基于GA-BP的圆形靶标圆心定位误差预测建模与补偿研究

利用圆形靶标进行相机标定时,靶标成像效果会随着不同的相机拍摄位姿呈现为椭圆,因此利用常规圆心定位方法得到的图像圆心坐标并非真实圆心在图像中的成像位置,直接利用该圆心图像坐标进行相机标定的标定精度不高。针对此问题,提出了一种先对圆形靶标图像圆心定位误差进行预测建模,然后进行误差补偿来提高圆心定位精度的方法。首先,建立圆形靶标成像图的仿真图像集;其次,对图像预处理并利用椭圆拟合法定位图像中的圆心坐标;再次,构建并训练GA-BP神经网络,建立圆心定位误差与相机镜头位姿之间的关系模型;最后,通过误差补偿策略对定位的圆心坐标进行误差补偿。实验结果表明,所构建的GA-BP神经网络模型对圆心定位的横、纵坐标的误差预测精度明显优于BP或者E-R模型,其MAPE,RMSE,R 2分别为5.51%,0.0048,0.9996和6.14%,0.0964,0.9998。误差补偿后的圆心定位精度更高,验证了采用误差预测建模和误差补偿的方法提高圆心定位精度的可行性,为高精度相机标定任务提供了方法支撑。

基于圆形靶标的数码相机外部参数标定算法

数码相机的外部参数标定是应用计算机视觉进行现场测量和图像处理的关键技术。提出一种基于圆形靶标的数码相机外部参数标定算法,首先提出一种用于估计靶标上圆的圆心在该相机像平面的像坐标的迭代学习算法,在此基础上,利用已知的数码相机内部参数和成像几何模型计算出数码相机的外部参数。实验结果表明算法具有较高的精度和良好的稳定性。

摄像机标定中靶标圆心像点坐标的精确计算

摄像机标定是机器视觉中的一个关键问题。当靶标特征像点在世界坐标系中的坐标值确定后,便可以计算得到内参和外参,进而完成摄像机标定。为了简化靶标特征像点的计算方法并提高其计算精度,提出了基于透视不变性的计算方法来得到虚圆心像点坐标。该方法利用计算机搜索算法找出3个圆心不共线的圆形靶标的椭圆像的公切线,每个椭圆上两对切点连线的交点即为对应靶标虚圆心的像点。模拟实验验证了该方法的实用性。结果表明:算法不存在模型误差,计算过程简洁高效,提高了靶标特征像点坐标的计算精度,使摄像机的标定更加精确。