融合线性方法和神经网络的摄像机并行标定技术

从摄像机成像模型的基础原理出发,针对神经网络的特性,构建不同的训练点集以获得不同的神经网络。提出对物点的世界坐标(XW,YW,ZW)信息分别进行标定,称之为并行标定。此方法不局限于单个平面位置的标定,标定过程中让标定模板沿ZW方向移动,覆盖一个三维标定区域。与以往标定方法相比,由于该方法减少了标定点数目,此方法在提高了标定精度的同时提高了标定速度。实验结果表明,该方法在XW轴和YW轴方向上的距离测量精度优于0.1%,在ZW轴方向上的距离测量精度优于1%。

基于神经网络的大范围空间标定技术

目前利用神经网络进行摄像机标定的研究,只能实现单个位置上或小范围空间的标定精度要求。当标定空间扩大到一定范围,标定精度和标定速度的冲突便不可调节。首先推导了摄像机的成像原理,证明沿世界坐标系3个坐标轴(XW轴,YW轴和ZW轴)方向存在截然不同的成像规律,提出沿上述3个方向分别进行标定的并行标定方法;进而提出一种新的归一化方法,较好的提高了XW轴和YW轴方向的标定精度。实验结果表明,ZW轴向标定是整个大范围标定的关键,其重构标准差远大于XW轴和YW轴的重构标准差。在保证精度与速度的前提下,新的归一化方法扩大了摄像机标定范围。