排列约束条件下的快速生成算法

所述的约束排列是指:m个非负整数所构成的排列a1a2...am,满足约束条件a1≤N1,a2≤N2,...,am≤Nm及a1+a2+...am=M,其中M和N1,N2,...Nm是给定的正整数。在此解决对于给定的一个约束排列a1a2...am,按照字典排序给出下一个约束排列的生成算法,并对查找位置的确定给出新思路。

标定靶面平行成像平面时Tsai算法的改进

针对机器视觉应用中出现的标定靶面平行于摄像机成像平面的情况,提出对基于RAC(radialalignmentconstraint)摄像机标定算法的改进。建立了该种情形下摄像机标定模型,根据RAC约束的方向不变性、RAC约束的等比例性等特性,使用Levenber-Marquardt算法计算出部分参数,以及利用针孔成像原理求出余下的参数。通过实验对算法进行了验证和分析,结果表明,该算法计算量小,并且具有较高的标定精度。

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。

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。

基于二维标定板的摄像机标定

当今摄像机的标定已然成为机器视觉领域研究的重点。在计算机获取图像并转换成数字信号实现三维欧式重建当中,摄像机的标定是非常关键的一步,采用2D共面激光打印标定板,基于Tsai模型两步标定法对摄像机进行标定。基于图像处理算法提取特征点坐标,然后对标定的初值进行多维无约束非线性优化,从而完成整个标定过程,并获得了对摄像机内外参数较为精确的求解。

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。