高速公路相机自动标定及道路坐标系构建

为解决高速公路场景下利用视频监控系统正确描述车辆相对于道路的空间位置问题,通过引入Frenet坐标系概念,提出一种基于相机自动标定的道路坐标系模型。在相机自动标定阶段,利用线分段拟合方法从曲线车辆轨迹中提取平行于直线路段的轨迹点,并通过级联霍夫变换精确估计道路方向的消失点。然后,根据多车辆三维模型约束,对相机参数进行迭代优化。基于标定结果,将车辆轨迹映射到世界坐标系平面上,并用3次样条插值进行拟合。根据大量运动车辆在道路平面内形成的轨迹域分布特征,综合边界约束估计道路中心点。最后,结合道路中心线在各点处的法线向量与车道宽度信息确定平移量,并利用点平移运动拟合车道线,实现道路坐标系的自动建立。使用真实高速公路视频数据,在多种道路条件下进行试验。研究结果表明:在标定阶段,构建方法对不同高速公路场景的最大标定误差不超过11.55%;与最新的方法相比,直线道路平均标定误差分别降低6.68%和3.58%,弯曲道路平均标定误差分别降低7.43%和2.61%;在道路坐标系构建阶段,构建方法的平均投影距离为0.077 m,接近最新方法的0.069 5 m;而其平均精度为0.916,显著优于最新方法的0.663;所提道路坐标系能够自适应道路形态的变化,有效解决了从监控视频中描述车辆与道路之间相对位置关系的问题。

用于三维重构的相机标定算法

为了从物体的二维图像参数中得到三维重构模型,需要通过相机内部参数,建立真实物体与对应成像物体的关系模型,提出一种借助双平面镜进行三维重构的相机自动标定算法.通过两个普通平面镜获取被摄物体的5个不同角度二维图像投影,自动标定算法依赖物体的投影轮廓线计算相机内部参数.试验结果表明,通过相机自动标定算法获取轮廓和相机的参数信息,能有效地实现基于视觉外壳算法的三维重构.

基于全自动标定技术的环物摄影测量平台精度提升策略研究

针对传统的环物摄影测量设备精度不高的缺陷,本文在环物摄影测量法的基础上,提出了基于全自动标定技术的精度提升策略,并成功应用在自主研制的三维环物影像获取系统中。该策略克服了传统相机标定技术需要人工选点,耗时耗力的缺陷,同时有效的解决了环物摄影测量解算中,相机高精度空间参数定位的问题。因此,本文提出的方法可以在保证实时效率的前提下,提高环物摄影测量设备生产的三维数字化模型的精度,具有广泛的应用前景。

基于机器视觉的机械零件自动精密测量

本文提出了一种运用机器视觉实现对机械零件长度的自动精密测量的方法。采用机器视觉技术获取试件的图像数据,利用图像处理中亚像素边缘检测方法实现对边缘的精确定位,并提出了一种相机自动标定方法,从而实现长度的自动精密测量。

控制点识别的全自动相机标定算法研究

针对现有相机标定环节中控制点需要手动选取,标定自动化程度不高,效率较低的问题。该文在圆心投影点精确定位研究成果的基础上,提出了一种基于角距的控制点自动识别算法,解决了三维高精度控制场下全自动相机标定的关键环节。初步实验表明,在同等条件下,基于该方法的全自动标定精度、效率和稳定性均优于传统人工选取控制点的标定方法。

基于单目视觉的叶轮零件三维重构方法研究

针对高像素图像合成模型运算量大、图像标定过程复杂等问题,对图像预处理、图像信息提取和匹配等方面进行了研究,提出了一定角度的序列图像重构模型方法。基于单目视觉重建原理,利用SIFT算法提取、匹配图像的特征点集,对基本矩阵进行了奇异值分解,得到了摄像机矩阵;引入了绝对对偶二次曲面的自标定算法,用于自动建立物体坐标系,依据反向投影原理恢复了模型;搭建了叶轮零件的三维重构实验平台,进行了网格模型重构实验。研究结果表明:所提出的方法能将零件的三维模型准确重构,实现高精度、高效率的自动化三维逆向建模;提供了一种可靠的模型获取方式,可为3D打印加工提供上游技术支持。

Principle of Coordinates Acquisition Based on Single Camera

The principle and accuracy of 3-D coordinates acquisition using one single camera and the Aided Measuring Probe(AMP) are discussed in this paper. Using one single camera and one AMP which has several embedded targets and one tip with known coordinates, the single camera′s orientation and location can be calculated. After orientation, the global coordinate system is obtained. During measurement, the camera is fixed firstly, then the AMP is held and the feature point is touched.The camera is triggered lastly. The position and orientation of the AMP are therefore calculated from the size and position of its image on the sensor. Since the tip point of AMP has known relation with the embedded targets, the feature point can be measured. Tests show that the accuracy of length measurement is 0.2 mm and accuracy for flatness measurement in XSY-plane is 0.1 mm.