基于改进Harris角点提取的摄像机神经网络标定技术

以前馈型BP神经网络进行双日立体视觉系统的摄像机标定研究,基于Harris角点提取,提出了增加约束的改进方法,从而提高网络训练样本集的数据精度;探讨了神经网络的欠泛化、过泛化问题,综合运用归一化、提前终止等多种策略,进一步提高网络泛化能力,并与经典标定方法进行对比.试验结果表明,该方法能够获得较高的摄像机标定精度.     

摄像机参数的三线性插值误差补偿标定方法

提出了一种摄像机标定方法并应用于某轿车翼子板的非接触检测.该方法通过虚拟靶标构建空间点阵,应用SUNSAN算子准确提取角点坐标,并代入摄像机模型,逆向求解空间点的坐标及与真实坐标的误差值,以此误差作为判断依据,通过迭代更新求解摄像机参数,直到平均误差小于某一预定值,然后基于空间三线性插值算法进行误差补偿,从而求解待测点的误差.实验证明此方法计算迅速、稳定、准确,检测精度达到亚像素级.