invariant pattern which is defined by four collinear markers. The advantages of this kind of pattern stand out in two key steps of the calibration process. In the initial step of camera calibration methods, related to sample points capture, the proposed method takes advantage of using a new technique for the capture and recognition of a robust sample of projective invariant patterns, which allows to capture simultaneously more than one invariant pattern in the tracking area and recognize each pattern individually as well as each marker that composes them. This process is executed in real time while capturing our sample of calibration points in the cameras of our system. This new feature allows to capture a more numerous and robust set of sample points than other patterns used for multi-camera calibration methods. In the last step of the calibration process, related to camera parameters' optimization, we explore the collinearity feature of the invariant pattern and add this feature in the camera parameters optimization model. This approach obtains better results in the computation of camera parameters. We present the results obtained with the calibration of two multi-camera systems using the proposed method and compare them with other methods from the literature.     

凸松弛全局优化机器人手眼标定

针对机器人运动学正解及相机的外参数标定存在偏差时,基于非线性最优化的手眼标定算法无法确保目标函数收敛到全局极小值的问题,提出基于四元数理论的凸松弛全局最优化手眼标定算法。考虑到机械手末端相对运动旋转轴之间的夹角对标定方程求解精度的影响,首先利用随机抽样一致性（RANSAC）算法对标定数据中旋转轴之间的夹角进行预筛选,再利用四元数参数化旋转矩阵,建立多项式几何误差目标函数和约束,采用基于线性矩阵不等式（LMI）凸松弛全局优化算法求解全局最优手眼变换矩阵。实测结果表明,该算法可以求得全局最优解,手眼变换矩阵几何误差平均值不大于1.4 mm,标准差小于0.16 mm,结果稍优于四元数非线性最优化算法。     

Tsai氏相机平面标定算法的一种解析改进

针对径向畸变的针孔透视投影模型,提出了一种简单快速的相机标定算法。该算法在假设图像中心点与CCD或CMOS传感器中心重合的前提下,将相机的内外参数和相机模型的畸变参数分离,以进一步进行线性相机标定,避免了非线性优化带来的误差,降低了算法复杂度,可适当提高标定精度,节约计算时间。首先,根据透视投影的交比不变性原理标定镜头的畸变系数;然后,根据旋转变换关系和平移变换关系,充分利用径向畸变约束、旋转变换的正交性和旋转矩阵特有的性质约束线性求解出相机的内参和外参;最后,通过实验与Tsai氏相机平面标定算法进行对比,所提算法在标定时间上节约了35%左右,在精度上至少提高了15%。     

基于粒子群算法的双目立体视觉系统标定

摄像机标定是立体视觉系统研究的重要组成部分,针对双目立体视觉系统中摄像机标定这一多参数、复杂函数的优化问题,建立带有一阶径向畸变的摄像机模型,利用粒子群算法对模型中的参数进行优化处理,并同改进遗传算法的优化结果进行比较分析。实验结果表明该方法具有较高的精度,可满足工业机器视觉的要求。