基于RAC约束的星敏感器在轨校准方法

提出了一种基于RAC约束(Radial Alignment Constraint)的星敏感器在轨校准方法。该方法不依赖外部姿态信息,通过建立基于RAC约束的星敏感器成像模型,采用两步法从单帧星图解算出外部参数和内部参数,并利用多帧星图整体优化的方式得到内部参数的整体最优解。仿真实验表明,该方法能有效消除内部参数与外部参数耦合,实现其准确分离和解算。在星点位置噪声方差为0.05 pixel的情况下,该方法能准确解算出内外参数,其残差在x方向为0.063pixel,在y方向上为0.053 pixel。

基于RAC标定法的CCD摄像机参数标定技术研究

传统的摄像机标定是在一定的摄像机模型下,基于特定的实验条件,如形状、尺寸已知的标定物,经过对其进行图像处理,求取摄像机模型的内部参数和外部参数。标定摄像机参数的方法很多,大多数采用变焦距法、径向准直法及根据透射成像原理进行标定,针对摄像机的像面中心的标定。文中建立CCD摄像机透视成像的数学模型,运用RAC标定法建立求解摄像机外部参数方程组,从而推导出在径向畸变模型下求解摄像机内部参数的方程。该方法采用CCD能很好地提高精度。实验结果表明,该方法计算量小,标定精度较高。

立体视觉测量中摄像机标定的新技术

本文实现并改进了一种利用径向排列约束（ＲＡＣ）的摄像机标定算法，并利用该算法标定了安装在ＺＥＩＳＳＣＭＭ坐标测量机伺服机构上的ＣＣＤ摄像机的内部和外部参数．算法巧妙地利用了成像过程中的ＲＡＣ分解摄像机参数，提出了带有一阶径向畸变的摄像机模型，利用合理组织的求解次序使得每一步参数的求解都只须求解线性方程组，从而彻底改变了以往摄像机标定依赖于非线性优化方法．这种改进使得ＲＡＣ方法较以往的算法更为精确、快速、简便．

基于共面法的视觉传感器的标定方法

提出了一种基于平面网格靶标的视觉传感器的标定方法。首先利用平面网格靶标来获取标定点,同时利用交比不变原理不断修正镜头的畸变参数,从而提高了标定点的精度,然后根据这些标定点利用RAC算法对视觉传感器的内外参数进行标定。试验结果表明,基于共面法的视觉传感器的标定方法操作简便,切实可行,具有较高的精度。

摄像机标定技术研究

在简要介绍现有摄像机标定方法的基础上,提出了一种基于张正友两步法和Heikkila相机模型的改进的摄像机标定方法。经实验证明,该方法操作简便,具有较高的精度和较好的鲁棒性。而且,由于充分考虑了镜头切向畸变和像素倾斜角的影响,故适用范围更广。

基于主动形状模型的双目识别系统的设计与实现

给出了一种基于统计形状模型的双目识别系统实现方法。该系统根据识别目标在场景中的姿态有一定规律性的特点,用先验的样本信息指导识别的过程,并采用径向对齐约束的方法对摄像头内外参数进行标定,利用图像识别结果中特征点的顺序性完成特征匹配,进而获得目标的三维信息。

基于一阶径向畸变算法的双目摄像机多位姿标定方法

双目立体视觉中在对物体进行三维测量或精准定位时,需要对摄像机进行标定以获得其内外参数。研究径向畸变摄像机模型,构造了基于一阶径向畸变(RAC)算法的双目摄像机内外参数线性求解公式。考虑侧倾角、旋转角、俯仰角以及透镜的主要畸变因素,修正了传统RAC标定法中只考虑径向畸变、部分参数需要先验值的缺陷。利用标定所得内、外参数进行了多位姿双目摄像机三维重构实验。实验结果表明,该标定方法重投影误差分布在[-0.3,0.3],动态识别结果与实际运行轨迹重合率为96%,对降低双目立体视觉三维测量误差率有积极性影响。

考虑径向畸变的机器人视觉系统的参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。用GRB系统的Matrox图像采集卡采集标定点坐标,利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明,该方法有较高的标定精度。

机器视觉中的摄像机标定技术研究

机器视觉中在对景物进行定量分析或对物体精确定位时,都需要进行摄像机标定,即准确确定其内部和外部参数。寻找快速有效的摄像机标定计算方法是机器视觉中的重要问题。分析了带有透镜径向的一阶畸变的摄像机模型,利用RAC标定提出一种求解其参数的标定计算方法,标定过程每一步都用线性求解,避免了非线性优化中的不稳定性。试验证明,该标定方法操作简便,标定精度高。

显微测量系统外参数标定的研究

在介绍了Tsai氏标定方法的基础上提出了一种应用于显微测量系统的标定方法。该方法不需要标定出摄像机的绝对坐标,而是通过实验的方法测量出两摄像机系统之间的角度关系,得到其旋转矩阵,进而标定出整个系统的外参数。在显微测量应用中,这种新的标定技术比传统的Tsai氏标定法计算量更小,实用性更强,并能保证较高的标定精度。

基于径向约束的CCD相机标定参数的整体优化

提出了基于径向约束的CCD相机标定的模型参数非线性整体优化的方法。利用Harris算法检测标定板的各角点图像坐标,保证了标定板角点的稳定性和可靠性;进行RAC(radial alignment constraint)两步法标定,并用Levenberg-Marquardt算法对通过径向约束标定得到的所有相机模型参数进行非线性整体优化,提高了相机参数的标定精度。实验结果表明,该方法标定精度高,能明显减小各种误差对CCD相机标定的影响,提高了机器视觉三维测量的精度。

考虑一阶径向畸变的摄像机参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。首先用GRB系统的Matrox图像采集卡采集标定点坐标,然后利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明:该方法有较高的标定精度。

基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。