一种实用广角成像系统几何畸变数字实时校正方法

图像的几何畸变广泛存在于应用广角镜头的成像系统，畸变的存在尤其不利于基于图像分析的定量分析领域。针对一个基于图像分析的红外角位置测量系统，提出一种实用广角成像系统几何畸变数字实时校正方法，阐述其畸变参数的标定方法，图像的空间变换和灰度插值方法，基于实时性要求，给出畸变校正的算法步骤，实验表明，此广角成像系统几何畸变数字实时校正方法有效提高了角位置测量系统的测量精度，并具有一定的实时性能。     

光电测量系统几何畸变数字校正的一种新方法

提出了一种将畸变参数求解独立于相机方位元素求解、同时考虑到校正时光电测量系统光轴与标定板平面不垂直的几何畸变数字校正方法——旋转搜索法。介绍了这种方法的校正原理，建立了相关的数学模型，给出了校正实例，并通过畸变评价函数对校正结果进行了评价。实验证明，该方法获得的校正效果较好，对实验图像的校正使总体畸变误差减为校正前的7．7％，且过程简单，易于实现。     

线结构光三维轮廓测量系统的标定方法

在线结构光360°三维轮廓测量方法中,采用多图像传感器系统可实现物体整体轮廓及局部形貌细节同时高精度测量.为了实现测量系统多传感器同时标定,提出一种线结构光多传感器三维轮廓测量系统的标定方法.以直接线性变换法为系统标定模型,设计含有多特征点的靶标控制场来解算系统模型参数,应用二元全区间插值误差校正方法对物方坐标计算误差进行校正,实现对整个测量系统的标定.并提出了一种基于二维离散傅里叶变换的多分辨率标定靶标特征点提取的新方法.论述了线结构光四传感器测量系统的标定过程.实验结果表明这种标定方法可实现多传感器测量系统高精度同时标定.     

基于图像的模拟相机标定方法的研究

从光学测量角度出发,结合计算机主动视觉中的相机标定方法及数字图像处理技术,提出了一种CCD摄像系统畸变校正方法.该法通过使用经纬仪,不需相机做任何运动就能实现全过程的标定.该方法在摄像机模型中全面考虑了镜头的径向畸变,利用图像中心附近点畸变量较小的性质,用中心附近点和全场视点对摄像机内部参数和像差修正参数进行标定,最后由最小二乘法得到摄像系统畸变模型的畸变系数,解决了CCD摄像系统的畸变校正问题.与传统的相机标定不同,畸变校正中仅标定数字图像中像素间距和相机焦距.该法运用了亚像素细分算法,提高了测试系统的精度,是一种简单、有效、实用的标定法.     

基于目标照明回光的瞄准误差修正方法精度分析及实验验证

激光发射系统通常受到瞄准误差的影响,使得发射光束的中心偏离靶目标,造成能量传输损失和系统性能下降。激光对目标照明后的散射回光信号可以反映瞄准误差的信息,通过对散射回光信号的测量可以对瞄准误差进行修正来提高激光发射系统的瞄准性能。研究了一种基于目标照明回光的瞄准误差修正方法。利用目标回光信息与瞄准误差的关系,通过随机并行梯度下降(SPGD)算法对瞄准误差进行校正,分析了影响瞄准误差校正精度的因素。实验数据验证了理论分析结果。     

线阵CCD测量系统的镜头畸变校正新方法

提出了一种线阵CCD测量系统镜头畸变校正的新方法.用线阵CCD相机及经纬仪组合体,对空间周期黑白条纹图像照相,通过图像处理和matlab曲线拟合建立图像像素坐标与无镜头畸变的理想像素坐标的关系式,即畸变校正函数.利用畸变校正函数可校正线阵CCD镜头畸变.将该方法应用于线阵CCD散布正交交汇测量系统后(两相机间距为1 561 mm),测量误差由畸变校正前5 mm提高到畸变校正后的0.9 mm.实验结果表明,用该方法进行镜头畸变校正后,线阵CCD散布测量系统的精度得到了显著的提高.     

一种基于LabVIEW的机器视觉标定和校正方法

视觉标定和校正是应用机器视觉的重要环节,可使检测的图像更加准确以达到提高机器视觉检测精度的目的,是不可忽视的关键步骤。提出了一种改进的平面模板法,在传统方法和Heikkila模型基础上推广了切向畸变模型,成像模型中增加了高阶非线性畸变并进行了一定的简化,经过该模型优化标定参数并得到特征像素的空间校正模值,然后通过线性插值方法对像素进行灰度校正,得到标定结果和校正后的图像。该方法由自行搭建的机器视觉检测平台通过LabVIEW工具实现,实验证明视觉系统采集的图像得到了良好的校正,校正精度达到0.17%。     

基于计算机视觉图像精密测量的关键技术研究

虽然计算机视觉系统已经成功地应用于某些检测任务,但由于尺寸畸变和误差的存在,它们一般不被认为是精确的测量工具。本文介绍了精密测量中这些误差的修正方法。第一步是利用神经网络建立图像坐标系的标定模型。然后利用标准件构造学习阶段的神经网络模型,对初始测量的尺寸误差进行建模。最后利用这些模型对测量任务中的测量误差进行校正。     

一种实用的CCD像机标定方法

机器视觉测量系统中,对于短焦距、视场角较大的CCD镜头,图像畸变较大,为了获得高精度的测量结果,需要对镜头进行标定.提出了一种实用的像机标定方法,采用了从畸变像点到理想像点变换的镜头畸变模型,通过优化搜索算法,得到了镜头畸变参数.进行了CCD像机标定实验,实验结果表明,该方法得到的摄像机的内部参数和镜头畸变参数能较好地还原畸变图像.     

基于光学系统畸变设计曲线的畸变校正方法

为消除短焦光学系统的畸变给测量精度带来的不利影响,提出了基于光学系统畸变设计值和全视场拟合畸变参数曲线的方法对畸变进行标定和修正,通过测量视场内若干点的像元角分辨率并拟合其与视场角的关系,给出一条抛物线形式的畸变参数曲线,并将其用于测量.相对于传统的分区域最小二乘拟合参数校正的方法,其实现过程更简单,精度更高.实验结果表明在焦距50 mm和125 mm时,在仅使用一半标定数据的情况下可比分区域校正方法提高精度约22％.     

基于BP神经网络的光电测量系统畸变校正

在大视场光电测量系统中,由于光学系统畸变的影响使得目标在线阵CCD上的成像偏离了理论成像点,导致系统产生测量误差,为了提高测量精度,必须进行畸变校正。根据畸变光学原理,利用BP神经网络对非线性畸变进行良好的逼近,通过对由畸变测量装置获得的数据进行训练建立网络模型,从而建立整个视场畸变校正的数学模型。实验结果表明,当目标物高为200.115 mm时,利用BP神经网络方法,可将畸变误差从校正前的-2.080 mm提高到校正后的-0.104 mm,使得整体检测精度从1.039%提高到0.052%。     

高精度图像尺寸检测镜头畸变校正方法与实现

在高精度轴类零件尺寸图像检测中,提出了一种基于标准件法对镜头径向畸变进行快速校正的方法。该方法通过建立世界坐标转换到摄像机坐标、然后再转换到图像坐标的理想数学模型,并引入径向畸变参数,最终确立物体在世界坐标中与图像坐标中的映射关系,从而建立误差补偿曲线的高次拟合函数。利用得到的误差补偿函数的系数矩阵和径向畸变参数,实现镜头畸变的误差校正,有效改善了镜头畸变造成的检测误差。实验表明,该方法快速有效,提高了检测精度、降低了设备成本、检测精度可达2 μm。     

彩色摄像机颜色分辨力测量

为实现对彩色摄像机颜色分辨力测试,设计了通过双离散颜色源、反射式准直光学系统和四杆靶靶标模块组成的测试装置。双离散颜色源分别产生经过标定的前景和背景颜色光束,经过准直光学系统,最终合成四杆靶测试靶标图像。该系统在测量过程分别获取各频率下从靶标图像中提取的目标靶标并对其进行色差计算,通过图像算法对测试靶标进行判断和识别,获得彩色摄像机的最小可分辨色差(minimum resolvable E difference,MRED)和最小可探测色差(minimum detectable E difference,MDED),实现对彩色摄像机颜色分辨力的客观检测。     

条码型水准标尺的图像检测方法研究

以TOPCON型条码水准标尺的检测为例,分析其编码原理,提出采用计算机视觉瞄准与双频激光干涉测量相结合的方法进行条码尺的分划误差检测。实验结果表明,该瞄准检测方法的准确度高、重复性好,可用于条码型铟瓦水准尺的分划精度检测。     

空间高分辨率光学系统几何畸变标定技术

遥感相机光学系统畸变系数作为影响相机在轨成像质量的关键因素,其检测精度一直以来都是遥感相机研制过程中的核心环节。传统的测角法主要依靠高精度二维转台,实现了光学系统视场角与像高之间的精准对应,该方法对测试设备和测试环境要求苛刻。随着相机焦距、口径和体积的增大,对于转台设备的尺寸与测量精度也日渐提升,单纯依靠提升测试设备性能无法满足后续各类高性能遥感相机的研制需求,尤其对于垂直装调类超大口径空间高分辨率光学系统,该方法不可行。在传统精密测角法的基础上,提出一种基于干涉原理的空间高分辨率光学系统几何畸变标定技术,相比于传统的精密测角法,该方法在同等测试精度的基础上,具备更广泛的适用性,其不再受限于测试设备的尺寸与精度限制,可同时满足各种类型遥感相机的畸变测试需求。文中详细介绍了该畸变测试方的基本原理、测试方法与误差链路,并对该畸变测试方法进行了应用验证,将结果与传统畸变测试方法进行对照,表明该方法的测试精度满足遥感相机的研制要求且适用范围更广,对航天长焦距大口径遥感相机研制及畸变测试有参考借鉴意义。     

Estimating the quality of stripe in structured light 3D measurement

lity of stripe image. In the method, two parameters, skewness coefficient of stripe gray distribution and the noise level, are used to estimate the quality of stripe. The simulation results show that the bigger the skewness coefficient is, the bigger the error of stripe locating results is. Meanwhile, the smaller the noise level is, the smaller the error of stripe locating results is. The method has been used to estimate the experimental image, and the same conclusion can be obtained. The method can be used for recognizing large error data automatically by the two parameters.     

外螺纹垂直投影测量法及应用分析

为了实现外螺纹的高效测量,采用理论分析与实验验证对垂直投影测量方法进行了研究。解释了垂直投影测量法在外螺纹牙形测量过程中出现的牙形失真现象,分析了牙形失真现象的产生原因和发生条件,分别给出了普通三角螺纹和梯形螺纹牙形失真发生条件,证明了采用垂直测量法进行普通三角螺纹测量不会发生牙形失真现象,而梯形螺纹会发生牙形失真。通过用工具显微镜和影像测量仪对普通三角螺纹与梯形螺纹测量数据进行了对比。结果表明,普通三角螺纹和管螺纹可适用垂直投影测量方法测量,而梯形螺纹采用该方法测量会有较大的测量误差。这一结果对利用垂直投影测量方法实现外螺纹高效测量是有帮助的。     

基于光纤陀螺的转台周期性误差抑制方法

为抑制测角系统周期性测量误差对光电跟踪系统速度平稳性和成像效果的影响,采用光纤陀螺系统建立误差模型和误差补偿器,对系统进行误差补偿控制。首先,对测角系统测量结果中含有周期性误差的机理进行分析,建立了周期性测角误差的数学模型;其次,采用高精度光纤陀螺建立了一套基于傅里叶理论的角度测量误差模型采集系统,并通过七个步骤提取了测角误差模型的具体表达式;然后,根据提取的测角误差表达式,分四个步骤对系统周期性误差进行补偿控制。最后,通过跟踪成像实验来验证控制补偿的有效性。实验结果表明,跟踪速度误差的最大值降低到0.04 ()/s,比未补偿控制时降低了8倍左右,满足光学成像系统速度误差小于0.1 ()/s的要求,条纹成像效果得到了明显改善。     

微装配中变焦变倍视觉系统标定及自动聚焦

在微装配中,采用变焦变倍视觉系统可以有效解决测量范围与精度的矛盾,但同时也引入了动态标定和实时自动聚焦的新问题。为此,对变焦变倍显微视觉系统的标定和自动聚焦技术展开研究。在标定方面,首先通过变倍率法完成图像主点的标定。基于平面靶标定法,采用单视图单应矩阵分解对固定倍率下相机内外参数进行线性标定,再引入畸变模型,并由量子行为粒子群优化算法对标定结果进行非线性优化,优化之后的最大反投影误差约为0.13 pixel,平均反投影误差约为0.1 pixel。此外,通过高斯曲线拟合完成对任意工作状态下视觉系统放大倍数的校准。在自动聚焦方面,针对传统灰度梯度函数只考虑固定梯度方向且易受噪声影响的问题,采用八邻域最大梯度阈值的自动调焦算法,通过梯度阈值提高算法的抗噪性。与其他几种灰度梯度调焦函数相比,该算法的单峰性好,抗噪性强。     

A distortion measure for blocking artifacts in images based onhuman visual sensitivity

A visual model that gives a distortion measure for blocking artifacts in images is presented. Given the original and reproduced image as inputs, the model output is a numerical value that quantifies the visibility of blocking error in the reproduced image. The model is derived based on the human visual sensitivity to horizontal and vertical edge artifacts that result from blocking. Psychovisual experiments have been carried out to measure the visual sensitivity to these artifacts. In the experiments, typical edge artifacts are shown to subjects and the sensitivity to them is measured with the variation of background luminance, background activity, edge length, and edge amplitude. Synthetic test patterns are used as background images in the experiments. The sensitivity measures thus obtained are used to estimate the model parameters. The final model is tested on real images, and the results show that the error visibility predicted by the model correlates well with the subjective ranking.