基于平面网格模型的摄像机镜头畸变校正技术

摄像机标定技术是计算机视觉研究中的关键技术之一。国内外学者开展了大量的研究并取得了大量的研究成果。目前,摄像机标定技术的主要研究任务在于根据实际应用的特点,寻找简便、快捷、准确的标定算法。该文针对精密视觉测量这一特殊应用领域,提出了基于平面网格模型的摄像机镜头畸变校正技术。除了考虑镜头的径向畸变之外,还包括离心畸变、薄凌镜畸变等非线性因素,在镜头中心附近小区域零畸变的假设条件下,推导出网格交点的理想坐标,并由图像处理技术获得网格交点的实际坐标,通过最小二乘法获取非线性畸变系数。由于考虑了引起镜头畸变的多种因素,可提高实际标定的精度。对于视觉测量系统,在具体标定前先求出畸变系数,再对实测的像素进行校正,这样既可以提高标定精度,又不影响视觉测量的速度。

基于正方形模板的摄像机自标定新方法

利用正方形模板的两组相互正交方向的消失点,本文提出了一种新的摄像机自标定方法。根据射影几何中的交比关系以及调和共轭性质,该方法只需拍摄三个不同方向的正方形模板图像来计算正方形平行边与对角线方向的消失点。利用消失点与光心的连线平行于该组平行直线的特性,摄像机所有的内部参数便可以线性地求解出来。实验结果表明,新方法标定精度高而可靠,使用起来简单而方便。

基于机器视觉的车辆排队长度检测

现如今智能交通系统的研究越来越受到国内外学者的关注,而车辆排队长度检测技术是智能交通系统中重要的研究内容。为了获取准确的参数数据,文中突破传统的雷达、微波、红外等检测技术,提出一种基于机器视觉的车辆排队长度检测技术。通过运用强大的机器视觉库,对摄像头采集到的视频流信息进行图像灰度化、直方图均衡化、获取感兴趣区域、Canny算子检测车辆等一系列图像算法处理,最后利用摄像机标定技术得到准确的车辆排队长度。实验表明,此检测方法可以检测到较准确的车辆排队长度,可以为智能交通系统提供重要交通参数依据。