未标定相机的高精度位姿估计方法

针对未标定相机的位姿估计问题,提出了一种焦距和位姿同时迭代的高精度位姿估计算法。现有的未标定相机的位姿估计算法是焦距和相机位姿单独求解,焦距估计精度较差。提出的算法首先通过现有算法得到相机焦距和位姿的初始参数;然后在正交迭代的基础上推导了焦距和位姿最小化函数,将焦距和位姿同时作为初始值进行迭代计算;最后得到高精度的焦距和位姿参数。仿真实验表明提出的算法在点数为10,噪声标准差为2的情况下,角度相对误差小于1%,平移相对误差小于4%,焦距相对误差小于3%;真实实验表明提出的算法与棋盘标定方法的精度相当。与现有算法相比,能够对未标定相机进行高精度的焦距和位姿估计。     

一种基于任意点对的相机标定方法

提出了一种基于任意点对的几何标定方法,用于标定相机外部参数．该方法考虑点对而不是单个点与相机的几何关系．首先根据三个标定点对估计旋转矩阵,然后根据相机和一个点对的几何关系直接计算平移向量．整个标定过程无需任何点对的绝对位置信息,而且对点对的位置关系也没有任何限制．试验结果表明了该方法的有效性．     

一种新的基于散焦图像的摄像机标定方法

提出一种新的用于散焦求深度的摄像机内参数标定算法。该算法依靠改变摄像机镜头光圈指数获取同一场景的任意两幅散焦程度不同的图像,提取两幅图像间模糊程度差异信息,结合分析透镜成像几何标定出摄像机的相应内参数。此算法解除了2006年由Park所提出的标定方法中必须有一幅聚焦图像的限制,并且无须对图像进行复杂的放大率标准化处理。模拟实验与真实实验均验证了算法的有效性和精确性。     

一种基于点对的相机几何标定方法

提出了一种基于点对的几何标定方法,用于标定相机外部参数．该方法考虑点对而不是单个点与相机的几何关系．首先根据三个标定点对计算旋转矩阵且不需要任何点对的精确三维信息．然后根据相机和一个点对的几何关系计算平移且只需这个点对的相对位置是已知的．整个标定过程不需要任何点对的绝对位置信息．试验结果表明了该方法的有效性．     

基于模板匹配法的散焦图像模糊度估计

提出一种新的散焦图像模糊度估计方法。由图像中的阶跃型边缘提取线扩展函数。根据匹配滤波可实现最优信噪比信号检测的思想,引入模板匹配的方法计算线扩展函数的标准差。由点扩展函数的圆周对称性从线扩展函数的标准差得到高斯型点扩展函数的标准差。实验结果表明,该方法能够准确地估计散焦模糊图像点扩展函数的标准差。将点扩展函数的标准差作为一种评价图像模糊度的测度。实验表明该测度符合人眼的视觉特性,可以很好地判定散焦模糊图像的模糊度。     

面向超分辨率的散焦视频序列模糊辨识方法

在低分辨率的超分辨率重建过程中,视频序列的模糊辨识起着至关重要的作用,它直接决定了超分辨率技术能否在实际中得到有效的应用。根据几何光学成像原理,提出了利用三幅低分辨率图像来估计出整个视频序列散焦模糊系数的方法。试验表明提出的算法简单,能够有效地解决实际问题并且效果很好。     

基于循环神经网络的散焦图像去模糊算法

近年来,基于深度学习的运动模糊去除算法得到了广泛关注,然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题,提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络,分别完成散焦图估计和图像去模糊;随后,为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用,在残差网络中引入LSTM（long short-term memory）循环层;最后,整个残差网络进行了多次迭代,迭代过程中网络参数共享。为了训练网络,制作了一个合成散焦图像数据集,每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明,该算法相较于对比算法在主客观图像质量评价上均有显著优势,在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD,该算法相比DPDNet-Single在峰值信噪比（PSNR）和结构相似性（SSIM）上分别提高了0.77 dB、5.6%,因此所提方法可以有效处理真实场景散焦模糊。     

基于三维标定板的相机标定方法

针对传统平面相机标定方法中棋盘角点坐标维度信息缺失的问题,提出一种基于三维标定板的相机标定方法.在平面标定的算法基础上,利用角点的三维坐标计算相机的内参系数.根据标定板角点的世界坐标和像素坐标的对应关系、奇异值分解(SVD)方法,求解相机的投影变换矩阵;再利用旋转向量的性质计算出相机内参的初始值;最后运用非线性优化方法...     

相机一维标定的最优加权线性算法

为了进一步提高相机一维标定线性算法的精度,提出一种最优加权线性算法.首先对相对深度的约束方程进行一次最优加权得到其新的估计量,并指出一次最优加权具有与迭代最优加权相当的精度以及更少的计算量;然后对绝对二次曲线的像的约束方程也进行一次最优加权,并通过对最优权进行适当的近似以进一步减少计算量.实验结果表明,该算法的标定精度比现有的加权线性算法的精度更高,与光束法平差算法的精度相当.     

加权的模糊处理方法

基于人们对加权的选择是一个模糊性的过程,文中提出加权可用带有确信度的模糊数来表示,从而引入以三元组形式表示的模糊加权这一概念。模糊加权从定性、定量和确信度三个方面,分层次地将人们对杈选择中的模糊认识较完整地表示出来。     

考虑有界噪声的摄象机内部参数标定方法

指出摄象机指标定问题中存在的观测误差适于用未知但有界误差（ＵＢＢＥ）模型描述,标定问题可用集内不确定（ＳＭＵ）估计方法解决。针对有关文献研究的一种摄象机内部参数标定问题,提出了利用ＳＭＵ估计方法进行参数标定的新算法。仿真实验结果表明,新算法不权可以在给出标定结果的同时给出标定误差确定的上界,而且可获得较好的标定精度,具有一定的使用价值。     

基于一维标定物的反射折射摄像机标定方法

一维标定物是指一组任意两点距离已知的共线点.基于一维标定物的标定方法相对基于二维、三维标定物的方法更加灵活,在实际中有很高的应用价值.文中提出一种基于一维标定物的反射折射摄像机标定算法.如果一维标定物包含5个或5个以上的共线点,则通过一维标定物的3次或3次以上的一般刚体运动,就能够标定反射折射摄像机的参数.算法分为两步:首先,使用一维标定物的图像和主点满足的不变量计算主点;然后,通过一维标定物图像所隐含的正交消影点信息,线性地求解绝对二次曲线的像(IAC),并对IAC矩阵进行Cholesky分解确定尺度因子和畸变因子.此外,文中方法还能够给出镜面参数的解析表示以及一维标定物相对于视球中心的位置.模拟实验中,作者在两种镜面配置下比较了文中的方法和基于圆环点的方法,结果表明文中的方法在不同的镜面配置下都能得到较好的标定结果.真实实验也验证了文中方法的正确性和可行性.     

基于LCD的相机标定新方法

近年来,三维目标建模一直是计算机视觉及摄影测量领域的研究热门,随着数码相机技术的发展,普通数码相机在摄影测量领域的应用也越来越普及,而相机(或摄像机)标定是问题的关键之冶疚奶岢隽艘恢只贚CD的相机标定新方法,详细论述了其标定过程和标定理论.并通过实验证明了该方法的可行性.     

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.     

一种基于相机标定的图像配准方法

图像配准是把同一场景的两幅或者多幅图像在空间上进行配准,它在图像分析领域应用广泛,如医学,遥感图像分析,图像融合,图像检索及目标识别等．匹配困难是图像配准的主要问题,造成匹配困难的原因之一是待匹配图像存在畸变．该问题是由于待配准图像相对于基准图像会产生大面积相同区域或产生平移、旋转、缩放等多种畸变．针对以上各种畸变,本文提出一种解决方案：利用相机标定信息求解畸变情况的平移矩阵、旋转矩阵和缩放比,通过反变换达到矫正图像畸变的效果．然而标定信息常会因为相机位置移动而发生改变．对于此问题,本文则是通过求解多角度下的云台转角来确定相机的标定信息．实验表明：本文提供的方案很好的解决了图像配准阶段的一些畸变问题,使图像配准有较高的精度．     

自动化几何校正中相机位姿自动校正方法

为了解决多投影仪拼接显示系统自动几何校正中相机位姿的自动校正问题,提出了一种利用目标区域角点集的最小外接矩形确定目标的倾斜状态的方法。首先运用Harris角点检测算子检测出目标区域的角点集,并根据角点集的凸包求其最小外接矩形,然后计算最小外接矩形的长或宽的斜率判断出目标区域的倾斜状态,最后结合云台的控制,对相机姿态做出实时调整,实现了自动几何校正工作中相机位姿的自动校正功能。     

一种基于菱形的摄像机标定方法

给出了一种基于菱形作为平面模板的摄像机标定方法。通过计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程,只需摄像机在三个不同方位摄取菱形模板的图像,即可线性求解摄像机内参数。通过仿真实验表明,该算法可行。     

基于单应矩阵的摄像机标定方法及应用

提出了一种基于单应矩阵的摄像机标定方法,并应用标定结果成功完成了移动机器人的视觉伺服任务。该方法首先根据图像平面和标定板平面之间特征点的对应关系,对单应矩阵进行了估计,进而利用旋转矩阵的单位正交性得到了其对摄像机内参数的约束条件。然后把摄像机内参数矩阵分解为有效焦距与主点位置两部分,并利用最小二乘法分别对其进行求解。针对镜头的径向畸变,恰当地选取了一种畸变模型,并由此得到了一种新的目标函数来对摄像机的所有参数进行非线性优化,从而使获得的畸变系数更适合于从二维图像信号中提取三维位姿信息。最后将标定结果成功应用于移动机器人视觉伺服系统之中,实验结果验证了该标定算法具有简单易用、精度较高等优良性能。