CN106504290B - 一种高精度的摄像机动态标定方法 - Google Patents
一种高精度的摄像机动态标定方法 Download PDFInfo
- Publication number
- CN106504290B CN106504290B CN201610918342.0A CN201610918342A CN106504290B CN 106504290 B CN106504290 B CN 106504290B CN 201610918342 A CN201610918342 A CN 201610918342A CN 106504290 B CN106504290 B CN 106504290B
- Authority
- CN
- China
- Prior art keywords
- image
- calibration
- calibration point
- target
- 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.)
- Active
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Studio Devices (AREA)
Abstract
一种高精度的摄像机动态标定方法,属于图像处理与机器视觉检测技术领域。棋盘格靶标图像X型标定点的检测;棋盘格靶标X型标定点的高精度定位;基于非量测畸变校正的摄像机标定;摄像机动态标定。本方法稳定、可靠、实用,可同时适用于简单背景与复杂背景及大视场条件下的摄像机标定。本方法标定过程简单、实时性好,对于序列图像中的靶标特征区域只需对第一帧图像靶标区域进行匹配,只需任意i帧单幅图像即可完成单次摄像机标定,确定对应的单应性矩阵Hi。本方法不存在参数耦合,整个标定过程仅仅只需求解与优化单个畸变系数。本发明通过靶标标定点的高精度定位与非线性摄像机成像模型畸变系数的优化方法提高标定精度。
Description
技术领域
本发明属于图像处理与机器视觉检测技术领域,尤其针对复杂背景与大视场条件下的高精度、稳定、可靠的摄像机动态标定。
背景技术
摄像机标定是机器视觉检测、摄影几何测量等中最为关键的部分,摄像机标定的目的是为了确定表征摄像机内部光学与几何特征的内参数,以及表征摄像机坐标系与世界坐标系位置和方向的外参数。而对于平面运动估计与测量,往往不需要准确的确定摄像机内参数与外参数,只需要确定运动图像上图像坐标与世界坐标之间对应的单应性矩阵H。摄像机动态标定方法通过运动序列图像的标定可得到图像坐标与世界坐标对应的最佳单应性矩阵H,其对于平面运动估计与测量至关重要。
常用的摄像机标定方法有Tsai两步法标定法、张正友平面标定法、基于交比不变性的摄像机标定方法、基于非量测镜头畸变校正的标定方法。Tsai两步法标定法利用径向一致约束求解摄像机参数;张正友平面标定法通过拍摄多个不同方向的靶标图像求解摄像机参数;基于交比不变性的标定方法利用透射投影变换共线点交比不变性的原理实现摄像机标定;基于非量测镜头畸变校正的标定方法利用选择的畸变模型完成摄像机标定。常规镜头的摄像机畸变系数较小,畸变系数过多也会导致解的不稳定,为了同时满足摄像机标定的实时性与标定精度,通常仅考虑一阶径向畸变的非线性摄像机成像模型。传统的摄像机标定方法往往存在标定过程繁琐、参数耦合、实时性较差、标定精度有限、仅适用于背景比较简单的场景。
因此,针对目前摄像机标定方法对于平面运动估计与测量存在摄像机标定精度有限、实时性差、标定过程繁琐、标定图像背景要求简单等不足,本发明提出一种可适用于复杂背景与大视场、标定过程简单、不存在参数耦合、实时性好、标定精度高的摄像机动态标定方法。
发明内容
针对目前摄像机标定方法无法适用于复杂背景与大视场、标定精度有限、稳定性与实时性较差等不足,本发明实施实例提供一种高精度的摄像机动态标定方法,包括:
棋盘格靶标图像X型标定点的检测:用于复杂背景与大视场等条件下的靶标X型标定点检测,包括:基于一组模板图像的靶标区域检测,靶标区域内的X型标定点检测;
棋盘格靶标X型标定点的高精度定位:用于靶标X型标定点的亚像素定位,以提高摄像机标定精度;
基于非量测畸变校正的摄像机标定:用于实现非线性成像模型的摄像机标定,包括:畸变参数的求取与优化,确定靶标图像的图像坐标与世界坐标的单应性矩阵Hi;
摄像机动态标定:基于采集到的平面运动靶标序列图像,实现平面运动图像的摄像机动态标定,确定平面运动图像靶标的图像坐标与其世界坐标的最佳单应性矩阵H。
一种高精度的摄像机动态标定方法,其特征在于:所述方法包括以下步骤,
S1:利用模板图像匹配的方法确定标定图像中的棋盘格靶标区域,通过棋盘格X型标定点检测方法剔除边缘畸变较大的棋盘格外标定点与噪声点;
S2:基于高斯曲面优化算法提高棋盘格靶标X型标定点的定位精度;
S3:基于非量测畸变校正的摄像机标定方法实现摄像机标定,引入畸变模型与畸变系数优化模型提高摄像机标定精度;
S4:最后通过采集到的平面运动靶标序列图像完成摄像机的动态标定,确定平面运动图像的图像坐标与世界坐标对应的最佳单应性矩阵H。
所述标定点检测方法是用于确定摄像机标定所需靶标X型标定点的图像坐标;具体包括:
(1)标定图像的采集;
调整棋盘格靶标的成像位置与摄像机镜头焦距,充分保证视场中的棋盘格靶标区域是完整与无遮挡的,以采集用于动态标定的序列图像;
(2)确定棋盘格靶标特征区域;
选定一组不同尺寸大小的模板图像{Ti},然后使用归一化相关性计算确定最佳匹配区域,归一化相关性计算公式如下:
其中,(x,y)为模板图像与标定图像对应的像素位置坐标,S(x,y)与T(x,y)分别为标定图像与模板图像在像素(x,y)处的灰度值,与分别为标定图像与模板图像的灰度平均值,R(x,y)为像素(x,y)处的归一化相关系数,将模板中的最大相关系数作为最佳匹配结果,经不同模板图像的相似性匹配后可准确确定标定图像中的棋盘格靶标特征区域;
(3)棋盘格靶标图像X型标定点的检测;
仅使用棋盘格靶标的X型标定点作为摄像机标定点;依据棋盘格靶标图像X型标定点附近的灰度分布提出一种SSDC算子仅保留靶标X型标定点;
其中,S1、S2、S3、S4分别为棋盘格X型标定点的一、二、三、四象限内的整体像素灰度值之和,N为象限内的像素数,通过SSDC值的大小判断可以准确得到棋盘格X型标定点。
所述棋盘格靶标X型标定点的定位精度为像素级,基于X型标定点附近的灰度梯度特点实现X型标定点的亚像素级精度定位,X型标定点的亚像素坐标计算如下:
其中,σ为拟合高斯曲面方差,(x0,y0)与(x,y)分别为所求高斯曲面极值点坐标与X型标定点及附近点像素坐标,a为常数,C为S(x,y)处的梯度值,通过最小二乘拟合得到高斯曲面极值点坐标,将该极值点作为初始亚像素坐标;(x1,y1)为X型标定点像素级坐标,k为该X型标定点处梯度方向对应的斜率,结合该点的梯度矢量进一步提高标定点定位精度。
当所述摄像机的成像模型为线性模型时,其标定过程如下:
其中,A为摄像机内参数矩阵,[R T]为摄像机外参数矩阵,H为对应的单应性矩阵,(xw,yw)为像素坐标(x,y)对应的世界坐标;
当所述摄像机的成像模型为非线性成像模型,通过非量测的镜头畸变校正最大化的减小摄像机成像模型的非线性度。
所述畸变模型为一阶畸变系数的单参数除式畸变模型,即
其中,(xu,yu)与(xd,yd)分别为校正后的无畸变图像坐标点与实际图像坐标点,λ为畸变系数。
所述畸变参数优化模型为
其中,(xw,yw)为棋盘格靶标图像标定点对应的世界坐标点,(xw_proj,yw_roj)为包含待优化畸变参数的重投影世界坐标点,j为优化坐标点数。
通过所述摄像机动态标定方法求取采集到的平面运动靶标序列图像的图像坐标与世界坐标对应的单应性矩阵{Hi},将序列图像的单应性矩阵{Hi}的加权平均作为平面运动的最佳摄像机标定单应性矩阵H,以实现平面运动序列图像的摄像机动态标定。
本发明动态标定方法具有如下优势:
⑴本发明方法稳定、可靠、实用,可同时适用于简单背景与复杂背景及大视场条件下的摄像机标定。
⑵本发明方法标定过程简单、实时性好,对于序列图像中的靶标特征区域只需对第一帧图像靶标区域进行匹配,只需任意i帧单幅图像即可完成单次摄像机标定,确定对应的单应性矩阵Hi。
⑶本发明方法不存在参数耦合,整个标定过程仅仅只需求解与优化单个畸变系数。
⑷本发明通过靶标标定点的高精度定位与非线性摄像机成像模型畸变系数的优化方法提高标定精度。
⑸本发明方法属于摄像机动态标定方法,能够实现高精度的平面运动估计与测量。
附图说明
图1为本发明方法具体实施实例垂直安装装置示意图;
图2为本发明方法具体实施实例水平安装装置示意图;
图3为一种高精度的摄像机动态标定方法流程图;
图4为棋盘格靶标图像X型标定点检测流程图;
图5为基于非量测畸变校正的摄像机标定流程图;
图6为本发明方法具体实施实例实际采集的平面运动的部分靶标序列图像;
图7-8为本发明方法具体实施实例对平面运动的位移测量结果图。
图中:1、摄像机标定靶标,2、光源,3、视觉装置,4、隔振台。
具体实施方式
为了解决现有摄像机标定方法的标定精度有限、稳定性较差、不适用于复杂背景与大视场条件、实时性较差的问题,本发明提供了一种高精度的摄像机动态标定方法,本发明方法对于平面运动估计与测量取得较高的精度,下面结合附图和具体的实施实例对本发明做出详细描述。
参考图1与图2为本发明方法的实施实例装置示意图,该装置主要包括:摄像机标定靶标1、光源2、视觉装置3、隔振台4。视觉装置3安装在隔振台4上,视觉装置3与摄像机标定靶标1的位置相对应,光源2放置在视觉装置3与摄像机标定靶标1之间;摄像机标定靶标1用于视觉装置3的标定,摄像机标定靶标与平面运动通常位于同一平面内;光源2为视觉装置3提供照明;视觉装置3用于采集平面运动的序列图像;隔振台4用于固定视觉装置3垂直于靶标平面,以保证采集到运动序列图像的质量。
参考图3为一种高精度的摄像机动态标定方法流程图。本发明动态标定方法主要包括以下步骤:
步骤S1:读入用于摄像机标定的平面运动靶标序列图像;
步骤S2:序列图像的靶标X型标定点的亚像素坐标检测,其包括:基于一组模板的靶标区域确定,靶标区域内的棋盘格X型标定点检测,棋盘格X型标定点的亚像素定位;
步骤S3:平面运动序列图像的摄像机标定,其包括:非线性摄像机模型的畸变系数求取及优化,标定图像畸变校正,以及求取平面运动序列图像的图像坐标与世界坐标对应的单应性矩阵{Hi};
步骤S4:通过平面运动靶标序列图像的图像坐标与其世界坐标的单应性矩阵{Hi}加权平均确定平面运动图像的图像坐标与世界坐标对应的最佳单应性矩阵H。
参考图4为棋盘格靶标图像X型标定点检测流程图。本发明棋盘格X型标定点检测方法包括如下步骤:
步骤S181:读入图像匹配模板图像;
步骤S182:模板匹配图像与标定图像的相似性计算,储存各模板与标定图像的相似性匹配结果;
步骤S183:找到图像匹配结果中相似性最大的模板,并存储该相似性最大系数坐标位置;
步骤S184:判断该最大相似性值是否大于设定的相似性阈值0.7,若满足条件,则跳至步骤S187,否则跳至步骤S185;
步骤S185:在现有最大相似度模板的基础上,对该模板各插值缩放50像素得到新的模板图像;
步骤S186:重新计算新的模板图像与标定图像的相似性,找到最大相似模板以及存储相似性最大图像坐标位置;
步骤S187:依据模板的相似性匹配结果,确定标定图像中的棋盘格靶标区域;
步骤S188:使用Harris算子在已确定的棋盘格靶标区域内检测标定点,该标定点主要包括噪声点、棋盘格边缘外标定点、棋盘格X型标定点;
步骤S189:使用SSDC算子剔除标定点中的噪声点与边缘外标定点,仅保留靶标X型标定点;
步骤S190:高斯曲面拟合靶标X型标定点附近的梯度值,得到高斯曲面极值点坐标;
步骤S191:利用X型标定点的梯度矢量与高斯曲面极值点坐标进一步得到X型标定点的亚像素坐标。
参考图5为基于非量测畸变校正的摄像机标定流程图。本发明基于非量测畸变校正的摄像机标定包括如下步骤:
步骤S201:读入靶标X型标定点对应的世界坐标;
步骤S202:依据畸变模型与X型标定点的图像坐标求取初始畸变参数;
步骤S203:基于靶标标定点世界坐标与重投影世界坐标点距离最小准则,使用最小二乘法优化畸变参数;
步骤S204:通过求取的畸变系数校正X型标定点图像坐标;
步骤S205:校正后的理想无畸变图像坐标点与其对应的世界坐标点之间满足摄像机线性成像模型,使用线性成像模型完成摄像机标定;
步骤S206:输出靶标图像的图像坐标与世界坐标对应的单应性矩阵Hi。
参考图6为本发明方法具体实施实例实际采集的平面运动部分靶标序列图像。本实施实例装置的具体参数为:分辨率为1292x964、帧率为30fps的德国AVT Manta G-125B工业摄像机,镜头焦距为8mm;光源选用60W白炽灯;尺寸为200x200mm的8x8棋盘格摄像机标定板;隔振台选用一级光学隔振平台。
为了验证本发明动态标定方法的标定精度,参考图6中具有7行7列共49个X型标定点的8x8棋盘格靶标作为摄像机标定板,使用1~6行共42个X型标定点作为摄像机标定点,第7行共7个X型标定点作为摄像机标定精度验证点,精度验证点的世界坐标与重投影世界坐标如下表所示:
表1精度验证点的世界坐标与重投影世界坐标
参考图7-8为本发明方法具体实施实例对平面运动的位移测量结果图,本次测量使用垂直安装方式装置对在正弦激励输入信号下的振动台的工作台面实现动态位移测量。从测量结果图中可以看出,本发明动态标定方法与激光干涉仪测量的平面运动位移结果相比,相对测量误差小于1%,说明本发明针对平面运动估计与测量的动态标定方法具有较高的标定精度。
上述描述为本发明实施实例的详细介绍,其并非用以对本发明作任何形式上的限定。本领域相关技术人员可以在本发明的基础上可做出一系列的改进、优化与修改等。因此本发明的保护范围应由所附权利要求来限定。
Claims (4)
1.一种高精度的摄像机动态标定方法,该方法是基于以下特征实现的,
棋盘格靶标图像X型标定点的检测:用于复杂背景与大视场条件下的靶标X型标定点检测,包括:基于一组模板图像的靶标区域检测,靶标区域内的X型标定点检测;
棋盘格靶标X型标定点的高精度定位:用于靶标X型标定点的亚像素定位,以提高摄像机标定精度;
基于非量测畸变校正的摄像机标定:用于实现非线性成像模型的摄像机标定,包括:畸变参数的求取与优化,确定靶标图像的图像坐标与世界坐标的单应性矩阵Hi;
摄像机动态标定:基于采集到的平面运动靶标序列图像,实现平面运动图像的摄像机动态标定,确定平面运动图像靶标的图像坐标与其世界坐标的最佳单应性矩阵H;
其特征在于:该方法包括以下步骤,
S1:利用模板图像匹配的方法确定标定图像中的棋盘格靶标区域,通过棋盘格X型标定点检测方法剔除边缘畸变较大的棋盘格外标定点与噪声点即使用SSDC算子剔除标定点中的噪声点与边缘外标定点,仅保留靶标X型标定点;
S2:基于高斯曲面优化算法提高棋盘格靶标X型标定点的定位精度;
S3:基于非量测畸变校正的摄像机标定方法实现摄像机标定,引入畸变模型与畸变系数优化模型提高摄像机标定精度;
S4:最后通过采集到的平面运动靶标序列图像完成摄像机的动态标定,确定平面运动图像的图像坐标与世界坐标对应的最佳单应性矩阵H;
所述标定点检测方法是用于确定摄像机标定所需靶标X型标定点的图像坐标;具体包括:
(1)标定图像的采集;
调整棋盘格靶标的成像位置与摄像机镜头焦距,充分保证视场中的棋盘格靶标区域是完整与无遮挡的,以采集用于动态标定的序列图像;
(2)确定棋盘格靶标特征区域;
选定一组不同尺寸大小的模板图像{Ti},然后使用归一化相关性计算确定最佳匹配区域,归一化相关性计算公式如下:
其中,(x,y)为模板图像与标定图像对应的像素位置坐标,S(x,y)与T(x,y)分别为标定图像与模板图像在像素(x,y)处的灰度值,与分别为标定图像与模板图像的灰度平均值,R(x,y)为像素(x,y)处的归一化相关系数,将模板中的最大相关系数作为最佳匹配结果,经不同模板图像的相似性匹配后可准确确定标定图像中的棋盘格靶标特征区域;
(3)棋盘格靶标图像X型标定点的检测;
仅使用棋盘格靶标的X型标定点作为摄像机标定点;依据棋盘格靶标图像X型标定点附近的灰度分布提出一种SSDC算子仅保留靶标X型标定点;
其中,S1、S2、S3、S4分别为棋盘格X型标定点的一、二、三、四象限内的整体像素灰度值之和,N为象限内的像素数,通过SSDC值的大小判断可以准确得到棋盘格X型标定点;
所述棋盘格靶标X型标定点的定位精度为像素级,基于X型标定点附近的灰度梯度特点实现X型标定点的亚像素级精度定位,X型标定点的亚像素坐标计算如下:
其中,σ为拟合高斯曲面方差,(x0,y0)与(x,y)分别为所求高斯曲面极值点坐标与X型标定点及附近点像素坐标,a为常数,C为S(x,y)处的梯度值,通过最小二乘拟合得到高斯曲面极值点坐标,将该极值点作为初始亚像素坐标;(x1,y1)为X型标定点像素级坐标,k为该X型标定点处梯度方向对应的斜率,结合该点的梯度矢量进一步提高标定点定位精度;
当所述摄像机的成像模型为线性模型时,其标定过程如下:
其中,A为摄像机内参数矩阵,[R T]为摄像机外参数矩阵,H为对应的单应性矩阵,(xw,yw)为像素坐标(x,y)对应的世界坐标;
当所述摄像机的成像模型为非线性成像模型,通过非量测的镜头畸变校正最大化的减小摄像机成像模型的非线性度;
所述畸变模型为一阶畸变系数的单参数除式畸变模型,即
其中,(xu,yu)与(xd,yd)分别为校正后的无畸变图像坐标点与实际图像坐标点,λ为畸变系数;
所述畸变参数优化模型为
其中,(xw,yw)为棋盘格靶标图像标定点对应的世界坐标点,(xw_proj,yw_roj)为包含待优化畸变参数的重投影世界坐标点,j为优化坐标点数;
通过所述摄像机动态标定方法求取采集到的平面运动靶标序列图像的图像坐标与世界坐标对应的单应性矩阵{Hi},将序列图像的单应性矩阵{Hi}的加权平均作为平面运动的最佳摄像机标定单应性矩阵H,以实现平面运动序列图像的摄像机动态标定。
2.根据权利要求1所述的一种高精度的摄像机动态标定方法,其特征在于:该动态标定方法包括以下步骤:
步骤S1:读入用于摄像机标定的平面运动靶标序列图像;
步骤S2:序列图像的靶标X型标定点的亚像素坐标检测,其包括:基于一组模板的靶标区域确定,靶标区域内的棋盘格X型标定点检测,棋盘格X型标定点的亚像素定位;
步骤S3:平面运动序列图像的摄像机标定,其包括:非线性摄像机模型的畸变系数求取及优化,标定图像畸变校正,以及求取平面运动序列图像的图像坐标与世界坐标对应的单应性矩阵{Hi};
步骤S4:通过平面运动靶标序列图像的图像坐标与其世界坐标的单应性矩阵{Hi}加权平均确定平面运动图像的图像坐标与世界坐标对应的最佳单应性矩阵H。
3.根据权利要求2所述的一种高精度的摄像机动态标定方法,其特征在于:本方法棋盘格X型标定点检测包括如下步骤:
步骤S181:读入图像匹配模板图像;
步骤S182:模板匹配图像与标定图像的相似性计算,储存各模板与标定图像的相似性匹配结果;
步骤S183:找到图像匹配结果中相似性最大的模板,并存储该相似性最大系数坐标位置;
步骤S184:判断该最大相似性值是否大于设定的相似性阈值0.7,若满足条件,则跳至步骤S187,否则跳至步骤S185;
步骤S185:在现有最大相似度模板的基础上,对该模板各插值缩放50像素得到新的模板图像;
步骤S186:重新计算新的模板图像与标定图像的相似性,找到最大相似模板以及存储相似性最大图像坐标位置;
步骤S187:依据模板的相似性匹配结果,确定标定图像中的棋盘格靶标区域;
步骤S188:使用Harris算子在已确定的棋盘格靶标区域内检测标定点,该标定点包括噪声点、棋盘格边缘外标定点、棋盘格X型标定点;
步骤S189:使用SSDC算子剔除标定点中的噪声点与边缘外标定点,仅保留靶标X型标定点;
步骤S190:高斯曲面拟合靶标X型标定点附近的梯度值,得到高斯曲面极值点坐标;
步骤S191:利用X型标定点的梯度矢量与高斯曲面极值点坐标进一步得到X型标定点的亚像素坐标。
4.根据权利要求2所述的一种高精度的摄像机动态标定方法,其特征在于:基于非量测畸变校正的摄像机标定包括如下步骤:
步骤S201:读入靶标X型标定点对应的世界坐标;
步骤S202:依据畸变模型与X型标定点的图像坐标求取初始畸变参数;
步骤S203:基于靶标标定点世界坐标与重投影世界坐标点距离最小准则,使用最小二乘法优化畸变参数;
步骤S204:通过求取的畸变系数校正X型标定点图像坐标;
步骤S205:校正后的理想无畸变图像坐标点与其对应的世界坐标点之间满足摄像机线性成像模型,使用线性成像模型完成摄像机标定;
步骤S206:输出靶标图像的图像坐标与世界坐标对应的单应性矩阵Hi。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610918342.0A CN106504290B (zh) | 2016-10-20 | 2016-10-20 | 一种高精度的摄像机动态标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610918342.0A CN106504290B (zh) | 2016-10-20 | 2016-10-20 | 一种高精度的摄像机动态标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106504290A CN106504290A (zh) | 2017-03-15 |
CN106504290B true CN106504290B (zh) | 2019-10-18 |
Family
ID=58319449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610918342.0A Active CN106504290B (zh) | 2016-10-20 | 2016-10-20 | 一种高精度的摄像机动态标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504290B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961484A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
CN108921905A (zh) * | 2018-07-16 | 2018-11-30 | 意力(广州)电子科技有限公司 | 靶标定位方法、装置、计算机设备和可读存储介质 |
CN110827356A (zh) * | 2018-08-14 | 2020-02-21 | 广东若铂智能机器人有限公司 | 一种基于机器臂的相机快速标定方法 |
CN109166156B (zh) * | 2018-10-15 | 2021-02-12 | Oppo广东移动通信有限公司 | 一种摄像头标定图像的生成方法、移动终端及存储介质 |
CN109674494B (zh) * | 2019-01-29 | 2021-09-14 | 深圳瀚维智能医疗科技有限公司 | 超声扫查实时控制方法、装置、存储介质及计算机设备 |
CN111260731B (zh) * | 2020-01-10 | 2023-05-12 | 大连理工大学 | 一种棋盘格亚像素级角点自适应检测的方法 |
CN111243032B (zh) * | 2020-01-10 | 2023-05-12 | 大连理工大学 | 一种棋盘格角点全自动检测方法 |
CN112767498A (zh) * | 2021-02-03 | 2021-05-07 | 苏州挚途科技有限公司 | 相机标定方法、装置和电子设备 |
CN113077522B (zh) * | 2021-03-24 | 2022-04-08 | 中移智行网络科技有限公司 | 自动标定装置、自动标定方法、电子设备和可读存储介质 |
CN113505819B (zh) * | 2021-06-22 | 2024-02-06 | 北京化工大学 | 一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 |
CN113487675B (zh) * | 2021-07-21 | 2023-04-07 | 西安应用光学研究所 | 一种不完整棋盘格合作图标快速特征点检测方法 |
CN114022572B (zh) * | 2022-01-07 | 2022-04-08 | 江西明天高科技股份有限公司 | 摄像阵列自动校准方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750697A (zh) * | 2012-06-08 | 2012-10-24 | 华为技术有限公司 | 一种参数标定方法及装置 |
CN103345755A (zh) * | 2013-07-11 | 2013-10-09 | 北京理工大学 | 一种基于Harris算子的棋盘格角点亚像素提取方法 |
-
2016
- 2016-10-20 CN CN201610918342.0A patent/CN106504290B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750697A (zh) * | 2012-06-08 | 2012-10-24 | 华为技术有限公司 | 一种参数标定方法及装置 |
CN103345755A (zh) * | 2013-07-11 | 2013-10-09 | 北京理工大学 | 一种基于Harris算子的棋盘格角点亚像素提取方法 |
Non-Patent Citations (3)
Title |
---|
Michel Bätz 等.Multi-Image Super-Resolution for Fisheye Video Sequences Using Subpixel Motion Estimation Based on Calibrated Re-Projection.《2016 24th European Signal Processing Conference (EUSIPCO)》.2016,1872-1876. * |
基于非量测畸变校正的摄像机标定方法;周富强 等;《机械工程学报》;20090815;第45卷(第8期);228-232 * |
基于高斯曲面模型的亚像素Harris角点定位算法;刘宁 等;《电子测量技术》;20111215;第34卷(第12期);49-53 * |
Also Published As
Publication number | Publication date |
---|---|
CN106504290A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504290B (zh) | 一种高精度的摄像机动态标定方法 | |
CN105118055B (zh) | 摄影机定位修正标定方法及系统 | |
US9986224B2 (en) | System and methods for calibration of an array camera | |
CN106408556B (zh) | 一种基于一般成像模型的微小物体测量系统标定方法 | |
CN105823416B (zh) | 多相机测量物体的方法和装置 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN107993258B (zh) | 一种图像配准方法及装置 | |
CN107633536A (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
Albarelli et al. | Robust camera calibration using inaccurate targets | |
US9025862B2 (en) | Range image pixel matching method | |
CN108776980A (zh) | 一种面向微透镜光场相机的标定方法 | |
WO2020010945A1 (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107084680B (zh) | 一种基于机器单目视觉的目标深度测量方法 | |
CN107886547B (zh) | 一种鱼眼相机标定方法及系统 | |
CN106971408B (zh) | 一种基于时空转换思想的摄像机标定方法 | |
CN109389630B (zh) | 可见光图像与红外图像特征点集确定、配准方法及装置 | |
CN108010086A (zh) | 基于网球场标志线交点的摄像机标定方法、装置和介质 | |
CN108833912A (zh) | 一种摄像机机芯光轴中心和视场角的测量方法及系统 | |
CN109934878A (zh) | 一种基于相机坐标系的线性标定系统及其方法 | |
CN112541932B (zh) | 基于双光相机不同焦距变换参数的多源图像配准方法 | |
CN111508032A (zh) | 相机标定过程中的特征点排序方法 | |
CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
EP3944184A1 (en) | Dark image enhancement | |
EP3944183A1 (en) | Method and system for enhancing images using machine learning | |
CN109974618A (zh) | 多传感器视觉测量系统的全局标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |