CN105488807A - 一种远心镜头的标定和矫正方法 - Google Patents
一种远心镜头的标定和矫正方法 Download PDFInfo
- Publication number
- CN105488807A CN105488807A CN201510997976.5A CN201510997976A CN105488807A CN 105488807 A CN105488807 A CN 105488807A CN 201510997976 A CN201510997976 A CN 201510997976A CN 105488807 A CN105488807 A CN 105488807A
- Authority
- CN
- China
- Prior art keywords
- telecentric lens
- demarcation
- antidote
- network
- comprises following
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 4
- 239000000729 antidote Substances 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000012937 correction Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 235000005121 Sorbus torminalis Nutrition 0.000 abstract 2
- 244000152100 Sorbus torminalis Species 0.000 abstract 2
- 210000005036 nerve Anatomy 0.000 abstract 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种远心镜头的标定和矫正方法,包括如下步骤:用远心镜头拍摄棋盘格图像;棋盘格图像预处理;神经网络拟合;标定和修正畸变。本发明利用神经网络拟合模型,规避了小孔成像模型应用于远心镜头标定与矫正中的弊端,规避了摄像机位姿的影响,实现了远心镜头微小畸变的修正,并能应用于高精度的机器视觉测量。
Description
技术领域
本发明涉及机器视觉技术领域,具体涉及一种远心镜头的标定和矫正方法。
背景技术
远心镜头,主要是为纠正传统工业镜头视差而设计,它可以在一定的物距范围内,使得到的图像放大倍率不会变化,这对被测物不在同一物面上的情况是非常重要的应用,也是目前机器视觉领域广泛应用的高精度尺寸测量的图像采集镜头。远心镜头由于其特有的平行光路设计,一直为对镜头畸变要求很高的机器视觉应用场合所青睐。尽管远心镜头本身的畸变较普通工业镜头来讲是非常微小的,但由于其本身加工工艺的限制以及目前机器视觉高精度测量的要求越来越高,其自身的微小畸变在硬件结构上已经很难提高,而且很多情况下不能满足实际的使用需求。所以,通过软件算法来标定远心镜头并修正畸变已经是一个机器视觉高精度测量流程中必须的一个重要环节。
由于远心镜头与传统小孔成像原理的镜头成像原理有所不同,传统的基于小孔成像原理的镜头标定算法并不适用于远心镜头。因此,针对圆心镜头的标定和矫正需要新的算法。
发明内容
本发明的目的是提供一种远心镜头的标定和矫正方法,利用神经网络拟合模型,规避了小孔成像模型应用于远心镜头标定与矫正中的弊端,规避了摄像机位姿的影响,实现了远心镜头微小畸变的修正,并能应用于高精度的机器视觉测量。
为了实现上述目的,本发明采用的技术方案如下:
一种远心镜头的标定和矫正方法,包括如下步骤:
(1)、用远心镜头拍摄棋盘格图像;
(2)、棋盘格图像预处理;
(3)、神经网络拟合;
(4)、标定和修正畸变。
根据以上方案,所述步骤(1)包括如下具体步骤:
(11)、将棋盘格垂直于远心镜头平面置于远心镜头有效距离处;
(12)、控制连接远心镜头的工业相机采集棋盘格图片。
根据以上方案,所述步骤(2)包括如下具体步骤:
(21)、利用角点检测算法找出棋盘格图像中的角点位置;
(22)、将角点位置对应的世界坐标做Z字型排列;
(23)、将角点位置对应的图像坐标做Z字型排列。
根据以上方案,所述步骤(3)包括如下具体步骤:
(31)、初始化神经网络;
(32)、设定神经网络参数;
(33)、将角点图像坐标以及世界坐标输入网络作为输入端及输出端;
(34)、训练网络;
(35)、得到图像坐标与世界坐标的映射关系网络。
根据以上方案,所述步骤(4)包括如下具体步骤:
(41)、用同一摄像机镜头组合在同一位姿下获取新图像;
(42)、利用步骤(3)中网络对新图像进行插值映射。
本发明的有益效果是:
与其他远心镜头标定和矫正方法相比,本发明采用了神经网络拟合的标定策略,有效的摆脱了小孔成像相机模型的束缚,同时也提高了标定的准确性;另外本发明较传统方法,做了对摄像机位姿的忽略改进,更有利于固定位姿的高精度测量。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图与实施例对本发明的技术方案进行说明。
本发明提供一种远心镜头的标定和矫正方法,包括如下步骤(见图1):
(1)、用远心镜头拍摄棋盘格图像:
(11)、将棋盘格垂直于远心镜头平面置于远心镜头有效距离处;
(12)、控制连接远心镜头的工业相机采集棋盘格图片;
(2)、棋盘格图像预处理:
(21)、利用角点检测算法找出棋盘格图像中的角点位置;
(22)、将角点位置对应的世界坐标做Z字型排列;
(23)、将角点位置对应的图像坐标做Z字型排列;
(3)、神经网络拟合:
(31)、初始化神经网络;
(32)、设定神经网络参数;
(33)、将角点图像坐标以及世界坐标输入网络作为输入端及输出端;
(34)、训练网络;
(35)、得到图像坐标与世界坐标的映射关系网络;
(4)、标定和修正畸变:
(41)、用同一摄像机镜头组合在同一位姿下获取新图像;
(42)、利用步骤(3)中网络对新图像进行插值映射。
以上实施例仅用以说明而非限制本发明的技术方案,尽管上述实施例对本发明进行了详细说明,本领域的相关技术人员应当理解:可以对本发明进行修改或者同等替换,但不脱离本发明精神和范围的任何修改和局部替换均应涵盖在本发明的权利要求范围内。
Claims (5)
1.一种远心镜头的标定和矫正方法,其特征在于,包括如下步骤:
(1)、用远心镜头拍摄棋盘格图像;
(2)、棋盘格图像预处理;
(3)、神经网络拟合;
(4)、标定和修正畸变。
2.根据权利要求1所述的远心镜头的标定和矫正方法,其特征在于,所述步骤(1)包括如下具体步骤:
(11)、将棋盘格垂直于远心镜头平面置于远心镜头有效距离处;
(12)、控制连接远心镜头的工业相机采集棋盘格图片。
3.根据权利要求1所述的远心镜头的标定和矫正方法,其特征在于,所述步骤(2)包括如下具体步骤:
(21)、利用角点检测算法找出棋盘格图像中的角点位置;
(22)、将角点位置对应的世界坐标做Z字型排列;
(23)、将角点位置对应的图像坐标做Z字型排列。
4.根据权利要求1所述的远心镜头的标定和矫正方法,其特征在于,所述步骤(3)包括如下具体步骤:
(31)、初始化神经网络;
(32)、设定神经网络参数;
(33)、将角点图像坐标以及世界坐标输入网络作为输入端及输出端;
(34)、训练网络;
(35)、得到图像坐标与世界坐标的映射关系网络。
5.根据权利要求1所述的远心镜头的标定和矫正方法,其特征在于,所述步骤(4)包括如下具体步骤:
(41)、用同一摄像机镜头组合在同一位姿下获取新图像;
(42)、利用步骤(3)中网络对新图像进行插值映射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510997976.5A CN105488807A (zh) | 2015-12-25 | 2015-12-25 | 一种远心镜头的标定和矫正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510997976.5A CN105488807A (zh) | 2015-12-25 | 2015-12-25 | 一种远心镜头的标定和矫正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105488807A true CN105488807A (zh) | 2016-04-13 |
Family
ID=55675773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510997976.5A Pending CN105488807A (zh) | 2015-12-25 | 2015-12-25 | 一种远心镜头的标定和矫正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488807A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025670A (zh) * | 2017-03-23 | 2017-08-08 | 华中科技大学 | 一种远心相机标定方法 |
CN109816732A (zh) * | 2018-12-29 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 标定方法、标定系统、矫正方法、矫正系统及车辆 |
CN110567641A (zh) * | 2019-08-15 | 2019-12-13 | 北京航天控制仪器研究所 | 一种异构体径向静平衡调整方法和装置 |
CN111242866A (zh) * | 2020-01-13 | 2020-06-05 | 重庆邮电大学 | 观测者动态眼位条件下ar-hud虚像畸变校正的神经网络插值方法 |
CN111275768A (zh) * | 2019-12-11 | 2020-06-12 | 深圳市德赛微电子技术有限公司 | 一种基于卷积神经网络的镜头标定方法及其系统 |
CN113687099A (zh) * | 2021-08-25 | 2021-11-23 | 北京航空航天大学宁波创新研究院 | 一种基于激光线阵的piv图像标定装置及方法 |
WO2023023961A1 (zh) * | 2021-08-25 | 2023-03-02 | 北京航空航天大学宁波创新研究院 | 一种基于激光线阵的piv图像标定装置及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5617490A (en) * | 1994-06-27 | 1997-04-01 | Sanyo Electric Co., Ltd. | Camera system with neural network compensator for measuring 3-D position |
US5832106A (en) * | 1996-05-22 | 1998-11-03 | Electronics And Telecommunications Research Institute | Method for camera calibration of range imaging system by use of neural network |
CN101261115A (zh) * | 2008-04-24 | 2008-09-10 | 吉林大学 | 空间圆几何参数的双目立体视觉测量方法 |
CN102645173A (zh) * | 2011-02-16 | 2012-08-22 | 张文杰 | 一种基于多目视觉的桥梁三维变形监测方法 |
CN103778640A (zh) * | 2014-03-07 | 2014-05-07 | 中国工程物理研究院激光聚变研究中心 | 一种基于微球靶标的物方远心显微视觉系统标定方法 |
CN104729429A (zh) * | 2015-03-05 | 2015-06-24 | 深圳大学 | 一种远心成像的三维形貌测量系统标定方法 |
CN104881874A (zh) * | 2015-06-04 | 2015-09-02 | 西北工业大学 | 基于二元四次多项式畸变误差补偿的双远心镜头标定方法 |
-
2015
- 2015-12-25 CN CN201510997976.5A patent/CN105488807A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5617490A (en) * | 1994-06-27 | 1997-04-01 | Sanyo Electric Co., Ltd. | Camera system with neural network compensator for measuring 3-D position |
US5832106A (en) * | 1996-05-22 | 1998-11-03 | Electronics And Telecommunications Research Institute | Method for camera calibration of range imaging system by use of neural network |
CN101261115A (zh) * | 2008-04-24 | 2008-09-10 | 吉林大学 | 空间圆几何参数的双目立体视觉测量方法 |
CN102645173A (zh) * | 2011-02-16 | 2012-08-22 | 张文杰 | 一种基于多目视觉的桥梁三维变形监测方法 |
CN103778640A (zh) * | 2014-03-07 | 2014-05-07 | 中国工程物理研究院激光聚变研究中心 | 一种基于微球靶标的物方远心显微视觉系统标定方法 |
CN104729429A (zh) * | 2015-03-05 | 2015-06-24 | 深圳大学 | 一种远心成像的三维形貌测量系统标定方法 |
CN104881874A (zh) * | 2015-06-04 | 2015-09-02 | 西北工业大学 | 基于二元四次多项式畸变误差补偿的双远心镜头标定方法 |
Non-Patent Citations (2)
Title |
---|
文涛 等: "一种鲁棒的高精度摄像机标定方法", 《计算机应用研究》 * |
郭海丰: "基于神经网络的摄像机标定方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025670A (zh) * | 2017-03-23 | 2017-08-08 | 华中科技大学 | 一种远心相机标定方法 |
CN109816732A (zh) * | 2018-12-29 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 标定方法、标定系统、矫正方法、矫正系统及车辆 |
CN109816732B (zh) * | 2018-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 标定方法、标定系统、矫正方法、矫正系统及车辆 |
CN110567641A (zh) * | 2019-08-15 | 2019-12-13 | 北京航天控制仪器研究所 | 一种异构体径向静平衡调整方法和装置 |
CN110567641B (zh) * | 2019-08-15 | 2021-07-13 | 北京航天控制仪器研究所 | 一种异构体径向静平衡调整方法和装置 |
CN111275768A (zh) * | 2019-12-11 | 2020-06-12 | 深圳市德赛微电子技术有限公司 | 一种基于卷积神经网络的镜头标定方法及其系统 |
CN111242866A (zh) * | 2020-01-13 | 2020-06-05 | 重庆邮电大学 | 观测者动态眼位条件下ar-hud虚像畸变校正的神经网络插值方法 |
CN111242866B (zh) * | 2020-01-13 | 2023-06-16 | 重庆邮电大学 | 观测者动态眼位条件下ar-hud虚像畸变校正的神经网络插值方法 |
CN113687099A (zh) * | 2021-08-25 | 2021-11-23 | 北京航空航天大学宁波创新研究院 | 一种基于激光线阵的piv图像标定装置及方法 |
WO2023023961A1 (zh) * | 2021-08-25 | 2023-03-02 | 北京航空航天大学宁波创新研究院 | 一种基于激光线阵的piv图像标定装置及方法 |
CN113687099B (zh) * | 2021-08-25 | 2024-04-30 | 北京航空航天大学宁波创新研究院 | 一种基于激光线阵的piv图像标定装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105488807A (zh) | 一种远心镜头的标定和矫正方法 | |
CN109405765B (zh) | 一种基于散斑结构光的高精度深度计算方法及系统 | |
CN103776419B (zh) | 一种提高测量范围的双目视觉测距方法 | |
CN103686107B (zh) | 一种基于投影图像的处理方法及装置 | |
Song et al. | Survey on camera calibration technique | |
CN106709865B (zh) | 一种深度图像合成方法及装置 | |
CN104657982A (zh) | 一种投影仪标定方法 | |
CN103679166B (zh) | 一种快速获取设备中鱼眼镜头中心偏移量的方法及系统 | |
GB2512242A (en) | Method, device, and system for computing a spherical projection image based on two-dimensional images | |
CN104574350A (zh) | 三维数据撷取方法及其系统 | |
CN104574289A (zh) | 一种基于椭球面模型的鱼眼图像畸变校正算法 | |
CN104457577A (zh) | 面向机器视觉的无接触式工件定位与测量方法 | |
CN104820978B (zh) | 一种ccd相机的基准定位方法 | |
CN110889873A (zh) | 一种目标定位方法、装置、电子设备及存储介质 | |
CN106886976B (zh) | 一种基于内参数修正鱼眼像机的图像生成方法 | |
CN102903092A (zh) | 一种基于四点变换的图像自适应校正方法 | |
CN105513074B (zh) | 一种羽毛球机器人相机以及车身到世界坐标系的标定方法 | |
CN107492080A (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
US11380063B2 (en) | Three-dimensional distortion display method, terminal device, and storage medium | |
CN110689572A (zh) | 一种三维空间中移动机器人定位系统及方法 | |
CN104123725A (zh) | 一种单线阵相机单应性矩阵h的计算方法 | |
CN103278104B (zh) | 一种用于dic测量的双相机系统的标定板及其标定方法 | |
CN106919246A (zh) | 一种应用界面的显示方法和装置 | |
CN204303031U (zh) | 基于光学投影仪的相机多功能标定装置 | |
CN109900266A (zh) | 一种基于rgb-d和惯导的快速识别定位方式及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160413 |