1 武汉大学遥感信息工程学院, 湖北 武汉 430079
2 武汉市国土资源和规划信息中心, 湖北 武汉 430014
3 江西师范大学地理与环境学院, 江西 南昌 330022
为了解决缺乏明显特征点给基础矩阵计算带来的难题，针对水平直线与垂直直线所特有的极几何关系，提出了一种可以联合这两种直线特征的基础矩阵计算方法。首先以相机方位元素、相对姿态为基础矩阵的参数化要素，构建基于水平直线与垂直直线的等量方程式，然后以特征直线作为RANSAC算法的内点筛选出特征点的最优子集，再结合M-estimators算法确定各个要素的权值，最后构建统一的平差模型进行计算。模拟数据与真实图像的对比实验结果表明，该方法切实可行，能够减少传统基础矩阵计算方法对特征点的依赖，特征直线的引入也能在一定程度上提高计算结果的精确度与稳定性。
机器视觉 基础矩阵 对极几何 直线特征 稳健性 光学学报
2013, 33(10): 1015003
武汉大学遥感信息工程学院, 湖北 武汉 430072
针对基于灭点的一维相机标定法在抑制径向畸变上的缺陷，提出了一种基于基础矩阵的一维标定法，该方法通过基础矩阵恢复投影意义下的相机矩阵，进而转换至欧式空间的方式来求解内方位元素矩阵。该标定方法中无需任何先验知识或计算灭点，一维标定物能做任意的刚体运动，可以对多个相机同时进行标定，适合于非实验室环境下的相机快速标定。模拟数据的相关对比实验证明，当径向畸变不可忽略时基于基础矩阵的标定法优于基于灭点的标定法，真实数据的相关对比实验验证了该方法的实用性。
机器视觉 相机标定 基础矩阵 一维标定 径向畸变
