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 河北工业大学 机械工程学院, 天津 300401
2 赫德斯菲尔德大学 精密技术中心, 赫德斯菲尔德 HD13DH
针对相位标靶标定相机需采集多幅条纹图获取相位的问题,提出了一种基于彩色交叉条纹的相机标定方法。本方法在每个标定位置仅需一幅条纹图就可以完成特征标识点的提取; 通过液晶显示屏显示一幅红蓝交叉条纹图像,由相机拍摄,采用傅里叶变换和多频外差法分别得到水平和垂直方向的绝对相位; 根据相位标靶的空间位置与图像中绝对相位的精确对应关系,标定相机内参,采用非线性最小二乘法优化。基于重投影误差的实验结果表明,本方法可以快速精确的实现相机标定。
交叉条纹 绝对相位 相机标定 非线性最小二乘法 重投影误差 cross fringe absolute phase camera calibration nonlinear least square method re-projection error
天津理工大学 计算机科学与工程学院 教育部视觉与系统重点实验室,天津 300384
光场相机作为一种新型的成像系统,可以直接从一次曝光的图像中得到三维信息。为了能够更充分有效地利用光场数据包含的角度和位置信息,完成更加精准的场景深度计算,从而提升光场相机的三维重建的精度,需要实现精确的几何建模,并精确标定其模型参数。该方法从薄透镜模型和小孔成像模型出发,将主透镜建模为薄透镜模型,将微透镜建模为小孔成像模型,结合光场相机双平面模型,将每个提取到的特征点与其在三维空间中的射线建立联系,详细解释了内参矩阵中每个参数的物理意义,以及标定过程中初值确定的过程,并在镜头径向畸变模型的基础上进一步应用了相机镜头的切向畸变模型以及基于射线重投影误差的非线性优化方法,改进了光场相机的标定方法。实验显示,该方法的RMS射线重投影误差为0.332 mm,与经典的Dansereau标定方法相比,进行非线性优化后得到的射线重投影误差精度提升了8%。该方法详细分析的场景点与特定像素索引的推导过程对光场相机的标定具有重要的研究意义,为光场相机光学模型的建立与初始化标定奠定了基础。
机器视觉 光场相机 重投影误差 相机标定 镜头畸变 machine vision light field camera reprojection error camera calibration lens distortion 红外与激光工程
2023, 52(1): 20220326
上海理工大学光电信息与计算机工程学院,上海 200093
大多数视觉里程计通过跟踪图像序列中点特征几何位置的变化实现对相机位姿的估计。线是点的集合,相对于离散的点,帧间线特征的位置变化更具有显著性,因而有利于提高特征检测跟踪的鲁棒性。另外,在一些弱纹理场景中,点特征不够丰富,作为对点特征的补充,提出了一种融合点线特征的立体视觉里程计算法。构建新颖的点线重投影误差模型作为目标函数求解旋转矩阵和平移向量。模型中,使用Huber核函数减小特征误匹配对优化过程的影响。选取ORB算子检测点特征,LSD算子检测线特征,匹配时施加恒速约束、环形匹配、Bucketing约束和外观几何约束,提高特征匹配的速度及精度。采用公共数据集KITTI和EuRoC对算法进行评测,实验结果表明,该算法在多种场景中的鲁棒性能,相较于其他具有代表性的视觉里程计算法,在精度方面有提升。
视觉里程计 位姿估计 点线特征 重投影误差 visual odometer pose estimation point-line features re-projection error
华东交通大学电气与自动化工程学院, 江西 南昌 330013
针对传统视觉同步定位与地图构建(SLAM)算法在动态场景下定位精度低的问题,提出了一种基于动态目标检测的视觉SLAM算法。首先,在视觉SLAM系统的前端对输入图像帧进行预处理,通过目标检测网络YOLO v3(You only look once, v3)剔除图像潜在的动态区域。然后,通过重投影误差优化单应性矩阵,通过求解运动补偿帧得到四帧差分图,并对四帧差分图进行滤波、二值化和形态学处理。最后,结合YOLO v3网络对动态目标检测结果进行优化,以减小图像模糊和强视差产生的噪声。用静态区域的特征点进行视觉SLAM的跟踪、建图与回环检测,在公共TUM数据集上的实验结果表明,本算法能有效提高动态环境下视觉SLAM的精度。
机器视觉 图像处理 同步定位与地图构建 动态环境 重投影误差 激光与光电子学进展
2021, 58(16): 1615003
陆军工程大学石家庄校区电子与光学工程系, 河北 石家庄 050003
在红外光谱中, 大气对不同波长辐射透过率不同, 透过率较高的波段范围称为大气窗口。 为在大视场角范围内探测目标在长波红外光谱的辐射, 弥补传统可见光相机在复杂环境下不能探测目标的缺陷, 超大视场长波红外相机应运而生。 相比于传统可见光相机, 超大视场长波红外相机覆盖视场大, 能够用于夜间、 烟雾等复杂环境, 具有一定穿透效果。 双目超大视场长波红外立体视觉系统可用于车辆夜间辅助驾驶, 军用无人化作战平台全天候信息侦察等领域。 作为实现立体视觉的第一步, 标定的准确性严重影响立体视觉中物体三维重建精度, 因此提高标定准确性是立体视觉研究中的关键问题。 标定目的是求出立体视觉成像的内部参数和外部参数, 内部参数描述相机镜头成像的物像关系, 外部参数表示两个相机之间的相对位置关系。 但超大视场长波红外相机成像畸变严重、 分辨率低、 图像对比度低, 对立体视觉标定造成极大困难。 为准确标定超大视场长波红外立体视觉外部参数, 在Scaramuzza通用相机模型基础上提出了一种基于最小二乘法的外部参数标定方法; 为评价内外参数标定结果准确性, 以常用单目角点重投影误差评价内部参数为基础, 引入外部参数, 提出一种双目角点重投影误差评价方法。 为验证方法有效性和准确性, 使用主动红外辐射标定板生成角点, 分别采用视场角(FOV)为180°和210°的两组双目超大视场长波红外相机, 在不同位置上进行标定实验。 实验结果显示, 常用的Bouguet方法双目平均重投影误差(BMRE)在0.782~0.943 pixels, 而基于最小二乘法方法BMRE处于0.620~0.754 pixels, 实验数据表明该方法有效降低了双目角点重投影误差, 提高了外部参数标定准确性。 此外, 评价方法操作简便、 客观准确, 避免在评价过程中对物点三维重建从而引入额外误差, 并且不需要高精度三维坐标测量设备。
长波红外 立体视觉 标定 外部参数 最小二乘法 重投影误差 Long-wave infrared Stereo vision Calibration Extrinsic parameters Least squares optimization Reprojection error 光谱学与光谱分析
2020, 40(9): 2670
1 中国民航大学航空工程学院, 天津 300300
2 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
3 中国民航大学电子信息与自动化学院, 天津 300300
现有线阵CCD内参校准方法往往依赖于畸变参数模型,其标定精度受限于模型内部参数的相关性,因此为提高线阵CCD相机内参校准精度,提出一种采用非参数模型的线阵CCD相机内参校准方法。通过小孔成像模型和垂线法,构建线阵CCD相机成像的非参数模型,直接确定空间特征点与成像点间的映射关系以及理想成像点与实际成像点间的畸变量大小。采用重投影误差作为评价标准,与采用参数模型的内参校准方法作对比实验,实验结果表明,由所提方法得到的重投影误差的均方根、平均值和最大值分别为0.42,0.00,0.95 pixel,均小于由基于参数模型的内参校准方法得到的0.80,-0.10,2.47 pixel。
机器视觉 内参校准 线阵相机 非参数模型 重投影误差 激光与光电子学进展
2020, 57(4): 041507
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院机器人与智能制造创新研究院, 辽宁 沈阳 110016
3 中国科学院大学, 北京 100049
4 中国科学院光电信息处理重点实验室, 辽宁 沈阳 110016
5 辽宁省图像理解和计算机视觉重点实验室, 辽宁 沈阳110016
针对ORB-SLAM2 (Oriented FAST Rotated BRIEF SLAM2)系统中相机位姿求解精度不高,只能生成稀疏地图的问题,提出了一种在ORB-SLAM2系统框架上将稠密的直接法和原系统采用的稀疏特征法结合在一起求解相机位姿,并生成稠密地图的方法。该方法改进之处包括:在原系统使用的第三方图优化库g2o(General Graph Optimization)中创建一条新的稠密约束一元边,将稠密直接法的光度误差约束加入到图优化库g2o中;跟踪相机时先通过稠密直接法计算相邻两帧图像之间相机的旋转变换,再利用改进后的图优化库g2o同时最小化特征法的重投影误差和直接法的光度误差,优化求解6 DOF(Degree of Freedom)相机位姿;在ORB-SLAM2系统框架上添加稠密重建线程,将周围场景的重建结果实时反馈给用户。在TUM RGB-D和ICL-NUIM数据集上的测试结果表明,本文方法在一定程度上提高了ORB-SLAM2系统中相机位姿的求解精度,不仅可生成稀疏地图,还可重建更高精度的稠密地图。
图像处理 即时定位与地图构建 图优化 重投影误差 光度误差 激光与光电子学进展
2019, 56(16): 161013