共查询到15条相似文献,搜索用时 62 毫秒
1.
2.
3.
3D测量系统中的高精度摄像机标定算法 总被引:4,自引:0,他引:4
本文在分析完整的摄像机镜头畸变模型的基础上,提出了一种新的标定算法.该算法包括三个步骤,首先在不考虑镜头畸变的情况下利用标定块上的中间若干个点,采用线性优化方法求出除畸变系数以外的其他外部参数和主要的内部参数;然后固定上述已求得的参数,利用线性优化方法求解畸变系数;最后对所有内部参数和外部参数进行全局非线性优化.最后对本文的标定算法进行了标定实验,实验结果表明,本文算法的标定精度可以达到0.0367 mm,可以满足高精度三维测量及其他应用的要求. 相似文献
4.
《中国测试》2016,(8):98-102
该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。 相似文献
5.
6.
双目视觉摄像机神经网络标定方法 总被引:9,自引:0,他引:9
摄像机标定是精密视觉测量的基础。为了描述双目视觉中三维空间物点坐标和两个摄像机像面像点坐标间的非线性关系,传统的标定方法需要建立复杂的数学模型。而神经网络可以有效地处理非线性映射问题,笔者介绍了一种BP(ErrorBackPropagation)神经网络,并且为了提高网络的学习能力引入了动态因子。用相同的参考数据,将神经网络标定方法与线性标定方法比较,实验结果表明基于神经网络的双目视觉标定方法能获得较高的标定精度。 相似文献
7.
摄像机标定是精密测量的基础,传统的双目标定需要建立复杂的数学模型。人工神经网络可以有效地处理非线性映射问题,它可以很好地描述双目视觉中三维空间特征点坐标和二个摄像机对应点间的非线性关系。本文介绍一种RBF神经网络,并对RBF网络与BP网络的标定结果进行比较。实验结果表明:基于RBF神经网络的双目视觉标定方法能获得较高的标定精度。 相似文献
8.
利用摄影儿何中交比不变性的性质,从给定的n幅图像中捉取所需要的点坐标,求解出三纽两两正交的直线的消失点的坐标.根据光心与消失点的连线为直线的方向建立3n个方程,从中线性的求解出相机的内参数.实验证明该方法不需要特定的标定模板,具有一定的实用价值. 相似文献
9.
10.
11.
基于LS-SVM的立体视觉摄像机标定 总被引:2,自引:1,他引:1
利用最小二乘支持向量机来直接学习图像信息与三维信息之间的关系,不需确定摄像机具体的内部参数和外部参数.在双目视觉的情况下,两摄像机的位置关系不需具体求出,而是隐含在映射关系中.根据最小二乘支持向量机与摄像机标定的特点,提出了基于最小二乘支持向量机的双目立体摄像机标定方法.将摄像头采集到的图像的像素坐标作为输入,将世界坐标作为输出,用最小二乘支持向量机使网络实现给定的输入输出映射关系.该方法同BP神经网络预测结果对比表明:基于最小二乘支持向量机的双目视觉标定方法速度快,实时性好,能有效提高标定精度. 相似文献
12.
目的在视觉测量领域,摄像机的标定精度是最终测量精确度的决定性因素,为了提高标定板特征的提取精度,提出一种基于亚像素边缘的提取方法。方法针对圆点标定板,首先采集标定板图像,对图像进行处理,获取像素级别边缘,然后以边缘像素点为中心,取3×3的数字窗口计算梯度方向,在梯度方向上进行像素点灰度的双曲正切拟合,获取亚像素级别边缘,最后对亚像素边缘按照圆形进行拟合,求得圆心坐标。结果实验表明算法的分辨率达到0.03个像素,精度可达0.1个像素。结论该算法具有稳定可靠,精度高,运算速度快等特点,能够应用于图像拼接和分割,特征提取和摄像机标定等领域。 相似文献
13.
14.