为了提高多相机一维标定的精度,提出了一种基于归一化算法的分层逐步标定法,由基本矩阵获得射影投影矩阵,进而转换成度量投影矩阵。对标定物图像特征点的坐标进行归一化预处理,以提高标定精度,同时又保持线性方法快速、易实现的优点。在所提标定方法中,一维标定物可自由运动,不受场地环境约束,使用灵活。通过仿真和真实实验,验证了归一化特征点坐标可以显著提高标定结果的精度和稳健性。

针对摄像机一维(1D)标定的问题, 将世界坐标系建立在1D标定物上, 提出新的数学模型, 给出了一种新的标定方法。一般地, 假设1D标定物与世界坐标系的X轴重合, 定义了1D标定点与其对应投影图像点之间的1D单应矩阵。从单幅视图出发, 推导了1D摄像机标定的基本约束方程。根据基本约束方程采用线性最小二乘估计摄像机的初值, 并以标定点的反投影误差最小为目标函数进行非线性优化得到最终的标定结果。通过仿真实验和真实实验证明了该算法的正确性和可行性。实验结果表明, 与传统的方法相比, 所提出的方法线性初值估计精度高, 且对于固定点不可见的情况, 无需估计固定点的图像投影坐标。

为了解决运动参数光电探测过程中的相机标定问题,制作一种两端及中间各安装一个红外反光标记球的一维标定物。不需要其它复杂标定装置,只要将这种特制的一维标定物在测量空间内多次随意移动并摄取其图像,即可实现标定。算法首先假定主点位于像面中心附近的某个位置,再求出焦距、旋转矩阵、平移向量和比例因子,最后通过评价函数将相机标定转换成寻找两相机最佳主点对的非线性最小化问题。在传统进化策略中引进个体的自我改进系数、个体间距离等概念,提出了求取子代个体间的欧式距离并排序的方法,设计了搜索最佳主点对的改进型进化策略算法。与传统标定方法相比,基于一维标定物的方法克服了多相机场合的遮挡问题,改进进化策略的引入打破了一维标定物需做某种特殊运动的限制,使一维标定物自由运动时相机内、外参数的同时求解成为可能,改进的模拟退火进化策略改善了算法的全局收敛性能并加快了收敛速度。