机器人立体视觉中摄像机的标定

针对机器人立体视觉标定问题,提出一种介于传统标定法和自标定法之间的摄像机标定方法。与传统方法相比,将内参数、畸变参数与外参数分别标定。首先根据张氏平面标定法求出内参数;其次在考虑透镜径向畸变的基础上求出畸变参数;最后重点探讨在摄像机带有运动的情况下外参数的标定方法,避免了在原有标定环境下摄像机运动时需要重新标定的问题。实验依据传统标定的模板原理,结合双目立体视觉模型,验证了该种分离标定方法的可行性。     

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。     

基于一阶径向畸变算法的双目摄像机多位姿标定方法

双目立体视觉中在对物体进行三维测量或精准定位时,需要对摄像机进行标定以获得其内外参数。研究径向畸变摄像机模型,构造了基于一阶径向畸变（RAC）算法的双目摄像机内外参数线性求解公式。考虑侧倾角、旋转角、俯仰角以及透镜的主要畸变因素,修正了传统RAC标定法中只考虑径向畸变、部分参数需要先验值的缺陷。利用标定所得内、外参数进行了多位姿双目摄像机三维重构实验。实验结果表明,该标定方法重投影误差分布在[-0.3,0.3],动态识别结果与实际运行轨迹重合率为96%,对降低双目立体视觉三维测量误差率有积极性影响。     

一种摄像机亚象素线性标定方法

提出了一种考虑径向畸变的摄像机线性标定方法。采用一个方格图样模板进行标定,先利用改进的Harris算子精确提取角点的亚象素坐标,通过预标定获得主点坐标;然后在考虑摄像机径向畸变的情况下建立摄像机模型,并求解摄像机内外参数。实验及误差分析表明:该标定方法具有较高的精度和较好的实时性。     

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度     

基于分割区间LS-SVM的摄像机标定

利用最小二乘支持向量机（LS-SVM）可以不考虑摄像机具体的内部参数和外部参数实现摄像机的标定。由于镜头的畸变主要由径向畸变引起,根据摄像机畸变特点对畸变区域进行划分,提出一种基于分割区间LS-SVM的摄像机标定法,对不同的畸变区域进行单独处理。该方法与BP神经网络和基本LS-SVM预测结果对比表明,分割区间LS-SVM摄像机标定法误差小、速度快、标定精度高。     

用于交会测量的摄像机标定系统设计

介绍了一种简易的摄像机立体标定系统的设计方案,主要应用于多CCD交会测量技术中,可以完成单个摄像机的标定、多个摄像机之间的立体标定和标定精度评估等功能.建立了包含透镜径向畸变和切向畸变的摄像机成像模型,采用两步法求解摄像机参数,最后通过交会测量得到的多个棋盘格的边长与实际边长的误差量来衡量摄像机标定的精度.该系统不要求使用者具有专业的3D几何知识,速度快,成本低,而且可以达到很高的精度.     

稳定精确的摄像机标定方法

在Tsai两步法的基础上提出了一种更加稳定精确的摄像机标定方法。由于Tsai两步法中只考虑了摄像机镜头的径向畸变因素,所以为了提高摄像机的标定精度,在其基础上考虑了镜头的切向畸变情况。在求解摄像机参数的过程中,第一步同Tsai两步法采用最小二乘法求解线性方程得到外部参数,再利用最小二乘法求解关于畸变参数K1,K2,K3,K4的线性方程组,最终求得摄像机的内外所有参数。通过实验对该方法进行了验证。     

考虑径向畸变的机器人视觉系统的参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。用GRB系统的Matrox图像采集卡采集标定点坐标,利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明,该方法有较高的标定精度。     

一种基于斜率和摄像机畸变校正方法

普通CCD摄像机在成像时都存在畸变成像误差，在机器人视觉检测及自动装配中，有效地进行误差校正对准确确定物体的位置具有重要的意义。本文采用带有一阶径向畸变的小孔摄像机模型，提出一种基于线段斜率的方法，对摄像机镜头的径向畸变进行校正，不必标定太多的摄像机的外参数、方法简洁，适合于视觉系统中对摄像机畸变的实时校正，或对摄像机捕获的图像进行几何校正。实验表明，具有很强的鲁棒性和较高的校正精度。     

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。     

一种新的摄像机线性标定方法

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,即准确确定摄影机的内部参数和外部参数,因此寻找新的快速有效的摄像机标定计算方法是计算机视觉应用中的一个重要问题。为也快速有效地进行摄像机的标定,并针对常用的带有一阶径向畸变的摄像机模型,提出了一种线性求解摄像机参数的标定方法,它可分步标定各参数,且全部采用线性方法求解,从而避免了非线性优化中的不稳定性,使得算法更为实用,简单快捷。实验结果表明,该方法具有较高的标定精度,是一种实用的标定方法。     

Camera calibration with distortion models and accuracy evaluation

A camera model that accounts for major sources of camera distortion, namely, radial, decentering, and thin prism distortions is presented. The proposed calibration procedure consists of two steps: (1) the calibration parameters are estimated using a closed-form solution based on a distribution-free camera model; and (2) the parameters estimated in the first step are improved iteratively through a nonlinear optimization, taking into account camera distortions. According to minimum variance estimation, the objective function to be minimized is the mean-square discrepancy between the observed image points and their inferred image projections computed with the estimated calibration parameters. The authors introduce a type of measure that can be used to directly evaluate the performance of calibration and compare calibrations among different systems. The validity and performance of the calibration procedure are tested with both synthetic data and real images taken by tele- and wide-angle lenses     

一种高效的视觉导航摄像机标定方法

针对移动机器人视觉导航中的摄像机标定问题,提出一种高效的摄像机标定方法。考虑透镜畸变的影响,利用Hough变换提取矩形棋盘格的角点,求出摄像机参数初始值,运用Levenberg-Marquardt算法对初始解进行非线性迭代优化。通过重投影方法将求出的角点重新投影到矩形棋盘格像平面上,并与原提取的角点相比较,分析产生位置误差的原因。实验结果表明,该方法抗噪声能力强,对实验条件要求相对较低,标定精度满足移动机器人实际导航的要求。     

基于OpenCV改进的摄像机标定法

针对计算机视觉领域的摄像机标定问题,考虑到畸变对标定精度的影响,介绍了开放计算机视觉函数库OpenCV和摄像机模型,给出了基于OpenCV的摄像机标定算法;该算法充分运用了OpenCV的函数库功能,具有很高的标定精度和计算效率,可以满足立体视觉系统的需要.     

3D靶标的摄像机三步标定算法与实现

摄像机标定是计算机视觉中的一个必不可少的重要环节,其标定精度影响着三维重建结果的精度。利用摄像机对一个三维正交的棋盘格拍摄一幅有效靶标图像,提取角点,第一步通过透视变换矩阵算法线性求解各内外参数;第二步引入径向和切向畸变,将第一步求得的内外参数作为初始值,求得畸变系数的解;第三步对内参数进行线性优化,得到更为精确的内参数值;最后求解反投影后图像坐标的绝对误差。实验结果表明,该方法具有较高的精度,且简单有效。     

基于粒子群算法的双目立体视觉系统标定

摄像机标定是立体视觉系统研究的重要组成部分,针对双目立体视觉系统中摄像机标定这一多参数、复杂函数的优化问题,建立带有一阶径向畸变的摄像机模型,利用粒子群算法对模型中的参数进行优化处理,并同改进遗传算法的优化结果进行比较分析。实验结果表明该方法具有较高的精度,可满足工业机器视觉的要求。     

一种基于相机标定的图像配准方法

图像配准是把同一场景的两幅或者多幅图像在空间上进行配准,它在图像分析领域应用广泛,如医学,遥感图像分析,图像融合,图像检索及目标识别等．匹配困难是图像配准的主要问题,造成匹配困难的原因之一是待匹配图像存在畸变．该问题是由于待配准图像相对于基准图像会产生大面积相同区域或产生平移、旋转、缩放等多种畸变．针对以上各种畸变,本文提出一种解决方案：利用相机标定信息求解畸变情况的平移矩阵、旋转矩阵和缩放比,通过反变换达到矫正图像畸变的效果．然而标定信息常会因为相机位置移动而发生改变．对于此问题,本文则是通过求解多角度下的云台转角来确定相机的标定信息．实验表明：本文提供的方案很好的解决了图像配准阶段的一些畸变问题,使图像配准有较高的精度．     

增强现实中的摄像机径向畸变校正

增强现实系统中,有效地进行摄像机镜头畸变校正对提高虚拟环境的精确性具有重要意义.首先提出一种基于成像几何的畸变校正方法,采用带有一阶径向畸变的摄像机模型,对镜头径向畸变进行校正,再根据校正后的图像计算摄像机投影矩阵.实验表明,基于成像几何的畸变校正算法具有较高的畸变校正精度,640×480的图像中,最大畸变量达90多个像素.与利用理想针孔摄像机模型得到的增强现实环境相比,畸变校正后得到的叠加结果更为精确.