CN104713576B - 基于多张相片的相机自标定方法及其装置 - Google Patents

基于多张相片的相机自标定方法及其装置 Download PDF

Info

Publication number
CN104713576B
CN104713576B CN201510131895.7A CN201510131895A CN104713576B CN 104713576 B CN104713576 B CN 104713576B CN 201510131895 A CN201510131895 A CN 201510131895A CN 104713576 B CN104713576 B CN 104713576B
Authority
CN
China
Prior art keywords
feature points
matching
photo
matching pair
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510131895.7A
Other languages
English (en)
Other versions
CN104713576A (zh
Inventor
范荣双
郑君
曹萌
贺鹏艳
景新超
杨宗富
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Hi Tech (beijing) Surveying And Mapping Engineering Technology Co Ltd
Original Assignee
China Hi Tech (beijing) Surveying And Mapping Engineering Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Hi Tech (beijing) Surveying And Mapping Engineering Technology Co Ltd filed Critical China Hi Tech (beijing) Surveying And Mapping Engineering Technology Co Ltd
Priority to CN201510131895.7A priority Critical patent/CN104713576B/zh
Publication of CN104713576A publication Critical patent/CN104713576A/zh
Application granted granted Critical
Publication of CN104713576B publication Critical patent/CN104713576B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明涉及摄影测量技术领域，公开了一种基于多张相片的相机自标定方法及装置，通过对被测物体拍摄至少两张照片；确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；根据所述正确的特征点匹配对，筛选特征点真匹配对；根据所述特征点真匹配对，进行基础矩阵F的计算；对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。实现了无特定约束条件下的相机内外参数自动标定。

Description

基于多张相片的相机自标定方法及其装置
技术领域
本发明涉及摄影测量技术领域，尤其涉及一种基于多张相片的相机自标定方法及其装置。
背景技术
随着地理信息服务日益增长的需求，如何便捷、快速地对相机进行标定已经成为摄影测量技术研究的热点，传统的相机标定方式主要包括基于标定物的传统标定方法和基于双目相机系统采集二维图像进行相机标定。在基于标定物的传统标定方法中，需要高精度的三维标定块，在实施标定的过程中需要对标定块进行不同位置和不同角度的拍摄求解相机内外参数，操作方式较为复杂；基于双目相机系统采集二维图像进行相机标定方法，在实施标定的过程中需要构建双目相机系统，利用了相机参数的自身约束关系进行的标定，但对标定的系统及环境有特定的要求。
发明内容
本发明提供一种基于多张相片的相机自标定方法及其装置，解决现有技术中相机标定方式复杂、对标定的系统及环境有特定的要求的技术问题。
本发明的目的是通过以下技术方案实现的：
一种基于多张相片的相机自标定方法，包括：
对被测物体拍摄至少两张照片，所述照片间重复区域占比大于预设比例阈值；
确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；
根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；
根据所述正确的特征点匹配对，计算出照片间的基础矩阵F，并通过所述基础矩阵F计算出极限方程；
求解所述正确的特征点匹配对中匹配照片的特征点到所述极限方程的直线距离dk1和参考照片的特征点到所述极限方程的直线距离dk2，当所述距离dk1和dk2小于设定的距离阀值D，则认为所述正确的特征点匹配对为特征点真匹配对；
根据所述特征点真匹配对，进行基础矩阵F的计算；
对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。
一种基于多张相片的相机自标定装置，包括：
拍摄模块，用于对被测物体拍摄至少两张照片，所述照片间重复区域占比大于预设比例阈值；
匹配模块，用于确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；
第一筛选模块，用于根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；
第一计算模块，用于根据所述正确的特征点匹配对，计算出照片间的基础矩阵F，并通过所述基础矩阵F计算出极限方程；
第二筛选模块，用于求解所述正确的特征点匹配对中匹配照片的特征点到所述极限方程的直线距离dk1和参考照片的特征点到所述极限方程的直线距离dk2，当所述距离dk1和dk2小于设定的距离阀值D，则认为所述正确的特征点匹配对为特征点真匹配对；
第二计算模块，用于根据所述特征点真匹配对，进行基础矩阵F的计算；
第三计算模块，用于对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。
通过本发明提供的一种基于多张相片的相机自标定方法及装置，通过对被测物体拍摄至少两张照片；确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；根据所述正确的特征点匹配对，筛选特征点真匹配对；根据所述特征点真匹配对，进行基础矩阵F的计算；对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。实现了无特定约束条件下的相机内外参数自动标定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可根据这些附图获得其他的附图。
图1为本发明实施例中提供的一种基于多张相片的相机自标定方法的流程图；
图2为本发明实施例中提供的一种基于多张相片的相机自标定方法中特征点匹配对的示意图；
图3为本发明实施例中提供的一种基于多张相片的相机自标定装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例中提供了一种基于多张相片的相机自标定方法，所述方法以摄影测量及计算机视觉技术为基础，针对传统相机标定方法的不足，设计的无特定约束条件下的相机内外参数自动标定。如图1所示，为本发明实施例中提供的一种基于多张相片的相机自标定方法的流程图，包括：
步骤101、对被测物体拍摄至少两张照片；
其中，对被测物体拍摄至少两张照片，所述照片间重复区域占比大于预设比例阈值，例如：照片之间的重复区域大于60％；
步骤102、确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；
其中，步骤102具体可以包括：
步骤102-1、确定候选的特征点匹配对(A1i，A2j)，其中，特征点A1i属于照片M1上的特征点集合N1，特征点A2j属于照片M2上的特征点集合N2，所述集合N1和集合N2分别为以特征点A1和特征点A2为中心，R为半径的邻域内的特征点集合(如图2所示，为特征点匹配对的示意图)；
步骤102-2、通过公式计算每个候选的特征点匹配对的匹配度S；
其中，A1i，A2j为特征点匹配对，N1，N2为特征点集合，n1k，n2l为较为精准的特征点匹配对，Cij为特征点间的自相关系数；
在自相关系数计算中是参考图像和匹配凸显的特征点灰度值。
σ2(Ik)则为(2n+1)×(2m+1)临域内的灰度标准差。
步骤102-3、通过公式U＝1-S1(x)/S2(x)计算每个候选的特征点匹配对的明确度U，其中，S1(x)为点x的最大匹配度，S2(x)点x的第二大匹配度。
步骤103、根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；
其中，步骤103具体可以包括：
步骤103-1、将计算出的特征点匹配对的匹配度S和明确度U进行排序；
步骤103-2、截取匹配度S的数值和明确度U的数值大小排序前80％的特征点匹配对，为正确的特征点匹配对。
步骤104、根据所述正确的特征点匹配对，筛选特征点真匹配对；
其中，步骤104具体可以包括：
步骤104-1、选取正确的特征点匹配对A1(u1，v1，1),A2(u2，v2，1)，并根据极限方程计算出照片间的基础矩阵F；本步骤中，求解照片间的基础矩阵F需要最少8个正确的特征点匹配对。
步骤104-2、通过所述基础矩阵F计算出极限方程
步骤104-3、求解所述正确的特征点匹配对中匹配照片的特征点(ui vi 1)到所述极限方程的直线距离dk1和参考照片的特征点(uj vj 1)到所述极限方程的直线距离dk2，当所述距离dk1和dk2小于设定的距离阀值D，则认为所述正确的特征点匹配对为特征点真匹配对；
步骤105、根据所述特征点真匹配对，进行基础矩阵F的计算；
其中，求解照片间的基础矩阵F需要最少8个特征点真匹配对；
步骤106、对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。
将所述基础矩阵F分解为F＝m2×M21，其中，矩阵m2满足条件m2 T×F＝0；
根据矩阵M21，求解出相机的外方位元素为M1＝[I 0]，相片的内方位元素为[M21m2]，I为单位矩阵。
通过本发明提供的一种基于多张相片的相机自标定方法，通过对被测物体拍摄至少两张照片；确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；根据所述正确的特征点匹配对，筛选特征点真匹配对；根据所述特征点真匹配对，进行基础矩阵F的计算；对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。实现了无特定约束条件下的相机内外参数自动标定。
本发明实施例中还提供了一种基于多张相片的相机自标定装置，如图3所示，包括：
拍摄模块310，用于对被测物体拍摄至少两张照片，所述照片间重复区域占比大于预设比例阈值；
匹配模块320，用于确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；
第一筛选模块330，用于根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；
第一计算模块340，用于根据所述正确的特征点匹配对，计算出照片间的基础矩阵F，并通过所述基础矩阵F计算出极限方程；
第二筛选模块350，用于求解所述正确的特征点匹配对中匹配照片的特征点到所述极限方程的直线距离dk1和参考照片的特征点到所述极限方程的直线距离dk2，当所述距离dk1和dk2小于设定的距离阀值D，则认为所述正确的特征点匹配对为特征点真匹配对；
第二计算模块360，用于根据所述特征点真匹配对，进行基础矩阵F的计算；
第三计算模块370，用于对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素。
所述匹配模块320，包括：
初始化单元321，用于确定候选的特征点匹配对(A1i，A2j)，其中，特征点A1i属于照片M1上的特征点集合N1，特征点A2j属于照片M2上的特征点集合N2，所述集合N1和集合N2分别为以特征点A1和特征点A2为中心，R为半径的邻域内的特征点集合；
匹配度计算单元322，用于通过公式
计算每个候选的特征点匹配对的匹配度S，其中，A1i，A2j为特征点匹配对，N1，N2为特征点集合，n1k，n2l为较为精准的特征点匹配对，Cij为特征点间的自相关系数；
明确度计算单元323，用于通过公式U＝1-S1(x)/S2(x)计算每个候选的特征点匹配对的明确度U，其中，S1(x)为点x的最大匹配度，S2(x)点x的第二大匹配度。
所述第一筛选模块330，包括：
排序单元331，用于将计算出的特征点匹配对的匹配度S和明确度U进行排序；
选择单元332，用于截取匹配度S的数值和明确度U的数值大小排序前80％的特征点匹配对，为正确的特征点匹配对。
所述第一计算模块340，包括：
矩阵求解单元341，用于选取正确的特征点匹配对A1(u1，v1，1),A2(u2，v2，1)，并根据极限方程计算出照片间的基础矩阵F；
方程计算单元342，用于通过所述基础矩阵F计算出极限方程
所述第三计算模块370，包括：
矩阵分解单元371，用于将所述基础矩阵F分解为F＝m2×M21，其中，矩阵m2满足条件m2 T×F＝0；
参数求解单元372，用于根据矩阵M21，求解出相机的外方位元素为M1＝[I0]，相片的内方位元素为[M21m2]，I为单位矩阵。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于多张相片的相机自标定方法，其特征在于，包括：
对被测物体拍摄至少两张照片，所述照片间重复区域占比大于预设比例阈值；
确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；
根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；
根据所述正确的特征点匹配对，计算出照片间的基础矩阵F，并通过所述基础矩阵F计算出极限方程；
求解所述正确的特征点匹配对中匹配照片的特征点到所述极限方程的直线距离dk1和参考照片的特征点到所述极限方程的直线距离dk2，当所述距离dk1和dk2小于设定的距离阀值D，则认为所述正确的特征点匹配对为特征点真匹配对；
根据所述特征点真匹配对，进行基础矩阵F的计算；
对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素；所述确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度，包括：
确定候选的特征点匹配对(A1i，A2j)，其中，特征点A1i属于照片M1上的特征点集合N1，特征点A2j属于照片M2上的特征点集合N2，所述集合N1和集合N2分别为以特征点A1和特征点A2为中心，R为半径的邻域内的特征点集合；
通过公式计算每个候选的特征点匹配对的匹配度S，其中，A1i，A2j为特征点匹配对，N1，N2为特征点集合，n1k，n2l为精准的特征点匹配对，Cij为特征点间的自相关系数；其中，δ(A1i,A2j,n1k,n2l)表示照片M1上的特征点A1i与照片M2上的特征点A2j构成的特征点集N1，N2与n1k,n2l为精准的特征点匹配对的点集合；dist(A1i,A2j,n1k,n2l)表示δ(A1i,A2j,n1k,n2l)的全部特征点集中候选匹配对(A1i,A2j)与精确匹配对(n1k,n2l)之间的匹配差异系数；
通过公式U＝1-S1(x)/S2(x)计算每个候选的特征点匹配对的明确度U，其中，S1(x)为点x的最大匹配度，S2(x)为点x的第二大匹配度。
2.根据权利要求1所述的方法，其特征在于，所述根据计算出的匹配度和明确度，筛选出正确的特征点匹配对，包括：
将计算出的特征点匹配对的匹配度S和明确度U进行排序；
截取匹配度S的数值和明确度U的数值大小排序前80％的特征点匹配对，为正确的特征点匹配对。
3.根据权利要求1所述的方法，其特征在于，所述根据所述正确的特征点匹配对，计算出照片间的基础矩阵F，并通过所述基础矩阵F计算出极限方程，包括：
选取正确的特征点匹配对A1(u1，v1，1),A2(u2，v2，1)，并根据极限方程计算出照片间的基础矩阵F；
通过所述基础矩阵F计算出极限方程
4.根据权利要求1所述的方法，其特征在于，所述对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素，包括：
将所述基础矩阵F分解为F＝m2×M21，其中，矩阵m2满足条件m2 T×F＝0；
根据矩阵M21，求解出相机的外方位元素为M1＝[I 0]，相片的内方位元素为[M21m2]，I为单位矩阵。
5.一种基于多张相片的相机自标定装置，其特征在于，包括：
拍摄模块，用于对被测物体拍摄至少两张照片，所述照片间重复区域占比大于预设比例阈值；
匹配模块，用于确定候选的特征点匹配对，计算照片间每个候选的特征点匹配对的匹配度，并确定每个候选的特征点匹配对的明确度；
第一筛选模块，用于根据计算出的匹配度和明确度，筛选出正确的特征点匹配对；
第一计算模块，用于根据所述正确的特征点匹配对，计算出照片间的基础矩阵F，并通过所述基础矩阵F计算出极限方程；
第二筛选模块，用于求解所述正确的特征点匹配对中匹配照片的特征点到所述极限方程的直线距离dk1和参考照片的特征点到所述极限方程的直线距离dk2，当所述距离dk1和dk2小于设定的距离阀值D，则认为所述正确的特征点匹配对为特征点真匹配对；
第二计算模块，用于根据所述特征点真匹配对，进行基础矩阵F的计算；
第三计算模块，用于对所述基础矩阵F进行分解，求解相机的内方位元素和外方位元素；所述匹配模块，包括：
初始化单元，用于确定候选的特征点匹配对(A1i，A2j)，其中，特征点A1i属于照片M1上的特征点集合N1，特征点A2j属于照片M2上的特征点集合N2，所述集合N1和集合N2分别为以特征点A1和特征点A2为中心，R为半径的邻域内的特征点集合；
匹配度计算单元，用于通过公式
计算每个候选的特征点匹配对的匹配度S，其中，A1i，A2j为特征点匹配对，N1，N2为特征点集合，n1k，n2l为精准的特征点匹配对，Cij为特征点间的自相关系数；其中，δ(A1i,A2j,n1k,n2l)表示照片M1上的特征点A1i与照片M2上的特征点A2j构成的特征点集N1，N2与n1k,n2l为精准的特征点匹配对的点集合；dist(A1i,A2j,n1k,n2l)表示δ(A1i,A2j,n1k,n2l)的全部特征点集中候选匹配对(A1i,A2j)与精确匹配对(n1k,n2l)之间的匹配差异系数；
明确度计算单元，用于通过公式U＝1-S1(x)/S2(x)计算每个候选的特征点匹配对的明确度U，其中，S1(x)为点x的最大匹配度，S2(x)为点x的第二大匹配度。
6.根据权利要求5所述的装置，其特征在于，所述第一筛选模块，包括：
排序单元，用于将计算出的特征点匹配对的匹配度S和明确度U进行排序；
选择单元，用于截取匹配度S的数值和明确度U的数值大小排序前80％的特征点匹配对，为正确的特征点匹配对。
7.根据权利要求5所述的装置，其特征在于，所述第一计算模块，包括：
矩阵求解单元，用于选取正确的特征点匹配对A1(u1，v1，1),A2(u2，v2，1)，并根据极限方程计算出照片间的基础矩阵F；
方程计算单元，用于通过所述基础矩阵F计算出极限方程。
8.根据权利要求5所述的装置，其特征在于，所述第三计算模块，包括：
矩阵分解单元，用于将所述基础矩阵F分解为F＝m2×M21，其中，矩阵m2满足条件m2 T×F＝0；
参数求解单元，用于根据矩阵M21，求解出相机的外方位元素为M1＝[I 0]，相片的内方位元素为[M21 m2]，I为单位矩阵。
CN201510131895.7A 2015-03-25 2015-03-25 基于多张相片的相机自标定方法及其装置 Expired - Fee Related CN104713576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510131895.7A CN104713576B (zh) 2015-03-25 2015-03-25 基于多张相片的相机自标定方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510131895.7A CN104713576B (zh) 2015-03-25 2015-03-25 基于多张相片的相机自标定方法及其装置

Publications (2)

Publication Number Publication Date
CN104713576A CN104713576A (zh) 2015-06-17
CN104713576B true CN104713576B (zh) 2017-11-07

Family

ID=53413107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510131895.7A Expired - Fee Related CN104713576B (zh) 2015-03-25 2015-03-25 基于多张相片的相机自标定方法及其装置

Country Status (1)

Country Link
CN (1) CN104713576B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106629394B (zh) * 2015-10-28 2018-01-16 上海振华重工电气有限公司 应用于轨道吊吊具位姿检测的相机外参数标定系统及方法
CN106251395A (zh) * 2016-07-27 2016-12-21 中测高科（北京）测绘工程技术有限责任公司 一种三维模型快速重建方法及系统
CN106981083B (zh) * 2017-03-22 2019-06-28 大连理工大学 双目立体视觉系统摄像机参数的分步标定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1483999A (zh) * 2003-08-15 2004-03-24 清华大学 测量物体三维表面轮廊的方法及系统
CN101420528A (zh) * 2007-10-23 2009-04-29 三星Techwin株式会社 能够显示色彩分布图表的数字图像处理设备及其操作方法
CN103366374A (zh) * 2013-07-12 2013-10-23 重庆大学 基于图像匹配的消防通道障碍物检测方法
KR101346323B1 (ko) * 2013-11-01 2014-01-02 주식회사 범아엔지니어링 지상기준점과 부가매개변수를 이용한 비측량용 디지털 카메라 촬영 시스템의 자체검정 방법
CN103886595A (zh) * 2014-03-19 2014-06-25 浙江大学 一种基于广义统一模型的折反射相机自标定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1483999A (zh) * 2003-08-15 2004-03-24 清华大学 测量物体三维表面轮廊的方法及系统
CN101420528A (zh) * 2007-10-23 2009-04-29 三星Techwin株式会社 能够显示色彩分布图表的数字图像处理设备及其操作方法
CN103366374A (zh) * 2013-07-12 2013-10-23 重庆大学 基于图像匹配的消防通道障碍物检测方法
KR101346323B1 (ko) * 2013-11-01 2014-01-02 주식회사 범아엔지니어링 지상기준점과 부가매개변수를 이용한 비측량용 디지털 카메라 촬영 시스템의 자체검정 방법
CN103886595A (zh) * 2014-03-19 2014-06-25 浙江大学 一种基于广义统一模型的折反射相机自标定方法

Also Published As

Publication number Publication date
CN104713576A (zh) 2015-06-17

Similar Documents

Publication Publication Date Title
CN108615244B (zh) 一种基于cnn和深度滤波器的图像深度估计方法及系统
CN103090846B (zh) 一种测距装置、测距系统及其测距方法
CN108510551B (zh) 一种远距离大视场条件下相机参数的标定方法及系统
CN104713576B (zh) 基于多张相片的相机自标定方法及其装置
CN106767810A (zh) 一种基于移动终端的wifi和视觉信息的室内定位方法及系统
CN105629196B (zh) 基于计算机视觉及动态指纹的定位系统及相应方法
CN105956539A (zh) 一种基于背景建模和双目视觉的人体身高测量方法
WO2014139728A1 (en) Automatic stereoscopic camera calibration
CN103686162B (zh) 一种3d显示串扰的测试方法及装置
CN108510540A (zh) 立体视觉摄像机及其高度获取方法
CN103248822A (zh) 摄像终端的对焦方法及摄像终端
CN106840140B (zh) 一种室内定位方法和系统
CN107871329A (zh) 一种相机光学中心的快速标定方法及装置
CN104506850B (zh) 一种视频遮挡判断方法和装置
CN104182968A (zh) 宽基线多阵列光学探测系统模糊动目标分割方法
CN107764233A (zh) 一种测量方法及装置
CN107358609A (zh) 一种用于增强现实的图像叠加方法及装置
CN110689580A (zh) 多相机标定方法及装置
CN109800670A (zh) 一种端到端的无人驾驶决策方法及系统
CN106767817B (zh) 一种获取飞行定位信息的方法及飞行器
KR101006728B1 (ko) 중심 투영과 영상 매칭을 이용한 자동 3 차원 좌표 측정 방법
CN114979956A (zh) 一种无人机航拍地面目标定位方法及系统
CN101894369B (zh) 从图像序列中计算摄像机焦距的实时方法
CN110702015B (zh) 输电线路覆冰厚度测量方法及装置
CN101523436A (zh) 用于恢复视频流中的视差的方法和滤波器

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171107

CF01 Termination of patent right due to non-payment of annual fee