CN113888640A - 一种适用于无人机云台相机的改进标定方法 - Google Patents
一种适用于无人机云台相机的改进标定方法 Download PDFInfo
- Publication number
- CN113888640A CN113888640A CN202111043130.XA CN202111043130A CN113888640A CN 113888640 A CN113888640 A CN 113888640A CN 202111043130 A CN202111043130 A CN 202111043130A CN 113888640 A CN113888640 A CN 113888640A
- Authority
- CN
- China
- Prior art keywords
- image
- pan
- aerial vehicle
- unmanned aerial
- tilt camera
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 239000003550 marker Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种适用于无人机云台相机的改进标定方法,该方法首先利用无人机云台相机拍摄圆点标定板,通过数字图像处理算法获取标定板图像上的离散尺度因子,然后通过移动最小二乘算法将离散的尺度因子拟合出尺度场,再分别改变云台相机的测量距离和角度,重复上述步骤获得多组相关的图像尺度场,最后分析测距和测角参数对图像尺度场变化的影响,建立线性插值的数学模型。本发明的改进标定方法对无人机云台相机进行标定,可在实际测量时无需重复标定,解决无人机测量面临的拍摄姿态问题。同时本方法采用了分段变焦标定策略,使获取的照片同时具有较高的成像质量和足够多的像素数量。
Description
技术领域
本发明涉及无人机技术、图像测量和相机标定领域,尤其是涉及一种适用于无人机云台相机的改进标定方法。
背景技术
当前,无人机因体积小、机动性强、安全可靠等优势,利用其搭载高分辨率的云台相机对各类难以触及的目标(高层建筑和大跨径桥梁等)进行图像检测已展现巨大潜力。对于传统的图像测量系统,较多是采用固定放置的工业相机或者数码单反相机作为测量设备,为获取三维世界坐标到图像二维坐标的联系,需要进行相机内、外参数和畸变参数的标定计算。目前常采用标定板进行标定,通过拍摄多张不同角度下的标定板照片,获得多个空间中三维坐标与成像平面二维坐标之间的对应关系,进而求解相机的畸变参数、内部参数和外部参数。
图像测量技术的精度通常高度依赖图像采集系统的标定参数,但针对不同的测量姿态(测量距离和角度)和相机属性(焦距和光圈等),标定参数是唯一的,因此需要重复进行标定操作。同时,因为畸变参数、内部参数和外部参数过多,系统敏感性过高,难以在测量条件改变的情况下进行量化与修正,使得标定结果难以重复利用。
但在无人机的测量环境中,往往会面临需要改变测量距离和角度的情况,同时要保证成像质量和使测量目标包含足够多的像素数,因此需要调节焦距以获取合适的图像进行识别和测量。这进一步给无人机云台相机的标定带来障碍。因此,发明一种适用于无人机云台相机的改进标定方法是非常必要的,可以提升无人机平台的实用性和测量精度,具有重要的应用价值。
发明内容
为克服以上问题,本发明提出一种适用于无人机云台相机的改进标定方法。该方法在标定过程中无需通过复杂的计算获得计算相机内、外参数和畸变参数,直接获取图像坐标和世界坐标系的映射,便可利用无人机云台相机进行准确的图像测量。
本发明采用的技术方案为:一种适用于无人机云台相机的改进标定方法,包括如下步骤:
步骤一:首先利用无人机云台相机拍摄圆点标定板,获得标定板图像,通过数字图像处理算法获取标定板上圆形目标的质心坐标。进而计算出相邻圆点的物理间距与其在图像中的像素间距之比,作为此测量条件下的离散尺度因子。
步骤二:通过移动最小二乘算法将步骤一求得的离散尺度因子拟合出图像尺度场。
步骤三:分别改变云台相机的测量距离和测量角度,重复步骤一和步骤二,获得多组相关的图像尺度场。
步骤四:最后分析测量距离和测量角度参数对图像尺度场变化的影响,定量表征此变化关系,并建立线性插值的数学模型。
进一步地,所述的步骤一具体为:通过无人机云台相机获取标定板图像后,依次进行图像灰度化、边缘检测、轮廓质心计算和质心像素间距计算操作,最后获取到图像中x和y方向的离散尺度因子。
进一步地,所述的步骤三具体为:首先保持无人机与标定板的相对垂直,以0.5m的距离变量依次改变测量距离,并利用云台相机拍摄标定板照片;在不同测量距离范围内采用不同的焦距,通过变焦条件下的分级标定,满足测量距离变化的需求,并充分利用相机的硬件性能;再依次改变测量角度,分别实现0°,15°,30°,45°下的拍摄,所述测量角度为相机光轴与被测物表面法线的夹角;最后重复步骤一和步骤二的计算流程,获取云台相机在不同测量距离和测量角度条件下的图像尺度场。
进一步地,所述的步骤四具体为:选取不同距离下的图像尺度场中心处数值进行分析,计算出线性拟合对应的R_square系数分析线性度,建立测量距离参数和图像尺度场的线性插值数学模型,如公式(1)所示:
式中:Hθ(l,x,y)和Gθ(l,x,y)分别为x和y方向的尺度场,l和θ为云台相机的测量距离和角度,l0和l1分别为根据l匹配的插值节点,x,y为图像中的像素坐标。
本发明的有益效果是,本发明的改进标定方法对无人机云台相机进行标定,在实际测量时无需重复标定,解决了无人机测量面临的拍摄姿态问题。同时本方法采用了分段变焦标定策略,使获取的照片同时具有较高的成像质量和足够多的像素数量。
附图说明
为了更加清楚地介绍本发明具体实施方案,下面对具体实施例中所使用的附图进行简要的介绍。
图1为标定板图像的离散尺度因子计算流程图;
图2为x方向上图像离散尺度因子分布图;
图3为x方向上图像尺度场示意图;
图4为无人机云台相机测量距离改变示意图;
图5为无人机云台相机测量角度改变示意图;
图6为不同测量角度下图像中心处的x方向尺度线性关系示例图,其中,图6(a)为5°下图像中心处的x方向尺度线性关系示例图,图6(b)为5°下图像中心处的x方向尺度线性关系示例图,图6(c)为5°下图像中心处的x方向尺度线性关系示例图,图6(d)为5°下图像中心处的x方向尺度线性关系示例图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明,在此本发明的示意性实施例以及说明用来解释本发明,但并不作为对本发明的限定。
本实施例公开了一种适用于无人机云台相机的改进标定方法,包括如下步骤:
步骤一:首先利用无人机云台相机拍摄圆点标定板,获得标定板图像,通过数字图像处理算法获取标定板上圆形目标的质心坐标。进而计算出相邻圆点的物理间距与其在图像中的像素间距之比(mm/pixel),作为此测量条件下的离散尺度因子。
步骤一中,通过无人机云台相机获取标定板图像后,依次进行图像灰度化、边缘检测、轮廓质心计算、质心像素间距计算和尺度因子计算操作,如图1所示。
其中图像灰度化算法对云台相机拍摄得到的RGB格式图像的处理为加权平均法,如公式(1):
g(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j) (1)
式中:g(i,j)为像素点(i,j)处的灰度值,R(i,j)、G(i,j)和B(i,j)分别为红、绿、蓝通道的颜色强度。
边缘检测算法采用基于非微分边缘检测的Canny算子,寻找图像梯度局部最大值,具体步骤为:
1.利用高斯滤波模板与图像做卷积运算,进行图像平滑。
2.利用一阶微分算子计算滤波后图像梯度的幅值和方向。
3.对图像梯度幅值进行非极大值抑制。将梯度方向划分为4个方向范围,若某点的像素梯度值与其对应的梯度方向上前后两点相比是最大值的话,将其保留,作为候补边缘点;否则,视为该点并不是边缘点,将其像素置为0,进一步排除非边缘信息。
4.使用双阈值算法进行检测和边缘连接。设置一个高阈值Th和一个低阈值Tl,当候补边缘点的梯度值大于Th时,将此点标记为边缘点;当候补边缘点的梯度值小于Tl时,直接将此点排除;当候补边缘点的梯度值在Th和Tl之间时,如果其与已确定的边缘点连接则保留,否则排除。
当圆形标记物的边缘被检测出来后,轮廓质心获取是通过边缘上的点序列做如下计算:
式中:array(x,y)为圆形标记物边缘上的点序列,xi和yi分别为圆形标记物的质心在图像中x,y坐标。
像素间距为其中(xi,yi)和(xi+1,yi+1)分别为相邻圆形标记物的质心坐标。再利用标定板圆心物理间距(15mm)和像素间距之比,可分别获取x和y方向上的图像尺度因子。最终获取得到的在x方向上的图像尺度因子如图2所示。
步骤二:通过移动最小二乘算法(Moving Least Squares,MLS)将步骤一求得的离散尺度因子拟合出图像尺度场。以用被测数据h(xi,yi)数据拟合出x方向的尺度场H(x,y)为例,假设逼近全局散点数据h(xi,yi)的MLS近似函数H(x,y)由基函数和待定系数组成:
pT=[1,x,y,x2,xy,y2] (5)
对应二次基的m=6。同时引入紧支撑权函数:
wI(x,y)=w((x,y)-(xI,yI)) (6)
常用的权函数类型有:高斯型、指数型、径向基函数和样条权函数等。在本文中采用的权函数为三次样条权函数:
式中:N为节点个数,并满足wI(x,y)>0。
由此可得:
改写成矩阵形式:
A(x,y)a(x,y)=B(x,y)h (11)
待定系数向量a(x,y)为:
a(x,y)=A-1(x,y)B(x,y)h (12)
式中:
B(x,y)=[w1(x,y)p(x1,y1),w2(x,y)p(x2,y2),……,wN(x,y)p(xN,yN)] (14)
h=[h(x1,y1),h(x2,y2),……,h(xN,yN)]T (15)
由此可得MLS求得的近似函数:
H(x,y)=pT(x,y)A-1(x,y)B(x,y)h (16)
通过MLS算法拟合得到的图像尺度场如图3所示。
步骤三:分别改变云台相机的测量距离和测量角度,重复步骤一和步骤二,获得多组相关的图像尺度场。
该步骤三中,首先保持无人机与标定板的相对垂直,以0.5m的距离变量依次改变测量距离,并利用云台相机拍摄标定板照片,如图4所示。
在不同测量距离范围内采用不同的焦距,通过变焦条件下的分级标定,满足测量距离变化的需求,并充分利用相机的硬件性能。详细测量参数如表1所示:
表1云台相机测量参数
再依次改变测量角度,分别实现0°,15°,30°,45°下的拍摄,如图5所示。所述测量角度为相机光轴与被测物表面法线的夹角。
最后重复步骤一和步骤二的计算流程,获取云台相机在不同测量距离和测量角度条件下的图像尺度场。
步骤四:最后分析测量距离和测量角度参数对图像尺度场变化的影响,定量表征此变化关系,并建立线性插值的数学模型。
该步骤四中,选取不同距离下的图像尺度场中心处数值进行分析,计算出线性拟合对应的R_square系数均大于0.99(1.00代表存在最佳拟合),体现了较高的线性度。如图6为不同角度下图像中心处的x方向尺度线性关系示例。
故建立测距参数和图像尺度场的线性插值数学模型,如公式(17)所示:
式中:Hθ(l,x,y)和Gθ(l,x,y)分别为x和y方向的尺度场,l和θ为云台相机的测量距离和角度,l0和l1分别为根据l匹配的插值节点,x,y为图像中的像素坐标。
综上,本发明通过改进的标定方法,对无人机云台相机进行标定,可实现在实际测量时无需重复标定,一次标定完成后,可通过线性插值计算的方法获取一定测角条件下,任意测距时的图像尺度场,可解决无人机测量面临的拍摄姿态问题。同时本方法采用了分段变焦标定策略,充分利用相机的硬件性能,使获取的照片同时具有较高的成像质量和足够多的像素数量。
以上对本发明实施例所公开的技术方案进行了详细介绍,本文中应用了具体实施例对本发明实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本发明实施例的原理;同时,对于本领域的一般技术人员,依据本发明实施例,在具体实施方式以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 (4)
1.一种适用于无人机云台相机的改进标定方法,其特征在于,包括如下步骤:
步骤一:首先利用无人机云台相机拍摄圆点标定板,获得标定板图像,通过数字图像处理算法获取标定板上圆形目标的质心坐标;进而计算出相邻圆点的物理间距与其在图像中的像素间距之比,作为此测量条件下的离散尺度因子;
步骤二:通过移动最小二乘算法将步骤一求得的离散尺度因子拟合出图像尺度场;
步骤三:分别改变云台相机的测量距离和测量角度,重复步骤一和步骤二,获得多组相关的图像尺度场;
步骤四:最后分析测量距离和测量角度参数对图像尺度场变化的影响,定量表征此变化关系,并建立线性插值的数学模型。
2.根据权利要求1所述的一种适用于无人机云台相机的改进标定方法,其特征在于,所述的步骤一具体为:通过无人机云台相机获取标定板图像后,依次进行图像灰度化、边缘检测、轮廓质心计算和质心像素间距计算操作,最后获取到图像中x和y方向的离散尺度因子。
3.根据权利要求1所述的一种适用于无人机云台相机的改进标定方法,其特征在于,所述的步骤三具体为:首先保持无人机与标定板的相对垂直,以0.5m的距离变量依次改变测量距离,并利用云台相机拍摄标定板照片;在不同测量距离范围内采用不同的焦距,通过变焦条件下的分级标定,满足测量距离变化的需求,并充分利用相机的硬件性能;再依次改变测量角度,分别实现0°,15°,30°,45°下的拍摄,所述测量角度为相机光轴与被测物表面法线的夹角;最后重复步骤一和步骤二的计算流程,获取云台相机在不同测量距离和测量角度条件下的图像尺度场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111043130.XA CN113888640B (zh) | 2021-09-07 | 2021-09-07 | 一种适用于无人机云台相机的改进标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111043130.XA CN113888640B (zh) | 2021-09-07 | 2021-09-07 | 一种适用于无人机云台相机的改进标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113888640A true CN113888640A (zh) | 2022-01-04 |
CN113888640B CN113888640B (zh) | 2024-02-02 |
Family
ID=79008349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111043130.XA Active CN113888640B (zh) | 2021-09-07 | 2021-09-07 | 一种适用于无人机云台相机的改进标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888640B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010074730A (ja) * | 2008-09-22 | 2010-04-02 | Nippon Hoso Kyokai <Nhk> | 放送用バーチャルスタジオのズームレンズ搭載カメラのカメラキャリブレーション装置、その方法およびそのプログラム |
CN102768762A (zh) * | 2012-06-18 | 2012-11-07 | 同济大学 | 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置 |
US20130058581A1 (en) * | 2010-06-23 | 2013-03-07 | Beihang University | Microscopic Vision Measurement Method Based On Adaptive Positioning Of Camera Coordinate Frame |
CN104331900A (zh) * | 2014-11-25 | 2015-02-04 | 湖南科技大学 | Ccd摄像机标定中角点亚像素定位方法 |
CN106157304A (zh) * | 2016-07-01 | 2016-11-23 | 成都通甲优博科技有限责任公司 | 一种基于多个相机的全景图拼接方法及系统 |
CN109146980A (zh) * | 2018-08-12 | 2019-01-04 | 浙江农林大学 | 基于单目视觉的优化的深度提取和被动测距方法 |
CN109373897A (zh) * | 2018-11-16 | 2019-02-22 | 广州市九州旗建筑科技有限公司 | 一种基于激光虚拟标尺的测量方法 |
WO2019179200A1 (zh) * | 2018-03-22 | 2019-09-26 | 深圳岚锋创视网络科技有限公司 | 多目相机的三维重建方法、vr相机和全景相机 |
US20190347461A1 (en) * | 2017-04-26 | 2019-11-14 | South China University Of Technology | Three-dimensional finger vein recognition method and system |
DE102018208996A1 (de) * | 2018-06-07 | 2019-12-12 | Zeng Hsing Industrial Co., Ltd. | Bildverarbeitungsverfahren |
CN111882621A (zh) * | 2020-07-22 | 2020-11-03 | 武汉大学 | 一种基于双目图像的大米厚度参数自动化测量方法 |
CN112486207A (zh) * | 2020-12-10 | 2021-03-12 | 山东力聚机器人科技股份有限公司 | 一种基于视觉识别的无人机自主降落方法 |
CN112712565A (zh) * | 2020-12-28 | 2021-04-27 | 中国民航大学 | 基于视觉与imu融合的飞机蒙皮损伤无人机绕检定位方法 |
CN112767494A (zh) * | 2021-01-19 | 2021-05-07 | 中国科学院云南天文台 | 基于标定算法的精确测量定位方法 |
CN113177918A (zh) * | 2021-04-28 | 2021-07-27 | 上海大学 | 一种无人机对电力杆塔的智能精准巡检方法及系统 |
-
2021
- 2021-09-07 CN CN202111043130.XA patent/CN113888640B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010074730A (ja) * | 2008-09-22 | 2010-04-02 | Nippon Hoso Kyokai <Nhk> | 放送用バーチャルスタジオのズームレンズ搭載カメラのカメラキャリブレーション装置、その方法およびそのプログラム |
US20130058581A1 (en) * | 2010-06-23 | 2013-03-07 | Beihang University | Microscopic Vision Measurement Method Based On Adaptive Positioning Of Camera Coordinate Frame |
CN102768762A (zh) * | 2012-06-18 | 2012-11-07 | 同济大学 | 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置 |
CN104331900A (zh) * | 2014-11-25 | 2015-02-04 | 湖南科技大学 | Ccd摄像机标定中角点亚像素定位方法 |
CN106157304A (zh) * | 2016-07-01 | 2016-11-23 | 成都通甲优博科技有限责任公司 | 一种基于多个相机的全景图拼接方法及系统 |
US20190347461A1 (en) * | 2017-04-26 | 2019-11-14 | South China University Of Technology | Three-dimensional finger vein recognition method and system |
WO2019179200A1 (zh) * | 2018-03-22 | 2019-09-26 | 深圳岚锋创视网络科技有限公司 | 多目相机的三维重建方法、vr相机和全景相机 |
DE102018208996A1 (de) * | 2018-06-07 | 2019-12-12 | Zeng Hsing Industrial Co., Ltd. | Bildverarbeitungsverfahren |
CN109146980A (zh) * | 2018-08-12 | 2019-01-04 | 浙江农林大学 | 基于单目视觉的优化的深度提取和被动测距方法 |
CN109373897A (zh) * | 2018-11-16 | 2019-02-22 | 广州市九州旗建筑科技有限公司 | 一种基于激光虚拟标尺的测量方法 |
CN111882621A (zh) * | 2020-07-22 | 2020-11-03 | 武汉大学 | 一种基于双目图像的大米厚度参数自动化测量方法 |
CN112486207A (zh) * | 2020-12-10 | 2021-03-12 | 山东力聚机器人科技股份有限公司 | 一种基于视觉识别的无人机自主降落方法 |
CN112712565A (zh) * | 2020-12-28 | 2021-04-27 | 中国民航大学 | 基于视觉与imu融合的飞机蒙皮损伤无人机绕检定位方法 |
CN112767494A (zh) * | 2021-01-19 | 2021-05-07 | 中国科学院云南天文台 | 基于标定算法的精确测量定位方法 |
CN113177918A (zh) * | 2021-04-28 | 2021-07-27 | 上海大学 | 一种无人机对电力杆塔的智能精准巡检方法及系统 |
Non-Patent Citations (4)
Title |
---|
SHIPING HUANG: "An Accurate Image Measurement Method Based on a Laser-Based Virtual Scale", SENSORS * |
丁威: "基于图像的桥梁裂缝检测理论与实践", 中国优秀硕士学位论文全文数据库, pages 1 - 3 * |
李文达;闫启明;张尚弘;王龙;刘大为;: "基于无人机和SfM的地貌数据采集精度影响研究", 应用基础与工程科学学报, no. 06 * |
肖智越;刘力双;吕勇;孙鹏;: "基于相机移动的鱼眼成像系统目标方位标定研究", 激光杂志, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN113888640B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311689B (zh) | 一种激光雷达与相机相对外参的标定方法及系统 | |
CN109300162B (zh) | 一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法 | |
CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量系统和方法 | |
CN108168541B (zh) | 一种改进的亚像元星点质心定位方法 | |
CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
CN112614188B (zh) | 一种基于交比不变性的点阵式标定板及其识别方法 | |
CN108489423B (zh) | 一种产品表面水平倾斜角度的测量方法及系统 | |
CN109272555B (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
CN113592957A (zh) | 一种多激光雷达和多相机联合标定方法及系统 | |
CN110823252A (zh) | 一种多线激光雷达和单目视觉的自动标定方法 | |
CN111123242A (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
EP1484576A2 (en) | Apparatus and method for calibrating zoom lens | |
CN111709985A (zh) | 一种基于双目视觉的水下目标测距方法 | |
CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及系统 | |
CN114998448A (zh) | 一种多约束双目鱼眼相机标定与空间点定位的方法 | |
CN115222819A (zh) | 一种基于机场大范围场景下多模信息参照的相机自标定和目标追踪方法 | |
CN108507564B (zh) | 一种基于点扩散函数拟合的星敏感器质心定位方法 | |
CN113963067A (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 | |
CN112017259B (zh) | 一种基于深度相机与热像仪的室内定位与建图方法 | |
CN113888640B (zh) | 一种适用于无人机云台相机的改进标定方法 | |
CN111968182A (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN115546266B (zh) | 基于局部法向相关的多条带机载激光点云配准方法 | |
CN116468621A (zh) | 一种一键式数字化航空影像数据处理方法 | |
CN115409898A (zh) | 一种基于特殊环形标定板的高精度相机标定方法及设备 | |
RU2692970C2 (ru) | Способ калибровки видеодатчиков многоспектральной системы технического зрения |
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 |