摄像机自标定方法的研究与进展

该文回顾了近几年来摄像机自标定技术的发展,并分类介绍了其中几种主要方法.同 传统标定方法相比,自标定方法不需要使用标定块,仅根据图像间图像点的对应关系就能估计 出摄像机内参数.文中重点介绍了透视模型下的几种重要的自标定方法,包括内参数恒定和内 参数可变两种情形;最后还简要介绍了几种非透视模型下的摄像机自标定方法.     

直线提取中的不确定性研究

直线提取是基于特征的模式识别的一个重要步骤.由于图像特征点的离散误差和特征 点提取过程中的位移现象,使得由二图像点所确定的直线的参数随之产生某种不确定性.该文 比较系统地研究了这种不确定性的分布,并讨论了这些理论结果在计算机视觉中的应用.据作 者所知,该文结果在其它地方还没有过类似的报导.     

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．     

加权视差能量模型

由于人左右眼间距的存在,使得同一空间物体在左右眼视网膜上的投影存在位置差异,称之为视差. 左右眼视网膜获取的信息最初在初级视皮层（Ⅴ1区）进行融合,该区域有大量对视差敏感的神经元.关于它们的视差选择特性,目前比较公认的计算模型是视差能量模型,然而该模型却无法解释Ⅴ1区神经元对反相关随机点立体图（Anti-correlated random dot stereograms,aRDS）的响应要比对随机点立体图的 响应弱这一神经生理学发现.为此,本文提出了一种加权视差能量模型:首先,利用左右眼感受野内的信号差异对神经元的响应能量进行调制,然后再结合神经元之间的相互作用来计算细胞群响应,从而得到图像视差.本文旨在探索基于神经生理学的视差计算方法,主要贡献有:1）加权视差能量模型能够很好地解释Ⅴ1区神经元对反随机点立体图的响 应比随机点立体图响应弱的生理特性;2）加权视差能量模型的视差计算结果精度比现有基于神经生理学的模型 更高,甚至高于一些传统的计算机视觉方法.     

利用空间几何信息的改进PMVS算法

基于多视图像的立体重建是计算机视觉的核心问题之一. 由Furukawa提出的PMVS算法是目前为止表现最好的多视立体重建算法之一. 但该算法仍存在一些不足.一方面, PMVS不能保证重建表面的几何形状与重建 面片法向保持好的一致性, 特别是在一些特定拍摄角度下,如大场景重建经常 碰到的俯仰拍摄,情况尤为严重.另外, PMVS算法时间和空间复杂度高,特别是在 利用高分辨率图像重建时,往往要付出巨大的时间和空间代价.针对这些不足, 本文提出了一种基于空间几何信息的面片调整和多分辨率分层扩散重建的改进 策略,一方面提高了重建精度和表面的光滑性,另一方面,在尽量保持场景细节 的同时,提高了重建效率.文中的实验证实了改进策略的有效性和实用性.     

一种基于图像的室内大场景自动三维重建系统

由于室内场景具有结构化的特点, 如人们习惯的平行、垂直、共线共面等, 在基于图像的室内场景自动重建中, 即使一些小的误差也会导致明显的视觉差异. 文献中对具有高保真的室内场景的自动重建系统尚少有报道. 针对犯罪现场三维复原的具体需求, 本文报道了一种基于图像的室内场景自动重建系统, 包括图像采集平台的标定, 特征点与特征直线的匹配与重建, 以及多视角下重建结果的融合等. 本系统有如下特点: 1)重建过程为全自动, 不需要任何人机交互; 2)直线特征的自动匹配与重建考虑了场景的深度与结构信息, 匹配的正确率及空间直线重建效果得到了显著提高; 3)重建结果的整体优化中, 融合了特征点与特征直线. 大量实验结果表明, 该系统方便实用, 且能得到比较好的重建效果.     

城市建筑立面三维"线-面"结构快速重建

本文提出一种有效的基于线段匹配与结构先验的城市建筑立面三维"线-面"结构快速重建算法.本文算法利用在当前图像中检测的初始线段将图像分割为互不重叠的区域,然后在点-线约束空间内对每个区域的竖直边进行匹配并通过全局多平面拟合的方式获取建筑初始主平面;在此基础上,利用结构先验(如共线、共面等)对图像中潜在线段匹配(或空间线段)进行推断与优化,进而获取每个区域对应的空间平面.实验结果表明,本文算法仅利用两幅图像即可重建以"线-面"形式表达的城市建筑立面完整结构,整体上具有较高的效率与精度.     

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。     

基于视频的实时自动人体高度测量

怎样从视频出发准确实时地测量场景中运动人体的高度? 针对此问题, 本文提出了一种自动实时的人体高度测量方法. 该方法首先在视频序列中的每帧图像上提取一种新的头部特征点以及一种新的脚部特征点, 然后根据这些特征点建立约束方程求出近似的人体高度, 并同时在视频序列中跟踪双脚. 最后基于获得的双脚跟踪结果, 引入一条关于特征点所对应空间点的几何约束以进一步优化测量结果. 与过去的许多测量方法相比, 本文方法有效地利用了视频序列中包含的运动信息, 有较强的鲁棒性和较高的测量精度, 既能有效地处理透视镜头下的视频又能处理鱼眼镜头下的视频, 而且计算量很低, 可以实现实时测量. 实验结果验证了本文算法的有效性和实时性.