一种新的基于主动视觉系统的摄像机自标定方法

摄像机标定是从二维图像取获三维信息必不可少的步骤。该文提出了一种新的基于主动视觉系统的摄像机自标定方法,通过控制摄像机平台作4次平移运动（其中任意3次均不在同一平面上）即可线性地标定摄像机的内参数以及摄像机坐标系与平台坐标系之间的旋转矩阵。同时,还分别给出了利用立体视觉方法和纯极点方法唯一求解摄像机坐标系与平台坐标系之间的平移向量的充要条件。     

一种基于主动视觉的摄像机内参数自定标方法

摄像机定标是计算机视觉的一项基本任务．本文提出了一种基于主动视觉的摄像机内参数自定标方法．该方法和文献［1］提出的方法相比最大的优点在于不要求摄像机在三维空间作任意方向的平移运动，只需要控制摄像机在同一平面作四组运动，其中每组包括两次相互正交的平移运动，同时适当调整摄像机平移运动的姿态，可以线性求解摄像机内参数．理论上证明了如果摄像机作三次俯仰或者作两次俯仰一次扫视来调整摄像机平移运动的姿态，则解存在而且唯一．通过稳定性分析证明前一种方法对误差很敏感，后者则是稳定的．最后给出了采用真实图像的实验结果．     

基于主动视觉系统的摄像机自定标方法研究

提出了一种新的基于主动视觉系统的摄像机自定标方法,其主要特点是可以线性求解 摄像机的所有5个内参数.该方法的基本原理是利用图像中平面场景的信息,通过控制摄像机 作多组平面正交平移运动,由平面场景图像的单应性(homography)矩阵建立摄像机内参数线性 约束方程组,来求解摄像机的内参数,同时给出约束方程组解的唯一性与平移运动组之间的关系.     

基于平面镜的摄像机内参数线性标定方法

提出了一种全新的基于平面镜的摄像机标定方法。该方法无需任何标定物,利用平面镜的反射性质和灭点、灭线等理论,通过移动摄像机或平面镜作至少2次平移运动(各次平移间应存在旋转运动)即可线性地标定摄像机的内参数。模拟图像实验和真实图像实验表明所提出的方法能快速、方便地对摄像机进行标定,具有较好的稳定性和精度。     

一种基于主动视觉的线性自标定方法

基于主动视觉的摄像机自标定是摄像机标定的一个重要分支，通过控制摄像机做严格的运动，可以发现一些比较简单的算法，本文提出了一种新的基于主动视觉的摄像机自标定方法，通过控制摄像机作3次不共面的平移运动．可以线性标定摄像机的五个内参数．大量的仿真实验表明该算法精度很高，且鲁棒性很强．     

基于空间平行直线束的CCD摄像机内外参数标定

为提高计算机视觉检测中的摄像机标定算法的效率与稳定性,降低对标定设备的要求,提出了一种新的基于主动视觉的摄像机标定算法.在分析了空间平行直线束的中心投影规律的基础上标定摄像机内外参数.与以往方法不同,在标定过程中保持摄像机位置不动,通过控制标定模板沿具有直线边缘的物体作任意量值的平移运动来实现对摄像机内外参数的求解.利用焦线的直线约束对镜头畸变进行修正,有效地提高标定结果的精度.将内外参数标定分为3个独立的阶段分别进行,克服了整体求解过程中未知参数间的相关性影响.该方法原理简单,且不需要知道模板上的任何物理度量.模拟实验和真实图像实验结果表明了该方法的高精度和高稳定性.     

PnP问题的线性求解算法

经典的PnP(3(n(5)问题从本质上来说是非线性的,不但具有多解性而且对图像点的位置误差极为敏感.经典PnP问题仅涉及一幅图像,针对机器人导航中的实际需求,将PnP问题扩展到了摄像机作平移运动下的两幅图像的情况,并研究探讨了在这种情况下PnP问题的线性求解方法,主要结果有:给定平移运动下n个控制点的两幅图像,(1) 当n＝3时,可线性求解摄像机的方位以及摄像机内参数的两个尺度因子;(2) 当n4时,不仅可以线性求解摄像机的方位,而且能够确定摄像机的所有内参数.也就是说,给定平移视点下的两幅控制点图像,可以线性求解摄像机未标定的PnP问题.结果具有一定的理论意义和应用价值.     

关于摄像机正交运动下约束方程独立性的一点讨论

基于摄像机的正交运动对摄像机进行标定是基于主动视觉摄像机标定的一种重要方法. 一般来说, 5组这样的正交运动就可以线性标定摄像机的5个内参数. 然而, 关于这5组摄像机运动应满足什么条件才可以保证所产生的5个线性约束方程是独立的, 文献中对这个问题至今没有定论. 一种流行的猜测是只要这5组正交运动下的平移向量任意3个不共面, 则对应的5个摄像机内参数约束方程必然独立. 本文对这个问题进行了进一步讨论, 证明了当5组正交运动中其中的3组构成一个三正交运动时, 此时尽管构成5组正交运动的7个平移向量没有任意3个共面, 但产生的5个约束方程却可能不独立, 并给出了一个不独立的具体例子.     

基于正交平面的摄像机自定标

提出了一种基于正交平面摄像机定标的新算法。它利用场景中的正交平面,摄像机作五次以上的平移运动,根据每次运动关于平面的单应矩阵建立内参数的线性约束方程组,从而线性地确定内参数。与以往的定标方法相比,文章对摄像机的运动不苛刻,只需控制摄像机作平移运动,这在一般的实验平台上可以很容易地实现,并且线性地确定摄像机所有的五个内参数。模拟实验和真实图象实验表明,文章给出的方法在机器人视觉中具有一定的实用价值。     

一种新的线性摄像机自标定方法

提出了一种新的基于主动视觉系统的线性摄像机自定标方法。所谓基于主动视觉系统,是指摄像机固定在摄像机平台上以平摄像机平台的运动可以精确控制。该方法的主要特点是可以线性求解摄像机的所有5个内参数。据作者所知。文献中现有的方法仅能线性求解摄像机的4个由参数。当摄像机为完全的射影模型时,即当有畸变因子（skew factor）存在时,文献中的线性方法均不再适用。该方法的基本思想是控制摄像机做5组平面正交运动,利用图像中的极点（epipoles）信息来线性标定摄像机。同时,针对摄像机做平移运动时基本矩阵的特殊形式,该文提出了求基本矩阵（fundamental matrix)的2点算法。与8点算法相比较,2点算法大大提高了所求极点的精度和鲁棒性。另外,该文对临近奇异状态（即5组平面正交运动中,有两组或者多组运动平面平行）作了较为详尽的分析,并提出了解决临近奇异状态的策略,从而增强了该文算法的衫性。模拟图像和真实图像实验表明该文的自标定方法具有较高的鲁棒性和准确性。