1 四川大学电子信息学院,四川 成都 610065
2 西南石油大学机电工程学院,四川 成都 610500
针对扩展卡尔曼滤波算法在摄像机标定优化应用中,滤波精度较大程度地依赖于噪声协方差矩阵的准确性这一问题,提出了一种基于自适应扩展卡尔曼滤波算法的摄像机标定优化方法。以所检测到的二维棋盘格标靶上特征点的图像坐标作为自适应扩展卡尔曼滤波算法的观测量,摄像机的内、外参数作为状态量,将观测图像上的特征点进行逐点滤波运算,过程和观测噪声协方差矩阵在迭代过程中随着观测值和预测值之间新息的变化而更新,从而优化对应的摄像机参数。实验结果表明,经本文算法优化后获得的摄像机内、外参数具有较小的重投影误差,USB相机和工业相机的标定结果较张正友标定法分别提升了61.17%和12.17%,所提算法较无迹卡尔曼滤波算法和扩展卡尔曼滤波算法在噪声环境下具有更高的标定精度和更好的鲁棒性。
机器视觉 摄像机标定 扩展卡尔曼滤波 新息 自适应 重投影误差 光学学报
2023, 43(23): 2315002
1 航天东方红卫星有限公司,北京 100094
2 北京邮电大学 世纪学院,北京 100086
3 北京邮电大学 信息与通信工程学院,北京 100086
文章针对可见光定位(VLP)系统提出了一种新颖的非线性摄像机辅助的接收信号强度(nCA-RSS)算法。nCA-RSS算法的基本思想是,同时利用摄像机和光电二极管(PD)分别捕获视觉和强度信息,实现高覆盖和高精度定位。首先,基于单视图几何理论,nCA-RSS算法利用视觉信息来估计可见光的入射角;然后,基于估计的入射角,nCA-RSS算法利用强度信息来确定接收器位置。由于使用了视觉信息,nCA-RSS算法对接收器方向不再限制。此外,基于Levenberg-Marquardt算法,nCA-RSS算法仅使用3个发光二极管(LED)即可实现三维(3D)定位。因此,与透视n点算法相比,nCA-RSS实现了更高的覆盖率。仿真结果表明,在80%以上的室内区域,无论接收器方向如何,nCA-RSS算法对于80%以上的样本可以实现约2.5 cm的定位精度。
可见光定位 接收信号强度算法 摄像机 Levenberg-Marquardt算法 VLP received signal strength camera Levenberg-Marquardt algorithm
上海理工大学 光电信息与计算机工程学院, 上海 200093
为了实现更为简单的三维测量同时解决传统立体视觉方法中基线的限制问题, 提出一种单摄像机微小角度旋转结合神经网络进行三维测量的方法。方法通过单摄像机小角度旋转采集二维图像数据; 利用电动平台移动标定板构建三维空间坐标系; 基于摄像机的线性成像模型思想, 将代表图像坐标和三维坐标映射关系的投影矩阵替换为BP神经网络, 得到二维坐标到三维坐标的直接映射, 实现微小基线下的三维测量。实验结果表明, 相比于传统方法测量失真的结果, 提出的方法对标定板的尺寸测量绝对误差为0.0864mm。方法将神经网络融入单摄视觉领域, 可以克服微小基线场景下传统视觉测量方法的缺陷。对移动设备、监控设备及狭窄场景下的三维信息获取具有潜在的应用价值。
光学测量 微小基线 摄像机标定 BP神经网络 optical measurement micro baseline camera calibration BP neural network
1 四川大学视觉合成图形图像技术国家级重点实验室,四川 成都 610065
2 四川大学计算机学院,四川 成都 610065
摄像机标定是结构光三维传感技术中联系测量系统内外参数与三维坐标之间的重要环节。基于灰度信息提取特征点的摄像机标定方法易受图像噪声、对比度等因素的影响。提出一种基于绝对相位靶(APT)的摄像机标定方法,采用时间相位展开算法计算绝对相位,提取相位值为4π整数倍的特征点,采用局部窗口最小二乘拟合算法计算特征点的精确亚像素坐标,进而建立特征点的图像坐标与世界坐标的对应关系。通过仿真实验,分析不同高斯噪声和模糊条件下摄像机参数的绝对误差变化,发现相对于传统的棋盘格和圆点标定法,所提APT标定法对图像噪声和模糊具有更好的鲁棒性,且具有更高的标定精度。真实的对比实验显示,APT标定方法的标定精度优于棋盘格和圆点标定法,尤其在“离焦”(标靶处于相机有效工作距离之外)情况下可将重投影误差降低58.68%,证明了APT标定方法的有效性和可行性。
测量 摄像机标定 相移条纹 绝对相位 特征点提取 亚像素拟合 激光与光电子学进展
2022, 59(4): 0412001
1 内蒙古科技大学机械工程学院,内蒙古 包头 014010
2 内蒙古科技大学信息工程学院,内蒙古 包头 014010
3 内蒙古工业大学,内蒙古 呼和浩特 010051
为了实现跨摄像机区域的多人脸图像跟踪,提出了一种基于双三分支孪生网络(DTN)的跨摄像机跟踪网络。具体方法是应用Chinese Whisper(CW)人脸聚类算法对同一行人的人脸图像进行聚类,并根据聚类结果通过智能监控确定捕获的目标人脸。通过改进FaceNet的网络结构和训练函数,实现了行人面部的精确跟踪。在LFW数据集上训练DTN后,通过边缘样本挖掘损失(MSML)和焦点损失难样本平衡训练,人脸识别率可以提高到99.51%。实验结果表明:通过比较同一视频监控场内人脸特征的相似性,所提网络可以通过该区域跟踪行人的人脸目标;通过摄像机间人脸特征的实时传输,实现了跨摄像机的人脸跟踪。
图像处理 人脸聚类 双三分支孪生网络 人脸跟踪 跨摄像机 人脸识别 激光与光电子学进展
2022, 59(2): 0210004
1 内蒙古科技大学 机械工程学院, 内蒙古 包头 014010
2 内蒙古科技大学 信息工程学院, 内蒙古 包头 014010
3 内蒙古工业大学, 内蒙古 呼和浩特 010051
目前, 公安机关刑侦部门大量的离线视频存储在监控网络的服务器中, 为了在这些海量视频帧中提取嫌疑人目标人脸, 设计了人脸检索系统。通过改变CNN网络的RELU结构, 训练新的四分支孪生网络来获取深度特征, 构造了一个新的四分支孪生网络。结合网上发布的逃犯人脸图片发起通缉, 借助深度特征对比展开基于内容的图像检索(CBIR)。新的四分支孪生网络比熟悉的网络, 如Alexnet、Googlenet、VGGNet和ResNet等收敛得更快, 系统鲁棒性好。网络的共享权重设计使得检索具有较高的模型训练精度和检索精度。图像深度特征可以在摄像机之间快速在线共享。实验结果表明, 该方法的平均检索精度(ARP)为98.74%, 模型训练精度为99.51%, 帧率为28 FPS。
四孪生网络 人脸检索 跨摄像机 基于内容的图片检索 quadruplet network face retrieval cross camera content-based image retrieval
1 江苏电子信息职业学院 计算机与通信学院,江苏 淮安 223003
2 大连海洋大学 应用技术学院,辽宁 大连 116300
为了实现3D目标位置跟踪,提出了一种基于概率假设密度(PHD)滤波的跟踪方案。方案由2个阶段构成:单视图跟踪阶段和多摄像机融合阶段。单视图跟踪阶段,在时刻k每个摄像机上得到颜色观测值,采用高斯混合概率假设密度(GMPHD)滤波器估计出2D目标位置;多摄像机融合阶段,将得到的目标的2D估计值集合作为数据融合阶段的观测值,并通过GMPHD滤波器估计出目标的3D位置,从而避免观测值与目标状态之间的数据关联。仿真实验结果表明,提出的跟踪方案不但能够可靠地跟踪3D目标位置,而且能够解决在每个摄像机处目标的遮挡问题。
3D位置跟踪 摄像机 概率密度 滤波 数据融合 轨迹 遮挡 3D positions tracking camera probability density filtering data fusion track shielding 太赫兹科学与电子信息学报
2021, 19(5): 876
南京工业大学机械与动力工程学院, 江苏 南京 211816
针对传统摄像机标定方法标定精度低且标定可重复性差等问题,提出了一种基于麻雀搜索算法(SSA)的摄像机标定方法。首先,利用MATLAB软件中的标定工具箱,获得摄像机内参和外参的初估值,并以求出的初估值为基础,确定SSA的运行区间。然后,通过建立平均重投影误差方程,利用SSA对确定区间内的摄像机参数进行优化,获得了较小的平均重投影误差。最后,将所提标定方法与基于天牛须搜索算法、粒子群优化算法的标定方法的结果进行对比分析,发现利用基于SSA的摄像机标定方法所得的平均重投影误差最小(0.0326 pixel)且方法的可重复性最好。
机器视觉 摄像机标定 摄像机模型 内部参数 畸变系数 麻雀搜索算法 激光与光电子学进展
2021, 58(22): 2215004
摄像机标定在机器视觉技术中具有重要意义。针对传统三维物标定方法操作繁琐,BP神经网络标定受初始权值和阈值影响的问题,提出一种基于光轴会聚模型的思维进化-神经网络标定方法。利用BP神经网络可逼近非线性函数,思维进化算法具有较强全局寻优能力,有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题。实验证明,与经典张正友标定法、BP神经网络方法相比,改进进化神经网络标定法可获得更好的双目标定精度。
机器视觉 摄像机标定 BP神经网络 双目标定 思维进化算法 光轴会聚模型 machine vision camera calibration BP neural network binocular calibration mind evolutionary algorithm optical axis convergence model