摄像机标定系统的设计与实现

系统采用的是直接标定摄像机内部参数的算法，算法借助于标定参照物直接计算摄像机的内参数。整个系统是在VC++环境下设计并实现的，并借助了IPL和OpenCV的帮助，只要输入标定物的图像，系统就可以迅速而又准确地输出摄像机内参数的结果。通过3D重构实验证明了该系统的有效性。相对于MATLAB实现方式，该系统使用更加方便、快捷。     

基于Matlab的摄像机标定系统的设计与实现

考虑二阶径向畸变和切向畸变建立摄像机的非线性模型,在两步法的基础上,实现了单个摄像机标定和两摄像机间的立体标定,并在Matlab环境下进行编程实现,给出了标定系统的具体实现方法和流程。该系统使用方便、速度快、成本低,具有较高的标定精度。     

基于OpenCV的摄像机标定研究

根据摄像机标定原理,实现了VC2010环境下基于OpenCV的摄像机标定系统。该系统以棋盘格标定板图像作为输入,计算出了摄像机的各内外参数及畸变系数。通过图像矫正实验证明了系统的有效性。     

一种摄像机标定系统的设计与实现

对摄像机标定系统进行研究和设计,给出了基于Matlab的单个摄像机标定和立体标定的流程和实现方法,给出了基于棋盘格长度的标定精度方法的实现步骤。该标定系统具有简单、快捷、精度高等优点,是一种简便实用的标定方法。     

改进基本矩阵计算和优化的多摄像机并行标定算法

多摄像机系统具有摄像机数目多、空间位置分布复杂特点,导致多摄像机标定效率低。基本矩阵计算和非线性优化是摄像机标定算法的关键步骤。针对标定物空间位置相互独立性,改进随机抽样一致性(RANSAC)的基本矩阵计算和简化非线性优化的增量方程,提出多摄像机系统的并行标定算法。该算法挖掘多摄像机标定过程的内在并行化,从而提高了标定的时间效率。相比于传统的多摄像机标定算法,并行算法的时间复杂度从O(n3)降为O(n)。实验结果表明：使用多摄像机系统并行标定算法在不损失精度的同时能够减少标定时间,实现多摄像机系统的快速标定。     

摄像机标定系统的设计

为了解决摄像机在视觉测量中的应用这一问题,必须实现摄像机的高精度标定,设计了摄像机标定系统。首先,从摄像机标定技术的基础理论研究出发,对摄像机标定技术的原理和所采用的张正友标定法的基本原理进行了分析总结。然后,利用Matlab 标定工具箱和一张8x12,正方形边长为26mm的黑白棋盘格,对设计的摄像机系统进行标定。最后,分析了标定系统中的误差,对该系统的设计进行验证。实验结果表明：摄像机的主点坐标误差为：[-0.01186;0.03393];摄像机外部参数标定像素误差达到[0.22981; 0.16846]。基本满足视觉测量的稳定可靠、精度高、抗干扰能力强、可移植性强等要求,为后续应用到视觉测量中奠定了基础。     

双目视觉的立体标定方法

为实现双目视觉系统的立体标定,分析了摄像机成像模型,并充分考虑了透镜的径向畸变和切向畸变,提出了一种新的立体标定算法。该算法利用张正友的灵活标定算法,初步求取摄像机的内参数,结合Brown算法并提取图像中角点的子像素级坐标,精确求取摄像机内参数和畸变向量。为方便后续的图像校正,基于前面的单个摄像机标定,通过计算空间中的景物点在左右摄像机成像平面上的位置关系,计算出双目视觉系统中两个摄像机之间的旋转矩阵R和平移向量T,从而实现了立体标定。实验结果表明,该算法能取得较高的精度,可以应用于双目视觉系统。     

基于平面方程的轮对在线检测标定系统设计

在基于光截图像的轮对在线检测系统中,由于现场安装环境的限制,使得摄像机拍摄得到的轮对轮廓曲线畸变严重,所以摄像机的标定方法与精度直接影响到轮对参数测量结果.结合测量现场实际情况,分析设计了整套标定系统,并提出了基于平面方程系数的摄像机标定算法,实现了摄像机参数的标定工作.经验证:该标定系统的标定精度在0.1mm以内,满足轮对在线检测对标定精度的要求.     

基于OpenCV的双目视觉标定程序的开发

分析了基于2D标靶的摄像机标定算法原理以及双目立体视觉系统摄像机的标定方法,给出了基于开源视觉库OpenCV的摄像机标定算法的详细处理流程,实现了一个完整的摄像机标定程序,可移植到嵌入式系统中.     

基于多视定位算法的多摄像机标定

针对多摄像机系统标定,提出一种基于多视定位算法的标定方法,标定过程只需一块可自由移动的平面模板即可,利用约束优化思想,将各摄像机坐标系转换到参考摄像机坐标系下,从而得到摄像机之间相对位置关系。标定操作过程简单,易于实现。实验结果表明,该方法是一种有效的多摄像机标定方法。     

面向建筑物重建的相机标定方法研究

由于灭点具有很多独特的几何属性且大量地存在于建筑物场景中,因此针 对建筑物重建,提出了一种基于灭点的相机标定方法。首先通过构造各种几何约束关系,如 灭点与相机矩阵间的关系、世界坐标原点和相机矩阵间的关系,逐步实现相机矩阵的度量重 建和欧氏重建,获得相机矩阵的值,然后通过分解相机矩阵得到相机的内外部参数。该方法 在标定过程中无须借助任何标定物,求解过程简单,标定速度快。实验结果表明,该方法可 以满足虚拟现实中建筑物场景重建的需要。     

CCD摄像机标定

在基于单目视觉的农业轮式移动机器人自主导航系统中,CCD摄像机标定是农业轮式移动机器人正确和安全导航的前提和关键。摄像机标定确立了地面某点的三维空间坐标与计算机图像二维坐标之间的对应关系,机器人根据该关系计算出车体位姿值自主导航。因此,根据CCD摄像机针孔成像模型,利用大地坐标系中平面模板上已知的各点坐标,建立与计算机图像空间中各对应像素值之间的关系方程组,在Matlab环境下拟合出摄像机各内外参数。实验结果表明：该方法可以正确完成CCD摄像机标定。     

Camera calibration for a mobile robot prototype

Stereovision is an effective technique to use a CCD video camera to determine the 3D position of a target object from two or more simultaneous views of the scene. Camera calibration is a central issue in finding the position of objects in a stereovision system. This is usually carried out by calibrating each camera independently, and then applying a geometric transformation of the external parameters to find the geometry of the stereo setting. After calibration, the distance of various target objects in the scene can be calculated with CCD video cameras, and recovering the 3D structure from 2D images becomes simpler. However, the process of camera calibration is complicated. Based on the ideal pinhole model of a camera, we describe formulas to calculate intrinsic parameters that specify the correct camera characteristics, and extrinsic parameters that describe the spatial relationship between the camera and the world coordinate system. A simple camera calibration method for our CCD video cameras and corresponding experiment results are also given. This work was presented in part at the 7th International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18, 2002     

一种图像测量系统的现场标定和畸变校正方法

提出了一种图像测量系统的现场标定和分区线性畸变校正方法,靶标件采用一加工有一个圆孔的工件,以圆心为特征点,标定时,CCD摄像机沿着系统的导轨移动,计算图像中圆心位置并读取导轨光栅尺数值,可以获得多组标定特征点。用中心部分特征点求出标定参数,从而计算出图像中各点的畸变值,进行分区畸变校正。     

基于目标检测的机器人手眼标定方法

智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标,实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图,获取视野内任意目标三维点云,辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系,提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端,使用改进的yolov3目标检测神经网络实时定位标定球的球心,计算机械手末端中心在相机坐标系下的3D位置,同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明,该标定方法无需辅助设备,转换后的空间点位置误差在2 mm以内,能较好满足一般视觉伺服智能机器人的抓取作业要求。     

基于平面模板的摄像机标定方法

针对道路交通事故现场图自动绘制中的摄像机标定问题,提出一种平面模板摄像机标定方法。在畸变较小的图像中心区域求取初值,采用基于内部映射牛顿法的子空间置信域法求解部分参数,引入畸变模型,通过直线特征约束求得剩余参数。实验结果表明,该方法能简化标定过程,减少运算量,提高计算速度。     

Segment Based Camera Calibration

The basic idea of calibrating a camera system in previous approaches is to determine camera parmeters by using a set of known 3D points as calibration reference.In this paper,we present a method of camera calibration in whih camera parameters are determined by a set of 3D lines.A set of constraints is derived on camea parameters in terms of perspective line mapping.Form these constraints,the same perspective transformation matrix as that for point mapping can be computed linearly.The minimum number of calibration lines is 6.This result generalizes that of Liu,Huang and Faugeras^[12] for camera location determination in which at least 8 line correspondences are required for linear computation of camera location.Since line segments in an image can be located easily and more accurately than points,the use of lines as calibration reference tends to ease the computation in inage preprocessing and to improve calibration accuracy.Experimental results on the calibration along with stereo reconstruction are reported.     

近景大视场角分区域标定方法研究

针对飞行试验测量视场大相机标定精度低的问题,提出一种高精度CCD相机分区域标定方法。该方法首先通过将标靶均匀布置在摄像机视场内,使得标靶尽可能均匀错落地充满整个视场范围,再结合人眼判读的方式求解靶标的像面位置,最终与全站仪三维坐标形成精确的空间标定点集。接着,将像平面按横向方向等间距分割成Ｎ个区域,并结合后方交会的方法分别对每个子区域进行相机参数的计算。实验结果表明：经过分区域标定,相机采集点的总误差比单区域标定法降低了4％(Ｎ＝3)。算法可实现指定区域的相机参数计算,基本满足中高等精度的工业测量要求。所本文研究可应用于位置相对固定不变的工业视觉测量,特别是大工件测量领域。     

A unified approach to the linear camera calibration problem

The camera calibration process relates camera system measurements (pixels) to known reference points in a three-dimensional world coordinate system. The calibration process is viewed as consisting of two independent phases: the first is removing geometrical camera distortion so that rectangular calibration grids are straightened in the image plane, and the second is using a linear affine transformation as a map between the rectified camera coordinates and the geometrically projected coordinates on the image plane of known reference points. Phase one is camera-dependent, and in some systems may be unnecessary. Phase two is concerned with a generic model that includes 12 extrinsic variables and up to five intrinsic parameters. General methods handling additional constraints on the intrinsic variables in a manner consistent with explicit satisfaction of all six constraints on the orthogonal rotation matrix are presented. The use of coplanar and noncoplanar calibration points is described