基于分道线的道路云台摄像机参数自动标定

为实现基于道路视频摄像机视频处理的运动车辆精确测速,提出基于分道线长度、车道宽度和分道线消失点的道路云台摄像机参数自动标定方法,以对摄像机焦距、俯仰角、旋转角、离地高度等参数进行自动标定.实验结果表明,在应用于基于视频处理的运动车辆速度检测时,所提方法与雷达测速在平均误差以及误差标准差方面远小于我国公路测速允许的误差上...     

一种基于消失点的摄像机标定方法

为了简化摄像机标定,提出了一种基于消失点的摄像机标定方法,该方法仅需根据场景中3组已知的相互正交的平行线就能标定摄像机的内参数.该方法分为两步(1)根据场景中3个正交方向上的消失点计算摄像机的主点位置以及像机的焦距,首先得到摄像机内参数的初步估计;(2)以此估计值作为初值,通过非线性优化来得到摄像机内部参数的精确估计.最后使用模拟图象和真实图象对该方法进行了实验.结果表明,该标定方法是可行的,具有较高的精确度和较强的鲁棒性.     

车载摄像机的一种简易标定方法

针对基于视觉导航的智能车辆摄像机标定问题,提出了一种简便实用的方法.在已有的标定工具箱基础上,通过空间关系变换,建立了所需的摄像机内部参数和外部参数表达式,并给出了工程上的实现方案.实验结果验证了该方法的可行性.     

摄像机在线标定中的棋盘格角点自动检测方法

针对摄像机在线标定的特殊需要，研究棋盘格角点的自动检测问题。利用棋盘格角点共面特点，将平面到平面的变换引入到角点检测中，实现了角点的自动粗定位。在粗定位窗口内，通过角点检测算子与区域能量中心共同实现了角点精确定位。该算法将角点的检测与排序巧妙地结合起来，不仅对全局和局部光照变化都具有较强的适应性，还解决了图像中某些角点检测失败时，其他角点的正确检测与排序问题。实验结果表明，该方法不仅在鲁棒性和检测精度方面高于常用棋盘格角点检测方法，而且全部处理过程可自动实现，在摄像机在线标定中具有很高的实际应用价值。     

基于网格状纹理的简易摄像机标定方法

摄像机标定方法在移动机器人视觉系统的研究中具有重要意义。该文提出了一种基于网格状地面的简易摄像机标定方法,通过引入边缘提取、Hough变换、灭点检测等图像处理技术,对网格状地面图像进行了垂直和水平两个方向的直线检测,进而确定标定点的位置,最终实现了摄像机的快速标定。实验结果表明,该方法是可靠有效的。     

一种非线性摄像机标定方法

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。该文以针孔摄像机模型为基础,综合考虑了摄像机的透镜畸变效应,并借助于开放计算机视觉函数库OPENCV,实现了一种基于张正友摄像机标定的改进算法。利用检测得到的角点,获得物体的世界坐标和图像坐标。结果证明该文中的标定算法实现简单,精度高,稳定性好。     

面向车辆视频测速的摄像机倾斜角自适应标定方法

车辆视频测速中常常需要标定摄像机安装高度、视场角、倾斜角等参数,而其中倾斜角的确定与更新一般采用人工方式,限制了视频测速系统的应用。针对此问题,本文提出了一种自适应的摄像机倾斜角标定方法,利用连续观测图像序列建立超定线性方程组,并采用最小二乘法进行求解,最后经过闭环反馈调节,可以实时得出摄像机倾斜角。实验结果表明,该方法测量较为准确,避免了传统人工测量和维护的不便,具有较好的实用性。     

智能CMM检测系统中摄像机的内参数标定方法研究

集成化的ＣＭＭ智能检测系统研究的目标是利用ＣＭＭ和机器视觉系统各自的优势，实现对已知或未知ＣＡＤ模型的产品的自动检测．其中关键的一步是如何确定物体的空间尺寸与所成图象的对应关系，即高质量地完成对摄像机的参数标定工作．本文提出在实际工业现场中实现对摄像机内参数的快速、准确的测定和估计算法，并以实例证明算法的有效性．     

一种非线性摄像机标定方法

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。该文以针孔摄像机模型为基础,综合考虑了摄像机的透镜畸变效应,并借助于开放计算机视觉函数库OPENCV,实现了一种基于张正友摄像机标定的改进算法。利用检测得到的角点,获得物体的世界坐标和图像坐标。结果证明该文中的标定算法实现简单,精度高,稳定性好。     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

改进型虚拟线式视频车辆检测算法

在智能交通系统中,虚拟线式视频车辆检测算法广泛应用于交通流检测。虚拟线式视频车辆检测算法仅利用像素的亮度信息,受阴影和图像噪声的影响较大,在某些情况下认假率和拒真率比较高。为此提出一种改进型算法,采用两级检测方式,兼用了像素的亮度信息和色度信息。第一级处理利用亮度信息进行检测,第二级处理利用色度信息进行检测,根据色度信息修改亮度阈值。实验结果表明,改进型算法可有效克服阴影和图像噪声的影响,平均认假率为0.71%,平均拒真率为0.81%,与原算法相比均有明显降低,并且满足实时性要求。     

点云下地平面检测的RGB-D相机外参自动标定

目的 RGB-D相机的外参数可以被用来将相机坐标系下的点云转换到世界坐标系的点云,可以应用在3维场景重建、3维测量、机器人、目标检测等领域。 一般的标定方法利用标定物（比如棋盘）对RGB-D彩色相机的外参标定,但并未利用深度信息,故很难简化标定过程,因此,若充分利用深度信息,则极大地简化外参标定的流程。基于彩色图的标定方法,其标定的对象是深度传感器,然而,RGB-D相机大部分则应用基于深度传感器,而基于深度信息的标定方法则可以直接标定深度传感器的姿势。方法 首先将深度图转化为相机坐标系下的3维点云,利用MELSAC方法自动检测3维点云中的平面,根据地平面与世界坐标系的约束关系,遍历并筛选平面,直至得到地平面,利用地平面与相机坐标系的空间关系,最终计算出相机的外参数,即相机坐标系内的点与世界坐标系内的点的转换矩阵。结果 实验以棋盘的外参标定方法为基准,处理从PrimeSense相机所采集的RGB-D视频流,结果表明,外参标定平均侧倾角误差为-1.14°,平均俯仰角误差为4.57°,平均相机高度误差为3.96 cm。结论 该方法通过自动检测地平面,准确估计出相机的外参数,具有很强的自动化,此外,算法具有较高地并行性,进行并行优化后,具有实时性,可应用于自动估计机器人姿势。     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

基于视频图像处理的交通事件检测系统

针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足,研究开发了一种基于视频图像处理的交通事件检测系统。利用计算机视觉与数字图像处理技术,对设置在公路上的摄像头采集的视频图像,进行事件检测算法智能处理,自动采集各种交通参数,检测交通事件并及时报警,可有效地减少交通延误,防止二次事件发生,保障道路安全。与传统交通事件检测系统相比,具有直观方便、费用低等优点,拥有良好的市场需求和实用价值。     

ITS和GPS系统下车辆实时调度问题的研究

ITS和GPS技术的发展使得道路交通状况和车辆位置能够被实时监控,从而车辆调度中心能够根据道路交通状况实时调整车辆行驶路线,以避开交通拥挤路段,降低车辆的行驶时间。建立了ITS和GPS系统下车辆实时调度模型,并且就车辆行驶过程中如何降低问题的状态空间进行了研究。     

基于消失点的坐标校准算法

提出一种新的基于消失点的坐标校准算法,并将此算法应用于运动车辆的跟踪检测。该算法只需要知道消失点和已知尺寸物体在图像中的位置就可以实现坐标校准。与其他算法相比,该算法不需要预先知道摄像机的配置和参数,具有更广泛的适应性和更高的灵活性。在算法实现的过程中,使用了一维数组来表示前景分布矩阵,而非二维数组,从而有效地降低了算法空间复杂度。     

基于相机空间点约束的机器人工具标定方法

工具标定就是确定工具坐标系相对于机器人末端坐标系的变换矩阵,但传统的解决方案是通过人工示教点约束的方法,为此提出一种基于视觉相机空间的自动工具标定方法。在末端工具上增加特征点如圆环标志,利用相机建立机器人三维空间与相机二维空间之间的关系,通过自动的三维空间视觉定位,实现对圆环标志的中心点的点约束,视觉定位不需要相机的标定等繁琐过程。基于机器人的正运动学和相机空间点约束完成工具中心点(TCP)求解。重复实验的标定误差小于0.05 mm,实验的绝对定位误差小于0.1 mm,验证了基于相机空间定位的工具标定具有较高的可重复性以及可靠性。     

基于梯形棋盘格的摄像机和激光雷达标定方法

针对无人车（UGV）自主跟随目标车辆检测过程中需要对激光雷达（LiDAR）数据和摄像机图像进行信息融合的问题,提出了一种基于梯形棋盘格标定板对激光雷达和摄像机进行联合标定的方法。首先,利用激光雷达在梯形标定板上的扫描信息,获取激光雷达安装的俯仰角和安装高度;然后,通过梯形标定板上的黑白棋盘格标定出摄像机相对于车体的外参数;其次,结合激光雷达数据点与图像像素坐标之间的对应关系,对两个传感器进行联合标定;最后,综合激光雷达和摄像机的标定结果,对激光雷达数据和摄像机图像进行了像素级的数据融合。该方法只要让梯形标定板放置在车体前方,采集一次图像和激光雷达数据就可以满足整个标定过程,实现两种类型传感器的标定。实验结果表明,该标定方法的平均位置偏差为3.5691 pixel,折算精度为13 μm,标定精度高。同时从激光雷达数据和视觉图像融合的效果来看,所提方法有效地完成激光雷达与摄像机的空间对准,融合效果好,对运动中的物体体现出了强鲁棒性。