基于几何方法的摄像机内外参数求解

根据摄像机透视投影模型的几何意义,从几何角度推导了由投影矩阵求解摄像机内外参数的过程以及任意矩阵能够成为透视投影变换描述的约束条件。     

摄像机线性三步定标方法研究

计算机视觉中，在对景物进行定量分析或对物体进行精确定位时，都需要进行摄像机标定，即准确确定摄像机的内部参数和外部参数。由于真实的摄像机光学模型存在很多类型的畸变，因而导致透视投影关系是非线性的。为了解决标定过程的非线性最优化问题，针对常用的带有一阶径向畸变的摄像机模型，提出了一种新的线性三步摄像机定标方法，即首先通过径向排列约束计算摄像机参数的旋转矩阵、x轴平移向量和y轴平移向量；然后根据透视投影的交比不变性解算一阶径向畸变参数；最后利用求得的摄像机参数建立有效焦距和z轴平移向量的线性方程，采用最小二乘法来得到线性解。实验表明，该方法简单快捷，不仅具有较高的标定精度，而且解决了原有算法采用非线性搜索寻优可能存在的解不稳定的问题。     

一种基于非量测畸变校正的摄像机标定方法

设计一种基于非量测畸变校正的摄像机标定方法.该方法利用单参数除式模型校正镜头畸变,根据直线透视投影保留同素性,通过拉凡格氏法（LM）优化标定出畸变模型系数和摄像机主点坐标,然后校正成像点,使其满足针孔模型映射关系.根据内参数的两个基本方程,线性求解剩余参数.实验表明,该方法在非量测标定过程具有较好的鲁棒性,且对比张正友标定方法,可在单幅标靶图像下进行标定,避免了模型内外参数耦合在一起,提高了标定效率.     

一种基于透视投影响的纹理校正方法

论述了一种基于透视投影响的纹理校正方法,该方法以立体视觉中的线性摄像机模型为基础,针对虚拟场景漫游的特点及需要,利用透视投影中点的对应关系,通过图像空间与纹理平面上的四点对应,求得纹理校正的投影矩阵,这对采用本方法的实现结果进行了讨论。     

一种多视图分层重构算法研究

本文介绍了基于奇异值分解的射影重构算法的一般框架,以测量矩阵的秩为4作为约束,以仿射投影逼近透视投影,利用共轭梯度法估计射影深度,通过奇异值分解实现射影重构.利用共轭梯度法确定Kruppa方程中的未知比例因子,然后利用所确定的比例因子线性求解Kruppa方程,进而标定摄像机内参数.在摄像机内参数已知的情况下,求解一个满足欧氏重构条件的非奇异矩阵,然后通过此矩阵将射影重构变换为欧氏重构.实验结果表明所给出的算法是行之有效的.     

PTZ摄像机视频与三维模型的配准技术研究

针对基于投影纹理映射的虚实融合系统,提出了一种PTZ摄像机视频与三维模型实时配准的技术.选取PTZ摄像机若干特定姿态的子图像组成一张全景图像,进行最优匹配图像的搜索,用SURF图像配准的方法对实时视频图像进行透视变换,利用最优匹配图像的三维投影信息将实时视频图像精确投影到三维模型中.实验结果表明,该算法具有较高的准确性,适用于虚实融合系统中PTZ摄像机视频的三维配准.     

传统相机标定方式的自动标定方法

摄像机标定技术是从二维平面图像中获得三维信息的关键步骤,摄像机的标定精度对保证系统测量精度有着至关重要的作用。提出了一种基于传统相机标定方式的自动标定方法。采用带有区域标记点的改进标定模板获取标定图像序列。利用边缘检测技术,确定特征点检测区域。根据摄像机透视投影模型,对摄相机进行线性标定,再进行非线性修正,得出摄像机各参数。实验结果表明,改进的标定方法具有更快的检测速度,稳定性好,鲁棒性高,使传统相机标定过程实现了自动化。     

一种基于球面透视投影约束的鱼眼镜头校正方法

鱼眼镜头摄像机具有较大视场，但是，使用鱼眼摄像机拍摄的图像会有非常严重的变形．该文研究基于球面透视投影约束的鱼眼镜头校正方法．球面透视投影约束是指空间直线的球面透视投影为球面上的大圆．作者首先使用含有变形校正参数的鱼眼变形校正模型，将空间直线的鱼眼投影曲线上的点映射为球面点，然后通过球面点到大圆的球面距离最小来拟合大圆，恢复了变形校正参数，从而实现了鱼眼图像的校正．模拟实验和真实图像实验表明，该方法能得到比较满意的校正结果．     

Tsai氏相机平面标定算法的一种解析改进

针对径向畸变的针孔透视投影模型,提出了一种简单快速的相机标定算法。该算法在假设图像中心点与CCD或CMOS传感器中心重合的前提下,将相机的内外参数和相机模型的畸变参数分离,以进一步进行线性相机标定,避免了非线性优化带来的误差,降低了算法复杂度,可适当提高标定精度,节约计算时间。首先,根据透视投影的交比不变性原理标定镜头的畸变系数;然后,根据旋转变换关系和平移变换关系,充分利用径向畸变约束、旋转变换的正交性和旋转矩阵特有的性质约束线性求解出相机的内参和外参;最后,通过实验与Tsai氏相机平面标定算法进行对比,所提算法在标定时间上节约了35%左右,在精度上至少提高了15%。     

基于机器视觉的机器人测距研究

机器人测距技术是机器人导航、路径规划以及协作编队关键技术之一。基于透视投影几何原理,提出了单目视觉测距模型,实现物体测距。单目视觉测距模型实现了在摄像机与目标平面平行或者有夹角情况下,对目标物体距离的测量。实验结果表明,所提出的测距模型和和所用的算法,不仅避免了复杂的摄像机标定,而且测量速度快,能够实现对目标物体空间距离的精确测量。     

Linear estimation in Krein spaces. I. Theory

The authors develop a self-contained theory for linear estimation in Krein spaces. The derivation is based on simple concepts such as projections and matrix factorizations and leads to an interesting connection between Krein space projection and the recursive computation of the stationary points of certain second-order (or quadratic) forms. The authors use the innovations process to obtain a general recursive linear estimation algorithm. When specialized to a state-space structure, the algorithm yields a Krein space generalization of the celebrated Kalman filter with applications in several areas such as H ^∞-filtering and control, game problems, risk sensitive control, and adaptive filtering     

基于Huber的鲁棒广义高阶容积卡尔曼滤波算法

为提高随机变量非高斯分布时广义高阶容积卡尔曼滤波(GHCKF)的鲁棒性,提出一种基于Huber的鲁棒GHCKF算法.从近似贝叶斯估计角度,解释Huber方法作用于卡尔曼滤波的本质是对新息进行截断平均.采用Huber方法处理观测量,进行标准的GHCKF量测更新,从而实现算法的鲁棒化.所提出算法充分利用容积变换的优势,无需通过统计线性回归模型对系统的非线性量测模型进行近似.仿真结果表明,所提出算法具有鲁棒性强和估计精度高的特点.     

Genetic least squares for system identification

The recursive least-squares algorithm with a forgetting factor has been extensively applied and studied for the on-line parameter estimation of linear dynamic systems. This paper explores the use of genetic algorithms to improve the performance of the recursive least-squares algorithm in the parameter estimation of time-varying systems. Simulation results show that the hybrid recursive algorithm (GARLS), combining recursive least-squares with genetic algorithms, can achieve better results than the standard recursive least-squares algorithm using only a forgetting factor.     

Optimal filtering in stochastic discrete-time systems with unknowninputs

In this note we derive a recursive filtering algorithm for the linear discrete-time dynamic system with indeterminate-stochastic inputs. The algorithm is based on the minimax-optimal method of parameter estimation in the linear regression model with parameters of two different types: unknown and stochastic with partially known characteristics     

Lines in one orthographic and two perspective views

We introduce a linear algorithm to recover the Euclidean motion between an orthographic and two perspective cameras from straight line correspondences filling the gap in the analysis of motion estimation from line correspondences for various projection models. The general relationship between lines in three views is described by the trifocal tensor. Euclidean structure from motion for three perspective views is a special case in which the relationship is defined by a collection of three matrices. Here, we describe the case of two calibrated perspective views and an orthographic view. Similar to the other cases, our linear algorithm requires 13 or more line correspondences to recover 27 coefficients of the trifocal tensor.     

广义离散随机线性系统最优递推估计

运用新息理论和射影的方法，提出了广义离散随机线性系统阳优递推滤波，预报和平滑估计算法，在一定条件下证明了最优递推估计的渐近稳定性。所得的结果可用于正常离散随机线性系统。‘     

广义离散随机线性系统最优递推预报方法及其渐近稳定性

讨论广义离散随机线性系统最优状态估计问题,运用新息理论和射影的方法提出了 广义离散随机线性系统最优递推预报器和滤波器,证明了递推预报器对于初始值的选取渐近 稳定.     

带有噪声递推估计的自适应集合卡尔曼滤波

卡尔曼滤波(KF)广泛应用于线性系统的状态估计问题.然而,它需要精确已知过程噪声的统计特性,这在实际应用中往往是不能满足的.在这个背景下,首先,根据协方差匹配原理建立一种带有过程噪声递推估计的自适应KF算法;然后,为了突破KF只能处理线性系统估计问题的局限,将过程噪声递推估计引入集合卡尔曼滤波(EnKF)中,提出一种自适应EnKF算法;最后,采用估计理论证明所提出算法的稳定性.与标准EnKF相比,该自适应算法在过程噪声统计特性未知的情况下滤波依然收敛,滤波精度及稳定性显著提升.仿真结果验证了所提出算法的有效性.     

基于无偏线性最优估计的PET图像重建

正电子发射断层成像(Positron Emission Tomography,PET)技术在实体肿瘤的定性诊断和病灶转移的检查中具有举足轻重的作用,因此非常有必要提高PET的成像质量。然而,已有的迭代重建算法基本上都严重依赖于PET的线性模型。考虑到探测器效率、探测系统的几何尺寸、生物组织对光子的衰减以及散射效应等诸多物理因素,该模型无法真实地刻画示踪剂与正弦图数据之间的复杂关系。文中首先提出了一种新的观测模型,通过在原来的线性模型中引入未知输入项来刻画示踪剂与正弦图数据之间的关系。该项由两部分组成:1)系数矩阵,用于进一步描述投影的线性部分;2)未知输入,用于刻画示踪剂的浓度分布和投影数据之间的一些非线性关系。在此新模型的基础上,PET图像重构问题被转化成一个线性无偏的最优估计问题。然后,给出了具有待定增益的线性迭代估计模型,通过将正弦数据向未知输入项的系数矩阵的零空间零域上进行投影,消除了未知输入给线性最优估计带来的困难,借助卡尔曼滤波的设计思路,推导出了前述的估计增益。基于此估计模型,提出了一种基于无偏线性最优估计的重建算法。最后,通过仿真实验,将所提重建算法与期望极大估计算法(Expectation-Maximization reconstruction,EM)、核化的EM算法(Kernel method,KEM)以及基于标准卡尔曼滤波(Kalman Filtering method,KF)的重建算法从均方误差(Mean Square Error,MSE)、信噪比(Signal-Noise-Rate,SNR)两个方面进行了比较。实验结果表明:与其他3种算法相比,所提算法重建的图像具有更大的信噪比、更小的均方误差,视觉上更加清晰,更好地重建了肿瘤的形状和尺寸,因此具有更好的重构质量。     

A two-level parameter estimation algorithm using the multiple projection approach

An efficient two-level algorithm is developed for parameter estimation using the multiple projection approach. The optimal minimum variance estimate is achieved using a fixed number of iterations. Both the recursive and non-recursive versions of the algorithm are presented. Simulation results of two examples have indicated that the new two-level algorithm provides accurate estimates whilst needing a reduced amount of computational effort.