基于序列图像特征配准的摄像机旋转补偿算法

提出了一种基于序列图像特征点配准和基于最小二乘估计的摄像机绕轴旋转运动精确估计算法.该算法利用序列图像帧间的强相关性,通过分析相邻两帧图像的运动,由Harris算子进行特征点检测.基于这些特征点用模板匹配方法对帧间图像进行配准,然后根据多个特征点的运动矢量用最小二乘估计获得摄像机的运动参数,并用获得的运动参数实现对摄像机绕轴旋转运动的精确补偿.实验结果表明,该方法在帧间旋转角度＜10°时,摄像机绕轴旋转运动角度估计误差＜5%,但是当旋转角度＞14°时,相对估计误差＞20%.从系统实际应用(帧间旋转＜5°)来看,该方法克服了成像测量中摄像机旋转对图像处理和测量精度的影响,弥补了因像机旋转引起的测量误差大的缺陷,提高了测量精度,可满足使用要求.     

复杂场景中基于变块差分的运动目标检测

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动,提出一种基于帧间可变块差分的运动目标检测算法.首先,利用全局特征点估计运动参数对帧间背景进行补偿,提取图像的全局特征点并匹配,以特征点集的最小位置误差和作为目标进行迭代,获取误差不大于0.5 pixel的全局运动参数,并精确补偿当前帧实现背景校正.然后,利用可变块...     

基于粒子滤波的电子稳像算法

提出了一种基于粒子滤波的视频序列稳定算法。 该算法从视频图像中提取角点特征,建立当前帧与参考帧之间的映射关系,然后根据仿射变换模型采用最小二乘解获得帧间的全局运动参数,最后利用粒子滤波平滑运动参数,实现帧间的实时运动补偿,达到稳像的目的。实验结果表明该算法鲁棒性较强,去除高频抖动的同时较好地保留了摄像机的主动运动,稳像后视频效果良好。     

基于视觉几何的传送带测速方法研究

针对视觉测速系统误差较大且灵活性差的特点,提出了基于视觉几何的传送带上物体速度检测的方法,该方法无需摄像机标定。通过离线和在线图像处理相关算法提取图像参考点和工件特征点,结合视觉几何学算法,计算工件在相邻帧图像中的位移,同时记录采集、处理相邻帧图像所需时间;最后应用运动学公式计算物体的移动速度。应用无标定摄像机视觉系统检测工件的移动速度,不仅弥补了标定的摄像机系统灵活性差的问题,而且也减少了摄像机标定误差和镜头畸变带来的影响。实验结果证明所提出的方法灵活性强、精度高。     

基于深度卷积神经网络的视觉里程计研究

视觉里程计利用视频信息来估计相机运动的位姿参数,实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程,解算非常复杂,因此,提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征,将用于分类的卷积神经网络转化为帧间时序特征网络,通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明,提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹,证明了方法的可行性。在简化了复杂模型的基础上,与传统的视觉里程计系统相比,该模型的精度也有所提高。     

应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

使用粒子滤波器实现电子稳像

提出用粒子滤波器来实现视频序列的稳像,解决了视频序列的帧间不稳定问题.提出的稳像算法从视频图像中提取角点特征,建立当前帧与参考帧之间的映射关系,然后根据仿射变换模型求取最小二乘解来获得帧间的全局运动参数,最后利用粒子滤波平滑运动参数,实现帧间的实时运动补偿.对包含80帧场景的视频序列进行了实验,稳像后视频序列的平均峰值信噪比比稳像前提高了24.88,同时稳像精度＜1 pixel,处理时间＜30 ms.实验结果表明,本文算法能有效地改善图像质量,在去除高频抖动的同时能较好地保留摄像机的主动运动,稳像效果良好.     

基于非量测畸变校正的摄像机标定方法

为了保证镜头畸变系数标定的一致性和简化视觉测量中摄像机的在线标定过程,建立畸变分离的摄像机模型,提出基于非量测畸变校正的摄像机线性标定方法。基于共线点的透视投影不变性,采用大量共线特征点对定焦镜头的畸变参数进行一次标定,摄像机内部参数可以由校正畸变后的特征点进行线性标定。该方法将畸变参数从摄像机模型中分离出来,不需要将畸变参数纳入到摄像机模型中进行多次重复标定。试验结果表明,畸变分离摄像机模型很好地符合了定焦摄像机的成像规律,基于非量测畸变的摄像机参数线性标定方法与传统的非线性优化标定方法的标定精度相当,标定速度提高近3倍,对于简化摄像机标定过程,提高视觉测量的便捷性,拓宽机器视觉的工程应用具有重要意义。     

无标定摄像机手眼系统平移下的目标深度估计

在基于图像的视觉伺服手眼系统中,往往需要通过估计获得目标的深度信息.为此,提出了通过控制装有摄像机的机械手进行纯平移运动,从获取图像序列特征点的变化来估计目标深度的新方法.首先利用四次纯平移运动,离线计算手眼关系的旋转矩阵;在线阶段,利用该旋转矩阵将机械手平移转换为摄像机平移,再结合平移前后图像极点不变的特性,实现目标深度实时估计.与以往方法不同,新方法无需进行摄像机参数标定,并对图像匹配噪声和手眼系统运动误差具有一定的鲁棒性.     

基于序列图像特征配准的相机旋转补偿算法

为了解决测量过程中相机沿轴向运动时所产生的旋转引起的测量误差,提出了一种基于特征点的图像配准和最小二乘估计的相机旋转运动精确估计算法。此算法利用序列图像帧间的相关性,通过对相邻两帧图像进行运动分析,由Harris算子进行特征点的检测,然后再基于这些特征点的模版匹配方法对帧间图像进行配准,再根据多个特征点的运动矢量通过最小二乘估计获得相机的运动参数。最后对这些运动参数进一步分析,在计算中将获得的运动参数对相机沿轴的旋转运动进行补偿。该方法克服了测量中相机旋转对图像处理和测量精度的影响,弥补了因相机旋转引起的测量误差大的缺陷,提高了测量精确度。试验和仿真结果表明该方法在帧间旋转角度较小时能够实现对相机沿轴旋转运动的精确补偿,且时实性有待提高。