一种基于斜率和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。     

鱼眼图像径向畸变校正的一种新方法

由于鱼眼相机视场广阔在很多领域都得到了广泛应用,但其图像存在着明显的径向 畸变,需要在应用之前加以校正。为此分析了径向畸变模型解析解的非唯一性;根据径向畸变的 对称性,得出了畸变直线与理想直线之间的关系,即畸变校正的解析表达式;提出了一种鱼眼图 像径向畸变校正的新方法。实验证明,该方法计算简单,能有效校正包含直线特征的场景。     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

一种基于摄像机模型的畸变图象校正方法

一种基于摄像机模型的畸变图象校正方法王亚东丁明跃彭嘉雄（华中理工大学图象识别与人工智能研究所武汉４３００７４）关键词像机模型,像机定标,畸变图象校正．收稿日期１９９４－１１－１４１引言在图象分析和图象匹配中,为了获得大视场图象,需要使用广角镜头．但是...     

摄像机镜头畸变的鲁棒校正方法

针对计算机视觉中的镜头畸变问题,设计一种鲁棒的校正方法.该方法基于空间直线的成像特性来定义畸变测度,通过非线性优化完成畸变校正.采用微粒群全局优化算法,将传统优化方法、标准微粒群算法和基于不同策略的微粒群算法的性能进行对比.实验结果表明,带变异算子基于对位学习的微粒群算法具有较强的鲁棒性,在低噪声下,微粒群算法的校正性能优于传统算法.最后通过不同畸变程度的校正实例验证了所提出方法的有效性.     

基于图像平面的畸变校正方法

针对图像液位检测系统中摄像头引入的图像畸变,提出一种基于图像平面的校正方法。使用虚拟的标准校正图代替实际图,通过二阶径向模型的反复迭代求取畸变系数,利用双线性插值对输出像素点灰度进行插补。实验结果表明,该方法的校正误差小于0.35个像素点,能有效提高视频检测精度。     

基于最小化畸变重投影的广义平面校正方法

为了方便计算机视觉中的图像配准和拼接等工作,该文提出了一种最小化畸变平面校正方法。通过求射影变换权值变化测度之和的极值及Jacobian行列式度量校正前后的局部区域变化,求得最小化重采样效果的校正变换矩阵。建立广义平面校正坐标系,在虚拟坐标系内考虑最小化畸变和最小化重采样效果,减少了旋转造成的重采样畸变,改善了可视性。     

基于IACPSO算法的摄像机镜头畸变校正

针对摄像机镜头畸变的非线性问题,提出一种基于改进的混沌变异自适应双粒子群优化(IACPSO)算法的畸变校正方法.IACPSO算法用两个独立的粒子群进行协同优化:种群一采用固定的惯性权重,同时利用立方映射混沌因子对进化过程中出现的停滞粒子进行扰动;种群二采用自适应的惯性权重,以适应度值为依据来动态调整惯性权重的大小,取两个种群进化过程中发现的最优粒子作为全局最优解.为了验证IACPSO算法在镜头畸变校正问题上的性能,将其与多种粒子群优化算法进行对比.仿真实验结果表明,IACPSO算法在求解过程中具有较强的鲁棒性,在低噪声下,其校正性能优于其他粒子群算法.最后,运用两组校正实例进一步验证所提出方法的有效性.     

基于灭点的径向畸变自动校正方法

镜头畸变影响着三维重建、几何量测等工作的质量。本文根据图像中的灭点几何约束条件,提出一种基于灭点的弱径向畸变自动校正方法。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,本文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。本文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,该方法能够有效的对径向畸变进行校正,并克服了传统校正方法的不稳定性。     

摄像机镜头非线性畸变校正方法综述

由于加工误差和装配误差的存在，摄像机光学系统与理想的小孔透视模型有一定的差别，致使物体点在摄像机图像平面上实际所成的像与理想成像之间存在不同程度的非线性光学畸变。为了提高图像检测、模式匹配等定量分析的准确性，必须对这一类畸变进行修正。近年来，国内外学者就此问题进行了大量的研究，为了使人们概略地了解该领域的研究现状，为此首先介绍了摄像机成像模型与镜头非线性畸变模型，并回顾总结了摄像机镜头非线性畸变校正方法，然后进一步提出从原理上将这些方法分为基于控制对象的方法和基于模式的方法两大类，最后分析比较了各种方法的优缺点。     

增强现实中的摄像机径向畸变校正

增强现实系统中,有效地进行摄像机镜头畸变校正对提高虚拟环境的精确性具有重要意义.首先提出一种基于成像几何的畸变校正方法,采用带有一阶径向畸变的摄像机模型,对镜头径向畸变进行校正,再根据校正后的图像计算摄像机投影矩阵.实验表明,基于成像几何的畸变校正算法具有较高的畸变校正精度,640×480的图像中,最大畸变量达90多个像素.与利用理想针孔摄像机模型得到的增强现实环境相比,畸变校正后得到的叠加结果更为精确.     

应用BP神经网络进行成像误差修正

成像误差修正是摄像机标定中的一个重要的环节，而传统的像差修正方法计算复杂。提出了一种基于BP神经网络的修正成像误差的算法，建立两个神经网络分别对δu与δv进行最佳函数逼近。仿真实验结果证明利用神经网络的非线性逼近能力无须建立精确的数学模型即可提高精度，而且比传统的方法更加简单易行。     

基于LabView的多项式畸变模型图像矫正方法

图像畸变的矫正是图像处理领域的难题之一,尤其是在自动化检测领域.本文采用一种多项式畸变成像模型建立坐标系之间的转换关系,然后基于LabView平台使用校准点阵进行机器视觉系统校准,并在不同的工作模式下采用双线性插值算法对图像进行矫正.实验结果表明,采集的图像得到了良好的矫正,达到了预期的效果.     

基于数据拟合的摄像机标定和图像的数值校正

采用的摄像机成像模型考虑了透镜的径向畸变和切向畸变。标定过程包括对摄像机的内外部参数的直接线性变换估算和基于内部映射牛顿法的子空间置信域法的非线性优化算法优化。同时提出了对畸变图像校正的数值计算方法。     

一种考虑二阶径向畸变的主动视觉自标定算法

基于主动视觉的摄像机自标定是摄像机标定的一个重要分支 ,由于普通的 CCD摄像机拍摄的像片存在着各种类型的几何畸变 ,其中以径向畸变最为严重 ,因此研究考虑径向畸变的自标定技术有着重要的意义 .为了使标定结果更精确 ,提出了一种考虑二阶径向畸变的内参数自标定方法 ,并通过推导考虑二阶径向畸变的极线几何约束 ,得出了如果能控制摄像机做 4次不在同一平面上的平移运动 ,则可以标定摄像机的内参数和二阶径向畸变系数的结论 .仿真实验结果表明 ,该算法精度很高 ,且具有一定的鲁棒性 ,可用于摄像机的标定 .     

基于OpenCV改进的摄像机标定法

针对计算机视觉领域的摄像机标定问题,考虑到畸变对标定精度的影响,介绍了开放计算机视觉函数库OpenCV和摄像机模型,给出了基于OpenCV的摄像机标定算法;该算法充分运用了OpenCV的函数库功能,具有很高的标定精度和计算效率,可以满足立体视觉系统的需要.