基于序列图像的粮堆三维重建技术研究

研究基于粮堆序列图像的三维重建问题.重点阐述了三维重建过程中的几个关键步骤,如角点检测、基础矩阵估计和摄像机自标定等,提出一种基于去除异常点的基础矩阵估计方法,接着采用摄像机自标定方法求解摄像机投影矩阵,进而借助投影矩阵和图像特征点计算三维空间点坐标,完成重建过程,给出了基于真实的粮堆图像的三维重建结果.     

双摄像机立体视觉系统的标定

研究了一种能应用于双摄像机立体视觉系统三维图像再现的标定法.它将四个坐标系下的点通过一系列矩阵进行转换,这些矩阵包括内部参数矩阵和两摄像机之间的关系转换矩阵,同时也给出了各摄像机的畸变参数.在实验中,首先由左右摄像机采集9组国际象棋棋盘的像,然后通过运行C++软件得到上述矩阵,最后通过立体匹配验证了标定结果的可信度.     

一种搭载深度相机的机器人手眼标定方法

针对机器人手眼标定过程中人工标定时间长和标定误差大的问题,以双目测量为基础,设计了一种基于深度相机的机器人手眼标定方法。深度相机对标定物进行成像并建立点云模型,通过标定物的特征点视差及深度值反映摄像机的空间关系,同时导入机器人基坐标系下坐标,计算手眼关系变换矩阵,完成机器人手眼关系标定。实验表明:该方法标定的平面误差不高于0.40 mm,空间误差不高于0.46 mm,标定时间不超过5 min。验证了该方法的正确性和有效性,提高了工业机器人标定过程的作业效率。     

基于投影特征点的多摄像机标定方法

针对标定物存在的自遮挡问题,提出了一种应用于多摄像机的利用投影特征点进行标定的方法。在投影平面幕中投影标定图案,统一投影平面坐标系与世界坐标系。特征提取后,分别对每个摄像机标定,根据立体视觉特性求取摄像机间的相对位姿关系,并计算重投影误差。该方法对标定物自遮挡有一定的鲁棒性,同时有效地降低了计算量。     

基于傅里叶条纹分析的摄像机标定

为了寻找一种简单、有效、精度高,并且使用方便的摄像机现场标定方法,提出将已知相位分布的平面二维正弦灰度调制条纹图作为标定平面靶,通过傅里叶条纹分析方法计算出两个正交相位分布,由正交相位分布与平面坐标的对应关系可以建立图像坐标与2D平面坐标的一一对应关系。将此二维正弦平面靶在摄像机成像空间中放置不同的位置,并完成相位测量,然后根据2D共面参照物摄像机标定方法即可完成摄像机标定。这种方法避开了复杂的标定特征点提取,大大增加了2D标定数据量,提高了标定精度。实验和计算机模拟表明,此方法简单、可靠和精度高,仅需测量3幅图像即可达到较高的标定精度。     

基于Matlab的摄像机标定方法研究

摄像机标定的目的是建立三维坐标与二维图像坐标之间的对应关系,由摄像机拍摄的二维图像通过计算和实验得到物体的三维坐标值.基于摄像机的针孔模型,阐述了摄像机的标定原理和引起摄像机畸变的原因,在Windows系统下利用Matlab的摄像机标定工具箱进行了平面标定模板的角点提取和校正并给出了标定摄像机的参数表.实验表明,该标定方法和标定过程标定精度高、易于实现.     

椭圆拟合的圆环模板摄像机标定

结合平面模板和一维标定物摄像机标定方法的优点,提出了一种新的基于椭圆拟合的圆环模板摄像机标定方法．该方法设计了一种新的圆环模板,只需要3副模板图像即可标定摄像机; 通过引入椭圆拟合精确定位圆环模板特征点,利用非线性优化进一步提高了摄像机的标定精度．仿真实验结果表明,该方法精确度高、鲁棒性强,通过在真实图像上的实验,验证了该算法的性能．     

一种光刀式义齿三维轮廓测量系统标定方法

为了提高数字化口腔测量系统的测量精度,文中基于光刀式测量法,提出了一种用于测量义齿三维轮廓的系统标定方法.采用具有一定斜面的立方体作为标定块,通过标定块的单方向平移,确定出每一个高度下空间物理位置点在摄像机成像平面的像素值,对标定范围内所有像素点进行标定,得到网格式的标定结果.该标定方法经实验验证,结果表明:标定后测量系统的测量精度达到0.04mm,对高度标定具有连续性;通过标定块的两次平移可以完成整个标定过程;较传统义齿三维轮廓测量系统标定方法,标定灵活性增强,标定原理简化,标定速度快.     

结构光双目测量系统标定方法

为了解决双目结构光测量系统参数不容易准确获取的问题,依据传统摄像机标定方法,结合结构光双目测量系统的特点,提出了CCD摄像机标定方法.通过对左右CCD摄像机采集得到的两幅标定模块的图像数据分析,按照"两步"标定法的思路,先得到平移向量R和旋转矩阵R等外部参数,再利用已知的空间距离求解到摄像机的成像模型需要标定的其他参数.实验数据表明,该方法可简便、准确地标定出CCD摄像机参数,方便了三维视觉测量工作,是一种有实用性的标定方法.     

基于线结构光和单应性的点云获取方法

为获取被测物表面三维点云数据,基于线结构光和平面单应性,提出了一种不需要相机标定的点云获取方法.首先令线结构光扫描被测物表面,以相机采集变形光条纹图像.然后根据事先在光平面中设置的4个控制点的像素坐标和空间坐标,求解光平面从图像坐标系到世界坐标系的变换矩阵.通过该矩阵将线结构光与被测物的截交线,即光条纹,校正透视失真并变换为被测物的截面图,从而获得光条纹上被测点的三维坐标.为验证方法的有效性,分别以球体、圆柱体和长方体为被测物,对该方法进行点云获取精度测试.实验表明:误差在1 mm以内的点数约占总点数的85%,误差在0.5mm以内的点数约占总点数的60%.相比传统的需要相机标定的线结构光测量方法,该方法原理更简洁,鲁棒性更强,可用于以低成本快速搭建三维点云获取系统.     

基于三视图几何约束的摄像机相对位姿估计

针对从影像中恢复摄像机位姿的问题,提出基于三视图几何约束的位姿估计算法.利用强制选择机制对影像进行特征点提取,通过光流法和前后向误差实现相邻三帧影像的特征点匹配;推导基于本质矩阵优化分解的位姿估计,利用对极几何约束构建目标函数,通过迭代优化确定旋转矩阵的唯一解,优化了唯一解的确定方法,提高了相对位姿估计效率,得到第1、2摄像机矩阵;基于三视图的几何约束关系,由三焦点张量和匹配特征点建立目标函数,由迭代过程得到第3摄像机相对于第1摄像机的位姿参数.结果表明,提出算法的鲁棒性、精度以及算法效率均优于传统算法,能够快速、准确地估计摄像机相对位姿,可以实现对旋翼无人机的轨迹跟踪.     

基于标准杆的双目视觉传感器标定技术研究

目前制造业对大范围精密测量技术要求越来越高,为了克服传统双目立体视觉标定过程中测量场难实现、标定精度低等缺点,提出了一种较灵活的基于一维标准杆的双目视觉传感器的标定方法。该方法首先利用正方形模板和带有四个特征点的标准杆实现主点和畸变的标定,然后在测量场多次摆放标准杆,由两摄像机拍摄标准杆图像,利用标准杆上对应特征点之间的约束以及基本矩阵估计双目视觉传感器其余参数,最后光束法平差进行整体优化,消除累积误差。仿真实验和真实实验结果均表明该方法适用于大视场双目视觉传感器的标定,操作简单、标定效率高。     

基于汇聚立体视觉的图像校正算法

通过分析汇聚立体视觉系统立体图像间的几何关系,提出了一种简单快速的图像校正算法,该算法利用矩阵的ＬＵ分解法,直接求解校正的转移关系矩阵．将立体视觉中对极几何的匹配关系变为图像扫描线的一一对应关系,从而将沿对极线搜索匹配点的过程变为沿图像行搜索的过程．实验表明该算法简单有效,具有较强的实用价值．     

基于单CCD尺寸检测的摄像机标定方法

为提高机械零件尺寸检测的精度,针对Tsai两步标定法中初始参数不精确的问题,提出了基于直线投影约束的三步标定方法.该方法首先利用直线投影约束条件求解出图像中心点和畸变参数的初始值,然后结合径向排列约束条件求解超定方程组得出全部外部参数和余下内部参数值,最后对全局参数进行非线性优化.为验证提出方法的效果,通过建立基于图像模板的世界坐标系实现,即首先利用图像像素坐标求取摄像机坐标,再将摄像机坐标进行归一化,利用外参数矩阵就可以求解出图像点的世界坐标.结果表明,该方法可以有效提高摄像机标定的精度,像素误差可达0.126 5像素点,单目视觉尺寸检测中任意两点距离误差小于0.41%.     

一种改进的特征点匹配算法

特征点匹配是计算机视觉中的关键步骤,在很多领域中都有着的重要应用。通过对当前图像特征点匹配方法的研究,提取一种基于特征点的灰度量和几何特征量相结合的匹配方法。该方法首先用Harris算法提取特征点;然后用极线约束减少搜索范围;最后用特征点的灰度量实现特征点匹配。该方法利用极线约束,克服了用灰度量进行特征点匹配计算量大的缺点。提高了匹配速度。实验表明,是一种准确快速的特征点匹配方法。     

双目视觉测量系统标定精度提高方法研究

针对提高双目视觉测量系统的标定精度问题,介绍了双目线结构光视觉测量系统的构成和工作原理,分析了影响系统单幅测量精度的各种因素,提出了改善标定精度的方法。采用张氏标定法求解相机内参,用双相机固有的对极几何关系求解外参,二维标定靶选用150mm×150mm的黑白棋盘格。根据标定结果反求标定靶的对角线距离,用该距离来验证标定结果。实验表明,标定误差稳定在20μm,可以满足实用要求。     

多阈值优化的运动图像轮廓特征提取方法

针对传统运动图像轮廓特征提取方法存在提取时间较长、提取精度较低的问题,提出多阈值优化的运动图像轮廓特征提取方法.通过运动图像轮廓特征分析,利用最大类间方差模糊约束法获取隶属度函数,利用模糊隶属计算运动图像中目标体轮廓多个阈值,利用约束后的多个阈值计算图像轮廓范围内中心点近邻的两个轮廓点的几何中心值,通过计算曲率角得到曲率符号,依据曲率符号提取运动图像轮廓特征.结果表明,所提方法曲率特征计算误差率低,有效减少了运动图像轮廓特征提取时间,提高了特征信息提取精度.     

基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。     

改进的单特征点机器人手眼自标定方法

针对手眼标定过程要求机器人运动次数过多的缺点,提出了一种改进的单特征点手眼自标定方法.引入手眼关系矩阵的解耦运算,分别标定手眼旋转矩阵和平移向量.运算过程无需计算特征点位置,操作过程仅需机器人末端有5次以上平移运动和2次以上旋转运动.实验与误差分析结果表明,所提方法满足工业机器人手眼视觉测量的需求.