学位论文 > 优秀研究生学位论文题录展示

摄像机标定方法研究与实现

作　者: 陈铎
导　师: 陈晓波
学　校: 东北大学
专　业: 控制理论与控制工程
关键词: 计算机视觉 立体视觉 摄像机标定 共面点 Kruppa方程 粒子群优化算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 471次
引　用: 4次
阅　读: 论文下载
 

内容摘要


视觉是人类感知环境世界,认识外部世界的主要途径。随着计算机技术的不断发展和人类对数字化信息需求的不断增加,计算机视觉和立体视觉得到了极大的发展。由于摄像机标定是计算机视觉获取三维空间信息的前提和基础,是立体视觉的一个重要组成部分,因此研究摄像机标定方法具有重要的理论研究意义和实际应用价值。本文主要研究摄像机标定理论和方法,获取摄像机的有关参数,建立起三维空间物体与二维图像间的对应关系,为计算机视觉和立体视觉的下一步研究提供可靠的数据并奠定良好的基础。文中首先对摄像机标定的基础知识进行了详细的讲解,然后分别从传统标定法和自标定法两方面对一些已有算法进行了深入研究。针对传统标定法,本文提出了一种操作简单、灵活性好、精确度较高的共面点标定法。该方法利用共面点标定物,不需要摄像机做任何运动。当精度要求低时,忽略镜头畸变,采用线性方法标定出所有参数；当精度要求高时,可引入Weng畸变模型,利用非线性方法求解畸变系数。仿真和真实图像实验验证了该方法的准确性和有效性,并通过该方法在视觉测量上的应用,证明了该方法的实用性和进行摄像机标定的必要性。最后结合VC++和Matlab软件,实现了该方法的摄像机标定程序设计。基于Kruppa方程的摄像机自标定方法在文献中有很多种。本文提出了一种改进的基于直接求解Kruppa方程的自标定方法。这种方法不用消去Kruppa方程中的比例因子,而是首先通过一种近似方法确定Kruppa方程中比例因子的初始值,然后采用粒子群优化算法对比例因子进行求精,最后利用线性方法完成摄像机的标定。仿真实验结果验证了这种方法的有效性和鲁棒性。

全文目录


摘要  5-6
ABSTRACT  6-10
第1章 绪论  10-18
  1.1 课题的研究背景及其意义  10-12
  1.2 摄像机标定的主要问题  12-14
  1.3 摄像机标定的发展与研究现状  14-16
  1.4 本文的主要工作  16-18
第2章 摄像机标定理论  18-34
  2.1 基础知识  18-24
    2.1.1 常用坐标系  18-20
    2.1.2 针孔成像模型  20-21
    2.1.3 非线性模型  21-23
    2.1.4 需要标定的参数  23-24
  2.2 传统摄像机标定方法  24-29
    2.2.1 直接线性变换方法(DLT)  24-25
    2.2.2 Tsai的两步标定法  25-27
    2.2.3 Zhang的平面标定法  27-29
  2.3 摄像机自标定方法  29-33
    2.3.1 基本概念  29-31
    2.3.2 自标定方法介绍  31-33
  2.4 本章小结  33-34
第3章 一种新的基于共面点的标定方法  34-54
  3.1 前言  34
  3.2 涉及的模型与参数  34-37
    3.2.1 摄像机模型  35-36
    3.2.2 Weng的畸变模型  36-37
    3.2.3 待标定的参数  37
  3.3 具体步骤  37-44
    3.3.1 主点坐标的标定  38
    3.3.2 尺度因子,旋转矩阵和平移向量的标定  38-41
    3.3.3 畸变模型的引入与处理  41-44
  3.4 误差分析方法  44
  3.5 模拟仿真实验  44-47
  3.6 真实图像实验  47-51
    3.6.1 实验系统  47-48
    3.6.2 标定模版的制作  48
    3.6.3 数据采集与标定  48-50
    3.6.4 在视觉检测上的应用  50-51
  3.7 编程实现  51-53
  3.8 本章小结  53-54
第4章 基于KRUPPA方程的自标定方法  54-68
  4.1 Kruppa方程  54-56
    4.1.1 预备知识  54-55
    4.1.2 Kruppa方程的推导  55-56
  4.2 基于Kruppa方程的自标定方法  56-59
    4.2.1 利用Kruppa方程的数学规划标定方法  56-58
    4.2.2 直接求解Kruppa方程的自标定方法  58-59
  4.3 改进的基于Kruppa方程的自标定方法  59-66
    4.3.1 摄像机模型和基本假设  60
    4.3.2 基本矩阵和极点的求解  60-61
    4.3.3 确定比例因子初始值的近似方法  61-62
    4.3.4 利用粒子群优化算法求精比例因子  62-64
    4.3.5 标定算法总结  64-65
    4.3.6 仿真实验  65-66
  4.4 本章小结  66-68
第5章 总结与展望  68-70
参考文献  70-76
致谢  76

相似论文

  1. 基于学习的低阶视觉问题研究,TP391.41
  2. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  3. PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
  4. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  5. 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
  6. 基于计算机视觉的脱水蒜片检测与分级研究,TP391.41
  7. 基于运动目标轨迹分析的智能交通监控系统,TP277
  8. 基于计算机视觉的带钢表面缺陷在线检测系统的设计与实现,TP391.41
  9. 水果采摘机器人视觉控制及其轨迹规划研究,TP242.6
  10. 三维形貌实时测量方法研究及软件设计,TP274
  11. 立体视觉里程计中的空间不确定度,TP391.41
  12. 基于三焦点张量的摄像机标定技术研究及实现,TP391.41
  13. 基于双镜面成像的单摄像机标定方法研究,TP391.41
  14. 织物褶裥等级客观评估系统的研究,TS101.923
  15. 基于双目立体视觉的水下三维重建,TP391.41
  16. 基于光栅投影的牙颌三维测量系统研究,TP391.41
  17. 基于机器视觉的工业机器人抓取技术的研究,TP242.2
  18. 基于航空立体多影像的城市建筑物识别技术研究,TP391.41
  19. 基于多幅图像的几何和纹理自动重建,TP391.41
  20. 基于视觉系统的无人直升机自主降落,V279
  21. 摄像机标定相关问题研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com