广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息。为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变。为了精确标定摄像机,采用比较接近实际情况的几何模型,并采用非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数。实验精度可以达到0.1mm。该方法简洁实用,可以采用这种方法在实际当中对系统进行标定。     

广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息。为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变。为了精确标定摄像机,采用比较接近实际情况的几何模型,并采用非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数。实验精度可以达到0.1mm。该方法简洁实用,可以采用这种方法在实际当中对系统进行标定。     

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

全景视频摄像机的非参数化几何校正与拼接

提出了一种新的多相机全景视频拼接几何校正拼接方法。先用全景视频摄像机组采集标准标定场的稀疏特征点阵,利用自适应网格细分技术把采集的图像和标定场坐标细分到像素级对应,则全景视频的几何校正和拼接可以通过直接映射得到。在摄像机阵列相对位置固定时,可以一次校正多次使用。本文方法避免了普通拼接方法的特征点检测、匹配优化等参数求解过程,尤其是采用具有较大畸变的广角镜头和相邻相机视场重叠较少时更能体现出其优越性,并可以很容易地迁移到类似的应用中。通过一个原型系统,验证了本文方法的有效性。     

一种基于圆形标志点的摄像机标定方法

摄像机标定是估计成像过程中的摄像机参数,它直接影响测量的准确性。本文针对圆形标定板的特性,提出了一种基于圆形标志点的摄像机标定方法。首先,提取图像中目标轮廓,用区域属性函数获得图像中目标的属性,计算出标志圆质心的坐标;然后用Zhang提出的基于平面两步标定法进行摄像机标定,并对内参数运用最大似然估计求解;外参数运用最小二乘法和最大似然估计算法求解;最后,对标定结果进行评价。实验结果表明,标定残差的平均误差在0.3以下,验证标定方法的可行与有效性。     

计算机视觉摄影测量的数学模型

计算机视觉摄影测量模型是通过计算机视觉进行事故现场测量系统设计的基础,根据摄像机成像基本关系,建立了描述空间点及其二维成像间的摄影测量数据模型考虑了成像系统的对称性镜头畸变误差,建立了线性摄测数学模型,通过试验分析了模型的理论精度和标定精度。     

基于双目立体视觉的花卉三维重建

花卉的植物结构形态复杂,对于农业科研具有十分重要的意义。为了方便快捷地获得花卉的三维形态模型,利用2个平行且位置相对固定的摄像机,组成双目立体视觉系统。运用Chatterjee方法进行摄像机标定,采用区域相关匹配算法对获取的图像进行立体匹配。利用Delaunay三角剖分重建花卉三维曲面模型。结果表明:提出的方法能够准确地对花卉进行三维重建,具有快速、非接触、自动化程度高等特点。     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

基于图像信息熵的自适应Harris角点检测算法

为了克服Harris角点检测算法在提取角点时需要人为设定响应函数参数和阈值的问题,本文提出一种基于图像信息熵的自适应角点检测算法,利用合适尺度下的图像信息熵能够反映较多图像纹理信息的特点,在非极大值抑制时采用了图像信息熵的自适应阈值,并修改了角点响应函数,避免了阈值设定和参数设定的随机性。通过对添加盐粒噪声的图像进行角点检测并计算角点重复率,表明本文的算法在提取图片角点时有更好的稳定性,能够用于角点检测。     

基于智能手机与机器视觉技术的立木胸径测量方法

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图; 结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域; 通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。     

A liquid crystal tunable filter based shortwave infrared spectral imaging system: Calibration and characterization

Calibration is a critical step for developing spectral imaging systems. This paper presents a systematic calibration and characterization approach for a liquid crystal tunable filter (LCTF) based shortwave infrared (SWIR) spectral imaging system. A series of tests were conducted to validate the linearity of the system output, measure the field of view of the spectral imager, increase the system spectral sensitivity, test the spatial and spectral resolution of the system, evaluate the system stability and image distortion, and reduce the spectral noise of the system output. Results showed that the system had an angle of view of 6.98° and a spatial resolution of 158 μm. The spectral sensitivity of the system was corrected by controlling the camera exposure time and gain, which increased the signal to noise ratio of the system by 16.5%. Test results also verified the system spectral accuracy and linearity (r > 0.999). The system output was proven to be stable and image distortion was not perceivable. Results of calibration tests indicated that this system satisfied the design criteria in both spatial and spectral domains. The calibration methods presented here are applicable to the LCTF-based spectral imaging systems in other applications.     

计算机视觉摄影测量模型的标定算法

计算机视觉摄影测量模型的求解效率和精度是采用摄像机进行测量的关键。为对所建立的摄影测量模型进行高效求解,根据正交变换的基本原理,提出了基于吉文斯变换的标定模型解算方法。利用该算法对模型进行了标定计算,获得了较高的标定和测量精度。     

计算机视觉测量中CCD摄像机参数的校正

在分析摄像测量坐标系的基础上，根据坐标变换的基本原理，建立了立体视觉中使用的ＣＣＤ摄像机几何模型，确定了校正系数和像距的分析与测量方法，并通过试验测得了校正系数，强调了影响校正系数测量的主要参数。     

土壤含水率对近红外传感器标定模型的响应研究

为提高近红外传感器测量的准确度,进一步理解不同标定模型对土壤含水率测量精度的影响。利用土壤表面的近红外反射光强来预测土壤含水率,通过归一化处理将反射光强转化为相对吸收深度和相对反射率,采用2种标定方法,分别建立土壤含水率与相对吸收深度之间及土壤含水率与相对反射率之间的线性模型与非线性模型。选取我国东北地区的黑土进行标定,并用独立的试验数据对模型进行检验。结果表明,吸收深度法的线性和非线性模型的预测值和实测值符合度较好。反射率法的线性模型和非线性模型对土壤的含水率预测均方根误差(RMSE)分别为2.89%和2.95%,相对吸收深度法非线性模型的RMSE值明显大于其他3种模型,预测准确度最低。说明不同标定方法会影响土壤含水率的预测结果。4种模型的预测精度能够满足测量要求。     

基于比较的大米样本图像分割

[目的]提高大米加工精度时图像识别的效果。[方法]采用SUSAN算子,讨论其参数的选取原理,并与传统边缘检测算法作对比。[结果]SUSAN边缘检测算法对含噪大米样本图像的边缘检测效果优于传统的边缘检测算法。[结论]SUSAN边缘检测算法非常适于含噪或低对比度大米样本图像的边缘检测