中国科学院 长春光学精密机械与物理研究所 中国科学院航空光学成像与测量重点实验室, 吉林 长春 130033
针对精密测角算法标定线阵相机内方位元素时仅标定一维方向的主点坐标及畸变, 导致该标定算法适应性及精度受限的问题, 提出了一种线阵相机二维高精度内方位标定方法。首先, 分析了线阵相机内方位元素模型, 然后, 针对该模型提出了一种基于二维转台的二维标定方法, 并给出了详细的标定步骤及数据处理方法, 最后, 将本文提出方法的标定结果与精密测角算法的标定结果进行了对比, 结果表明, 本文提出的标定方法的重投影误差为0.34 pixel, 相比于精密测角算法的1.25 pixel, 显著提高了标定精度, 且标定时不需要进行对准、调平等操作, 标定过程操作简单。
线阵相机 高精度内方位元素标定 二维标定 精密测量 line-scan camera high precision calibration two-dimensional calibration precision measurement
1 中国科学院 光电技术研究所，四川 成都 610209
2 中国科学院大学， 北京 100190
针对基础矩阵估计过程中因受野值影响导致估计精度下降和稳定性不高等问题，本文提出了一种新的快速鲁棒的基础矩阵估计方法。该方法首先将野值去除融入到计算基础矩阵的过程中，而不再将它作为一个独立的处理步骤。通过迭代将潜在的错误对应点剔除，从而实现基础矩阵的稳定估计。然后，在每次迭代过程中，采用对极几何误差准则来识别野值，同时获得基础矩阵的估计结果。该迭代过程收敛较快，即使存在大量匹配野值的情况下，计算值也会很快趋于稳定。仿真和实际实验结果一致表明：所提出的算法在保证类似估计精度的同时还在计算效率方面有极大地提升，相比较快的M估计法有30%以上的速度提升，而相比于估计精度较优的MAPSAC算法甚至达到4倍以上。
计算机视觉 基础矩阵 对极几何 鲁棒性 computer vision fundamental matrix epipolar geometry robustness
