双目立体视觉方法测量雷管药量高度

介绍了双目立体视觉系统的基本原理、摄像机标定技术以及对得到的点云图进行的后续处理。采用维视图像的CCAS单双目视觉标定算法软件对所用的VS078FC摄像机进行了标定,结果精确度高,用时短,实用性强。应用Geomagic studio软件进行点云处理去除噪声,误差小,数据完整。     

双目立体视觉系统中同名点的自动提取

提出了一种新的方法来进行双目立体视觉系统同名点的自动提取,对现有的特征点匹配方法进行了改进,通过对同名点的自动提取,获取了摄像机相对校准所必需的参数。     

一种双目主动立体视觉系统的目标定位算法

首先引入主动视觉空间的概念，即用系统本身运动自由度来表达摄像焦点到空间点的视线，其次，推导了把任意摄像机图像点换到主动视觉空间的算法，最后，采用三角形测量原理对图像特征点进行匹配和定位，因为系统中的各个摄像机独立注视目标，摄像机可以采用较小的视野，这为提高定位精度提供了可能性，采用数值仿真手段对相关理论进行了验证。     

基于双目立体视觉的智能抓娃娃机仿真系统标定

本文针对智能抓娃娃机仿真系统的双目标定部分进行研究和实验。分析了双目摄像机标定方法和原理,本文使用原点阵列标定板,采用双目横向方式拍摄采集标定板,利用VC和OpenCV进行双目标定实验,实验结果表明重投影误差不超过0.4像素,标定精度较高,可以满足双目标定系统的实用性。     

双目立体视觉系统摄像机标定

对摄像机参数标定是三维定位的关键．制作了平面式标定板,将标定板中圆的当量中心作为标定用参考点,这样可以有效避免测量误差．采用线性和非线性结合的方法标定摄像机参数,首先利用直接线性转换模型（DLT）得到投影矩阵,通过约束条件分解参数矩阵,分别求出摄像机内部参数;然后将得到的标定参数作为初值,代入非线性方程进行优化,得到精确的标定参数．非线性优化采用Levenberg—Marquardt迭代法．试验表明,标定参数与出厂参数有一定差异,但和实际情况完全吻合．     

双目立体视觉系统的摄像机标定技术

摄像机标定是立体视觉的第一阶段,也是极其重要的阶段。本文用张正友平面标定方法对双目立体视觉系统进行标定,获取了其结构参数。实验表明,标定结果有较高精度。     

基于双目立体视觉的三维建模算法

根据双目立体视觉成像原理来完成特征点深度信息的恢复,提出了一种基于图像的三维建模方法。利用该方法标定出相机的全部内外参数;利用双目立体视觉成像原理,根据不同位置拍摄的2幅或多幅照片中的对应点的图像坐标,计算它们在空间中对应点的三维坐标,实现了由多幅图像来恢复物体的深度信息;最后,利用这些坐标在Rhino中实现了由离散的稀疏点云数据建立三维实体模型。     

基于双目立体视觉的弧焊机器人标定研究

根据弧焊机器人本体的实际结构,通过分析机器人基坐标系、双目立体视觉系统坐标系及空间特征点坐标系的几何对应关系,采用双目立体视觉测量方法测得机器人各关节几何参数误差,并对相应的参数误差进行了补偿。结果显示,误差补偿后的机器人直线轨迹的精度有了大幅提高。     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。     

月球车立体视觉系统现场标定方法

针对星球探测任务中星球漫游车自主避障和导航的要求，建立了一种基于平面模板的现场标定方法，实现月球车视觉系统的现场标定．针对月球车视觉系统的广角畸变的特点，引入径向和离心畸变模型，利用最大似然估计（MLE）对内、外参数进行非线性优化求精，并对图像进行畸变校正；计算摄像机间相对位置，实现了紧凑的双目视觉外极线校正．实验表明，该方法快速、简便，获得了较高的标定精度．     

基于双目视觉的正交函数局部拟合的工件定位方法

工件定位是自动化生产线的重要过程,是后续分拣、装配等操作的基础。为了解决传统的工件定位误差较大的问题,提出一种基于双目视觉的正交函数局部拟合的工件定位方法。系统建立之前,采集一张拟合板的图像,获得位置信息作为拟合的样本点。工件的定位首先要采集待定位的工件图像,进行图像预处理,通过特征提取获得工件形心的像素值,然后利用样本点进行正交函数局部最小二乘拟合,获得工件形心的平面坐标,最后通过双目重构,获得工件形心的空间坐标。实验结果表明:基于双目视觉的正交函数局部拟合的工件定位方法在精度上比传统的相机标定、三维重建的定位方法有明显提高。该方法不仅提高了工件定位精度,而且避免了标定环节,具有较好的应用价值。     

基于双目立体视觉和SVM算法行人检测方法

提出了一种基于双目立体视觉和SVM算法的行人检测方法.采用行人样本的头肩HOG特征训练分类器,通过双目视觉系统获取待检测目标左右图像,经过摄像机标定和立体匹配之后,计算图像共轭点的视差生成深度图,以基于距离的阈值分割确定运动目标所在的ROIs,有效去除背景信息;提取分割图像的HOG特征,投入SVM分类器训练得到检测子;加载分类器在前景图像中做多尺度检测,标记检测出来的运动目标.实验表明:该方法能对复杂场景下不同尺度和姿态的行人进行有效检测,具有较高的鲁棒性和检测率,且具有很好的实时性.     

基于GSI靶标与立体视觉的双目相机结构参数标定

针对大视场双目相机结构参数标定问题,提出了一种基于GSI靶标的标定方法。相机的内参数已知,利用同名编码点在双相机像面上成像点及双目视觉测量原理,解算出双目相机的相对方位。该方法无需移动靶标,只需要双目相机同时对靶标平面拍摄一次,简单方便。     

基于OpenCV的双目立体视觉监控跟踪系统

现阶段的监控设备无法自主获取目标区域的距离信息,而且在一定范围之外,由于图像模糊程度加深而无法对特定个体进行识别确认。针对以上存在的问题,设计并开发了基于计算机视觉库OpenCV(IntelOpen Source Computer Vision Library)的双目立体视觉监控跟踪系统。利用OpenCV强大的计算机视觉和图像处理能力,结合自行研究的双目立体视觉测距改进法和轮廓搜索法,能实现对监控区域内的物体进行距离测量和轮廓识别。通过实验结果表明,基于OpenCV的双目立体视觉监控跟踪系统运行可靠稳定,在一定范围内达到了实验要求。     

基于双目视觉的机器人自定位方法研究

研究了一种利用双目立体视觉的机器人自定位方法.首先提取双目图像序列的Harris角点特征,并计算其水平与垂直方向上的Sobel响应,基于此响应,采用绝对误差累计的最小窗口查找(SAD)原理进行立体匹配.将改进的RANSAC算法用于特征匹配点优化中,利用高斯牛顿迭代法求解机器人位姿,实现了机器人的自定位.室内、外实验,及与BoofCV视觉库中的立体视觉定位算法的对比分析,证明该方法在运算速度、定位精度和稳定性等方面均能满足实际应用需求.     

全景立体球视觉下的鱼眼镜头参数标定方法

针对鱼眼镜头拍摄图像存在较大畸变以及在设计制造过程中存在误差的问题,提出了一种对鱼眼镜头进行标定的方法.首先是对成像系统进行建模,进而对成像系统的内外参数进行标定;采用最小二乘法拟合圆的算法对图像中心进行标定,算法的仿真结果表明,该方法可以准确的对视觉系统的内外参数进行标定,径向畸变系数的标定误差范围小于0.1个像素值.     

基于AEDNet的双目立体匹配算法

提出了一种基于AANet(有效立体匹配自适应聚合网络)改进的立体匹配网络——AEDNet(自适应端到端立体匹配网络),该网络在特征提取模块通过限制卷积核大小以取得较低抽象程度的特征,通过简单卷积简化网络结构．在代价聚合中采用尺度内聚合模块,通过可变形卷积达到自适应的代价聚合,以及在尺度间聚合模块采用传统的跨尺度聚合方式一定程度上弥补缺失的全局信息．本网络在KITTI数据集上验证其性能,与AANet相比AEDNet参数数量下降了25%,实验结果表明所提网络在保证精度的情况下能高效地实现立体匹配．     

基于PSO-ELM的双目视觉摄像机标定

针对极限学习机( extreme learning machine,ELM)在隐层节点数较少时标定精度较低的问题,利用粒子群优化算法( particle swarm optimization,PSO)与极限学习机相结合的方法对双目视觉摄像机进行标定。在标定过程中,ELM直接描述图像信息与三维信息之间的非线性关系,然后利用PSO优化ELM的输入权值与隐层阈值。实验结果表明,与ELM相比较,基于粒子群极限学习机( PSO-ELM)的双目视觉摄像机标定方法能仅用较少隐层节点数获得较高精度。     

基于双目视觉的相位测量偏折术

现代制造业对镜面、类镜面进行面形测量需求强烈,详细介绍了相位测量偏折术的原理,提出了基于双目视觉的相位测量偏折术系统数据获取方法和计算流程,采用插值积分技术进行面形重建.通过计算机模拟方法,针对口径为420 mm的凹面镜进行了双探测器数据获取,梯度计算和面形重建.计算结果表明,采用双目视觉的相位测量偏折术系统和插值积分技术进行面形重建,在一定噪声情况下具有较高的重建精度,可用于自由曲面的反射表面测量.