基于点对应的相机姿态估计算法性能评价

基于点对应的相机姿态估计算法缺少科学的性能评价方法,增加了工程应用中算法选择的难度.针对该问题,提出了在特定代价函数下的相机姿态估计算法性能评价方法,主要包括3个性能评价参数:精度、效率和存在区域最优解成功率.其中,区域最优解不同于局部最优解,若给定区域为代价函数定义域,则区域最优解等价于全局最优解.着重阐述了存在区域最优解的判断方法,以角度残差为基础建立代价函数,利用姿态矩阵计算代价函数的Hessian矩阵下界,若Hessian矩阵下界半正定,则代价函数在以该姿态矩阵为中心、大小由像点噪声模型确定的邻域内为凸函数,即存在区域最优解.借助仿真实验平台,对9种经典相机姿态估计算法进行了性能评价.结果表明,RPnP+LHM算法的综合性能最优.     

多几何约束下的鱼眼相机单像高精度标定

以待标定鱼眼相机近似垂直棋盘格获取的单张影像为对象,综合利用多种几何约束分阶段求解鱼眼相机参数初值并进行全局优化:利用鱼眼图像轮廓对称性计算得到准确的相机主点位置(u_0,v_0),并通过轮廓外接矩形扫描搜索巧妙回避了黑色背景下的轮廓点检测困难;精确拟合棋盘格两组互相垂直平行直线在鱼眼图像上投影椭圆,计算椭圆交点并将其反投影到单位球面获得平行直线灭点,根据灭点方向正交约束得到相机等效焦距初值(f_x,f_y)及旋转矩阵角度初值;利用径向对准约束及棋盘格角点信息先线性求解平移矢量(t_x,t_y)初值,进而建立一元二次方程求解平移矢量t_z初值,最后通过最小化棋盘格角点重投影误差对除主点外的全部相机参数进行全局优化,并利用优化参数对鱼眼图像实施立方盒展开纠正。对海康威视两种型号(视野范围不同)定焦鱼眼相机的标定及其影像纠正试验结果表明,本文方法重投影均方根误差(RMSE)小于1/3 pixel,标定参数对鱼眼图像不同区域的平面透视纠正效果总体上较稳健,中心区域纠正效果略优于边缘处,纠正影像上棋盘格角点直线拟合RMSE均小于0.7 pixel,效果明显优于网上标定工具箱结果,具有较好的应用价值。     

绝对方位问题封闭形式最优估计的快速算法

提出一种快速的绝对方位问题算法,通过最小二乘法构造目标函数,对目标函数中的旋转矩阵和平移向量进行分离,利用矩阵的Fobenius范数、行列式以及伴随矩阵等构造旋转矩阵和平移向量封闭形式的最优估计。这种算法具有较高的计算精度和抗噪声性能,并且避免了目前常用算法中的奇异值分解运算,从而提高了计算速度。数学实验结果表明,在计算精度与抗噪声能力上与目前性能最优的Umeyama算法相当,同时计算速度较之有大幅提升,尤其适用于对实时性要求较高的领域。     

基于共线向量与平面单应性的双目相机标定方法

现有双目相机标定的方法是通过矩阵变换求得各个相机间的旋转平移关系,再通过优化求得最终参数。非线性优化步骤多,相机内外参数与镜头畸变存在耦合,时间花费较大。提出一种畸变矫正与平面单应性矩阵结合的双目相机标定方法。根据三维空间直线投影到像平面仍然是直线的法则,对于无畸变的图像,直线上任意两点所构成的向量的方向相同时向量夹角应为零。基于此特征求解双目相机的畸变系数,再通过平面单应矩阵构造测量矩阵,然后通过矩阵分解求得相机内、外参的初值,最终通过非线性优化求得双目相机的各个参数。仿真和实验结果证明,该方法稳定性高,精度与传统标定方法的精度相当,且计算时间短,标定效率优于传统标定方法。     

一种高精度的非迭代位姿估计方法

针对增量式运动结构恢复中相机内参数未标定情况下位姿估计问题,提出一种高精度的非迭代位姿求解方法。根据针孔成像模型,构建了相机内参数未标定位姿估计问题描述方程,使用单位四元数对旋转矩阵进行参数化,并根据四重轴对称现象对旋转矩阵进行分解,通过最小二乘原理构建目标函数后,利用一阶最优化条件建立了关于旋转矩阵参数的二元多项式方程组,使用Gr9bner基求解该方程组得到旋转参数的闭合解,进而获得相机的位姿参数和焦距。该算法的计算复杂度为O(n),实验验证了其有效性、高精度和高数值稳定性。     

基于直线段对应的相机位姿估计直接最小二乘法

为了实现高精度的基于直线段对应的相机位姿估计,提出一种直接最小二乘法。通过提出并利用一种直线段之间的距离测度,将原问题转化为最小化一个姿态旋转矩阵的二次目标函数,该距离测度综合考虑了线段的端点距离、中点距离、夹角和线段的长度,通过旋转矩阵的CGR参数表达获得一个修正的目标函数,此修正目标函数的最优解条件组成了一个三元三次方程组,利用代数多项式方法在不需要迭代的情况下直接求解这个方程组,从而得到了旋转矩阵的全局最优解。该算法的计算复杂度为O(n)。仿真和真实实验验证了该方法的有效性和高精度。     

基于仿射近似投影模型的长焦相机标定方法

鉴于透视投影模型在长焦相机标定过程中存在过参数化的问题,采用仿射近似投影模型对长焦相机成像过程进行建模,并提出了基于仿射近似投影模型的长焦相机标定方法。首先,深入分析了仿射投影位姿模糊的形成机制,在此基础上详细推导了仿射近似投影下基于平面模板的长焦相机内外参数解算方法;然后,基于透视投影模型,以重投影像点残差平方和最小为目标函数,对内外参数初值进行优化求精;最后,针对仿射投影模型的位姿模糊,在平面标定模板基础上附加微凸圆柱标志。仿真和实际实验结果显示,所提出的长焦相机标定方法有效可行,在实验室环境下重建平面目标的离面中误差优于0.02 mm。     

面向工业摄影测量的一种混合式相对定向算法

针对工业摄影测量中多基线、大倾角交向摄影时相对定向困难的问题,提出一种混合式相对定向算法。算法先利用本质矩阵分解确立相对定向参数初值,再利用非线性优化计算精确解。从共面条件获得的行列式出发,推导本质矩阵与相对定向参数的内在联系,给出求解本质矩阵的两种方法。然后讨论本质矩阵奇异值分解计算旋转矩阵和平移矢量,同时给出剔除伪解的依据。基于共面条件方程,建立相对定向参数非线性优化的目标函数。定向精度对比试验验证了所提出的混合算法的稳定性和高精度,对卫星天线曲面的测量试验也进一步说明该算法在工程实践中的适用性和可靠性。     

一种无公共视场的多相机系统相对位姿解耦估计方法

自动驾驶应用中,基于视觉的相对位姿估计是实现无人驾驶汽车自动定位的核心技术之一.针对单目视觉系统的视场范围较小以及双目视觉系统需要公共视场等问题,提出一种无公共视场的多相机系统相对位姿解耦估计方法.利用场景中远、近点的不同特性对旋转矩阵和平移向量进行解耦估计.对远处场景特征点采用直方图投票法求解相对旋转矩阵,在相对旋转...     

折反射全向相机镜面位姿的自标定方法

在已知镜面和透视相机参数的情况下,提出一种不需要任何其他标定物的折反射全向相机镜面位姿的自标定算法,只需要折反射相机采集任意一幅图像即可估计出反射镜面与透视相机之间的旋转和平移。利用镜面外边缘所成的像,通过平面圆位姿估算方法获得两个候选位姿;再利用透视相机镜头边缘的成像,同时进行镜头边缘参数估计和镜面位姿选择。该标定方法操作简单,精度高,适用于非单视点相机的标定。仿真和真图实验结果证明了该方法的有效性。     

基于多维混合柯西分布的点云配准

为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。     

一种利用图像序列进行摄像机标定的方法

结合消隐点的有关知识,利用图像序列中运动的人体及其阴影的垂直关系,给出了一种实用性比较强的摄像机标定方法.该方法采用线性的方法计算出了可变焦摄像机5参数的内参数矩阵及旋转矩阵,并在一定的条件下计算出平移矩阵,最终将摄像机完全标定.计算内参数及旋转矩阵时不必考虑图像之间对应点之间的关系,从而大大减少了图像检测期间算法的复杂度,提高了标定的速度.此外,模拟和实际图像实验也表明该自标定方法具有较高的鲁棒性和准确性,适用于在线摄像机标定系统.     

IEPnP:一种基于EPnP的相机位姿迭代估计算法

近年来,EPnP算法作为一种相机位姿估计的解析算法,因其较低的计算复杂度而得到广泛的关注,但该算法对图像噪声的稳健性不强。提出了一种基于EPnP算法的迭代算法,即IEPnP算法。IEPnP算法保留了EPnP算法的主要思想,构造了4个虚拟控制点,利用弱透视投影模型获得相机的初始位姿,计算出虚拟控制点在相机坐标系下的坐标,然后通过高斯-牛顿法对虚拟控制点在相机坐标系下的坐标进行优化求解,最终通过解决绝对定向问题来获得对相机位姿的估计。IEPnP算法简化了EPnP算法的计算过程。在不同的图像噪声水平下进行仿真实验,结果表明,相比于EPnP算法,IEPnP算法不仅保持了较高的计算效率,而且对图像噪声具有更强的稳健性。     

基于相位移编码圆的相机离焦快速标定方法

针对大范围视觉系统相机标定难度大、效率低的问题,提出了一种基于相位移编码圆的相机离焦快速标定方法。该方法首先通过相位移编码圆实现离焦状态下的特征点提取;利用标靶空间位置信息构建出单目相机的目标函数,并采用非线性最小二乘法求解相机的内部参数;通过建立双目系统的目标优化函数解析出相机系统的外部参数。该方法无需移动相机或标靶,通过拍摄3幅相位移圆图像,即可完成大范围视觉系统相机离焦状态下的快速标定。经实验验证:标定焦距偏差在0.5%以内,逆向投影误差最大为0.33pixel,解决了大范围视觉系统相机标定难度大、效率低的难题。     

相机内参量及像差系数与外参量的解耦标定方法

基于无穷远点与相机内参量关系,提出了一种相机内参量及像差系数与外参量解耦标定方法.首先,根据平面单应计算绝对二次曲线在像面的投影方程,线性求解相机内参量;然后,将重投影像点视为理想像点线性求解像差系数,并计算像点重投影误差;最后,将序列图像的平面单应作为待优化参量,以最小化像点重投影误差为目标函数,重复上述过程,输出最优的相机内参量和像差系数.在相同配置下,分别对本文方法和张正友平面靶板标定方法的标定准确度进行仿真与对比分析.基于不同姿态和位置的27幅棋盘格图片,分别利用这两种方法对相机内参量进行标定实验.实验结果表明:与张正友平面靶板标定方法相比,本文方法的标定准确度提高了至少1％;在实物实验中,张正友平面靶板标定方法和本文方法的重投影残差分别为0.064像素和0.008像素.     

相机内参量及像差系数与外参量的解耦标定方法（英文）

基于无穷远点与相机内参量关系,提出了一种相机内参量及像差系数与外参量解耦标定方法.首先,根据平面单应计算绝对二次曲线在像面的投影方程,线性求解相机内参量;然后,将重投影像点视为理想像点线性求解像差系数,并计算像点重投影误差;最后,将序列图像的平面单应作为待优化参量,以最小化像点重投影误差为目标函数,重复上述过程,输出最优的相机内参量和像差系数.在相同配置下,分别对本文方法和张正友平面靶板标定方法的标定准确度进行仿真与对比分析.基于不同姿态和位置的27幅棋盘格图片,分别利用这两种方法对相机内参量进行标定实验.实验结果表明:与张正友平面靶板标定方法相比,本文方法的标定准确度提高了至少1%;在实物实验中,张正友平面靶板标定方法和本文方法的重投影残差分别为0.064像素和0.008像素.     

自适应权值的跨尺度立体匹配算法

现有的多尺度立体匹配算法对各尺度的代价函数采用相同权值,而忽略了各尺度层对整个匹配代价的不同影响,增加了误匹配点。针对此问题,提出了自适应权值的跨尺度立体匹配算法框架。采用统一的代价聚合函数框架在不同尺度上进行代价匹配,并提出利用各像素窗口的信息熵作为不同尺度下匹配代价对整个匹配代价的影响因子;同时为了保证不同尺度下同一像素的代价一致性,在代价函数里加入正则化因子。本文算法框架可以应用在利用多尺度进行代价匹配的算法上,并使原有算法的准确率和稳健性得到提高。基于本文算法框架,分别采用不同代价聚合函数在Middlebury数据集上进行测试。为保证测试的公平性,各算法均未进行后续的视差求精步骤,实验表明,本文算法有效地提高了多尺度立体匹配的准确率和稳健性。     

多摄像机系统位姿估计的广义正交迭代算法

目前,多摄像机系统的位姿估计还缺乏系统的方法,它通常通过求解透视n点问题或者求解使两组3D点集之间平方和误差最小的刚体变换来解决,这些方法都有局限性.正交迭代算法是基于点特征的单目视觉算法,快速且全局收敛,是目前性能最优的实时位姿估计算法之一,被广泛应用.提出了一种广义正交迭代算法把所有摄像机获取的全部图像作为整体计算得到相对位姿参数,是通用的多目视觉位姿估计算法.算法先把所有摄像机数据进行统一表达,再把所有摄像机观测到的全部特征点的目标空间共线性误差平方和作为误差函数,最后经数学推导得到使该误差函数最小化的迭代求解过程.实验结果验证了算法的有效性以及在多摄像机系统位姿估计中的优越性.     

基于ICP算法的双目标定改进方法研究

双目视觉作为一种非接触三维(3D)测量技术,其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理,提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵,在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法,以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像,应用ICP算法补偿双目位姿矩阵,并采用误差模型对9组标定结果进行了分析,双目结构光标定改进实验结果表明,应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。     

大视场光电测量系统广角相机标定方法研究

在大视场光电测量系统中一般会采用广角镜头,这会导致获得的测量图像存在严重的畸变问题。为了对这一类大畸变相机进行精确标定,可以通过径向畸变除式模型以及角点亚像素坐标提取方法,首先求解出图像畸变中心坐标及畸变参数,然后利用二维平面棋盘格标志点与图像点的对应关系求解出单应性矩阵,再根据单应性矩阵进一步求解出相机内外参数。求解出相关参数后,对求解出的参数利用Levenberg-Marquardt法进行迭代优化,再在迭代优化的基础上根据3σ法则对重投影误差数据进行坏点剔除,然后对剔除坏点之后的坐标数据重新进行标定,直至所有数据都符合要求,最终可以实现大视场畸变图像的高精度校正。为了验证所提方法的有效性,进行了仿真图像及实际图像的标定实验,结果显示,本方法能适当提高标定精度,在实际实验中均方重投影误差平均值减小了0.0103个像素点,相当于提升了0.7%的校正误差精度。