CN113129384B - 基于一维编码靶标的双目视觉系统灵活标定方法 - Google Patents
基于一维编码靶标的双目视觉系统灵活标定方法 Download PDFInfo
- Publication number
- CN113129384B CN113129384B CN202110345773.3A CN202110345773A CN113129384B CN 113129384 B CN113129384 B CN 113129384B CN 202110345773 A CN202110345773 A CN 202110345773A CN 113129384 B CN113129384 B CN 113129384B
- Authority
- CN
- China
- Prior art keywords
- vision system
- binocular vision
- dimensional
- target
- coding
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000010606 normalization Methods 0.000 claims abstract description 12
- 238000013519 translation Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于一维编码靶标的双目视觉系统灵活标定方法，包括以下步骤：(1)将环形编码标志点加工到一维靶标上形成一维编码靶标，任意放置在双目系统视场中并获取多幅图像；(2)对编码标志点图像进行解码与亚像素精确定位；(3)利用加权平移归一化算法估计双目视觉系统的本质矩阵；(4)优化计算双目视觉系统的内外参数矩阵。本发明通过将编码标志点与标定简单的一维靶标融合，代替传统的圆形标志点，提高了识别精度及匹配算法的普适性与灵活性；同时利用加权平移归一化算法来估计本质矩阵，排除了噪声的干扰，进一步提高了匹配精度。
Description
技术领域
本发明涉及双目视觉系统标定方法，尤其是一维编码靶标的双目视觉系统标定方法。
背景技术
相机标定是指建立相机图像像素位置与场景点位置之间的关系，其途径是根据相机模型由已知特征点的图像坐标和世界坐标求解相机的内外参数。目前已有多种相机标定的方法，以提高相机标定的精度和效率，其中一维靶标法操作简单、应用广泛，但目前利用一维靶标进行标定时仅使用共线圆点作为一维靶标上的特征点，虽然圆点便于识别，但识别精度不高、不便于立体匹配，且要根据特征点设置的具体形式采用不同的算法进行匹配，导致算法不具有普适性和灵活性。
发明内容
发明目的：本发明的目的是提供一种标定效率高、标定算法普适性高的基于一维编码靶标的双目视觉系统标定方法。
技术方案：本发明所述的基于一维编码靶标的双目视觉系统灵活标定方法包括以下步骤：
(1)将环形编码标志点加工到一维靶标上形成一维编码靶标，代替传统的圆形标志点，提高匹配算法的普适性与灵活性，提高一维靶标的识别精度；将一维编码靶标任意放置在双目系统视场中并获取多幅所述环形编码标志点的图像；
(2)对编码标志点图像进行解码与亚像素精确定位；
(3)利用加权平移归一化算法估计双目视觉系统的本质矩阵，降低噪声干扰；
(4)优化计算双目视觉系统的内外参数矩阵,完成标定。
进一步地，步骤(2)具体包括：
(2.1)对环形编码标志点的图像进行预处理、特征提取及透视校正；
(2.2)利用基于圆环路径进行像素点区域采样的方法对环形编码标志点进行解码，解码方法为：
(2.2.1)利用大津算法计算类间方差最大值，得到透视校正后图像的前景与背景的最佳分割阈值T；
(2.2.2)将环形编码标志点等分并在每个区域进行像素点均匀采样，计算平均灰度值G，若G<T，记录0，否则记录1；得到二进制编码Code；
(2.2.3)将Code中首个突变位之前的二进制数全部移动至Code末尾并进行缩减，形成Code″；
(2.2.4)判断Code″中“0”最多的位置，以此位置处第一个“0”位左侧为分界线，将Code″前后片段进行调换，得到所述环形编码标志点的编码值。
(2.3)对解码后的环形编码标志点进行亚像素精确定位。
进一步地，步骤(3)具体包括：利用加权平移归一化算法计算所述双目视觉系统的基础矩阵；利用对极几何原理计算所述双目视觉系统的本质矩阵，对所述本质矩阵进行奇异值分解得到所述双目视觉系统外参矩阵的初值。
进一步地，步骤(4)具体包括：利用LM算法对所述双目视觉系统的内外参数进行非线性优化，得到所述双目视觉系统的内外参数矩阵。
进一步地，所述环形编码标志点采用对红光敏感的回光反射材料。
有益效果：(1)将编码标志点应用在一维靶标上，代替传统的圆形标志点，提高识别精度、使匹配算法更简单且具有普适性，保留一维标靶标定方法的低复杂度；(2)采用加权平移归一化算法估计双目系统的本质矩阵，使高精度的匹配点影响更大而低精度的匹配点影响小，从而排除了噪声的干扰；(3)一维编码靶标易于加工和制造，降低相机标定的成本，相比于平面靶标尺寸更小、标定灵活，避免了平面靶标需要覆盖双目系统整个视场的问题。
附图说明
图1为本发明的方法流程图；
图2为一维编码靶标的三维结构图；
图3为一维编码靶标上使用的环形编码标志点示例图；
图4为利用本发明标定好的双目系统拍摄的靶标示例图；
图5为验证本发明标定精度的图像特征点提取结果图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示，本发明的基于一维编码靶标的双目视觉系统灵活标定方法，包括以下步骤：
(1)在一维靶标上加工环形编码标志点并获取图像
如图2所示为本发明的一维靶标；如图3所示为本发明的环形编码标志点，编码标志点相较于传统圆形标志点识别性好和匹配度高的特点，使得一维靶标对应特征点的匹配算法更简单、更具有普适性。一般来说，传统圆形标志点虽然识别速度快，但圆点没有固定的对应方式，即标志点的数量、在靶标上的位置不确定时，会导致匹配算法的改变，从而引起不同的靶标形式要根据实际情况采取不同匹配方案的问题，造成标定方法适应性不高。而编码点有着与编码序号一一对应的特性，因此数量的多少、位置的变动不会影响编码点的匹配，只要知道相对应的编码序号，就可以快速准确的进行点匹配，这是传统圆点所无法实现的，同时由于编码点本身设计时的特性，在识别时的精度相较圆点也更高。
选取六个编码值不同的典型标志点加工到一维靶标上，形成一维编码靶标；将一维编码靶标在由左右相机组成的双目系统视场中的任意放置，获取一维靶标上编码特征点的多幅图像。
(2)对编码标志点图像进行解码得到编码标志序号与圆心图像坐标
(2.1)对所获得的一维靶标图像进行图像灰度化、高斯降噪、Canny边缘检测与轮廓提取等预处理操作。
(2.2)对所提取到的所有轮廓进行椭圆拟合。椭圆拟合的最优化目标函数为：
f(a)＝min‖Da‖2 s.t.4ac-b2＝1 (1)
其中，D＝(x2 xy y2 x y 1)，a＝(a b c d e f)T为最优椭圆系数向量。将椭圆的一般方程整理为标准方程：
其中，(x0,y0)为椭圆中心，ra、rb分别为椭圆半长轴和半短轴，θ为椭圆长轴与x轴的夹角。根据所拟合椭圆的几何参数设置阈值条件进行初步过滤，排除不完整与误差较大的椭圆；再根据编码标志点具有的明显同心圆环的特征进一步剔除非标志点特征，确定候选编码标志在图像中的具体位置。
(2.3)将编码标志所在区域进行透视校正，基于单应性变换原理将椭圆映射为标准圆，得到校正图像后对编码标志进行解码操作。本发明采用基于圆环路径进行像素点区域采样的解码方法，解码方法如下：
(2.3.1)使用Otsu算法(大津算法)计算类间方差最大值，得到编码标志点校正图像前景与背景的最佳分割阈值T。
(2.3.2)从0°开始将编码标志等分为360份，按逆时针方向分别在每份区域中进行像素点均匀采样，计算灰度平均值G，若G<T，记录0，否则记录1。计算完成后得到一个360位的二进制编码值Code。
(2.3.3)将360位的二进制编码值Code进行调整，以第一个突变位作为起始位，将该位之前的二进制数全部移动至末尾，组成一个新的二进制编码Code′。搜索Code′中的全部突变位，将360位二进制编码Code′按式(3)进行缩减：
其中，Round表示取整操作，di为每相邻突变位的距离，bits为编码标志的信息位位数，ni为相邻突变位之间相同编码缩减后的位数，缩减后的编码值为Code″。缩减后，通常对Code″采用循环移位的方法计算其对应的十进制数的最小值，即为该编码标志的编码值。但循环移位操作繁杂，如果编码标志位数过多需要耗费大量时间。因此本发明采用移动最多“0”位的解码方法，通过找到Code″中“0”最多的位置，以此位置处第一个“0”位左侧为分界线，将Code″前后片段进行调换，即可获得该编码标志的编码值，大大提升解码效率。
(2.4)将上述得到的具有正确编码值的编码标志点进行亚像素精确定位，从而得到一一对应的编码标志序号与圆心图像坐标。
(3)利用加权平移归一化算法估计双目系统的本质矩阵
(3.1)结合相机的焦距、像元大小等参数估计双目系统左右相机内参矩阵的初值Kr和Kl。
(3.2)由靶标图像特征点坐标采用加权归一化算法高精度估计双目系统基础矩阵F，具体步骤如下：
(3.2.1)用传统八点算法估计基础矩阵F。
(3.2.2)设左右相机靶标图像中任意一组对应编码标志点圆心齐次坐标为pl、pr，由对极几何原理有但由于噪声和错误数据的存在，/>因此定义余差对N(i＝1,2,…,N)组匹配特征点，右图像点/>的余差在x和y方向上的分量为：
其中，(Fp)i,i＝1,2是向量Fp的第i个分量。左图像点同理。
定义权因子如式(5)所示：
(3.2.3)求出各个权因子后，通过式(6)计算所有特征点的重心坐标，使高精度的匹配点比低精度的匹配点对重心坐标的影响大，结果使得重心坐标向高精度匹配点密集的地方偏移，相较于传统的八点算法排除了噪声的干扰。
其中，
求出的重心坐标，记为(Clx,Cly)和(Crx,Cry)；再对图像特征点坐标进行归一化处理，得到变换后的新坐标/>
其中，
(3.2.4)以特征点的新坐标为输入数据，再次利用八点算法计算基础矩阵
(3.2.5)令即利用加权平移归一化算法得到的高精度F阵。
(3.2.6)根据对极几何原理，由式求得本质矩阵E，对E阵进行SVD(奇异值)分解得到双目系统外参[R|t]的初值，并对t进行绝对定向获得平移向量相对真实场景的比例。
(4)优化计算双目系统的内外参数矩阵
在上述利用一维靶标进行标定和参数求解的过程中，由于图像噪声的影响以及未考虑相机镜头畸变，导致标定结果并不精确，因此结合一维靶标特征点距离的约束对相机内外参数进行Levenberg-Marquardt非线性优化(列文伯格-马夸尔特法，LM算法)，建立最优化目标函数如式(8)所示：
其中，al＝(Kl kl1 kl2 kl3 ql1 ql2)为左相机优化参数向量，由左相机内参矩阵和镜头畸变系数构成；ar＝(Kr kr1 kr2 kr3 qr1 qr2)为右相机优化参数向量，由右相机内参矩阵和镜头畸变系数构成；c1、c2为权重系数，Di、di分别为一维靶标每组匹配点间的真实距离和测量距离；pi为靶标特征点在图像中的实际坐标，为靶标特征点通过计算得到的重投影坐标。
根据上述步骤可优化计算出双目视觉系统的内参数矩阵[Kl Kr]、畸变系数[kl qlkr qr]以及外参数矩阵[R t]，完成双目立体视觉系统标定，利用标定好的双目视觉系统，可由二维图像坐标重建三维空间坐标，实现三维测量。
下面通过具体实验数据的计算来验证本发明的标定方法。
(1)本实施例中双目视觉系统采用CMOS相机，其图像分辨率为2592×1944pixel，像元大小为2.2μm×2.2μm，测量距离约为2000mm。编码标志点选用回光反射材料进行制作，以使得其对红光敏感，从而使得相机在拍摄时不同成像距离和不同成像角度对编码点都有稳定的图像质量。
(2)双目系统左右相机获取图2中的一维编码靶标各20张图像，通过图像预处理、特征提取、解码纠错等操作获得一维靶标上编码点的图像坐标，本实施例中缩减后的编码标志的信息位位数为12，即bits＝12。
(3.1)估计左右相机内参矩阵的初值为
(3.2)采用加权平移归一化算法高精度估计的基本矩阵：
(3.3)结合对极几何原理求得本质矩阵对E阵进行SVD分解得到双目系统外参[R|t]的初值为/>
(4)对双目系统内外参数进行LM优化得到最终的结果为
(5)一维编码靶标标定的可行性分析
(5.1)如图4所示，每个小型靶标两端编码点圆心距离设定为90mm，使用标定好的双目视觉系统获取多幅小型靶标的图像。
(5.2)提取图像上靶标特征点的像素坐标如下(单位：pixel)：左图像坐标：(631.761，1016.66)、(583.459，1119.35)、(1701.85，1260.64)、(1689.24，1152.89)、(1454.08，1046.52)、……、(901.708，866.591)、(1909.04，656.924)、(1911.71，550.755)、(2076.46，798.041)、(2055.13，901.316)；右图像坐标：(620.581，1087.59)、(583.839，1185.91)、(1658.17，1270.33)、(1638.3，1160.52)、(1391.21、1066.8)、……、(853.436，928.474)、(1842.46，630.585)、(1838.52，519.912)、(2036.07，761.912)、(2018.84，872.963)。
(5.3)如图5所示，对上述提取到的靶标特征点进行三维重建，得到特征点的空间三维坐标如下(单位：mm)：(635.863，-774.225，2780.15)、(630.846，-684.489，2783.26)、(1592.34，199.639，2433.43)、(1581.81，110.542，2439.59)、(1581.81，110.542，2439.59)、……、(909.614，-119.747，2684.03)、(1712.15，-180.921，2397.77)、(1719.81，-91.4559，2392.78)、(1871.8，-175.506，2338.08)、(1803.44，-122.631，2362.73)。
(5.4)计算每个小型靶标两端特征点的距离的均方根误差(RMS)，RMS＝0.0806mm。
根据上述结论，RMS误差较小，因此本发明的标定精度较高。
Claims (4)
1.一种基于一维编码靶标的双目视觉系统灵活标定方法，其特征在于，包括以下步骤：
(1)将环形编码标志点加工到一维靶标上形成一维编码靶标，任意放置在双目系统视场中并获取多幅所述环形编码标志点的图像；
(2)对编码标志点图像进行解码与亚像素精确定位；
(3)利用加权平移归一化算法估计双目视觉系统的本质矩阵；
(4)优化计算双目视觉系统的内外参数矩阵，完成标定；
所述步骤(2)具体包括：
(2.1)对所述环形编码标志点的图像进行预处理、特征提取及透视校正；
(2.2)对所述环形编码标志点进行解码，所述解码方法为基于圆环路径进行像素点区域采样；
(2.3)对解码后的所述环形编码标志点进行亚像素精确定位；
所述步骤(2.2)中的基于圆环路径进行像素点区域采样的解码方法具体为：
(2.2.1)利用大津算法计算类间方差最大值，得到所述透视校正后图像的前景与背景的最佳分割阈值T；
(2.2.2)将所述环形编码标志点等分并在每个区域进行像素点均匀采样，计算平均灰度值G；若G<T，记录0，否则记录1，得到二进制编码Code；
(2.2.3)将Code中首个突变位之前的二进制数全部移动至Code末尾并进行缩减，形成Code″；
(2.2.4)在Code″中“0”最多的位置处，将最高位“0”前后片段调换，得到所述环形编码标志点的编码值。
2.根据权利要求1所述的基于一维编码靶标的双目视觉系统灵活标定方法，其特征在于，所述步骤(3)具体包括：利用加权平移归一化算法计算所述双目视觉系统的基础矩阵；利用对极几何原理计算所述双目视觉系统的本质矩阵，对所述本质矩阵进行奇异值分解得到所述双目视觉系统外参矩阵的初值。
3.根据权利要求1所述的基于一维编码靶标的双目视觉系统灵活标定方法，其特征在于，所述步骤(4)具体包括：利用LM算法对所述双目视觉系统的内外参数进行非线性优化，得到所述双目视觉系统的内外参数矩阵。
4.根据权利要求1所述的基于一维编码靶标的双目视觉系统灵活标定方法，其特征在于，所述环形编码标志点采用对红光敏感的回光反射材料。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110345773.3A CN113129384B (zh) | 2021-03-31 | 2021-03-31 | 基于一维编码靶标的双目视觉系统灵活标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110345773.3A CN113129384B (zh) | 2021-03-31 | 2021-03-31 | 基于一维编码靶标的双目视觉系统灵活标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113129384A CN113129384A (zh) | 2021-07-16 |
| CN113129384B true CN113129384B (zh) | 2024-03-19 |
Family
ID=76774877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110345773.3A Active CN113129384B (zh) | 2021-03-31 | 2021-03-31 | 基于一维编码靶标的双目视觉系统灵活标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113129384B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113674360B (zh) * | 2021-08-17 | 2024-10-25 | 南京航空航天大学 | 一种基于协变的线结构光光平面标定方法 |
| CN113643371B (zh) * | 2021-10-13 | 2022-01-25 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种飞行器模型表面标记点的定位方法 |
| CN113963068B (zh) * | 2021-10-25 | 2022-08-23 | 季华实验室 | 一种镜像式单像机全向立体视觉传感器全局标定方法 |
| CN115880373B (zh) * | 2022-12-28 | 2023-11-03 | 常熟理工学院 | 基于新型编码特征的立体视觉系统的标定板及标定方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285676A (zh) * | 2008-06-10 | 2008-10-15 | 北京航空航天大学 | 一种基于一维靶标的多视觉传感器全局校准方法 |
| CN102567991A (zh) * | 2011-12-09 | 2012-07-11 | 北京航空航天大学 | 一种基于同心圆合成图像匹配的双目视觉标定方法和系统 |
| WO2016026349A1 (zh) * | 2014-08-20 | 2016-02-25 | 深圳大学 | 高鲁棒性的标志点解码方法及系统 |
| CN105469418A (zh) * | 2016-01-04 | 2016-04-06 | 中车青岛四方机车车辆股份有限公司 | 基于摄影测量的大视场双目视觉标定装置及方法 |
| CN109754435A (zh) * | 2019-01-04 | 2019-05-14 | 北京航空航天大学 | 一种基于小靶标模糊图像的摄像机在线标定方法 |
-
2021
- 2021-03-31 CN CN202110345773.3A patent/CN113129384B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285676A (zh) * | 2008-06-10 | 2008-10-15 | 北京航空航天大学 | 一种基于一维靶标的多视觉传感器全局校准方法 |
| CN102567991A (zh) * | 2011-12-09 | 2012-07-11 | 北京航空航天大学 | 一种基于同心圆合成图像匹配的双目视觉标定方法和系统 |
| WO2016026349A1 (zh) * | 2014-08-20 | 2016-02-25 | 深圳大学 | 高鲁棒性的标志点解码方法及系统 |
| CN105469418A (zh) * | 2016-01-04 | 2016-04-06 | 中车青岛四方机车车辆股份有限公司 | 基于摄影测量的大视场双目视觉标定装置及方法 |
| CN109754435A (zh) * | 2019-01-04 | 2019-05-14 | 北京航空航天大学 | 一种基于小靶标模糊图像的摄像机在线标定方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于双目视觉一维标定算法的研究;李为民;汪健;;工业控制计算机;20200725(07);第83-86页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113129384A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113129384B (zh) | 基于一维编码靶标的双目视觉系统灵活标定方法 | |
| CN110276808B (zh) | 一种单相机结合二维码测量玻璃板不平度的方法 | |
| CN109598762B (zh) | 一种高精度双目相机标定方法 | |
| 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 | |
| CN110807809B (zh) | 基于点线特征和深度滤波器的轻量级单目视觉定位方法 | |
| CN111429533B (zh) | 一种相机镜头畸变参数估计装置及方法 | |
| CN113137920B (zh) | 一种水下测量的设备与水下测量方法 | |
| CN113129430B (zh) | 基于双目结构光的水下三维重建方法 | |
| CN110009690A (zh) | 基于极线校正的双目立体视觉图像测量方法 | |
| CN105043250B (zh) | 一种基于至少两个公共标记点的双视角数据对齐方法 | |
| CN111383194B (zh) | 一种基于极坐标的相机畸变图像校正方法 | |
| CN109961485A (zh) | 一种基于单目视觉进行目标定位的方法 | |
| CN116912333B (zh) | 一种基于作业围栏标定杆的相机姿态自标定方法 | |
| CN112686961B (zh) | 一种深度相机标定参数的修正方法、装置 | |
| CN116309829B (zh) | 一种基于多目视觉的长方体扫描体群解码和位姿测量方法 | |
| CN110763204A (zh) | 一种平面编码靶标及其位姿测量方法 | |
| CN112232319A (zh) | 一种基于单目视觉定位的扫描拼接方法 | |
| CN108154536A (zh) | 二维平面迭代的相机标定法 | |
| CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
| CN116091625A (zh) | 一种基于双目视觉的基准标记位姿估计方法 | |
| CN105678088B (zh) | 一种靶标测头的平差优化算法 | |
| CN112489141B (zh) | 车载摄像头单板单图带中继镜的产线标定方法及装置 | |
| CN110487254B (zh) | 一种用于rov的水下目标尺寸快速测量方法 | |
| CN116823895A (zh) | 基于可变模板的rgb-d相机多视角匹配的数字图像计算方法及系统 | |
| CN116823960A (zh) | 无重叠视场的视觉系统标定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |