基于神经网络的视觉系统标定方法

为了解决摄像机标定存在的若干问题 ,根据立体视觉原理 ,提出了基于神经网络的双目视觉系统标定方法。通过对双目摄像机的有效视场分析 ,确定了一次测量面积 ,并把像对视差作为网络输入 ,建立空间点世界坐标与图像坐标非线性映射关系 ,使系统不经过复杂的摄像机内外参数标定 ,就能直接提取物体的三维信息 ,增加了系统的灵活性。实验证明 ,该方法有效可行     

一种双目立体视觉系统的误差分析方法

基于摄像机透视成像的针孔模型,分析了立体视觉中摄像机标定和三维重建过程的主要误差来源。基于各主要误差源的模型分析,建立了双目视觉系统3D测量误差与摄像机参数、基线长度、测量距离等因素之间的关系式。如已知相关参数,可以估算出双目视觉系统的3D测量精度,或根据3D测量精度要求,初步确定摄像机的内部各项参数和基线长度、测量距离等参数。     

单摄像机立体视觉测量系统的高精度变焦标定技术

针对现有用于光学测量的双目变焦系统标定方法难度大、测量精度受限于两摄像机内参一致性等问题。提出一种基于单摄像机的平行双目立体视觉系统实现及其高精度变焦标定方法。方法基于三角测量原理采集图像,利用高精度位移台驱动单摄像机进行平移以保证基线精度;求解离散焦距下的预标定结果并利用BP神经网络模型对其进行拟合,以实现任意焦距下系统内外参数动态估计。实验结果表明,系统预标定的重投影误差小于0.1664 pixel,变焦后图像畸变校正平均误差为0.0982 pixel,立体视觉测量尺寸绝对误差小于0.05mm。方法能弥补传统变焦标定方法的不足,消除双目内参不一致引入的误差,提高视觉系统的测量精度。     

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。     

非平行双目视觉系统水下标定与测量

针对用非平行双目视觉系统进行水下拍摄测量时,由于折射所导致的测量误差较大、精度不高的问题,建立了基于折射光路的水下双目视觉系统测量模型,并以Agrawal方法为基础,在已知两摄像机相对位置关系的前提下,对该测量模型参数标定的方法进行了改进。为验证改进的Agrawal方法的可靠性,与Agrawal方法进行水下标定对比实验。结果表明,相较于Agrawal标定算法得到的防水罩法向量这一模型参数,提出的改进算法的结果与真实值更为接近。在此基础上,应用标定后的水下双目视觉系统测量模型对水下靶标标定点间的标准距离进行测量,测量误差平均值为-0.0134 mm,最大误差为0.2073 mm,与空气中双目视觉系统测量精度相当。     

基于平面镜成像的单摄像机立体视觉传感器研究

在传统双目立体视觉传感器的基础上,对基于平面镜成像的单摄像机立体视觉传感器进行了研究。在电荷耦合器件(CCD)摄像机前放置一平面反射镜,通过对目标物体和其虚像进行拍摄,得到一幅具有视差的图像,该图像相当于摄像机和其在平面镜中的虚拟摄像机从不同角度对目标物体进行拍摄,具有双目立体视觉的功能。建立了单摄像机立体视觉传感器数学模型,分析了参数对单摄像机立体视觉传感器的视场范围和测量精度的影响,设计了传感器参数尺寸,进行了相关实验验证。实验结果表明,该测量方案方便有效,结构简单,调节方便,尤其适合近距离高精度测量。     

面向大视场视觉测量的摄像机标定技术

提出了一种面向大视场高精度视觉测量的摄像机标定新方法,该方法采用亮度自适应的单个红外发光二极管(IR-LED)作为目标靶点,将该靶点固定在三坐标测量机的测头上,并依次精确移动至预先设定的空间位置,每次靶点到达设定的空间位置时,摄像机对靶点进行图像采集。利用三坐标测量机的精确位移,在三维空间构成一个虚拟立体靶标。针对虚拟立体靶标在大视场摄像机标定中只能覆盖一小部分标定空间的问题,通过自由移动摄像机在多个方位对虚拟立体靶标进行拍摄,使得多个虚拟立体靶标分布于整个标定空间。摄像机在每个方位对虚拟立体靶标的拍摄都标定出一组摄像机的内、外参数,然后以摄像机内参数和摄像机在各个方位下拍摄的虚拟立体靶标在摄像机坐标系下的位置及姿态参数为优化变量,建立以所有三维靶点位置重投影误差平方和为最小的目标函数,采用非线性优化方法求解摄像机标定参数的最优解。该方法较好地解决了大视场视觉测量中大尺寸靶标加工困难、摄像机标定精度难以保证的问题。仿真和实际标定实验均证明此方法可以有效提高大视场摄像机的标定精度。     

一种基于实心圆靶标的立体视觉系统标定方法

针对立体视觉系统中快速高精度标定等问题,提出一种基于实心圆靶标的立体视觉系统标定方法。使用Canny-Zernike组合算法实现圆心坐标的亚像素定位,并给出基于三角形标记的圆心排序方法。为减少计算复杂度,分别对左右摄像机内外参数进行Levenberg-Marquardt(LM)优化,使得优化变量数目减半,并获得外参数近似解。以实心圆靶标对角线上两实心圆的距离作为约束条件,对摄像机外参数进行LM优化,获得外参数最优解。编译基于实心圆靶标的立体视觉系统标定软件,并进行实验研究。结果表明,该标定方法具有较高的精度,能实现自动化标定,具有工程应用性。     

基于单摄像机和神经网络的三维测量研究

为了实现更为简单的三维测量同时解决传统立体视觉方法中基线的限制问题,提出一种单摄像机微小角度旋转结合神经网络进行三维测量的方法.方法通过单摄像机小角度旋转采集二维图像数据;利用电动平台移动标定板构建三维空间坐标系;基于摄像机的线性成像模型思想,将代表图像坐标和三维坐标映射关系的投影矩阵替换为BP神经网络,得到二维坐标到...     

基于同心圆合成图像匹配的双目视觉标定

分析了双目视觉传感器的数学模型,提出了一种基于同心圆合成图像匹配的双目视觉传感器的标定方法。在测量范围内任意多次摆放同心圆靶标,由两台摄像机拍摄靶标图像。根据摄像机模型与已知同心圆在靶标坐标系上的位置关系,构造合成图像,将合成图像与观测图像进行相似度匹配,通过优化定位得到靶标上每个圆的圆心点图像坐标。利用左右图像对应的圆心图像坐标和双目视觉的约束关系,对双目视觉传感器参数进行非线性优化,并得到最优解。所提出的标定方法是在张正友方法的理论基础上,利用了图像的整体性进行的优化。实验结果表明,该方法提高了标定精度。