三维重构的参数估计

三维重建主要包括特征点配准和摄像机标定。本文采用灰度相关法和RANSAC法剔除误配准点求得基本矩阵,以及利用摄像机自标定得到的内参数矩阵求出本质矩阵,最后采用SFM重建算法求得空间点坐标。实验结果表明,配准算法对于轮廓较为明显,景深较大的物体效果更好,并可以计算出物体的三维空间点坐标。     

基于三维VR技术的小区域目标重建研究

针对当前重建目标区域缺失图像信息时局限性较大,提出一种结合三维VR技术的小区域目标重建方法。对小区域目标进行相机标定,在相机标定过程中,引入小区域目标二维图像物理参数组建相机成像模型,利用直接法求解小区域目标成像参数,结合相机标定的结果利用SURF算法对小区域目标二维图像提取特征点。寻找小区域目标图像内任意一个主方向,构成各个特征点的图像旋转不变量,以该不变量为依据利用归一化互相关方法计算出小区域目标两图像块之间的近似程度,通过对极几何的性质约束小区域目标特征匹配点计算基础矩阵,以获得的小区域目标投影矩阵和特征点的匹配关系为依据,完成小区域目标空间点的三维重建。实验结果表明该方法准确率及实用价值较高。     

点特征柔性物体三维运动恢复方法

为了使用两台标定的高速相机获取点特征柔性物体的三维运动轨迹,提出了一种实用的点特征柔性物体三维运动恢复方法,包括图像空间重建、时间序列重建等步骤。其中空间和时间序列重建是三维运动恢复的核心部分,在空间重建方面,使用椭圆拟合得到图像上点的坐标,并根据马氏距离寻找匹配点,然后利用三角测量法计算空间三维点;在时间序列重建方面,利用搜索方法匹配点前后图像坐标,从而实现运动过程的三维恢复。然后利用重建结果计算运动柔性物体的速度、加速度、曲率变化等重要参数。实验结果表明,该三维运动恢复方法提高了空间序列匹配的速度和准确度,有效地实现了时间序列的匹配,减少了整个重建过程的时间。通过对目标的重建,准确地获得了物体的三维运动数据。     

光学定位系统中摄像机标定的研究

在被动式光学定位系统中,CCD摄像机的标定是一个极其重要的过程。CCD摄像机的标定过程实际上是求解摄像机内、外参数的过程。基于基本矩阵的摄像机标定方法是根据极线约束、本质矩阵以及基本矩阵之间的关系,利用传统的8点算法得到基本矩阵的初始值,再通过其他匹配点迭代计算摄像机的径向阶畸变和切向畸变系数,最后由得到的畸变系数值计算校正后的基本矩阵,从而实现对畸变图像进行校正。     

基于非刚体的线性迭代相机自标定方法

为了实现相机标定,本文提出了一种基于非刚体的线性迭代相机自标定方法,该方法假定非刚体由若干个非刚性基线性组成,利用所有图像点组成的图像矩阵为一个低秩矩阵的特性,实现射影重建;利用相机的约束关系线性迭代地实现相机标定.该方法克服了现有自标定方法要求物体做刚体运动的缺点,模拟实验和真实实验数据结果表明,能够有效地实现相机标定.     

视频监控中运动图像序列三维重建

视频监控中运动图像序列三维重建一直是三维重建研究的重点,其重建效果会对运动图像的清晰度产生影响。但当前三维重建方法都是通过获取二维视频监控中的运动图像序列,通过基于Java Applet与Java Application编程,采用体绘制法完成视频监控中二维运动图像序列的三维重建,该方法无法保证重建后的图像质量,导致图像清晰度不高。为此,提出基于图像特征点提取与匹配的视频监控中运动图像序列三维重建方法。首先,对视频监控中运动图像序列特征点进行检测,并对特征点一定邻域内图像的纹理、结构以及其他特征进行统计,通过对运动图像序列特征点的特征比较,完成运动图像序列特征点提取与匹配;然后,对视频监控中运动图像序列的结构和运动初始化,并进行视频监控相机的自标定,实现对视频监控中运动图像序列的三维重建。实验结果表明,所提方法能够有效提高三维重建后视频监控中运动图像序列的清晰度,减少三维重建流程,提高运动图像序列重建效率,具有良好的使用价值。     

多摄像机视野分界线恢复算法

研究了一种多摄像机的视野(Field of View,FOV)分界线恢复方法,利用Harris角点检测和单应矩阵的方法完成摄像机视野分界线恢复。用Harris角点检测算法提取图像中角点特征;在有重叠区域图像间进行特征点匹配,再根据匹配点计算图像间的单应矩阵;最后由图像的边界点及图像间的单应矩阵计算摄像机的FOV分界线。该方法能准确恢复摄像机的视野分界线,具有准确性和鲁棒性。     

基于双目视觉与图像深度融合的机房三维重建方法分析

阐述基于双目视觉与图像深度融合的机房三维重建方法，采用双目视觉方案对目标深度信息进行测量，视觉SLAM技术根据左右目图像中的特征点匹配信息，基于本质矩阵恢复出当前帧相机相对于前一帧的位姿变换关系，构建当前帧相机系到参考系的位姿变换，从而在实现定位的基础上对目标进行三维重建。采用数据融合技术对多视结果与深度学习网络深度值进行融合，以解决重建点稀疏性的问题，提升三维机房重建精度以及机房数字孪生智能化监控能力。     

双目立体视觉被动测距

视觉是人类获取周围环境信息的重要手段,当用双眼去观察不同物体的时候,会有远近之分。双目立体视觉系统就是仿照人的双眼去感知距离,具体实现过程如下:双目视觉系统的摄像机标定、双目摄像机同时获取图像、图像预处理、特征点提取、特征点匹配和空间坐标计算。本文从双目视觉系统的原理出发,推导了双目视觉系统的数学表达式,分析了几种不同的特征点提取方法,提出了F-HARRIS方法,提高了计算效率,利用双向交叉匹配办法匹配特征点,在利用几何约束,剔除误匹配点,原理简单易懂,效果比较理想。试验中采用畸变效应小的摄像机(即不考虑畸变),且摄像机已做过标定;图像预处理就是一些简单的平滑滤波;图像分辨率为2048*1536。     

适用于SfM点云的未标定摄像机注册方法

无标注册是增强现实技术（AR）领域的研究热点,本文提出并实现了一种对未标定摄像机进行内外参数估计的完整方法。该方法采用单幅图像作为输入,三维物体的SfM重建点云作为数据表,进行匹配并采用RANSAC方法去除误匹配得到单应矩阵,结合Kruppa方程得到焦距估计值,并采用PnP问题的Levenberg Marquardt最优化法得到外参矩阵的非线性最小二乘解。为便于观察结果,另建立基于显卡计算的粒子系统进行验证。实验结果表明,该方法对于摄像机的内外参数估计具有较好的效果。      

采用张量分解的四摄像机测量系统标定方法

摄像机标定是精密三维视觉测量的关键,为了实现对多摄像机测量系统的精确标定,首先分析了现有基于一维靶标的多摄像机标定方法的优缺点,并针对其不足,提出了一种基于张量分解的多相机标定方法,该方法主要包括以下三个方面的内容:(1) 利用透视投影成像模型和刚体变换理论建立多摄像机测量的数学模型;(2) 分析现有基于基本矩阵的多摄像机标定方法存在标定结果之间相互耦合的问题;(3) 将四摄像机测量系统的四焦张量引入标定过程中,利用一维标定靶标的成像点坐标求解的四摄像机测量系统的四焦张量,并根据四焦张量的简化求解方法来精炼获取摄像机矩阵。最后,通过实验验证了该方法的有效性和准确性,实验结果表明:(1) 四摄像机三维测量系统的标定可仅通过三组标定靶标图像即可实现,且标定操作效率相对于基本矩阵法更高;(2) 在4000 mm×4000 mm×2000 mm范围内,多摄像机测量系统的精度达到4 mm (3σ),相比于传统方法具有更精确的标定结果。满足室内运动目标位姿精确测量的要求。     

Essential parameter calibration for the 3D scanner with only single camera and projector

A calibration method for the five essential parameters is proposed. Using the calibration results, the three dimensional (3D) reconstruction can be performed directly. The five essential parameters include the distance between the camera and the projector, the distance between the reference plane and the camera, the fundamental frequency of the fringe pattern, the scale factor from the image coordinates to the world coordinate system in X axis direction and that in Y axis direction. The proposed calibration method is implemented and tested in our 3D reconstruction system. The mean calibration error is found to be 0.0215 mm over a volume of 400 mm (H)×300 mm (V)×500 mm (D). The proposed calibration method is accurate and useful for the 3D reconstruction system.     

基于透视的视频增强法

描述了一种新的基于射影空间的视频增强方法,通过图像间对极几何约束以及基础矩阵关系,实现三维图形对象和视频叠加。该方法采用了Pinhole像机模型和射影几何约束条件方便地实现虚拟物体的重投影,而且不需要像机的标定参数和环境对象的3D位置,克服了仿射空间近似所带来的视觉误差和使用限制。     

光场相机建模与畸变校正改进方法

光场相机作为一种新型的成像系统,可以直接从一次曝光的图像中得到三维信息。为了能够更充分有效地利用光场数据包含的角度和位置信息,完成更加精准的场景深度计算,从而提升光场相机的三维重建的精度,需要实现精确的几何建模,并精确标定其模型参数。该方法从薄透镜模型和小孔成像模型出发,将主透镜建模为薄透镜模型,将微透镜建模为小孔成像模型,结合光场相机双平面模型,将每个提取到的特征点与其在三维空间中的射线建立联系,详细解释了内参矩阵中每个参数的物理意义,以及标定过程中初值确定的过程,并在镜头径向畸变模型的基础上进一步应用了相机镜头的切向畸变模型以及基于射线重投影误差的非线性优化方法,改进了光场相机的标定方法。实验显示,该方法的RMS射线重投影误差为0.332 mm,与经典的Dansereau标定方法相比,进行非线性优化后得到的射线重投影误差精度提升了8%。该方法详细分析的场景点与特定像素索引的推导过程对光场相机的标定具有重要的研究意义,为光场相机光学模型的建立与初始化标定奠定了基础。     

基于激光扫描的人脸三维重建方法

针对人脸三维重建,基于RGB 激光扫描系统,提出了一种彩色三维重建方法。首先,以直接标定的方法,建立了数码相机采样图片的像素坐标系与世界坐标系的映射关系;利用相机拍摄的三色激光照明下的标准色板图像,标定了数码相机对三原色的感光曲线,即建立了相机三原色记录值与标准值之间的关系。然后,以人脸为目标,提出了从获取扫描数据到进行三维重建的完整方法。最后,经迭代法匹配,输出为通用的三维模型格式,实现了人脸在毫米量级上的三维重建。该方法简化了标定过程,算法简单,系统造价低,可推广至各种物件的三维扫描重建。     

三维监控系统中基于三维重构的交互式标定

标定多个监控摄像机的位姿是智能监控系统的基础.传统的标定方法需人工逐一标定每个目标摄像机,且难以处理非重叠监控视场以及摄像机运动和扰动的情况.对此本文提出一种基于三维重构的交互式标定框架,通过引入场景三维特征点云作为中间层,仅需一次性建立其与参考背景模型间的几何变换关系,即可通过目标摄像机图像与三维点云的匹配实现自适应标定,可显著降低工作量.由于匹配是建立在监控图像与三维点云之间而非监控图像之间,因此可以处理监控视场非重叠的情况.对于摄像机运动和扰动,提出了一种在线相对姿态传递方法,能够克服摄像机扰动和运动带来的姿态变化问题.实验证明了本文方法的有效性.     

线结构光三维测量系统扫描方向的标定

提出一种基于平面标靶的线结构光三维传感器扫描方向的标定方法。利用平面标靶对摄像头进行标定,得到摄像头的内部参数,将棋盘格平面标靶固定在空间某一位置,测量系统沿着扫描方向移动并采集一系列图像。根据这一系列图像求出摄像机的外部参数,并结合已经求出的摄像机内部参数计算出标靶上同一特征点在摄像机坐标系下的坐标值,对这些点进行直线拟合得到一直线方程,直线的方向就是测量系统的扫描方向。实验表明,该方法测量精度高,操作简单,无需辅助的调整设备,降低了标定设备的成本和系统校准的难度,适合现场标定。     

基于辅助相机的景深拓展三维重建技术研究

针对面结构光三维重建中,由于重建景深的限制导致待测物在超出重建景深后出现重建错误的问题,提出了一种基于辅助相机的景深拓展三维重建技术,并借助相位阈值自适应地对重建景深内外物体进行重建。采用四步相移与互补格雷码结合的方法获取绝对相位,通过多项式拟合法对相机、投影仪进行标定。提出了借助辅助相机建立超出重建景深的相位-高度映射的方法。实验结果表明：该方法能提高重建景深范围50%左右,大大提升了面结构光的重建范围。     

Camera Calibration With Three Noncollinear Points Under Special Motions

Plane-based (2-D) camera calibration is becoming a hot research topic in recent years because of its flexibility. However, at least four image points are needed in every view to denote the coplanar feature in the 2-D camera calibration. Can we do the camera calibration by using the calibration object that only has three points? Some 1-D camera calibration techniques use the setup of three collinear points with known distances, but it is a kind of special conditions of calibration object setup. How about the general setup—three noncollinear points? We propose a new camera calibration algorithm based on the calibration objects with three noncollinear points. Experiments with simulated data and real images are carried out to verify the theoretical correctness and numerical robustness of our results. Because the objects with three noncollinear points have special properties in camera calibration, they are midway between 1-D and 2-D calibration objects. Our method is actually a new kind of camera calibration algorithm.