由灭点进行径向畸变的自动校正

目的镜头畸变影响着3维重建、几何量测等工作的质量。根据图像中的灭点几何约束条件,提出一种根据灭点进行弱径向畸变自动校正方法。方法为避免包含畸变中心参数的非线性模型优化结果的不稳定性,在求解径向畸变系数之后进一步对畸变中心进行优化。首先根据灭点几何约束条件建立关于灭点与径向畸变系数的非线性模型,使用Levenberg-Marquardt(LM)算法估计灭点坐标与径向畸变参数,然后根据质量评价准则对畸变中心和径向畸变系数进一步迭代优化;最后,通过真实图像对该方法的可行性进行分析验证。结果采用不同的数据对径向畸变进行了有效地校正,并采用校正后的数据进行了相机标定,标定结果相对于传统基于非量测校正方法有明显的提高。结论充分利用图像中的灭点属性,提出一种新的镜头径向畸变校正方法。实验结果表明,该方法能够有效地对径向畸变进行校正,并克服了传统基于非量测畸变校正方法的不稳定性。     

基于畸变模型优化的网络摄像机标定*

针对低分辨率网络数码摄像机用于定量量测的标定问题, 提出一种非线性畸变的构建与优化方法。该方法结合多项式模型与传统的畸变模型;利用回归分析原理对模型进行自动精化,以优选显著的畸变参数,从而建立了一种自适应的摄像机畸变模型。运用构建的畸变模型,利用自检校光束法平差方法对同种型号的三个低成本网络摄像机实施标定和畸变纠正。结果表明,该模型有效补偿了通用畸变模型残存的畸变系统差,同时有效的避免了过度参数化的问题,有助于提高摄像机的标定精度和稳健性,使得摄像机的标定精度达到子像素。     

基于直线射影特征的摄像机参数标定方法

对于精度要求高、成本低或使用广角镜头的系统,在标定摄像机参数时需要校正镜头畸变.通常在摄像机标定算法中,镜头畸变参数的校正和摄像机参数求解都结合在一起,增加了算法的复杂性,并且依赖标定模板.针对以上问题,提出了一种新的标定方法,即不需要标定模板,也不需要确定空间点的精确坐标.首先通过直线的射影不变性校正镜头畸变参数,再...     

双摄像机模组的组合式标定和校正方法

提出了双摄像机模组的组合式标定和校正方法,能够将传统的标定和校正2道工序合并为1道工序,不需要借助于外部测量设备,仅利用双摄像机同时对目标模板拍摄的1幅图像,即可实现双摄像机模组的标定和校正。先基于交比不变性计算摄像机的径向畸变系数,将摄像机畸变成像模型转换为线性模型,利用线性模型分别对2个摄像机进行标定;然后计算2个摄像机之间的位姿偏移参数,调节右摄像机位姿,进行双摄像机之间的位姿校正;最后标定2个摄像机之间的位姿参数。实际应用结果表明,所提出的双摄像机模组校正和标定方法,校正和标定精度高,缩短了工艺时间,提高了工艺效率,能够满足双摄像机模组封装生产工艺的要求。     

考虑径向畸变的机器人视觉系统的参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。用GRB系统的Matrox图像采集卡采集标定点坐标,利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明,该方法有较高的标定精度。     

基于直线投影特征的镜头畸变校正方法

针对摄像机镜头畸变校正方法的简便和快速问题,设计了基于直线投影特征的校正方法。介绍了镜头主要畸变产生原因和畸变模型;给出直线三点在理想投影下的关系,确定了适应度函数,利用遗传算法得到了畸变参数组最优解。基于matlab软件编写校正程序,并进行了实验验证。实验表明,利用畸变参数组的最优解能够实现图像畸变校正,效果较好。该标定方法只需场景内有直线存在即可实现对摄像机镜头畸变参数校正,方法所需实验条件简单,程序简便,便于现场快速校正。     

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度     

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。     

基于等间距线的几何畸变校正

摄像机视觉测量系统中图像存在几何畸变,会降低尺寸测量精度,必须进行校正.目前基于单张图像的畸变校正方法主要有标定板特征点转移矩阵的非参数化方法和利用特征点共线性或无穷点约束条件的参数化方法,由于上述方法需要获取多个特征点的坐标,而获取孤立的坐标点容易造成误差,使得校正效果不好.提出采用等间距线方法,利用畸变模型建立间距...     

基于共线点的镜头畸变校正方法

为实现未知摄像机参数的镜头畸变校正,提出了一种先标定畸变中心、再标定畸变系数的方法。先在镜头的不同焦距处对靶标成两次像,利用相同靶标点在两幅图像中的相对位置关系求解畸变中心;再根据直线的透视投影不变性,通过变步长的最优化方法搜索畸变系数。模拟实验表明,在靶标点数为25,噪声水平为0.2像素时,畸变中心的平均误差为(0.2243,0.1636)像素,畸变系数误差为0.28%。真实图像实验表明,用该方法得到的畸变中心和畸变系数能够很好地校正图像。该方法不需要标定摄像机的内外部参数,也无需知道直线网格的世界坐标,简便易行。     

Robust metric calibration of non-linear camera lens distortion

Camera lens distortion is crucial to obtain the best performance cameral model. Up to now, different techniques exist, which try to minimize the calibration error using different lens distortion models or computing them in different ways. Some compute lens distortion camera parameters in the camera calibration process together with the intrinsic and extrinsic ones. Others isolate the lens distortion calibration without using any template and basing the calibration on the deformation in the image of some features of the objects in the scene, like straight lines or circles. These lens distortion techniques which do not use any calibration template can be unstable if a complete camera lens distortion model is computed. They are named non-metric calibration or self-calibration methods.Traditionally a camera has been always best calibrated if metric calibration is done instead of self-calibration. This paper proposes a metric calibration technique which computes the camera lens distortion isolated from the camera calibration process under stable conditions, independently of the computed lens distortion model or the number of parameters. To make it easier to resolve, this metric technique uses the same calibration template that will be used afterwards for the calibration process. Therefore, the best performance of the camera lens distortion calibration process is achieved, which is transferred directly to the camera calibration process.     

Generalized Camera Calibration Including Fish-Eye Lenses

A method is described for accurately calibrating cameras including radial lens distortion, by using known points such as those measured from a calibration fixture. Both the intrinsic and extrinsic parameters are calibrated in a single least-squares adjustment, but provision is made for including old values of the intrinsic parameters in the adjustment. The distortion terms are relative to the optical axis, which is included in the model so that it does not have to be orthogonal to the image sensor plane. These distortion terms represent corrections to the basic lens model, which is a generalization that includes the perspective projection and the ideal fish-eye lens as special cases. The position of the entrance pupil point as a function of off-axis angle also is included in the model. (The complete camera model including all of these effects often is called CAHVORE.) A way of adding decentering distortion also is described. A priori standard deviations can be used to apply weight to given initial approximations (which can be zero) for the distortion terms, for the difference between the optical axis and the perpendicular to the sensor plane, and for the terms representing movement of the entrance pupil, so that the solution for these is well determined when there is insufficient information in the calibration data. For the other parameters, initial approximations needed for the nonlinear least-squares adjustment are obtained in a simple manner from the calibration data and other known information. (Weight can be given to these also, if desired.) Outliers among the calibration points that disagree excessively with the other data are removed by means of automatic editing based on analysis of the residuals. The use of the camera model also is described, including partial derivatives for propagating both from object space to image space and vice versa. These methods were used to calibrate the cameras on the Mars Exploration Rovers.     

高速公路云台相机的自动标定

目的 云台相机因监控视野广、灵活度高,在高速公路监控系统中发挥出重要的作用,但因云台相机焦距与角度不定时地随监控需求变化,对利用云台相机的图像信息获取真实世界准确的物理信息造成一定困难,因此进行云台相机非现场自动标定方法的研究对高速公路监控系统的应用具有重要价值。方法 本文提出了一种基于消失点约束与车道线模型约束的云台相机自动标定方法,以建立高速公路监控系统的图像信息与真实世界物理信息之间准确描述关系。首先,利用车辆目标运动轨迹的级联霍夫变换投票实现纵向消失点的准确估计,其次以车道线模型物理度量为约束,并采用枚举策略获取横向消失点的准确估计,最终在已知相机高度的条件下实现高速公路云台相机标定参数的准确计算。结果 将本文方法在不同的场景下进行实验,得到在不同的距离下的平均误差分别为4.63%、4.74%、4.81%、4.65%,均小于5%。结论 对多组高速公路监控场景的测试实验结果表明,本文提出的云台相机自动标定方法对高速公路监控场景的物理测量误差能够满足应用需求,与参考方法相比较而言具有较大的优势和一定的应用价值,得到的相机内外参数可用于计算车辆速度与空间位置等。     

基于单幅图片的相机完全标定

现有相机标定方法的标定过程比较繁琐,不利于标定相机的广泛使用。为此,从摄像机镜头畸变矫正着手,结合标定板信息及消失点约束,提出一种基于单张图片的相机标定方法。利用非线性迭代得到相机镜头的畸变系数,通过线性求解得出相机的内参,直接计算得到相机的外参,从而实现仅需拍摄单张标定板图片的相机完全标定。实验结果表明,该方法在标定板与视平面夹角小于45°的情况下均能成功标定,并且重投影误差小于0.3像素。     

模糊化神经网络在摄像机标定中的应用

摄像机标定是精确的视觉系统的前提。该文提出了基于双目视觉的一种新型模糊化神经网络摄像机标定法。神经网络已经成功的运用于无参摄像机标定技术当中。由于镜头的畸变主要由径向畸变引起,且图像中点总的径向畸变正比于该点到图像中心距离的平方,所以通过对神经网络的输入层进行径向模糊化,可以进一步精确标定结果。通过与普通神经网络摄像机标定法、分割区间双神经网络摄像机标定法的仿真比较,证明了模糊化神经网络摄像机标定法的有效性。     

基于空间透视不变量的摄象机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法．空间透视不变量是指在几何变换中如投影或改变观察点时保持不变的形状描述．由于它可以得到一个相对于外界来讲独立的物体景物的特征描述，故可以很广泛的应用到计算机视觉等方面．摄象机标定是确定摄象机摄取的２Ｄ图象信息及其３Ｄ实际景物的信息之间的变换关系，它包括内部参数和外部参数两个部分．内部参数表征的是摄象机的内部特征和光学特征参数，包括图象中心（Ｃｘ，Ｃｙ）坐标、图象尺度因子Ｓｘ、有效的焦距长度ｆ和透镜的畸变失真系数Ｋ；外部参数表示的是摄象机的位置和方向在世界坐标中的坐标参数，它包括平移矩阵Ｔ和旋转矩阵Ｒ３×３，一般情况下可以写成一个扩展矩阵［ＲＴ］３×４．本文基于空间透视不变量的计算数据，给出了一种标定摄象机外部参数的方法，实验结果表明该方法具有很强的鲁棒性．     

Kinect传感器的彩色和深度相机标定

目的 针对现有的Kinect传感器中彩色相机和深度相机标定尤其是深度相机标定精度差、效率低的现状,本文在现有的基于彩色图像和视差图像标定算法的基础上,提出一种快速、精确的改进算法。方法 用张正友标定法标定彩色相机,用泰勒公式化简深度相机中用于修正视差值的空间偏移量以简化由视差与深度的几何关系构建的视差畸变模型,并以该模型完成Kinect传感器的标定。结果 通过拍摄固定于标定平板上的标定棋盘在不同姿态下的彩色图像和视差图像,完成Kinect传感器的标定,获得彩色相机和深度相机的畸变参数及两相机之间的旋转和平移矩阵,标定时间为116 s,得到彩色相机的重投影误差为0.33,深度相机的重投影误差为0.798。结论 实验结果表明,该改进方法在保证标定精度的前提下,优化了求解过程,有效提高了标定效率。