一种基于改进YOLOv7的相机标定特征点检测方法

在基于视觉方法的军事目标检测等技术中,相机的精确标定是进行目标高精度测量的前提,同时也是开展后续图像处理、目标跟踪、三维重建的基础。相机标定的关键在于准确的检测图像中的标定特征点。以当前使用范围较广的棋盘格标定法为对象,针对受干扰(模糊、重噪声、极端姿态和大镜头失真)的标定图像难以进行特征点提取的问题,提出一种融合改进YOLOv7-tiny深度学习网络和Harris角点检测的相机标定特征点检测算法。针对原始网络在相机标定特征区域检测中的各种问题,引入Gather-and-Distribute信息聚合分发机制替换YOLOv7-tiny的加强特征提取网络(FPN)部分,提高不同层之间特征融合的能力;在主干特征提取部分后加入Biformer注意力机制,提高对小尺寸特征点候选区域的捕捉能力;在Head部分使用改进Efficient Decoupled Head解耦头,在提高精度的同时维持了较低的计算开销。测试结果表明,改进后的YOLOv7-tiny网络对特征点候选区域检测的准确率有显著的提高,达到95.3%,证明了改进后网络的有效性和可行性。

基于相位靶和神经网络的单目相机标定

针对传统基于BP神经网络的标定方法标定精度低,深度方向误差大等问题,提出了一种基于相位靶和径向基函数(RBF)神经网络的单目相机标定方法。采用三步相移法的特征提取方法,并使用多频法计算绝对相位,将相位靶特征点承载的绝对相位转换到三维空间,建立特征点图像坐标与世界坐标之间的对应关系,最后使用RBF神经网络完成二维图像坐标到三维空间坐标的直接映射。实验结果表明,对比传统使用BP神经网络进行标定与棋盘格,圆形标定靶的标定结果,该方法的平均标定误差为0.0980mm,同时在焦距1.4mm,视场220°鱼眼镜头下,仍能保持较高的精度,证明了所提方法的可行性和有效性。

改进遗传算法优化的温室移动机器人单目相机标定

目的:针对温室移动机器人领域传统的张正友相机标定方法存在相机内参数的求解可能陷入局部最优解的问题,使用一种基于改进遗传算法的单目相机内参数优化方案。方法:首先使用张正友标定法得到初始的内参值,然后引入改进的遗传算法对内参初始值进行优化,最后将优化后的内参值代入相机成像模型,得到优化后的重投影误差。结果:将本算法优化后的重投影误差与标准算法和张正友标定法得到的进行比较,证明本研究标定的单目像机内部参数更加准确,标定速度和稳定性更好。结论:改进遗传算法平均重投影误差低于标准算法和张正友标定法,且图像主点坐标更接近参考值,能较好地缓解过早收敛和停滞现象,提高了标定精度,在温室移动机器人视觉应用系统中,本方法有较强的的实用价值。

基于蜂窝立体结构靶标的多目相机标定方法

为解决多目相机快速标定以及构建不同坐标系之间位姿关系的问题,提出一种基于新型蜂窝立体结构靶标的多目相机标定方法,能够快速准确完成多目相机标定。通过仿生学原理设计的蜂窝立体结构具有5个附着自识别阵列标记的不同空间位姿平面,提升了标定稳定性以及鲁棒性;使用多目相机拍摄一幅图像即可完成相机标定以及坐标系间关系构建,提升了标定效率;最后,将所提方法与传统的相机标定方法进行了实验对比。结果表明:相比于传统标定方法,所提方法的相机标定平均重投影误差降低了18.4%,多目相机间外参平均重投影误差降低了8.5%,遮挡干扰下平均重投影误差的相对误差仅为0.01 pixel,进一步验证了所提标定方法的可行性。

基于椭圆对偶二次曲线的迭代相机标定方法

针对圆形标定点平面标靶成像时由于标准圆被投影成椭圆会产生偏心误差,影响相机标定精度的问题,提出了一种可以在迭代中补偿偏心误差,提高标定精度的相机标定方法。该方法采用对偶二次曲线估计椭圆圆心坐标,把传统标定方法得到的参数作为初始化参数,将标定图像重投影到正向视图,然后检测正向视图上的标准圆,从而获得标定点坐标,通过多次迭代减少偏心误差,获取更高精度的标定点,从而提高相机的标定精度。在同一组标定数据下,比较了该方法与其他标定法,证明该方法具有更高的标定精度。

变电站视觉检修技术中相机标定方法研究

基于机器视觉的变电站检修技术,通过重构变电站结构能够有效检测工作人员与高压设备之间的安全距离,提高检修工作的可靠性并保障人员的安全性。在进行变电站检修工作时需综合考虑安全距离、相机采集信息的范围、相机与检修设备之间的距离等因素。首先,基于张正友标定法,分析采集到的图像中的坐标与世界坐标之间的关系;然后,根据相机的精度、景深等参数,结合张正友标定法获得的坐标转换矩阵,精确计算出相机与检修设备之间的最佳距离;最后,搭建模型验证了算法的有效性。

一种面向增强现实中相机标定的天牛须搜索改进算法

针对三维注册初始化中内参难以进行标定的问题,分析了亚像素精度与相机成像模型,并对天牛须搜索算法进行了改进,在此基础上提出了一种求解三维注册初始内参的相机标定方法。首先,在图片中提取角点并进行亚像素精化;然后,在相机成像方程中引入畸变系数,重新推导成像方程并求解内参;最后,提出天牛须扰动搜索算法并对内参进行非线性优化。实验结果表明,该方法可明显减小相机的重投影误差,可以为三维注册模块提供初始化内参。

基于固定位姿约束的双目相机标定研究

针对影响双目视觉系统精度的双目相机标定问题,提出一种基于数字图像相关法与固定位姿约束的双目相机标定方法。采用传统的相机标定方法对双目相机进行标定,得到双目相机参数初值;采用数字图像相关法提高图像点提取的坐标精度;通过添加固定约束关系,建立简化的优化目标函数,并对相机参数进行优化,得到高精度标定结果。实验结果表明:该方法可达到较高精度。

平板屏隙尺寸检测中相机标定和误差补偿方法

由于相机视野小,工业中机器视觉检测平板屏隙尺寸时故采用移动视觉的方式。平板屏隙检测时精度要求高,而采用传统的标定方法误差较大,且移动机构所产生的系统误差对测量精度影响较大。针对张正友的标定算法对移动视觉中的相机标定精度较低的缺点,提出一种基于张正友标定法并考虑径向畸变的方法,以此提高检测系统的标定精度。通过分析直线电机的跟踪误差及轮廓误差产生原因,使用计算机视觉校验棋盘格角点坐标的统计学方法对电机误差进行补偿,采用CCD相机与三条直线电机组成龙门移动系统搭建的实验平台。实验结果表明,该平台的检测精度达到0.03 mm,满足平板屏隙检测行业的需求。

基于彩色交叉条纹的相机标定

针对相位标靶标定相机需采集多幅条纹图获取相位的问题,提出了一种基于彩色交叉条纹的相机标定方法。本方法在每个标定位置仅需一幅条纹图就可以完成特征标识点的提取;通过液晶显示屏显示一幅红蓝交叉条纹图像,由相机拍摄,采用傅里叶变换和多频外差法分别得到水平和垂直方向的绝对相位;根据相位标靶的空间位置与图像中绝对相位的精确对应关系,标定相机内参,采用非线性最小二乘法优化。基于重投影误差的实验结果表明,本方法可以快速精确的实现相机标定。

靶标姿态对相机标定误差的影响分析与实验研究

相机标定是机器视觉中的必要步骤,标定效果直接影响后续的测量精度。通过对相机标定外参数矩阵的误差敏感度分析,讨论了靶标姿态对标定精度的影响,提出了一种基于四姿态均匀分布的相机标定方法。总结了合理的靶标姿态角度范围,同时分析了图像数量等因素对标定精度的影响,并通过实验进行了验证,为相机高精度标定提供了有效参考。

一种基于量块垂直边线的相机标定方法

针对在切向畸变较明显的环境下标定参数的精确度存在明显误差的问题,利用标准量块形状简单、量值稳定的几何特性,提出一种基于量块垂直边线的系统标定方法。该方法采用标准量块为标定物,首先将相机坐标系与世界坐标系重合,避免了相机外部参数的计算,减少了运算量;其次利用Sobel算子检测量块边线边缘,利用最小二乘拟合得到直线,检测标定图像中垂直边线的交点;最后获取这些交点的世界坐标和图像坐标来标定相机,得到相机的内部参数。实验结果表明,在光栅投影测量系统中的相机切向畸变误差精度达到0.001。该方法原理简单、使用方便,对切向畸变有较好的修正精度和可操作性。

改进遗传模拟退火神经网络的双相机标定算法

针对双目相机标定算法中BP神经网络精度低、收敛性差的问题,提出了一种基于改进遗传模拟退火算法的BP神经网络优化方法(improved genetic simulated annealing algorithm-BP,IGSAA-BP)。该方法通过改进遗传模拟退火算法的适应度扩展,交叉、变异概率和退火准则来改善BP神经网络的性能,为BP神经网络提供了最优权值和阈值。将IGSAA-BP神经网络与BP神经网络和TGSAA-BP神经网络两种相机标定算法进行对比,利用其标定的真实值与预测值相差结果得出结论,3种标定方法进行相机标定的平均标定精度分别为0.02、0.71和0.28 mm。结果表明,IGSAA-BP神经网络可以提高双目相机的标定精度,提高全局寻优能力,加快收敛速度。

基于改良天鹰优化器的单目相机标定方法

为了提高相机标定精度,提出一种基于改良天鹰优化器的单目相机标定方法:通过张正友标定法计算得到单目相机的内外参数,根据所得相机参数计算标定图像中所有角点的平均重投影误差并建立目标函数,采用经过自适应分配机制、动态补偿策略以及非线性潮汐策略改良的天鹰优化器进行优化,获取最优的相机标定内部参数和畸变系数,从而提高相机非线性标定过程的寻优精度。实验结果表明,改良天鹰优化器算法在不同基准测试函数上寻优结果优越,本文提出的相机优化标定方法得到的标定结果精度更高,重投影误差为0.006 pixels。

一种3D相机标定方法的研究

针对以参数化投影模型为代表的相机标定所求参数多、效率低,且大多数针对特定相机等问题,提出一种以广义成像模型为代表的相机标定方法,直接建立物方平面标定板与像方成像面投影之间的关系。对于Z向标定,通过光条纹中心的直线特性将投影到像面的中心点坐标与实际物方的中心点坐标建立非线性优化模型,利用Levenberg-Marquardt算法与多项式畸变模型迭代算出一阶径向畸变系数,从而完成畸变矫正;将矫正完成的像方坐标与物方坐标通过最小二乘法建立二次多项式关系,完成Z向标定。对于X向标定,提取棋盘格角点像方坐标,再与物方坐标建立多项式关系,完成标定。试验结果表明,对Z轴标定与X轴标定结果均满足精度要求。

结合加速鲁棒特征点与边缘检测的双相机标定物体尺寸测量

为了准确、低成本、简便地测量工业产品的尺寸参数,提出双相机标定的物体尺寸测量方法;利用低分辨率相机简化检测过程中的计算量,缩短检测时长;新增辅助相机实时更新测量距离,解决目标相对相机位置发生变化的情况;应用环形照明模块持续补光,确保工件边缘的稳定性,解决检测精度受限于光照环境影响的问题,并基于目标检测的加速鲁棒特征点与边缘检测相结合,同时利用亚像素插值法,最大限度地减小目标测量的误差。结果表明,所提出的测量方法可将测量误差减至0.7%,与现有测量方法相比,具有测量精度高、处理时间短、抗噪声能力强等优点。

单目视觉相机标定方法研究

由于相机透镜和装配过程中造成的误差,导致最终相机标定结果存在一定误差,为了降低误差提升标定精度,基于平面棋盘格标定法基础上最小化重投影误差对解算得到的标定参数进行非线性迭代求全局最优解。在分析相机的理论成像模型后以及对引入畸变参数后的非线性相机成像模型进行研究后求解得到相机变换矩阵和相机内参数,最后对标定结果进行优化。实验结果表明,该方法标定误差均值为0.1402,标准差为0.0207,相较于传统标定方法具有更高的精度和更好的稳定性,具有一定的工程实践意义。

一种基于棋盘格标定板的激光雷达-相机标定方法

激光雷达-相机标定作为各类融合算法的基础,校准结果直接影响融合性能。依据外部校准理论,论文提出了一种基于目标物(棋盘格标定板)的激光雷达-相机标定方法。该方法针对点云的稀疏性,利用时域积分从多帧点云数据中提取特征。根据棋盘格点云的反射强度分布约束,使用棋盘测量估计三维角点。结合图像中检测的二维角点,将两种角点顺序对应之后,通过求解非线性优化问题来生成外部校准矩阵。实验结果表明,该方法可以在受控环境下进行准确、稳定地标定。

引入切向畸变的相机标定技术研究

为提高相机的成像质量,相机标定技术成为相机制造厂商和计算机视觉领域研究者关注的焦点。相机标定技术是从相机成像原理出发,通过估计相机参数来降低相机成像误差的技术,其优化结果对于图像处理,及计算机视觉各方面应用都有着重要的作用。在相机标定技术的研究中,引入切向畸变是一种有效的方法。传统相机模型只考虑了径向畸变,而没有考虑切向畸变对于图像失真的影响。引入切向畸变后,可以更准确地估计实际成像中的畸变程度,进一步提高相机标定的精度。

相机标定关键设备对标定精度的影响分析

相机和标定板是相机标定过程中的关键设备,针对二者对相机标定精度影响的问题,进行了一系列分组对比标定实验。首先,制作了棋盘格尺寸大小不等的A2、A3、A4 3块平面标定板,选择不同类型的4款数码相机,分组采集了240张棋盘格标定板图像;然后,依据相机针孔模型原理,采用MATLAB相机标定工具进行了相机的标定实验。研究结果表明:对于任一相机,使用棋盘格尺寸大小不等的标定板,相机的标定精度差别很大,其中A3标定板对分辨率最小的CCD相机标定精度最优,重投影横纵坐标误差的平均值均小于0.1像素。实验结果对计算机视觉研究中相机和标定板的选择具有参考价值。