一、计算机视觉中摄像机定标综述(论文文献综述)
杨文峰[1](2017)在《光学定标算法抗噪性研究及改进》文中研究指明视觉是人类感知外部世界的主要途径。随着计算机技术的不断发展,计算机视觉和立体视觉也得到了极大的发展。而摄像机定标是机器视觉的基础,因此摄像机定标对于计算机视觉的研究有重要的理论意义和实用价值。但在计算机视觉中,存在许多亟待解决的问题,首先要解决的是空间三维物点与其二维像点间的对应关系,然后利用摄像机所拍摄到的图像来还原空间中的物体。在这里,假设摄像机所拍摄到的图像与三维空间中的物体之间存在以下一种简单的线性关系:[像]=M[物],这里,矩阵M可以看成是摄像机成像的几何模型。M中的参数就是摄像机参数。通常,这些参数是要通过实验与计算来得到的。这个求解参数的过程就称为摄像机定标或标定。摄像机定标的目的就是要确定二维图像坐标系与三维世界坐标系间的对应关系。因此,只有对摄像机进行恰当的标定后,才能根据摄像机所拍摄的图像平面二维坐标与空间三维坐标建立一一对应关系。本文首先介绍摄像机定标的研究背景,以及当前国内外的一些研究现状并对全文的内容进行概括。其次对摄像机定标的基础理论进行了详细的讲解。对摄像机定标理论所用到参考系比如:图像坐标系、相机坐标系和世界坐标系进行了详细的阐述。摄像机定标的本质便是图像中的某点通过相机坐标系建立由图像坐标系到世界坐标系之间的约束条件。通过约束条件,得到摄像机的内外参数。在实际求解摄像机参数过程中,往往需要一种数学模型来近似替代摄像机模型。因此引入了线性成像模型。以此来求解摄像机的内部参数矩阵和摄像机的外部参数矩阵,同时由于鱼眼镜头所存在镜头畸变,引入了摄像机成像的非线性模型,从而得到了摄像机定标的另一研究对象:非线性畸变系数。摄像机定标经历了漫长的发展,出现了多种摄像机标定方法。接着对摄像机标定方法进行了详细的介绍。传统的摄像机标定方法对于定标环境有较高的要求,需要一个精确的标定物,并要求已知标定物的尺寸和形状,定标算法也比较复杂。摄像机自标定法是不依赖于标定物的算法,利用相机在移动过程中图像坐标系与世界坐标系间的约束条件来求解摄像机参数。张氏标定法是张正友教授提出的一种新型的求解摄像机参数的方法。该方法主要针对摄像机镜头的径向畸变问题提出了一种更好的解决办法。通过沿不同的方向对标定板拍摄多张图像,利用数学公式计算图像中的特征点与其三维物点间的线性关系,从而得到摄像机的内外参数。本文同时对于该算法的抗噪性也有一些研究,主要是针对鱼眼镜头所存在的畸变问题,提出了基于张正友标定法的一种改进的两步标定法。该方法把作为解析解求解出来的初始参数用非线性最小二乘法进一步完善,得到了内外参数,提高了初始数值的鲁棒性,并把切向畸变作为影响重建精度的考虑因素。本文在原有的研究基础上,对张正友定标算法进行了抗噪性分析,通过在原有定标棋盘中加入部分噪声,分析定标算法的抗噪性能,同时通过对原有算法进行改进,加入了抗噪机制。并对改进算法进行了分析测试。
董琦奇[2](2015)在《基于替代三维立体框架的摄像机标定技术研究》文中研究说明研究目的:目前,在体育中的三维空间标定主要通过测量三维立体框架来实现,由于三维立体框架体积、重量都比较大且安装起来费事费力。因此,本文在总结分析目前国内外三维运动解析系统中摄像机标定技术研究的基础上,针对使用三维立体框架进行摄像机标定在标定范围、误差、便携性及时效性等方面存在的不足,提出了使用平面棋盘格标定板进行三维空间标定的新方法。研究方法:在5米、10米、30米拍摄距离下,分别使用三维立体框架和平面棋盘格标定板对一米板重建精度进行比较;另对一米板处于平面标定板控制范围内、边缘及外时,进行空间误差分布分析。研究结果:1.首先在同等拍摄条件下,平面棋盘格标定测量得到的结果精度范围在0mm至2mm,明显优于传统三维立体框架标定结果的2mm至4mm,且更趋于稳定;同时数据显示,测试结果的误差随着拍摄距离的增大而减小。2.空间误差分布数据结果显示,无论物体是否位于控制点范围内,误差都在2mm以内,与以往被标定点在三维立体框架所确定的空间范围之外时相比,误差呈减小趋势。3.在标定操作过程中,棋盘格标定法以电脑自动标定标记点代替了以往的人工标定标记点,从而减少了标定过程中影响误差的人为因素。4.最后本文实现了基于平面棋盘格标定板的摄像机空间标定在体育运动中的应用,设计了体育应用中大范围测量使用的标定板,以及相关配套的标定系统。研究结论:实验结果表明,本文的方法及系统具有显着的优势,与传统三维立体框架标定相比,平面棋盘格标定技术具有显着的优势,并克服了三维立体框架在使用中的不足,适用于体育大范围、高精度的场景。
宋卫东[3](2014)在《基于改进模板的摄像机定标方法研究与实现》文中进行了进一步梳理随着计算机视觉技术的不断发展,摄像机定标方法的作用越来越重要,尤其是在实际应用中,如何选择适合项目的定标方法也越来越受到重视。本文主要选择了几种典型的定标方法进行研究、实现,并对定标结果进行了评估与分析,并提出基于改进模板的摄像机定标方法。本文中研究和实现的定标方法包括基于matlab中tool-box的定标方法、基于opencv函数库的定标方法、基于matlab的多相机定标方法以及基于改进模板的定标方法。本文首先分析多种摄像机定标方法的优点以及其局限性,在此基础上提出了基于改进定标模板的摄像机定标,该方法在已有的基于模板的摄像机定标方法基础上,提出基于“米”字形的定标模板的摄像机定标方法。本文中定标点是一系列具有一定图形特征的标记点,通过增加定标点之间、.定标点与基准点之间的关系,来降低确定不同图像的定标点对应的难度。本文提出的基于改进模板的定标方法,可以可靠地自动识别定标点,并计算出定标参数。本文提出的方法有自动识别、算法简单、使用起来非常方便的优点,而且对于部分遮挡、剪切、不均匀照明所造成的的影响有很好的鲁棒性。对于每一种定标方法,本文不仅从方法中算法方面、实施流程方面等发面进行了详细的研究与实现,还使用计算图像坐标误差方法以及计算定标点之间距离的方法对所有的定标结果进行分析。根据评估结果以及定标方法实施的具体情况,分析并总结每种方法的优势和以及产生这种优势的原因,并根据实际的实验经验总结出使用每种定标方法时应注意的事项。本文的研究重点放在了定标方法的实现、评估以及对标方法的结果分析等方面,并对这几方面的工作做了很详细的研究,尤其是定标方法的实现预评估,利用实验室现有的资源做了很多的实验
马伟[4](2013)在《计算机视觉中摄像机定标综述》文中研究表明本文通过对计算机视觉原理进行分析,提出了计算机视觉中摄像机的定标方法,并分析了计算机视觉中摄像机的定标方法的应用。
许志雄[5](2012)在《计算机视觉中的摄像机定标方法及应用特点》文中研究指明基于摄像机视觉投影原理,分析了计算机视觉中的摄像机所用到的几种定标方法,并着重介绍了计算机视觉中的摄像机定标方法的应用特点,向人们揭示出计算机视觉中的摄像机定标功能的神秘面纱,以供相关人员借鉴和运用。
孙玉青[6](2010)在《摄像机定标与图像校正算法研究》文中研究指明计算机视觉随着计算机图形学、模式识别等学科的发展也得到了飞速的发展。利用计算机实现人的视觉系统功能,获取图像信息来计算三维空间中物体的几何信息,最终由此完成重建和识别物体是计算机视觉研究的最终目的。空间物体的位置信息与物体图像中对应点之间的关系是由摄像机的成像模型决定,这种模型参数即是摄像机的参数,求取这些摄像机参数的过程被称为摄像机定标。摄像机定标被广泛应用于三维测量、三维物体重建、物体识别、机器导航、生物医学、工业检测等诸多领域中。在科学技术飞速的今天,摄像机定标技术已经成为了计算机视觉领域内的主要研究热点之一。摄像机定标大体可以分为两种方法,即传统摄像机定标方法和摄像机的自定标方法。传统的摄像机定标的基本方法是基于特定的物理条件,例如待定标物体的形状、尺寸等,经过对这些信息图像进行处理,来求得摄像机的内部参数和外部参数。摄像机自定标方法则是利用多幅不同的图像之间的几何关系,通过求解基本矩阵求得摄像机的内部参数和还原摄像机的外部参数。受很多不同因素的影响,摄像机在进行图像拍摄、传输的过程中,输出图像质量可能不是很高,有时还可能存在较大变形,不能达到要求的输出图像。为了提高图像分析结果,就必须对此类图像进行校正。常用的校正方法为光学校正和数字校正两种方法。数字图像校正是利用了数学分析与图像处理技术对摄像机摄入的图像进行图像校正,以便达到图像分析的目的。随着数字图像处理技术的飞速发展,采用数字图像校正技术进行畸变校正已逐渐盛行。本论文简要介绍了作为摄像机定标所需要的数学背景及成像几何理论,阐述了传统的摄像机定标方法,并对摄像机定标中的影响因素进行了分析。讨论了目前应用广泛的摄像机定标方法,并对它的鲁棒性进行了分析。本论文在已有的摄像机定标理论的基础上,通过研究图像的角点检测算法,给出了一种快速基于角点检测的摄像机定标方法。本文还对数字图像校正方法进行了研究,给出了一种优于传统方法的数字图像校正技术算法,并利用实验方法证明了方法的方便和有效。
江明[7](2010)在《基于双目视觉的三维信息获取及重构方法研究》文中研究表明视觉是人类观察世界、认识世界的重要手段。科学研究和统计表明,人类从外界获得的信息约有75%是从视觉中得到的。计算机视觉则是用计算机实现人的视觉功能,对客观世界的三维信息进行感知和解释的一门学科。它通过图像传感器获得图像序列,再通过计算机对图像序列进行图像处理,模式识别等方式来理解图像,并对该图像所表示的三维世界进行描述和理解。其最终目标就是让计算机能够像人一样通过图像传感器这双眼睛来观察和理解这个世界。在计算机科学和工程、信号处理、物理学、应用数学和统计学、神经生理学和认知科学等研究方面以及在制造业、检验、文档分析、医疗诊断和军事等领域的各种智能应用方面,计算机视觉都有着非常广泛的应用前景。基于双目立体视觉的三维重建是利用计算机视觉和图像处理技术进行三维重建的一种方法。同其他三维重建的方法相比,这种方法不需要其他辅助设备来帮助重建,利用双目视觉中所包含的场景深度信息来进行三维重建,因此有速度快、效率高和成本低的优点。一个完整的基于双目立体视觉的三维重建系统主要包括双目立体视觉采集平台和软件开发平台,软件开发平台又划分为摄像机定标、特征提取、极线校正、立体匹配和三维重建五个模块。本文按照基于双目立体视觉的三维重建系统的结构划分来分别介绍各个部分的相关原理。系统采用了两台参数不同的摄像机来搭建双目立体视觉图像采集平台,由于参数不同会对定标结果产生一定的误差。因此本文提出了一种先采用张正友定标法对每一台摄像机单独定标再进行一次立体定标的方法,以修正摄像机的定标结果并计算两台计算机间的相对位置,减小因参数不同导致的误差。在匹配前,通过Canny边缘检测来提取强特征点以供立体匹配。再利用摄像机定标的结果对图像进行极线校正,使经过校正后的图像行对齐,以此提高立体匹配的速度和精度。图像经过校正后即可对提取的强特征点进行立体匹配,本文采用了一种基于灰度窗口的稀疏点匹配的方法,即将图像中强特征点的邻域窗口的灰度进行匹配,将所有特征点都进行匹配后,进行一次线性插值以恢复表面信息,因为特征点数量少,又具有很强的特征性,所以有速度快精度高的优点。最后利用匹配结果进行三维重建,并提出了一种基于已校正图像的快速三维重建算法,计算出匹配点的三维空间坐标以及图像的深度信息图,并根据深度图在OpenGL中进行三维图形重建。本文最终对该算法进行了实现并且在采用不同参数的情况下进行了大量的实验。实验结果表明,在立体匹配时,匹配结果会因窗口尺寸取值不同而产生误差,并且不同的图像在应用同一窗口尺寸来进行匹配时也会产生误差。而在匹配后进行三维重建时,由于世界坐标系原点取值不同,点的三维坐标会有不同的结果。但是视差图已基本可以正确的反映出点离摄像机的距离,并且通过OpenGL进行图形重建后也基本还原了三维场景。
张维来[8](2008)在《基于高速公路车道线的车载摄像机定标方法研究》文中进行了进一步梳理目前,智能车辆视觉导航技术多被高档汽车所采纳,因此具有广阔的实际需求和应用前景。本文的研究工作是“高速公路道路识别”的一部分,主要涉及车载摄像机定标方法的研究,从而为道路图像的坐标变换提供必要参数,为进一步研究车辆测距和辅助驾驶提供必要前提。摄像机定标是计算机视觉实现的前提和基本问题,是计算机视觉研究的一个热点。本文在前人工作的基础上,针对高速公路车道线的特点,利用消失点和消失线的性质,找到车载摄像机的外部参数与消失点和斜率之间的内在联系,从而实现外部参数的标定。总结本文的主要研究工作和内容如下:(1)对车载摄像机定标方法的研究中所涉及到的图像处理和目标识别方法做了深入的研究,介绍了计算机视觉中几种有代表性的摄像机定标原理及方法。(2)给出了一种基于交叉垂直直线的摄像机标定算法,利用两条垂直相交的直线作为标定物,运用直线的特点以及交叉垂直的约束条件建立线性方程组,求解摄像机的内参数。(3)针对本课题的应用实践,结合高速公路车道线的特点,经过数学推导建立摄像机的外部参数与消失点和成像斜率之间的解析表达式。只要已知三条车道线相对车辆纵轴线的偏移量、摄像机的内部参数,通过手工或软件编程进行图像处理就能确定出这三条直线成像的交点和斜率,标定出摄像机的外部参数。本文对车载摄像机定标方法的研究,给出了基于交叉垂直直线的摄像机内参数的标定算法,并利用平行车道线的特点对外参数的快速准确标定作了深入的研究测算,为车载摄像机定标的进一步研究打下了基础。
孙贤斌,李德华,尹杰[9](2007)在《三维彩色扫描系统定标》文中研究说明传统视觉系统定标方法中,控制点应较均匀地分布于三维空间,但这种方法成本很高,针对此问题,本文提出采用定标板垂直移动的方式代替三维定标模块或控制场,在移动中的多个不同位置拍摄图像,进行不同的组合,做整体的计算,这样既达到三维的效果,显着增加控制点的数量,且又操作简便,制作容易,可以取代定标模块.实验结果表明,该方法具有很好的精度和稳定性.
孙贤斌,李德华,尹杰,熊才权[10](2007)在《机器视觉系统中摄像机的神经网络定标》文中研究表明将传统摄影测量定标和神经网络相结合,克服了传统摄像机定标中因像差等非线性因素造成稳定性不好且算法复杂的缺点.采用基于神经网络的计算机视觉定标方法,用5步法计算未知点的物方坐标.在传统摄影测量定标方法中,需要先制作定标块,其上布置一些控制点,准确测定它们的三维坐标.为保证定标精度,这些控制点必须在三维空间均匀分布,对定标块的制作和加工要求很高.文中提出采用定标板沿法线方向移动的方式代替定标块,既能达到三维效果,显着增加控制点数量,也使制作容易.实验结果表明,以该模板基于神经网络的摄像机定标方法可以获得很高的精度和稳定性.
二、计算机视觉中摄像机定标综述(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、计算机视觉中摄像机定标综述(论文提纲范文)
(1)光学定标算法抗噪性研究及改进(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 研究背景及意义 |
1.3 国内外研究现状 |
1.4 本文的主要内容 |
参考文献 |
第2章 摄相机标定基本理论 |
2.1 透镜成像原理 |
2.2 常用坐标系 |
2.2.1 图像坐标系 |
2.2.2 相机坐标系 |
2.2.3 世界坐标系 |
2.3 相机成像模型 |
2.3.1 线性成像模型 |
2.3.2 非线性成像模型 |
2.4 角点检测算法 |
2.4.1 基于边缘特征的角点检测 |
2.4.2 基于灰度信息的角点检测 |
参考文献 |
第3章 摄像机标定方法 |
3.1 摄像机标定的方法 |
3.1.1 传统的摄像机标定法 |
3.1.2 摄像机自标定法 |
3.1.3 张氏标定法 |
3.2 三类标定方法的比较 |
3.3 张正友标定法 |
3.3.1 理论基础 |
3.3.2 极大似然估计 |
参考文献 |
第4章 实验设计与结果分析 |
4.1 摄像机定标的过程和初始参数 |
4.1.1 定标系统框图 |
4.1.2 相机参数 |
4.1.3 棋盘标定板 |
4.2 实验步骤 |
4.2.1 图像的获取 |
4.2.2 角点的提取 |
4.2.3 定标结果 |
4.2.4 误差分析 |
4.3 张正友定标算法的角点识别率与抗噪性分析 |
4.3.1 角点识别率 |
4.3.2 抗噪性分析 |
参考文献 |
第5章 总结 |
致谢 |
(2)基于替代三维立体框架的摄像机标定技术研究(论文提纲范文)
第一章 绪论 |
1.1 引言 |
1.2 背景 |
1.2.1 体育领域的应用 |
1.2.2 摄像机标定 |
1.3 研究目的与意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 国内外研究现状 |
1.4.1 体育领域中摄像机标定技术的研究现状 |
1.4.2 摄像机标定技术的发展 |
1.4.3 传统摄像机标定技术 |
1.4.4 发展趋势 |
1.5 论文的组织 |
第二章 摄像机标定方法和摄像机模型及标定原理 |
2.1 常用的三维运动录像解析软件的标定方法 |
2.1.1 三维立体框架标定 |
2.1.2 红外光学式运动捕捉自动识别 |
2.2 常用的摄像机标定方法 |
2.2.1 摄像机标定方法的分类 |
2.2.2 传统摄像机标定方法中标定物的分类 |
2.3 基于OPENCV的摄像机模型 |
2.3.1 针孔摄像机模型 |
2.3.2 透镜畸变矫正 |
2.4 平面标定原理 |
2.5 双目视觉的三维重建 |
第三章 研究对象与研究方法 |
3.1 研究对象 |
3.2 研究的技术路线 |
3.3 研究方法 |
3.3.1 文献资料法 |
3.3.2 专家访谈法 |
3.3.3 影像拍摄法 |
3.3.4 录像解析法 |
3.3.5 数理统计法 |
第四章 研究结果与讨论 |
4.1 两种标定方法重建结果的误差比较 |
4.1.1 五米拍摄距离 |
4.1.2 十米拍摄距离 |
4.1.3 三十米拍摄距离 |
4.2 平面棋盘格标定板组间差异比较 |
4.3 一米板位于标定板控制范围不同位置的误差分布分析 |
4.3.1 五米拍摄距离 |
4.3.2 十米拍摄距离 |
4.3.3 三十米拍摄距离 |
结论与建议 |
附录 |
参考文献 |
致谢 |
Abstract |
摘要 |
(3)基于改进模板的摄像机定标方法研究与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 摄像机定标概念及研究意义 |
1.2 本文主要内容 |
2 摄像机定标基本理论 |
2.1 摄像机成像模型 |
2.2 摄像机成像公式 |
3 摄像机定标方法分类 |
3.1 传统摄像机定标方法 |
3.1.1 RAC定标方法 |
3.1.2 平面定标方法 |
3.2 摄像机自定标方法 |
3.2.1 求解Kruppa方程的自定标 |
3.2.2 分层逐步定标法 |
4 摄像机定标方法介绍 |
4.1 基于Matlab的摄像机定标方法 |
4.1.1 基于Matlab的摄像机定标方法简介 |
4.1.2 基于Matlab的摄像机定标方法的流程 |
4.2 基于opencv函数库的摄像机定标方法 |
4.2.1 opencv中采用的定标方法简介 |
4.2.2 opencv中采用的定标方法流程 |
4.3 基于matlab的多摄像机自定标方法 |
4.3.1 多摄像机模型 |
4.3.2 求解投影深度 |
4.3.3 完成投影重构 |
4.3.4 求摄像机定标参数 |
5 多种定标方法实现、评估与结果分析 |
5.1 摄像机定标环境介绍 |
5.2 实验结果评估方法 |
5.2.1 本文评估方法介绍 |
5.2.2 评估算法的设计与实现 |
5.3 定标方法的实现与评估 |
5.3.1 基于matlab提供的工具箱的定标实现与评估 |
5.3.2 基于opencv的摄像机定标实现与评估 |
5.3.3 基于matlab的多摄像机自定标实现与评估 |
5.3.4 定标方法评估结果对比与分析 |
5.4 实验总结 |
5.4.1 基于opencv函数库定标方法总结 |
5.4.2 基于Matlab提供的工具箱的定标方法总结 |
5.4.3 基于matlab的多摄像机自定标方法总结 |
5.4.4 以上定标方法的局限性 |
6 基于改进模板的定标方法 |
6.1 改进的定标方法研究意义 |
6.2 基于改进模板的定标方法 |
6.2.1 定标模板设计 |
6.2.2 定标方法 |
6.2.3 背景去除 |
6.2.4 识别所有定标点 |
6.2.5 二值化处理 |
6.2.6 确定其余定标点 |
6.2.7 求解摄像机定标参数 |
6.3 基于改进模板定标方法实验过程 |
6.3.1 基于改进模板的定标结果 |
6.3.2 不利环境下基于改进模板的定标结果 |
6.3.3 定标结果比较与分析 |
6.3.4 基于改进模板的定标方法总结 |
7 结论 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录A |
作者简历 |
学位论文数据集 |
(4)计算机视觉中摄像机定标综述(论文提纲范文)
0 引言 |
1 计算机视觉投影原理 |
2 计算机视觉中的摄像机定标方法 |
2.1 三维立体定标法 |
2.2 平面定标法 |
2.3 双平面定标法 |
2.4 直线两点定标法 |
2.5 透视变换焦距的定标法 |
3 计算机视觉中摄像机定标方法的应用 |
3.1 在计算机视觉中摄像机的主动定标 |
3.2 分层次进行摄像机的定标 |
4 总结 |
(5)计算机视觉中的摄像机定标方法及应用特点(论文提纲范文)
0 引言 |
1 摄像机视觉投影原理 |
2 计算机视觉中的摄像机定标方法 |
2.1 三维定标法 |
2.2 平面定标法 |
2.3 两步定标法 |
3 计算机视觉中的摄像机定标方法的应用特点 |
3.1 建立于主动视觉上的自我标定 |
3.2 进行有层次划分的逐步标定 |
4 结语 |
(6)摄像机定标与图像校正算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 本文工作与安排 |
第二章 几何理论 |
2.1 基础理论 |
2.1.1 摄影平面 |
2.1.2 坐标系与齐次坐标 |
2.2 摄影几何中的变换 |
2.3 本章小结 |
第三章 摄像机定标原理与技术 |
3.1 引言 |
3.2 摄像机定标技术 |
3.2.1 摄像机成像模型 |
3.2.2 摄像机成像原理 |
3.3 摄像机定标方法 |
3.3.1 基本方法 |
3.3.2 仿射变换法 |
3.3.3 非线性方法 |
3.4 本章小结 |
第四章 基于角点提取的摄像机定标方法 |
4.1 图像特征点的角点检测 |
4.1.1 标定特征点的检测方法 |
4.1.2 三种方法的角点检测的简述和比较 |
4.1.3 SUSAN 角点检测算法 |
4.1.4 一种改进的SUSAN 角点检测算法 |
4.1.5 实验与结论 |
4.2 一种快速棋盘网格角点检测的方法 |
4.2.1 快速角点检测方法原理 |
4.2.2 实验结果分析 |
4.3 基于角点的摄像机定标 |
4.3.1 基于角点网格的摄像机定标方法原理 |
4.3.2 摄像机定标方法 |
4.3.3 摄像机定标的过程 |
4.3.4 摄像机定标实验步骤与结果 |
4.4 本章小结 |
第五章 数字图像的畸变校正 |
5.1 数字图像畸变校正技术 |
5.2 畸变校正原理与算法 |
5.2.1 几何校正原理 |
5.2.2 几何校正方法 |
5.3 改进的图像校正算法 |
5.3.1 DLT 图像校正算法 |
5.3.2 对应点的求解方法 |
5.4 图像校正的实验结果 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(7)基于双目视觉的三维信息获取及重构方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景和意义 |
1.2 国内外研究现状 |
1.3 本文工作 |
1.3.1 主要研究内容 |
1.3.2 论文结构安排 |
第二章 摄像机定标 |
2.1 摄像机定标的基本原理 |
2.2 摄像机定标 |
2.2.1 单摄像机定标 |
2.2.2 立体定标 |
2.3 摄像机畸变校正 |
2.4 本章小结 |
第三章 特征提取和立体匹配 |
3.1 特征提取 |
3.1.1 概述 |
3.1.2 Harris角点检测 |
3.1.3 边缘检测 |
3.1.4 自适应边缘检测 |
3.2 立体匹配 |
3.2.1 立体匹配概述 |
3.2.2 极线约束 |
3.2.3 图像校正 |
3.2.4 基于窗口的稀疏点匹配 |
3.3 本章小节 |
第四章 三维重建 |
4.1 三维重建概述 |
4.1.1 光度立体视觉的三维重建 |
4.1.2 结构光三维视觉三维重建 |
4.2 双目视觉的三维重建 |
4.2.1 基本原理 |
4.2.2 基于已校正图像的快速三维重建算法 |
4.2.3 算法比较 |
4.3 本章小结 |
第五章 基于双目视觉的三维重建系统 |
5.1 系统流程 |
5.2 双目立体视觉采集平台 |
5.3 软件开发平台 |
5.3.1 OpenCV简介 |
5.3.2 软件功能模块 |
5.4 三维重建模块 |
5.4.1 OPENGL简介 |
5.4.2 OPENGL基本流程 |
5.5 本章小节 |
第六章 系统实现与分析 |
6.1 系统结果演示 |
6.1.1 提取实验图像 |
6.1.2 摄像机定标 |
6.1.3 特征提取 |
6.1.4 立体匹配和三维重建 |
6.2 结果分析 |
6.3 本章小节 |
第七章 总结与展望 |
7.1 总结 |
7.2 不足与展望 |
致谢 |
参考文献 |
攻读硕士期间发表的论文 |
(8)基于高速公路车道线的车载摄像机定标方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 摄像机定标技术 |
1.3 国内外研究现状 |
1.4 论文的主要工作 |
第2章 计算机视觉中摄像机定标原理及方法 |
2.1 成像几何模型 |
2.2 传统的摄像机定标方法 |
2.2.1 利用最优化算法的摄像机定标方法 |
2.2.2 利用透视变换矩阵的摄像机定标方法 |
2.2.3 两步法 |
2.2.4 双平面定标方法 |
2.3 摄像机自定标方法 |
2.3.1 利用本质矩阵和基本矩阵的摄像机定标方法 |
2.3.2 利用绝对二次曲线和外极线变换性质的摄像机定标方法 |
2.3.3 利用主动系统控制摄像机做特定运动的自定标方法 |
2.3.4 利用多幅图像之间的直线对应关系的摄像机定标方法 |
2.4 消失点和消失线 |
2.4.1 消失点 |
2.4.2 消失线 |
第3章 利用消失点描述场景中的几何关系 |
3.1 利用消失点的射影不变量描述平面直线关系 |
3.1.1 射影几何知识 |
3.1.2 利用消失点的射影不变量判断直线关系 |
3.2 利用图像中的消失点描述平面直线关系 |
3.2.1 无穷远平面与绝对二次曲线 |
3.2.2 绝对二次曲线像ω(IAC) |
3.2.3 计算空间角度 |
3.2.4 计算消失点 |
3.2.5 摄像机内参数矩阵 |
3.2.6 计算绝对二次曲线像 |
3.2.7 算法步骤 |
3.2.8 仿真实验 |
3.2.9 实验 |
第4章 车载摄像机内部参数标定 |
4.1 标定模型的建立与标定算法的实现 |
4.2 仿真实验 |
4.3 实验 |
第5章 车载摄像机外部参数标定 |
5.1 三线法的基本原理描述 |
5.2 实现过程 |
5.2.1 建立坐标系(以下都是左手坐标系) |
5.2.2 透视投影成像模型 |
5.2.3 摄像机外部参数解析表达式的推导 |
5.3 具体实现步骤 |
5.4 实验 |
第6章 总结全文与展望 |
6.1 论文工作总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的论文 |
(9)三维彩色扫描系统定标(论文提纲范文)
0 引 言 |
1 视觉系统定标模型 |
2 定标方法改进及检验 |
2.1 改进定标方法及实验 |
2.2 物方坐标计算与检测 |
3 结 论 |
(10)机器视觉系统中摄像机的神经网络定标(论文提纲范文)
1 摄影测量学的定标模型 |
2 计算机视觉系统的一般定标方法与物方三维坐标解算 |
2.1 定标方法 |
2.2 物方三维坐标解算 |
3 基于神经网络的定标方法 |
3.1 传统方法的不足 |
3.2 神经网络方法 |
3.3 计算过程五步法 |
3.4 控制点建立及实验 |
3.4.1 传统方法的不足 |
3.4.2 改进方法及实验 |
3.5 物方坐标计算与检测 |
4 结 语 |
四、计算机视觉中摄像机定标综述(论文参考文献)
- [1]光学定标算法抗噪性研究及改进[D]. 杨文峰. 河南大学, 2017(06)
- [2]基于替代三维立体框架的摄像机标定技术研究[D]. 董琦奇. 国家体育总局体育科学研究所, 2015(02)
- [3]基于改进模板的摄像机定标方法研究与实现[D]. 宋卫东. 北京交通大学, 2014(03)
- [4]计算机视觉中摄像机定标综述[J]. 马伟. 价值工程, 2013(24)
- [5]计算机视觉中的摄像机定标方法及应用特点[J]. 许志雄. 软件导刊, 2012(07)
- [6]摄像机定标与图像校正算法研究[D]. 孙玉青. 太原理工大学, 2010(10)
- [7]基于双目视觉的三维信息获取及重构方法研究[D]. 江明. 昆明理工大学, 2010(03)
- [8]基于高速公路车道线的车载摄像机定标方法研究[D]. 张维来. 武汉理工大学, 2008(09)
- [9]三维彩色扫描系统定标[J]. 孙贤斌,李德华,尹杰. 武汉大学学报(理学版), 2007(05)
- [10]机器视觉系统中摄像机的神经网络定标[J]. 孙贤斌,李德华,尹杰,熊才权. 应用科学学报, 2007(05)