基于单应性矩阵的变焦双目视觉标定方法

针对现有变焦镜头标定方法难度大、动态精度低等问题,提出一种基于单应性矩阵的动态变焦双目内外参数估计方法和平面快速重建方法。利用双目图像匹配点及变焦前后的匹配点进行两类单应性矩阵估计;基于变焦数学模型和单应性矩阵,求解变焦后双目内外参数,实现畸变后双目参数动态估计与优化;通过双目图像单应性进行平面快速匹配和重建。实验结果表明,计算的内外参数与标定结果吻合较好;变焦后,推导的单应性矩阵归一化误差小于0.01,图像重投影误差小于1pixel;重建精度小于0.1mm。     

基于立体标靶的双目系统标定研究

条纹投影三维测量技术的检测精度依赖于绝对相位与深度关系的标定过程,传统的标定方法步骤复杂、用时较长,在双目测量系统中对左右相机分别标定时尤为明显。因此设计一种基于立体靶标的标定方法,靶标由两个平面组成,各个靶标平面上附着规格已知的图案,平面连接处用特殊图案标识,用于区分左右两面。立体标靶实现双目测量系统相机外部参数与相位-深度的同时标定,将标定时间减少了一半,简化了标定流程;经过实验验证,利用立体标靶可以精确地进行深度(Z)以及横向(XY)的标定,实测误差小于0.053毫米,方法在双目乃至多节点三维测量系统的标定过程中具有应用价值,增加标定效率同时可避免累计误差产生。     

面向水下双目视觉的改进张氏标定方法及实验

为了提高水下摄像机标定精度,建立了综合考虑径向畸变和切向畸变的水下摄像机非线性数学模型,以张氏标定方法为基础,并结合Jean-Yves Bouguet灭点标定方法提出了一种改进张氏标定方法,为验证所提改进张氏标定方法的可靠性,与张氏标定方法进行了水下标定对比实验。实验结果表明,该方法精确可靠,较张氏标定方法具有参数求取精度更高、重投影平均误差更小等优势,所求取的结果与实际情况更接近。     

基于位姿约束的大视场双目视觉标定算法

为了提高大视场、远距离的双目摄像机标定精度,提出一种基于位姿约束的摄像机标定算法。该方法利用双目摄像机之间的三维位姿关系是刚体变换这一属性,标定出左、右摄像机相对位姿的外部参数。利用相对位姿为约束条件求取摄像机的初始内部参数,剔除较大的重投影误差值对应的标定图像组,重复迭代直至重投影误差平均值小于指定值,得到多个待优化的摄像机内部参数。再将最后标定图像组的角点坐标、待优化的摄像机内部参数和相应的外部参数,建立一个以角点三维重构坐标值与实际设定角点三维坐标值的模均值为最小的目标函数,求解出双目摄像机标定参数的最优解。该方法很好地解决了误差大的标定图像造成的影响,且充分利用了双目摄像机之间的位姿约束关系。通过仿真和标定实验可以看出,本文方法可以实现大视场双目摄像机的高精度标定。     

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。     

基于改进差分进化算法的相机标定研究

目前相机标定多采用Tsai和Weng的基于非线性成像模型的分步标定法。在研究标定算法的过程中发现,待优化的目标函数具有多个局部极值点,采用传统的局部优化算法会导致迅速收敛到局部极值点,而非全局最优解,影响了标定精度。差分进化是一种收敛速度很快的进化算法,但当初始种群分布不够理想时,它可能快速收敛到局部极值点。将其改进后用于相机标定,提出了分步法与改进的差分进化算法相结合的相机标定方法。数据实验表明:标定精度比直接采用分步法有所提高。     

基于双目视觉的室内定位标定新方法

随着全球导航卫星系统的发展,位置服务日渐成为人们生活工作之中必不可少的一部分,越来越多的人习惯使用定位技术。随着室内导航应用需求的不断增加,基于多目视觉原理的室内定位导航技术已经成为目前很多技术领域的研究热点,并日趋成熟。在室内导航定位前,相机的标定过程是重中之重,标定精度对最终定位精度有着决定性作用。然而,当有气液界面存在时,由于视线在传播过程中发生折射,现有的线性标定技术不再适用,并成为制约室内特殊场景定位(如水下机器人作业)的主要技术障碍。针对有气液界面的条件提出了一种新的标定方法,对界面位置进行精确定位,并修正了线性针孔模型,能够有效解决有气液界面存在条件下不能准确标定的难题,克服了封闭体内测量时无法进行现场标定的困难。为验证标定方法的可行性与可靠性,进行了数值模拟,模拟结果显示,此方法误差较小,满足室内定位中的标定精度要求。     

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。     

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。     

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。     

基于不同BP网络层数的双目立体视觉标定研究

双目立体视觉标定模型具有非线性,难以建立完备的数学模型来描述不同的镜头畸变和噪声,而BP神经网络可以解决复杂非线性问题。采用BP网络对双目立体视觉进行标定,并在此基础上进一步研究网络层数对双目立体视觉标定的影响。构建了四种不同层数的BP网络模型,实验测试了四种网络的标定能力。结果表明,相对于四层、五层和六层网络模型,三层网络模型具有更快的标定速度、更强的泛化能力和更高的工作精度。     

基于十字靶标的双目立体测量系统标定

提出了一种基于十字靶标的双目立体测量系统标定方法。采用多视图几何约束和光束平差优化精确获得两相机内参数,同时得到在两相机各自坐标系下重建出的靶点三维坐标点集;由两组三维点集之间的刚体变换直接求得系统外参数。该方法只需双相机同时对十字靶标拍摄一次,再由两相机单独拍摄若干幅靶标图像即可,现场操作简单灵活。在标定结果的基础上,对长度为611.800mm的标尺进行多次测量,平均值为611.776mm,标准差为0.030mm。     

基于双目立体视觉的视线跟踪系统标定

针对使用主动红外光的视线跟踪系统存在的限制,构建了在自然光条件下允许头部自然移动的视线跟踪系统,该系统通过双目立体视觉系统获取眼睛特征参数,在三维空间中重构眼睛视线向量来估计眼睛的视线。通过头戴式标定板来估计头部姿态,减少了视线跟踪过程中头部移动带来的误差影响;提出了一种视线跟踪系统中个人参数的标定方法,该方法先假定眼睛视轴与光轴重合,由此计算出眼球的中心、半径、眼睛视轴与光轴的夹角的初始估计值,用非线性优化算法对这些初始值进行优化。通过实验表明,提出的视线跟踪算法对使用者限制较少,同时具有较高的视线估计精度,能满足很多视线跟踪应用场合的需要。     

基于标准平面镜的双目偏折术系统标定

相位偏折术中,系统标定精度对面形测量精度具有决定性的影响。采用带标记点标靶进行标定时,由于其表面不是理想平面而引入误差,导致虚像姿态求解不精确,进而影响标定精度。通过使用高精度的标准平面镜作为反射镜,从初始系统参数开始,采用交替方向优化的方法实现系统几何参数的标定,提高了标定精度,同时避免了变量过多导致的矩阵病态问题。使用该方法对双目相位测量偏折系统进行标定后,对100 mm口径的标准平面镜进行了对比测量。由测量面形可知,该方法可显著降低测量均方根误差和低频面形误差。相比于传统带标记点标靶的方法,有效提高了标定的精度和稳定性。     

基于里程计法的双目云高系统外参标定研究

双目成像系统测量云底高基线长,外参标定困难.提出一种适用于地基云高测量系统的双目相机外参标定方法,采用ORB算法提取与匹配左右云图同名点,然后根据对极几何约束计算两个相机之间的旋转平移关系.为验证该算法的精度,在室外搭建基线60 m的双目云高系统,采用里程计法标定外参,标定得到两个相机之间的距离误差为34.44 cm,...     

基于转轴参数的多自由度双目视觉系统标定

多自由度双目立体视觉系统可以解决传统双目立体视觉视场区域小的问题。避免双目摄像机每转动一个角度都需要重新标定外参数,提出了一种基于转轴参数的标定方法。只需标定出初始位置时双目摄像机的内外参数,使摄像机绕转轴旋转,根据单应性原理测量摄像机与标定模板的位姿关系,确定转轴方向矢量与轴上点坐标。最终利用Rodrigues旋转矩阵确定旋转已知角度后双目摄像机的外参数,实现多自由度双目系统的标定。实验结果表明,提出的方法能准确测量转轴参数,完成多自由度双目立体视觉系统的快速标定,提高系统的工作效率。     

基于双目视觉的边缘检测算法

提出了一种基于立体视觉的物体边缘检测的方法。先对立体图像对进行基于图割的立体匹配方法求取场景的视差图，然后再用Canny的边缘检测方法对视差图进行边缘检测。立体视觉方法有效解决了单目视觉检测方法中的一些难点，利用了物体在空间的深度信息，对复杂背景下的物体和具有复杂纹理物体的边缘检测有很高的鲁棒性。实验结果表明该边缘检测方法优于传统的单目视觉边缘检测方法。     

改进Fast-RCNN的双目视觉车辆检测方法

针对不同空间尺度的车辆表现出显著不同的特征导致检测算法效率低、准确性差且单目难以准确获取车辆距离信息的问题,提出了一种改进Fast-RCNN的汽车目标检测法,利用双目视觉对车辆进行测距。首先利用双目立体相机采集前方图像并进行预处理,加载深度神经网络Fast-RCNN的训练数据,再针对汽车不同空间尺度引入多个内置的子网络,将来自所有子网络的输出自适应组合对车辆进行检测,然后利用SURF特征匹配算法进行左右图像的立体匹配,根据匹配数据进行三维重建并确定车辆质心坐标,从而测量出车辆与双目相机之间的距离。实验结果表明,所述算法可以实现对车辆的快速检测,检测时间比传统的Fast-RCNN缩短了42 ms,并且实现了对5 m范围车辆距离的准确测量,其误差仅为2.4%,精确度高,实时性好。     

光笔式双目视觉测量系统标定技术研究

针对光笔式双目视觉测量系统的标定问题,讨论了关于相机内参、双相机外参以及测量笔的相关标定理论,开发了一整套基于LabVIEW的标定系统。运用张氏平面标定法实现了相机内参标定。结合基于标准长度的外部参数标定方法,实现了双相机外参数标定。运用粒子群算法和LM算法相结合,加快了目标函数高维寻优速度。在测量笔标定环节,提出了一种基于最小二乘法的现场校准方法。标定系统完成了后期开展相关测量前的所有准备工作,具有较高的精度和实用性。在测量系统标定结果基础上对直径25 mm标准陶瓷球进行测量,测量结果标准差达到0.019 mm。