基于Kinovea线性插值假人头部位移的计算

目前儿童安全座椅碰撞试验中的假人头部位移计算大多采用2D分析软件,主流的分析软件有Fal Con、Tema等,但是大多数高速摄像机的镜头均有不同程度的畸变,尤其是短焦距的车载相机尤为明显。针对畸变引起的假人位移计算误差问题,本文提出了使用Kinovea软件线性插值的方法来解决畸变问题,该方法通过多个目标点进行网格划分,在小范围内进行线性插值,再将数据结果进行累加得到假人位移量。试验结果证明,与软件计算结果相比,该方法可以大大提高假人位移的测试精度。

基于交比不变性的镜头畸变参数标定方法

在分析目前的畸变参数标定方法优缺点的基础上 ,提出了一种能克服现有技术缺点的简单快速的镜头畸变参数标定方法。该方法利用了透视投影中的交比不变性质 ,在畸变模型为一阶径向畸变的情况下 ,只需要空间共线的 4个点的图像坐标和其交比 ,建立一元二次方程即可标定畸变参数。该方法的特点是算法简单 ,易于实施 ,需要已知条件少。对此标定方法进行了数字仿真实验和真实图像校正实验 ,证明该方法标定精度高 。

共面点的摄像机非线性畸变校正

采用传统的Tsai两步法进行摄像机标定时,标定精度会受一阶径向畸变模型的限制。本文提出了一种同时考虑摄像机镜头径向畸变和切向畸变的摄像机模型并研究了模型求解方法来提高畸变校正精度。考虑图像中心区域畸变较小,故用中心附近点列出线性方程组计算了摄像机的部分参数;建立了综合畸变模型,将摄像机参数代入模型计算畸变参数的初始值。由于焦距和平移分量在标定板与相机平面的距离深度变化不够时难以一次性准确标定,故将其代入综合畸变模型重新计算,并运用两步迭代法逐步逼近精确解。最后,对世界坐标系进行空间几何变换、透视变换和成像变换得到的重投影图像的像素坐标并与实际测得的像素坐标值进行比较,得到校正误差。结果表明,本文的畸变校正方法平均像素误差可以达到0.114 9pixel,优于Tsai校正方法的0.367 0pixel,且重复性较好。

摄像机镜头非线性畸变校正方法综述

由于加工误差和装配误差的存在,摄像机光学系统与理想的小孔透视模型有一定的差别,致使物体点在摄像机图像平面上实际所成的像与理想成像之间存在不同程度的非线性光学畸变。为了提高图像检测、模式匹配等定量分析的准确性,必须对这一类畸变进行修正。近年来,国内外学者就此问题进行了大量的研究,为了使人们概略地了解该领域的研究现状,为此首先介绍了摄像机成像模型与镜头非线性畸变模型,并回顾总结了摄像机镜头非线性畸变校正方法,然后进一步提出从原理上将这些方法分为基于控制对象的方法和基于模式的方法两大类,最后分析比较了各种方法的优缺点。

一种线阵相机镜头畸变的标定方法

为实现线阵相机中镜头畸变的精确标定,提出了一种新的标定模型,并在实际应用中对标定模型进行了简化。根据等间距共线特征点的成像特性,通过比较两种畸变算法的差异,用非线性优化方法实现了镜头畸变参数的标定。实验结果表明,简化模型的标定结果与标准模型的标定结果相一致,标定后相邻特征点之间的距离变得更为均匀,校正后图像的最大形变量不高于0.5像素,校正精度不低于9μm,与传统的标定方法相比,该标定方法具有较好的稳定性。

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 。

航空变焦距斜视成像几何畸变的自动校正

针对变焦距航空摄像机斜视成像产生的几何变形,提出一种同时校正斜视梯形失真和变焦距镜头非线性畸变的自动校正方法。根据直线透视投影不变性原理,利用单参数除式模型通过变步长优化搜索方法得到不同焦距对应的镜头畸变系数和畸变中心坐标;研究了焦距变化对畸变的影响规律,校正了镜头畸变使其满足针孔成像模型;引入飞机位置、姿态和摄像机视轴指向方位等因素,将航空图像重投影到地图坐标系中,对坐标变换后的像素亮度值进行重采样得到校正斜视变形和镜头畸变后的正射投影图像。对不同焦距和位置姿态下拍摄的地面靶标畸变图像和实际航空变焦距斜视图像进行了校正。结果表明,该方法能够有效准确地校正图像的几何变形,当飞行高度为2 500m时,在文中给定的位置姿态精度下的图像几何校正均方误差约为2m,较好地满足了后续图像拼接需求。该方法效率高,便于自动化实现,对提高图像拼接精度和实现目标精确定位与实时稳定跟踪具有重要意义。

摄影测量系统的高精度标定与修正

介绍了目前国内外较常用的一些摄象机镜头标定与修正的方法 ,对其优缺点进行了分析 ,而后根据透镜成象机理 ,提出了新的误差修正与标定模型 ,并采用一种隔离的三步法进行求解 .该方法能较全面地对摄象机系统进行标定和误差修正 ,且具有很好的稳定性与精度 .

采用棋盘格模板的摄像机标定新方法

在分析Opencv摄像机模型和现有的双目视觉系统标定方法的基础上,提出了一种新的标定算法。该算法包括3个步骤,首先利用最小二乘法求解图像的像面中心坐标,在不考虑畸变的情况下,选取中心处一小块作为摄像机标定的初始空间,采用线性优化方法求出除畸变系数以外的其他摄像机内外参数;然后将求得的参数作为初值,利用线性优化方法求解畸变系数;最后利用非线性优化方法对所有内外参数全局优化。实验结果表明:该方法能获得更高精度的标定参数,可以满足双目三维重建及其他应用的要求。

基于共线点的镜头畸变校正方法

为实现未知摄像机参数的镜头畸变校正,提出了一种先标定畸变中心、再标定畸变系数的方法。先在镜头的不同焦距处对靶标成两次像,利用相同靶标点在两幅图像中的相对位置关系求解畸变中心;再根据直线的透视投影不变性,通过变步长的最优化方法搜索畸变系数。模拟实验表明,在靶标点数为25,噪声水平为0.2像素时,畸变中心的平均误差为(0.2243,0.1636)像素,畸变系数误差为0.28%。真实图像实验表明,用该方法得到的畸变中心和畸变系数能够很好地校正图像。该方法不需要标定摄像机的内外部参数,也无需知道直线网格的世界坐标,简便易行。

基于鱼眼镜头的全视觉图像

鱼眼镜头具有短焦距、大视场的优点,因而在很多领域都得到非常广泛的应用,但存在鱼眼图像畸变比较严重的问题,这就需要对图像畸变进行校正.为此,提出了一种能够实现全视觉球面图像的摄像机,并且给出它的标定方法.实验结果说明,根据给出的球面图像摄像机模型,图像畸变得到校正,并且也实现了球面摄像机对车辆周围环境的监测.

双线阵CCD相机的畸变校正和标定方法

在双线阵CCD的三维重建中,对线阵CCD相机的标定和镜头畸变校正是基础环节。提出了一种用于三维重建中的双线阵CCD标定及镜头畸变校正方法。根据左右相机间的单应性关系,以及线阵CCD的成像原理,将双目相机间的空间关系分解成姿态角与错切角的关系。通过靶图数据的拟合,对姿态角和镜头畸变进行校正,根据求出的错切角完成相机间的标定,实现对具有镜头畸变的双线阵CCD的标定。实验结果表明,标定和校正精度满足后续三维重建中图像匹配的需求。

一种摄像机成像误差的模型化修正方法

本文针对摄像机成像误差问题，首先提出了一种新的径向畸变模型，利用此模型推出了能精确标定摄像机的关键参数（有效焦距、平移矢量的Ｚ向分量以及径向畸变系数）的线性算法；同时提出了一种成像系统误差的修正模型，并利用系统辨识方法正确估计了该模型的各参数；并进行了实验验证．这项研究必将使得摄像机成像的误差整体降低。

基于数据拟合的摄像机标定和图像的数值校正

采用的摄像机成像模型考虑了透镜的径向畸变和切向畸变。标定过程包括对摄像机的内外部参数的直接线性变换估算和基于内部映射牛顿法的子空间置信域法的非线性优化算法优化。同时提出了对畸变图像校正的数值计算方法。

一种优化的自适应摄像机标定算法

摄像机标定是计算机视觉领域中的基本问题。提出了一种优化的自适应摄像机标定方法。能够快速准确地对摄像机进行标定。标定方法简便易行,仅需一块简易的标定板即可完成全部标定过程。标定方法将镜头畸变校准与摄像机内外参数估计分离,从而提升了镜头畸变校准的精度,且减小了非线性优化过程中的变量维数。在摄像机内外参数估计中,通过交替优化内外参数,相比于Zhang的标定方法[1],标定误差最多可减小63.14%。

利用Hough变换实现自动镜头畸变校正

在摄像机拍摄到的图像中,图像难免会出现某种程度的畸变,给生活带来了很多不便。Hough变换算法是一种应用非常广泛的图像检测方法,但其缺点为计算容量大,运算速度慢等,因此提出了一种新的算法,利用高阶Hough变换通过自动曲线校正来找到用来校正的可靠的曲线和准确估计镜头的畸变参数。实验结果表明,该算法可行而且还能够将广角镜头,鱼眼镜头和变焦镜头的摄像机拍摄到的畸变图像进行自动校正。

γ相机平面成像的空间畸变校正

介绍了一种通过软件对γ相机的空间非线性畸变进行实时校正的方法.考虑到在非常小的平面内,图像的空间畸变可看成是图像的几何线性变化.产生一些校正单元,用某一校正单元对位于该校正单元的γ事件进行线性校正.各校正单元的变换参数通过最小均方差和三次样条插值来确定.

基于RBF的汽车纵梁加工质量检测系统研究

针对大尺寸的汽车车架纵梁装配孔检测方式落后、效率低的问题,提出了一种基于RBF神经网络和线形结构光的汽车纵梁装配孔的机器视觉在线检测系统。利用RBF可以逼近高阶输入输出非线性系统的特性,校正摄像机成像过程中的高阶畸变,提高了系统的检测精度。该检测系统经生产现场测试,在汽车车架尺寸范围内其装配孔尺寸检测精度达到±0.1 mm,位置检测精度不大于±0.3 mm,检测时间不超过1.5 min/根,能够满足汽车车架纵梁在线检测的要求。

一种使用校正模板的非线性摄像机标定方法

基于图像点满足的特定直线方程以及相邻图像点之间距离相等的性质,对标定模板图像进行校正,并通过改进的张正友标定法,提出了一种新的使用校正模板的非线性摄像机标定方法。与现存的方法进行比较发现,该方法能够实现较高精度的摄像机标定,鲁棒性比较强,且能够大大地降低算法的复杂度。

综合多畸变因素的摄像机标定

为了提高大视野应用场合下摄像机的标定精度,提出一种综合多种畸变因素的标定方法。首先在分析透镜存在径向畸变、切向畸变和薄棱镜畸变等因素的基础上建立透镜的多畸变模型,然后以平面的单应性为约束条件,利用标定图中心区域的圆点坐标求得部分摄像机初始内外参数;假设经畸变校正后的像点符合透视投影原理,并在此基础上求出畸变系数;最后通过多畸变模型,以迭代计算的方式逐步逼近精确值。从对比实验结果表明,该标定方法的平均像素误差为0.17 pixel,标定精度不低于Tsai两步法和张氏标定法;经校正后圆心距的标准方差为0.56 pixel,小于Tsai方法的1.00 pixel,优于张氏的0.75 pixel;在不同强度噪声的干扰下,标定结果的变异系数低于15%,表明所提方法的抗噪声干扰能力强,且适用于任意种类的镜头畸变模型。