基于点离散度的张正友标定法

相机标定是视觉导航的基础,现有的大部分相机标定算法,需要提取标定模板上的全部标志点进行标定。标志点越多,标定精度越高,但标志点过多会影响标定速度。为了能够快速有效的进行相机标定,本文在大量试验的基础上提出选取离散度高的少量标志点进行相机标定。以MATLAB 2009为平台,编程实现张正友标定法,并用张正友提供的物点坐标与像点坐标进行多次试验,试验表明:仅用8个离散度高的标志点即可达到或接近用256个标定点的标定精度。

基于棋盘标定板的优化相机参数标定方法

相机标定是计算机视觉与重建定位的重要基础,是构建二维图像与三维空间联系的重要桥梁。该文根据传统线性相机成像的规律,在理想的针孔相机成像模型的基础上,同时针对张正友标定法中相机参数求解过程较为复杂与繁琐的问题,采用一种简易的标定方法来求解单目相机的相机参数。该方法在平面张正友标定方法的基础上,通过预先估计部分相机参数的初值进而求解理想针孔相机成像模型后,再进一步优化预估参数的方式,根据棋盘标定板的特征点的空间坐标与图像坐标的对应方程,利用奇异值分解和Levenberg-Marquardt优化的方法进行参数求解,从而避免求解繁杂的约束矩阵后再分别对相机参数进行求解的过程,达到直接求解相机参数的目的,优化求解过程,最终实现单目相机的相机标定。实验结果表明,使用该方法标定的单目相机在物距一米以下时的标定误差能够满足绝大部分视觉与定位的应用需求,且该方法具有较好的稳定性和可行性。

张氏标定法在双目视觉脉搏测量系统中的应用

针对双目视觉脉搏信息测量系统中相机微距工作、公共视场小、成像范围有限的特点,研究相机标定的原理和方法,实现双目视觉系统的标定.采用微型黑白棋盘格高精度标定板,在自制背光源辅助下,双目视觉脉搏信息测量系统中的左右相机同步采集高质量标定图像,基于张正友标定方法,对系统进行标定,标定结果精度较高.基于该标定方法的脉搏幅度测量结果的标准偏差控制在0.040 0以下,结果稳定可靠,故该标定方法可用于脉搏信息测量系统的标定,为后续脉搏幅度的精确提取及脉搏形态三维重构打下良好的基础.

摄像机标定算法研究

在计算机视觉中,准确快速计算出摄像机的内部参数和外部参数,是对物体实习精确定位和三维场景恢复的基础。本文首先分析了摄像机标定方法的基本原理;然后对比分析了张正友标定法和Tsai两步法两种标定算法;最后仿真实验验证了该算法避免了传统方法设备要求高、操作繁琐等缺点,又具有较高标定精度。

双目摄像机标定及校正算法

双目立体视觉是计算机视觉领域的重要组成部分,其包括相机标定、立体校正、立体匹配和三维重建等相关内容。该文针对传统的相机标定方法对实验环境要求高、结果精度低以及鲁棒性差等问题,提出了一种采用张正友棋盘格标定法结合MATLAB标定工具箱的方法对相机进行标定及校正。该算法既考虑了畸变因素的影响,又对标定参数做了非线性优化,标定方法简单方便,且标定结果的准确度较高。

基于相机与手眼标定的机械手移载引导算法

为了解决当前标定识别算法引导机械手移载材料时,由于手眼与相机图像标定存在误差,导致抓放偏差的问题,并提出了基于相机标定与手眼标定相融合的机械手移载引导算法。首先,对张正友标定法进行分析,引入相机内外参数矩阵计算模型,从而改进其标定流程,以减小计算量,完成相机标定,实现摄像机坐标系与图像坐标系的绑定。然后,机械手正交走位,提取机械手与摄像机系统坐标,计算旋转矩阵与平移矩阵,从而构建坐标转换模型,最终完成机械手与图像坐标系的绑定,从而完成手眼标定。实验测试结果显示:与当前机械手移载引导算法相比,在面对移载误差频发时,本文引导算法拥有更高的标定准确性和移载正确率。

基于混沌粒子群优化算法的相机参数标定方法

该文在分析相机成像模型以及张正友标定法的基础上,针对张正友标定法在数据处理时容易陷入局部最优解的缺点,提出了基于混沌粒子群优化算法CPSO来对相机参数进行优化。通过实验对比分析可得,与张正友标定方法对比,基于混沌粒子群优化算法得到的重投影误差更小,因而标定精度更高。

基于距离加权的分区域相机标定方法

基于广泛应用的张正友标定法,提出一种距离加权的分区域相机标定方法。根据拍摄图像中标定板位置的不同分为三种标定情况进行考虑。首先,以图像主点为中心,将图像点根据一定的距离加权原则划分为N个区域;随后,使用张正友标定法分别计算每一区域的相机参数,对比各组参数间的差异和联系;最后,利用一种形状误差来判断改进算法的性能优劣和最佳使用条件。实验证明,此方法可以较好地解决不同位置上的图像坐标因畸变大小不同引起的参数计算误差问题。

基于目标的相机标定方法

在利用相机成像的几何原理进行三维坐标测量时,相机标定是首先要解决的问题。空间后方交会、直接线性变换及张正友标定法是3种常用的基于目标的标定方法。本文介绍了其基本原理,并分别进行了程序设计和实验验证,分析了3种方法中控制点数量、焦距大小与精度的关系以及方法的优劣性。结果表明,过多的控制点会导致空间后方交会方法精度下降;随着焦距的增加,空间后方交会和直接线性变换方法的标定精度均有所下降;直接线性变换、空间后方交会、张正友标定法的可靠性、精度均依次降低。

基于稀疏字典学习的单目相机标定方法

在计算机视觉检测中,广泛应用张正友标定法进行相机标定。但是至少需要三次或更多次地拍摄标定物,这需要烦琐的人工操作,难以实现相机标定的自动化。基于张正友标定法,该文提出了一种基于稀疏字典学习的相机标定方法。该文根据张正友相机标定模型,在相机的不同焦距下,离线获取大量标定图像,计算出不同焦距下的内参参数,并以此构造稀疏字典。当在线使用该相机的时候,根据一幅图像和该稀疏字典进行相机标定,可以获得非常好的内参初始值,再利用极大似然法优化相机参数。通过内参参数对比和重投影法对标定结果进行了评估,实验结果表明,该方法可以得到有效的相机标定内外参数以及畸变参数,实现单幅图像的相机标定,可以提高产品视觉检测的自动化。

非量测数码相机三种检校方法的适用性评价

相机检校是无人机测绘的关键技术之一,检校结果的好坏直接影响了最终测绘成果的质量。针对相机检校很难在方便实用性和精度上兼得的问题,对3种典型的相机检校方法展开研究,从检校计算稳定性、量测应用精度和检校控制场布设难易3个方面进行适用性评价。研究结果表明,光束法检校对控制场和拍摄条件较敏感;PTR方法与光束法的量测应用精度相当,且检校计算稳定性较高;而张正友标定方法与前二者相比量测应用精度略低,稳定性受像片数量和姿态的影响较大,但也可以满足中低精度的量测应用需求。

机械臂视觉相机标定的研究与仿真

通过相机标定建立图像像素坐标和空间位置坐标之间的对应关系,是机器视觉在机器人领域应用的关键环节。本文介绍了针孔相机标定模型,然后根据针孔相机成像原理分析相机标定的方法。通过传统的线性标定法和张正友标定法对相机进行标定,并在MATLAB上仿真,结果显示张正友标定法的误差小于传统线性标定法的误差,张正友标定法精度更高。

一种基于Robomaster EP的单目视觉水准视距测量方法

为解决在传统水准视距测量过程中,使用步测法、测绳或上下丝读数法等过于耗费人力物力的问题,以及推动人工智能和图像处理技术在传统测绘行业中的应用,研究了基于Robomaster EP编程机器人的单目视觉水准视距测量方法,并进行多组实验,研究观测距离、机器人移动速率和摄像机俯仰角对测距精度的影响。首先使用张正友标定法对机器人的摄像机进行标定,获得内参数矩阵;然后调用Opencv函数库对视觉标签图像进行处理,并结合小孔成像模型测算视距;最后研究观测距离和摄像机俯仰角等对机器人测距精度的影响。结果表明,该方法精度可达厘米级,可满足不同等级水准视距限差要求。在一定观测距离范围内,机器人测距精度大致与观测距离成正相关,与机器人移动速率成负相关,且误差率可控制在±4%之内;另外在实际使用中,应尽量将机器人摄像机的俯仰角设置在[-7°,+13°]间,这样可获得较好的测距精度。