基于两组同心圆环点的双目摄像机标定方法研究

在研究传统摄像机标定原理及方法的基础上,提出了一种新的基于同心圆环点模板的双目摄像机标定方法。该方法仅要求摄像机摄取任一方位包含所有25个同心圆环点的所设计模板的一幅图像,即可根据射影几何内秉的约束条件和左右图像的视差完成对双目摄像机焦距、基线距离和光心位置等参数的标定,且不需要进行图像的畸变校正与匹配。实验表明,该双目摄像机的标定方法具有较高的精度和效率,可以方便、迅速地实现双目摄像机的标定。     

基于正三角形平面模板的摄像机标定与重建

提出一种采用正三角形平面模板标定摄像机内参数并进行重建的方法。模板包含一个正三角形和其重心至3个顶点的连线。用摄像机拍摄3幅以上不同位姿的模板图像,并提取每幅图像上角点的亚像素级坐标,然后计算消失点并拟合消失线,再由两组正交直线的消失点求得圆环点的图像坐标,最后线性求解出摄像机内参数。给出了两种弱化条件的模板,并介绍了恢复欧氏尺寸和摄像机部分外参数的方法。该方法降低了对标定模板的要求,模拟实验和真实实验的结果证明了其具有较高的标定精度。     

目标跟踪与定位中的视觉标定算法研究

目标跟踪与定位中的一个重要步骤就是摄像机标定,其目的是估计摄像机的外部和内部参数。在严格的几何约束关系之上建立准确的数学模型,提出一种快速得到摄像机中心的方法,然后通过合理的求解次序获得其他摄像机参数,保证了标定参数的精度。利用计算出来的标定参数校正失真图像中的各个像素位置以重新得到像素间原来的空间关系,从而产生精确的不失真图像,并且利用摄像机标定参数对标定模板上的点进行位置计算后,再和实际位置比较进行检验。图像的校正效果实验以及精度验算的结果表明：提出的算法得到了准确可靠的标定参数,和其他算法相比有效提高了精度,能够满足运动跟踪时目标特征位置估计的精度要求。     

单摄像机单投影仪结构光三维测量系统标定方法

系统参数的标定是结构光三维测量系统工作的基础,且参数标定的精度直接影响测量的精度,其中投影仪目前还存在标定过程复杂、精度较低等问题。为解决该问题,通过投影一组圆阵图案到一块本身带有特征圆的平板上,并由摄像机拍摄;基于二维射影变换理论,通过误差补偿法建立投影仪图像坐标和摄像机图像坐标的对应关系,利用该对应关系计算获取标定点的投影仪图像坐标;以标定点的两组图像坐标和世界坐标为初始值,使用非线性算法对系统进行全参数整体优化,完成系统的标定。实验验证了系统标定误差最大值小于0.05 mm,误差均方根小于0.03 mm,结果表明该方法标定过程简单,能够有效地提高标定精度,具有较广的适用性。     

基于改进Harris角点算法的摄像机标定技术研究

针对传统的Harris焦点提取算法对噪声敏感,执行效率低等不足,提出了一种改进的Harris焦点提取方法。以Harris焦点提取算法为基础,通过优化角点响应函数,消除系数 K,提高焦点提取算法的执行效率。采用改进的 Harris 算法对黑白棋盘表格进行内角点提取,利用张正友摄像机标定法计算USB摄像机的内外参数。实验结果证明了该方法可以有效的对黑白棋盘格内角点进行提取,准确高效,提高了摄像机的标定精度和准确性,是一种可行的摄像机标定方法。     

基于两平行线及其线上三点的摄像机标定方法

在大视场交通监控摄像机的标定中,由于不便于放置大尺寸标定靶标,常采用交通标线构成的特定几何图形替代标定靶标,但许多交通场景仅有一组平行的车道分界交通标线,难以获得传统标定方法所需的标定约束条件。针对此类交通场景,选取两平行交通标线和其中一条线上的三点作为标定参考物,依靠其中一条线上三点在单幅图像中的像素坐标、三点间的两个距离值及平行线间距作为约束条件来完成摄像机的标定。建立了图像坐标系与世界坐标系之间新的换算关系,推导出了摄像机内外参数的求解公式,探讨了旋转角对测量误差的影响。实验结果表明,在约束条件不足的情况下能够获得较好的摄像机参数近似解,沿道路方向上的测距精度优于对比文献的结果,具有标定参考物选取容易、操作简便、几何约束条件少等优点,适用于交通监控系统中大视场摄像机的快速标定场合。     

摄像机标定中的特征点提取算法研究与改进

为提高摄像机的标定精度,必须研究高精度的特征点提取方法。针对三种比较典型的标定图样:棋盘格,二维正弦条纹和高斯点阵,分析比较了相应的提取特征点算法和用于摄像机内参数标定的精度,得出基于傅里叶相位分析法的二维正弦条纹的特征点提取精度最高。并针对傅里叶方法处理二维正弦条纹不能准确提取边缘特征点的缺陷,提出了使用相移法提取正交相位以代替傅里叶方法得出正交相位的新方法。这种方法可以消除傅里叶变换滤波对点阵边缘的模糊作用,扩大了二维正弦条纹在摄像机标定中的适用范围。摄像机外参数标定实验表明该方法在处理包含边缘点的点阵时,重投影误差保持在原有水平,证明了其有效性。     

基于直线特征的摄像机标定方法研究

提出了一种基于直线特征的求解摄像机内外方位参数的方法。首先利用径向平行约束RAC求解大部分的外方位参数,包括旋转矩阵R、平移分量tx和ty,然后再引入畸变模型求解内方位参数以及平移分量tz。该方法的特点是采用共面点标定物,利用直线特征约束进行标定,标定内外方位参数只需要一副图像就可以完成。实验结果表明,该方法是一种精度较高的、简单实用的摄像机标定方法。     

基于直线的射影不变性和极线约束标定摄像机参数

提出一种用图像对标定摄像机参数的新方法。传统自标定方法需要先由图像特征计算基础矩阵,该方法则是从图像中提取一组未知长度和长度比的平行直线,以图像中心坐标为主点初值,利用直线的射影不变性先求得摄像机焦距、旋转矩阵和平移向量的初值;再由图像对固有的极线约束来优化摄像机的参数,从而得到高精度的主点、焦距、旋转矩阵和平移向量。使用该方法对图像目标进行三维重建,仿真实验表明：该方法对场景要求较少,原理简单,方法易行,标定摄像机参数精度较高。     

基于双重虚拟圆靶标的激光扫描测头标定

提出了一种基于双重虚拟圆来标定光平面的新方法。该方法利用棋盘的角点在图像坐标系下构建双重虚拟圆,虚拟圆与激光光条直线建立了相对的位置关系,根据交比不变原理计算出光条上的特征点在摄像机坐标系下的坐标。在摄像机视场范围内多次变换棋盘位置,构造出的虚拟圆也相应变换,由此计算得到更多的特征点,利用最小二乘法拟合光平面方程。实验表明,该方法求得的精度要明显优于实际的圆形靶标标定的精度,光平面标定的均方根误差为0.04mm,且棋盘靶标更易于制作,标定计算简单可靠,适合现场标定。     

基于新型靶的CCD摄像系统畸变测量与校正

深入研究了测试图案对测量畸变的影响。提出"一靶测试法"进行畸变测量与校正,拍摄了自行设计、制作的"综合点阵靶板"的畸变图像,图像处理得到其畸变点位置,并与理想点位置进行对应比较。建立多项式模型确定畸变点与理想点的位置校正关系,理想点位置由理想成像得到,并运用最小二乘拟合算法求得多项式系数,标定整个CCD摄像系统的畸变。"综合点阵靶板"采用灰色圆点黑色间带图案,方便了点按序标记排列,从而确定畸变点与理想点的一一对应。对2.6 mm焦距的广角CCD镜头摄像系统进行了畸变测量与校正,其重复测量,校正精度达到0.3%。     

激光投影成像式运动目标位姿测量与误差分析

为了实现室内运动目标位姿的高精度测量,建立了一套激光投影成像式位姿测量系统.该系统利用两两共线且交叉排列在同一平面上的点激光投射器作为合作目标捷联在运动目标上,通过与光斑接收幕墙的配合共同组成运动目标位姿测量基线放大系统,利用高速摄像机实时记录幕墙上投影光斑的位置,利用摄像机标定结果求解投影光斑的世界坐标,利用投影光斑之间构成的单位向量建立运动目标位姿解算模型.最后,根据测量原理推导了图像坐标提取、摄像机外部参数标定、光束直线度与目标位姿解算结果之间的误差传递函数.实验结果表明,当摄像机的视场范围为14 000mm×7 000mm时,测量系统的姿态角测量精度为1′(1δ),位置测量精度为5mm,且误差大小与目标位姿测量误差传递函数理论计算值一致,验证了本文提出的目标位姿测量方法与测量误差传递模型的准确性,能够满足目标位姿测量高精度的要求.     

Camera calibration by using fringe patterns and 2D phase-difference pulse detection

Camera calibration is the most essential and usually the first step in computer vision applications. The results highly depend on the accuracy of the feature extraction. Conventional feature extraction methods suffer from perspective and lens distortion. In this paper, a novel feature extraction method is proposed by using fringe patterns groups as calibration target. Each group comprises six sinusoidal, in which, three are used for calculating vertical phases and the other three for horizontal phases. A three-step phase shift algorithm is used for wrapped phase calculation. Then, feature points are detected with a 2D phase-difference pulse detection method and refinement is done by simple interpolation. Finally, camera calibration is done by using these features as control points, experimental results indicated the proposed method accurate and robust.     

基于构建初始测量网络的相机内部参数校准

提出了一种基于构建初始测量网络的相机内部参数校准方法,有效解决了二维平面靶标在深度方向信息的不足以及三维靶标空间的限制等问题。通过对靶标板进行初始成像,按照测量网络的构建原则建立初始测量网络,经过后方交会求解外方位、前方交会求解空间三维靶标点坐标,最后由光束平差优化求解相机内部参数。利用标定后内部参数求解空间点坐标,实验结果表明,采用构建初始测量网的误差平均值为0.0794,优于平面靶标和立体靶标标定的-0.2443和-0.1916。同时校准所用时间也明显小于虚拟立体校准,即该方法具有快速、精确和方便等优点,满足大空间视觉测量中相机内部参数现场校准的要求。     

影响摄像机标定精度的因素分析

摄像机标定是三维重建必不可少的步骤,摄像机标定结果的好坏直接决定着三维重建结果以及其他计算机视觉应用效果的好坏。研究了影响摄像机标定精度的一些因素,并给出了在这些因素影响下,摄像机焦距、主点位置、倾斜因子、径向畸变等参数的误差分布曲线。通过这些曲线可见增加特征点和标定图片数量,减小特征点提取误差,将有助于减小标定误差。研究表明,特征点数量控制在90点以上,标定图片数量在4～10之间,可以有效减少标定误差。对摄像机标定过程中合理选择标定图片数量,确定特征点数量和提取算法提供了参考依据。     

Camera calibration approach using circle-square-combined target

Calibrating a small field camera is a challenging task because the traditional target with visible feature points that fit the limited space is difficult and costly to manufacture.We demonstrate a novel combined target used in camera calibration.The tangent points supplied by one circle located at the center of a square are used as invisible features,and the perspective projection invariance is proved.Both visible and invisible features extracted by the proposed feature extraction algorithm are used to solve the calibration. The target supplies a sufficient number of feature points to satisfy the requirements of calibration within a limited space.Experiments show that the approach can achieve high robustness and considerable accuracy. This approach has potential for computer vision applications particularly in small fields of view.     

CCD camera automatic calibration technology and ellipse recognition algorithm

A novel two-dimensional (2D) pattern used in camera calibration is presented. With one feature circle located at the center, an array of circles is photo-etched on this pattern. An ellipse recognition algorithm is proposed to implement the acquisition of interest calibration points without human intervention. According to the circle arrangement of the pattern, the relation between three-dimensional (3D) and 2D coordinates of these points can be established automatically and accurately. These calibration points are computed for intrinsic parameters calibration of charge-coupled device (CCD) camera with Tsai method. A series of experiments have shown that the algorithm is robust and reliable with the calibration error less than 0.4 pixel. This new calibration pattern and ellipse recognition algorithm can be widely used in computer vision.     

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。