随机噪声平板下光学复眼内外参联合标定

光学复眼在无人系统的精确定位制导、避障导航等任务中得到了越来越广泛的应用,其中光学复眼的高精度标定是保障上述任务质量的前提。通常经典的张氏棋盘格标定法要求光学复眼的每个子眼都必须观测到完整的棋盘格,然而,由于光学复眼结构的复杂性,在实际标定过程中难以满足这一要求。为解决张氏标定法的局限性,该文提出一种基于随机噪声平板的光学复眼内外参联合标定算法,该算法通过子眼拍摄随机噪声平板的局部信息,可简单快速地实现任意构型和子眼数量的光学复眼内外参联合标定。为了提高光学复眼标定的稳定性,设置多阈值匹配机制解决子眼视场特征点数量稀疏导致图像匹配失效的问题。同时,给出了光学复眼内外参联合标定的误差模型,用来衡量所提出算法的精确度。在与张氏棋盘格标定法进行实验对比中,验证所提算法的稳定性和鲁棒性,并在光学复眼实物系统中,验证了所提联合标定算法具有较高的精度。

基于2.5D标定扇的线阵相机内参数标定方法

针对工业生产线上或集成设备中线阵相机内参数定期检校困难且成本高的问题,提出一种基于2.5D标定扇的线阵相机内参数标定方法。设计了一款特定的2.5D标定扇,构建包含镜头畸变的线阵相机内参数标定模型,顾及了标靶相对相机的两个姿态角,通过方程线性变换法解算模型参数初值,利用改进的Levenberg-Marquardt(L-M)算法加速优化相机参数的求解过程,给出了详细的解算步骤和数据处理过程,并通过仿真和实测数据验证了方法的可行性。结果表明:该线阵相机标定方法简单灵活,可得到大量分布规律的特征点对,参数标定精度不受相机移动精度和特定移动方向的限制;在扇骨面与靶面间夹角小于10°时,可以获得高精度、高一致性的相机内参数,特征点重投影误差的最大值优于0.28 pixel,平均RMSE为0.11 pixel,标准差仅0.01 pixel。

类渐近线特性在摄像机标定中的应用研究

针对机器视觉领域内的摄像机标定,本研究首次根据渐近线的特性引入物理意义,对摄像机的内、外参数进行标定。首先使用6×6的圆孔标定板,计算出摄像机的投影矩阵。然后根据极限的定义,当像平面上投影点p(u,v)在v不变,u趋向正无穷时,光心与点p的连线形成类渐近线,该渐进线平行于摄像机坐标系XC轴,在标定时将其作为XC轴。根据这一特性,对得到的投影矩阵进行分解得到摄像机内、外参数。最后依据所提出的方法进行标定实验,得到摄像机投影矩阵以及相应的内、外参数。结果表明,根据该方法得到的标定数据反求特征点的投影坐标,与实际对应的图像特征点存在较小误差;并且得到的内、外参数与Faugeras标定法得到的结果误差较小,符合工程实际的精度要求。

二维激光雷达与相机数据融合标定

针对单线激光雷达和相机之间外参标定速度慢、实时性差的不足,提出1种基于特征点的数据融合标定方法。在特殊设计的标靶上提取相机外参标定所需的像素特征点,通过激光雷达角度标定得到所需的点云特征点;采用特征点法融合标定像素与点云特征点,得到激光雷达数据与相机图像像素点对应的坐标序列,融合处理2种坐标序列计算出融合矩阵,且通过标定实验验证所提方法的可行性与有效性。结果表明:与传统标靶相比,采用特殊设计标靶的标定速度可提高31.4%;结合数据融合的处理方法可得到单线激光雷达和相机的标定参数,数据融合的平均重投影误差为1.9 pixel、标准差为0.7 pixel,雷达点云数据能够在标靶上较好地投影,使激光雷达点云与标靶图像成功匹配;通过融合矩阵只需较少对应的激光雷达点云和像素点,可避免计算标定的各个参数,标定过程更简便、快捷。

改进遗传算法优化的温室移动机器人单目相机标定

目的:针对温室移动机器人领域传统的张正友相机标定方法存在相机内参数的求解可能陷入局部最优解的问题,使用一种基于改进遗传算法的单目相机内参数优化方案。方法:首先使用张正友标定法得到初始的内参值,然后引入改进的遗传算法对内参初始值进行优化,最后将优化后的内参值代入相机成像模型,得到优化后的重投影误差。结果:将本算法优化后的重投影误差与标准算法和张正友标定法得到的进行比较,证明本研究标定的单目像机内部参数更加准确,标定速度和稳定性更好。结论:改进遗传算法平均重投影误差低于标准算法和张正友标定法,且图像主点坐标更接近参考值,能较好地缓解过早收敛和停滞现象,提高了标定精度,在温室移动机器人视觉应用系统中,本方法有较强的的实用价值。

基于改进麻雀搜索算法的摄像机标定优化方法

目前一些摄像机标定方法,比如DLT标定法、Tsai标定法和张正友标定法,都有着简单且易标定的优点,但也存在着标定精度低、鲁棒性差等缺点。为了有效地解决这些问题,在麻雀搜索算法的基础上考虑其与鸟群算法相结合,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对目标摄像机进行标定。首先,利用MATLAB对标定板进行预拍摄;其次,利用MATLAB软件中自带的标定工具箱对采集的图像进行预标定,得到初始的摄像机内外参数;然后,构建平均重投影误差的适应度函数,并用ISSA对构建的平均重投影误差的适应度函数进行优化,利用适应度函数的优化对内外部参数进行优化;最后,与基于麻雀搜索算法、天牛须搜索算法(BAS)的摄像机标定方法进行实验对比,发现基于ISSA、SSA和BAS的摄像机标定方法的平均重投影误差分别为0.002 9 pixel、0.004 9 pixel和0.003 7 pixel,说明ISSA算法相对于另外两个算法在标定精度上有着一定的提升,且稳定性与鲁棒性都有所提高。

一种激光雷达与双目相机外参数标定方法

针对异质传感器坐标系融合的准确性问题,提出一种利用圆柱面标定物以离线方式计算激光雷达与双目相机的外参数标定方法。通过分析圆柱面点云的三维几何特性,二维化圆柱面点集,并拟合多个平面椭圆实现圆柱面的检测,识别圆柱面图像的棋盘格角点并进行角点三维重建,利用基于邻域法向量的拟合算法拟合圆柱面,并根据最小化投影距离约束条件对激光雷达与双目相机的位姿关系进行计算。仿真与试验结果表明:激光雷达识别圆柱面的半径误差最大为8 mm,双目相机识别圆柱面的半径误差最大为40 mm;且根据外参数标定结果,圆柱面圆度值符合误差特性,这验证了圆柱面标定物应用于激光雷达与双目相机外参数标定的有效性与准确性。

基于改良天鹰优化器的单目相机标定方法

为了提高相机标定精度,提出一种基于改良天鹰优化器的单目相机标定方法:通过张正友标定法计算得到单目相机的内外参数,根据所得相机参数计算标定图像中所有角点的平均重投影误差并建立目标函数,采用经过自适应分配机制、动态补偿策略以及非线性潮汐策略改良的天鹰优化器进行优化,获取最优的相机标定内部参数和畸变系数,从而提高相机非线性标定过程的寻优精度。实验结果表明,改良天鹰优化器算法在不同基准测试函数上寻优结果优越,本文提出的相机优化标定方法得到的标定结果精度更高,重投影误差为0.006 pixels。

高鲁棒性Camera-IMU外参在线标定算法

针对影像实时动态测量设备中相机和惯性测量单元(IMU)相对位置发生变化时,需要重新进行外参标定的问题,提出了一种Camera-IMU外参在线标定方法,能够在机械构型未知的情况下自动估计初始值和外参数。首先,使用全球卫星导航时间对齐IMU和相机的时间戳,通过奇异值分解求解旋转量的超定线性方程,改变阈值判定条件和加权方式,减少方程中的退化运动,并剔除外点,提高系统鲁棒性与外参精度,从而获得恒定的Camera-IMU旋转外参。然后基于获得的Camera-IMU旋转外参,固定滑动窗口,利用高斯牛顿法估计Camera-IMU的外参平移量。与原有在线标定方法相比,旋转外参标定方法的精度提高15%,平移外参的精度提高35%,实验结果表明所提方法是有效的。

基于标定的CCD图像畸变校正方法研究

为得到拍摄获取的2D图像信息与其对应3D空间物体信息之间准确的对应关系,减小因CCD相机镜头畸变对图像的影响,该文建立了正确的数学校正模型,采用基于MATLAB的Camera Calibration Tool-box工具箱对相机进行标定,得到由相机内部参数和外部参数组成的投影矩阵,从而完成对畸变图像进行校正处理。在标定与求解过程中,对每一步骤中的操作进行详细说明与分析,不断优化数据结果,同时调用空间立体图像模型,使实验数据表现更直观。利用得到的实验数据对由同一相机拍摄的图像进行校正验证,实验结果表明畸变图像得到了很好的还原。整体来说该方法简单、快速、直观并准确,实用性很强。

成像激光雷达与摄像机外部位置关系的标定

为了确定成像激光雷达与摄像机两种不同传感器的相互位置参数,建立两者的一一映射关系,在现有激光雷达与摄像机外部参数标定方法的基础上,通过引入奇异值分解技术,对现有标定算法进行了改进。首先,介绍了改进标定算法的基本原理,采用奇异值分解方法求解超定方程组,得到成像激光雷达坐标系与摄像机坐标系之间的投影变换矩阵。为了降低噪声影响,使用非线性优化算法优化初值。然后,利用自制的立体标定靶进行了标定实验,并使用已标定出的结果对成像激光雷达图像和摄像机图像进行了融合实验来验证提出的标定算法。实验结果表明,该算法平均标定精度达到13.33μm,标准差为7.49μm,比原始算法提高了1倍,基本满足图像融合对标定精度的一般要求。

基于参数分离机器人手眼视觉标定方法研究

提出一种简单、快速、不需要标定摄像机内外部参数的标定方法。详细推导了机器人平面手眼视觉系统变换关系,完成了从视觉平面坐标系到机器人参考坐标系的坐标变换。通过参数分离简化求解过程,实践表明这种方法求解速度快、精度高。

基于共面直线迭代加权最小二乘的相机位姿估计

针对相机内参数已标定和未标定情况下的相机位姿求解,提出了基于共面直线迭代加权最小二乘的相机位姿估计算法。推导了关于相机焦距和位姿参数的线性方程,通过4条以上共面直线实现了相机位姿参数的线性解算;对参数线性解进行迭代加权最小二乘优化,得到更高精度的参数估计值和直线权值;最后,利用直线权值和欧式变换的保距性实现相机焦距的解算,得到了相机焦距和位姿参数的估计值。仿真实验表明:提出的算法在相机已标定,直线数为20,像点噪声方差为5pixel的情况下,角度误差小于0.2°,相对平移向量误差小于0.5%,耗时大约为1ms。真实数据实验表明,提出的算法可以获得与棋盘标定结果相近的精度。与现有算法相比,提出的算法抗噪性更好,精度更高,能够实现基于单幅图像的未标定相机的位姿估计。

基于单平面模板的摄像机定标研究

提出了一种摄像机定标方法 ,只需要摄像机从不同方向拍摄平面模板的多幅图像 ,摄像机与平面模板间可以自由地移动 ,运动的参数无需已知。对于每个视点获得图像 ,提取图像上的网格角点 ;平面模板与图像间的网格角点对应关系 ,确定了单应性矩阵 ;对每幅图像 ,就可确定一个单应性矩阵 ,这样就能够进行摄像机定标。该算法先有一个线性解法 ,然后基于极大似然准则对线性结果进行非线性优化求精。该方法同时也考虑了镜头畸变的影响。实验结果表明该算法简单易用。

基于自由运动一维标定物的多摄像机参数标定方法与实验

一维标定方法易于实现且标定效率高,为了克服现有一维标定方法的一些不足,本文提出一种用一维标定物标定多摄像机内外参数的方法,首先进行两两标定,在此过程中,假定主点坐标近似已知而仅考虑畸变、焦距、旋转和平移等参数,接着利用基本矩阵及一维标定物上特征点之间的几何约束,估计两摄像机的内外参数,两两标定完成后,采用Dijkstra最短路径法和捆绑调整对多摄像机系统进行全局标定(含主点坐标),仿真和真实实验表明本文的方法是切实有效的.

悬臂式掘进机截割头位姿视觉测量系统改进

基于红外LED特征的悬臂式掘进机截割头位姿视觉测量系统中,外参标定稳定性和红外LED光斑中心提取精确性对截割头位姿检测精度具有重要影响。现有外参标定方法需依靠经验将截割臂摆至正中位置(未知),标定结果存在较大波动。针对该问题,提出了一种基于多点固定的外参标定方法,该方法控制掘进机截割臂分别摆动到左上角、右上角、左下角、右下角4个已知极限位置并采集标靶图像,计算外参矩阵值,可有效提高外参标定稳定性。现有的灰度质心法采用像素的灰度值作为权重来计算光斑质心,精度只能到像素级,仅粗略满足实际应用需求。针对该问题,提出采用亚像素级边缘检测算法改进光斑中心提取方法:首先采用灰度质心法进行光斑中心粗提取,然后采用亚像素级边缘检测算法求出亚像素级边缘坐标,最后使用最小二乘法拟合光斑中心,实现光斑中心精确提取。实验结果表明:改进光斑中心提取方法将标靶LED灯间距最大测量误差从3.2 mm缩小为1 mm,提高了检测精度;基于多点固定的外参标定方法所获得的外参数矩阵比较稳定,平移矩阵中位移的最大变化幅度为15 mm,旋转矩阵中角度的最大变化幅度为1°;视觉测量系统改进前对截割头摆角的测量误差范围为[-1.2°,1.7°],改进后截割头水平摆角误差范围为[-0.5°,0.5°],垂直摆角误差范围为[-0.6°,0.6°],说明改进方法有效提高了截割头摆角的检测精度。

OpenCV耦合改进张正友算法的相机标定算法

视觉系统中的相机,由于透镜本身原因,采集到的图像往往会发生一定的畸变,从而影响后期的图像处理精度。当镜头与图像平面夹角过小,或者标定图像次数过少时,普通标定算法往往存在标定不准,效果不佳等问题。对此,文中提出了开源计算机视觉库(Open Source Computer Vision Library,OpenCV)耦合改进张正友标定算法的的相机定位机制。首先研究了发生畸变的原因;再对普通张正友算法进行改进,随后通过OpenCV,计算出相机内参数、畸变系数、偏移向量和旋转向量;最后结合改进后的张正有算法和OpenCV函数编程实现相机标定机制。实验结果显示:与未改进的张正友标定算法相比,在镜头与图像平面夹角过小,或者标定图像次数过少时,文中机制具有更好的标定效果,在实际工程中具有较大的应用价值。

三维重构中数码相机参数标定方法研究

随着数码技术的迅速发展,在许多场合人们已逐渐采用数码相机作为主要的图像采集设备。数码相机的标定被认为是实现三维重构基本而又关键的一步,可以为后继的立体图像匹配与三维重构奠定良好的基础。在介绍数码相机成像理论模型和已知相机内部参数的基础上,提出了一种新的利用直角三点来实现数码相机外部参数标定的方法。与现有的标定方法相比,简化了标定需要的特征点的数量和标定装置的复杂程度。文章最后通过实例说明了利用该标定方法实现三维重构的具体步骤和方法,并且验证了此方法的可行性及标定的精度。

基于圆形靶标的数码相机外部参数标定算法

数码相机的外部参数标定是应用计算机视觉进行现场测量和图像处理的关键技术。提出一种基于圆形靶标的数码相机外部参数标定算法,首先提出一种用于估计靶标上圆的圆心在该相机像平面的像坐标的迭代学习算法,在此基础上,利用已知的数码相机内部参数和成像几何模型计算出数码相机的外部参数。实验结果表明算法具有较高的精度和良好的稳定性。

一种简单的摄像机标定技术在视觉定位中的应用

摄像机标定技术对于精确的双目视觉定位起着关键的作用。了解摄像头标定的原理有助于采用合理方法减小标定结果误差。本文介绍的摄像机标定方法标定结果误差小。摄像机标定过程中用到三个坐标系,它们之间的转换关系是摄像机标定的基础。采用内外参数分离的标定方法,通过具体实验分步标定了摄像机的内参数和外参数,实验过程简单,标定精度较高。