利用多个小棋盘的大视场相机标定方法

为了实现高精度的相机标定,一般要求标定物的尺寸能够布满整个相机视场,而大的标定物不但制作、移动过程复杂,而且灵活性差的同时还会遮挡场景中的有用信息。本文提出了一种基于多个小棋盘的大视场相机标定方法,能兼顾相机标定的精度和灵活性。首先在场景靠近边缘的4个角处各放一个小棋盘（摆放姿态不限）,采用待标定的相机从不同角度多次拍摄场景（不少于3次）;然后将4个棋盘经过旋转和平移变换移到以左上角棋盘为基准的平面上构成一个大棋盘;最后建立大棋盘上所有角点的重投影误差函数,以左上角小棋盘的多幅图像的标定结果作为初值,迭代优化误差函数得到标定结果的最终解。模拟和真实数据试验结果表明该方法是可行的,且有较高的精度和灵活性。     

行星探测器导航相机着陆后参数标定方法

巡视器导航相机在发射前已完成标定,但在飞抵行星表面开展工作前需经过长时间飞行,其间受到的外力可能导致相机参数发生变化,所以在着陆后需要对导航双目相机重新标定。本文首先介绍了以太阳能电池板为标定板,然后通过Hough变换、聚类思想和最小二乘直线拟合法提取出电池板格网线,根据直线参数重新标定导航双目相机外参的标定方法,最后进行了两项试验。试验1以嫦娥4号影像进行格网线提取试验,并与传统的Hough变换直线提取结果进行比较,本文提取方法更准确;试验2以模拟直线参数进行双目相机外参标定试验,结果说明解算精度较高,方法可行有效。但该相机标定方法将相机内参作为已知值,并单独解算左、右相机外参,下一步将继续研究相机内、外参同时标定的方法和双目相机一步标定的方法。     

融合多种棋盘格约束的面阵相机和线激光外参标定

面阵相机和线激光扫描仪的组合在移动测量、自动驾驶、机器人等领域中得到了广泛应用。影像纹理和激光深度数据融合的首要问题是两种传感器的外参标定。对此，提出了一种融合多种约束条件的相机和线激光外参标定算法。该算法建立激光扫描线与V型棋盘平面间的点-面、线-面、点-线等多种约束求解和优化激光与相机间的外参，减少了激光点和像点噪声对结果的影响。实验结果表明，该算法相较于之前的算法有更高的精度和鲁棒性。并通过计算激光交点到V型棋盘面交线的距离，提出了定量评价激光与相机外参精度的标准。     

基于Realsense传感器的机器人视觉里程计研究

基于RGB-D传感器能直接获取空间环境的深度信息和图像信息的能力,采用最新的RGB-D传感器(Realsense),实现了室内移动机器人的视觉里程计。首先利用张正友相机标定法对Realsense传感器的彩色摄像头进行标定;接着采用ORB算法实现图像特征点的匹配,并用PROSAC算法进行外点剔除;最后采用PnP算法实现相机姿态的估计,利用g2o库对相机的姿态进行光束法平差优化,并绘出相机的运动轨迹,实现了基于RGB-D传感器的机器人视觉里程计。实验结果显示该方法能快速、准确地估计视觉传感器的位姿信息,实现移动机器人的精准定位和导航。     

基于预积分的IMU/ODO外参估计

里程计通常被用于辅助车载GNSS/INS组合导航系统,以解决当遇到高楼、密林、隧道等信号干扰和遮蔽严重情景时导致精度下降的问题,而里程计辅助需要获取准确的里程计杆臂和安装角。鉴于此,本文提出了一种基于预积分的IMU/ODO外参估计算法,使用由里程计观测和GNSS/INS组合导航解算得到的一段时间内的里程增量差异构建代价函数,通过非线性优化器进行标定参数求解。仿真与实际测试均表明了本文标定方法的有效性,里程计观测在经过标定外参补偿后,可为车载GNSS/INS组合导航系统提供厘米级的精度辅助。     

计算机视觉中摄像机标定精度评估方法

介绍了两种经典的摄像机标定精度评估方法:Tsai提出的测量3维世界精确程度的准则和Weng提出的NSCE、NCE准则。在此基础上,提出了一种基于棋盘格长度的标定精度评估方法。该方法通过交会测量得到的多个棋盘格的边长与实际边长的误差量来衡量摄像机标定的精度,能够比较形象地描述标定结果的精度。     

计算机视觉中摄像机标定精度评估方法

介绍了两种经典的摄像机标定精度评估方法:Tsai提出的测量3维世界精确程度的准则和Weng提出的NSCE、NCE准则.在此基础上,提出了一种基于棋盘格长度的标定精度评估方法.该方法通过交会测量得到的多个棋盘格的边长与实际边长的误差量来衡量摄像机标定的精度,能够比较形象地描述标定结果的精度.     

一种用于相机检校的黑白棋盘格角点提取算法

黑白棋盘格作为一种人造平面控制条件,是一种重要的相机标定的参考条件。本文基于其角点的对称性、尺度不变性和领域特性,提出了一种有效的角点提取算法;同时针对格网边缘的特性,提出了双边缘的匹配算法,以提取高精度的角点;使用不同型号的相机、不同棋盘格制设备进行试验表明,本文提出的算法是一种具有很强鲁棒性的黑白棋盘格角点提取算法,可以高精度地定位角点。     

ToF深度相机标定方法研究进展

目前ToF相机标定多是利用激光反射强度图像并采用张正友棋盘格的标定方法,通过最小化重投影误差对相机参数进行优化.但因图像分辨率的影响,像点坐标的准确提取存在困难,通常包含较大的误差,解算方法对噪声也较为敏感.预期今后的研究将更多地结合距离值信息,并进一步提高像点坐标检测的准确性,优化相机模型,以提升解算方法的稳定性和精度.     

基于黑白环扇圆盘的角点自动识别与排序

采用传统棋盘格进行相机标定时,标定模板旋转角度对角点排序带来较大的影响,针对此设计了一种黑白环扇圆盘标定模板,并提出了与该标定模板相应的角点识别和排序算法。新的标定模板设计中心圆为1/4缺口的黑色圆,以此来消除标定模板旋转给角点排序带来的影响。通过模板区域分割算法实现标定模板的提取;创建圆形检测器剔除Harris算法提取的伪角点;利用向量积和角点几何特性完成角点排序。实验结果表明:该标定模板及其角点识别与排序算法可以有效剔除伪角点,角点排序具有良好的旋转不变性,能够实现自动相机标定。     

数字相机在类似棋盘检校场中的检校方法研究

针对众多非量测单相机的检校方法,通过分析数码相机的误差来源,并考虑相机的内、外方位元素和物镜光学畸变等因素引起的误差,提出一种基于类似棋盘检校场的数字相机检校方法。利用共线方程和二维DLT之间的关系导出了由二维DLT的9个参数表达的主纵线方程,构建同形矩阵,通过不同摄站拍摄目标的多幅影像,求得内、外方位元素的初始值,并由多张影像的空间后方交会求出相机需要检校参数,再由假设检验来检验相机系统参数的显著性。经实例分析表明,利用改进后的方法求解参数的精度满足实际需求,且效率更高。     

一种多目相机的外参数两步联合在线标定方法

相机外参数的标定是计算机视觉和摄影测量领域的研究热点。但是由于实际标定成本和相机安装环境的限制,难以频繁对其进行外参数标定。针对静态多目相机对外参数连续、在线、稳定的标定需求,提出一种多目相机外参数两步联合在线标定方法。该算法通过对共线交会的外参数初值进行稀疏光束法平差,使外参数存在系统噪声的情况下仍获取稳定估计值。外参数标定的实测试验和仿真分析结果表明,该方法对外参数初值系统误差具有鲁棒性强和收敛速度快的优点,解决了多目相机外参数的在线快速标定问题;满足对静态、连续、在线外参数标定有较高需求的实际工程应用,对视觉导航有参考和借鉴意义。     

一种关键帧的自动提取方法

本文首先介绍了2种主要透镜畸变及摄像机标定方法;然后结合摄像机内部参数和视频帧率推导出关键帧航向重叠度计算公式;在此基础上实现了指定航向重叠度关键帧从文件源或实时源中的自动提取,文件源中采用定位关键帧自动提取算法,实时源中采用定时自动提取算法;最后利用得到的标定参数完成关键帧影像矫正。实验结果表明本文采用的算法能够高效、准确地得到矫正好的指定航向重叠度关键帧。     

由小面阵CCD组合构成宽角航空相机

本文研究由多台小面阵CCD相机构建组合式宽角航空相机的新方法———包括由3台或4台相机组合构建的多相机系统结构,由其分离的各影像转换成等效大影像的数学表达;利用室外和室内近景相机检校场对组合相机系统进行高精度检校的内容、解算方法和检校结果;最后给出了以3相机组合系统装备无人驾驶飞行器(UAV II)进行低空摄影的影像成果。     

稀少控制的多平台星载SAR联合几何定标方法

几何定标采用地面控制点获取距离-多普勒模型中的精确几何参数,用于完成星载SAR影像高精度几何定位。但在广域范围内,特别是高山地区域,控制点极难获取。此外,传统定标方法仅面向单一平台SAR影像,尚不能实现多平台影像的联合几何定标。针对上述问题,本文提出一种基于稀少控制的多平台星载SAR联合几何定标方法。该方法从包含实测控制点的主影像出发,使用点位追踪算法获取主影像与从影像之间的连接点,并以连接点为桥梁逐级完成从影像的几何定标。本文采用京津冀地区南北向分布共计235 km的3景TerraSAR-X、3景TanDEM-X、5景高分三号影像进行联合几何定标试验,仅使用5个控制点即完成了所有影像的几何定标,并利用SF-3050星站差分GNSS接收机采集实测GPS点进行精度评价。结果表明使用稀少控制点定标后的TSX/TDX影像的几何定位精度优于3 m,GF-3影像的几何定位精度优于7.5 m,验证了该方法的有效性和正确性。     

知识驱动下的水文模型参数智能化设置方法

水文模型的参数设置涉及专业领域的知识和繁琐的操作步骤,是水文建模面临的一大难题,在一定程度上限制了模型的应用和推广。基于知识驱动的方法,将水文模型参数设置知识分为参数提取知识和取值范围知识两类,分别对其进行形式化表达和自动推理,初步实现了水文模型参数智能化设置;结合Web Service、工作流和参数自动率定等技术,研发了水文智能建模原型系统;最后,以TOPMODEL模型的参数设置为例,对知识驱动方法进行了验证。结果表明,知识驱动的方法能在保证模拟精度的前提下有效简化水文模型的参数设置流程,降低水文建模难度。     

基于平面控制格网的相机标定算法研究

提出了一种基于平面控制格网的相机标定方法。推导了一种简单实用的在平面场景中利用二维直接线性变换和共线方程分解相机外方位元素初值的算法;引入了基于共面条件的约束条件方程,从而建立了基于附加约束条件的自检校光束法平差用于相机的精确标定。实际图像数据实验结果表明该方法同单纯基于标定点的算法相比标定精度明显提高。主点和焦距均达到了子像素的标定精度。检查点的平面和深度方向相对精度优于1/27000和1/38000。可以满足高精度近景三维量测的要求。     

一种无需控制信息的智能手机自检校方法

传统的相机检校方法受限于高精度的三维检校场或已知空间结构的检校模板，针对这个问题，在分析智能手机成像特征的基础上，提出一种无需控制信息的相机检校方法。该方法主要包括两个步骤:首先按3×3模式采集影像数据，选取基准影像，分别与其他影像进行相对定向以构建单元模型，通过比例系数进行模型连接后建立自由网模型，将所有摄站点、物方点坐标纳入到统一的基准影像坐标系中；然后以选择的基准影像为参考，并考虑附加参数模型，进行自检校光束法自由网平差，解算其余影像相对于基准影像的方位元素以及附加参数，从而完成相机的检校。实验结果表明，该检校方法是有效的，可显著提高测量的精度。     

Monitoring GOCE gradiometer calibration parameters using accelerometer and star sensor data: methodology and first results

The Gravity field and steady-state Ocean Circulation Explorer (GOCE) satellite, launched on 17 March 2009, is designed to measure the Earth’s mean gravity field with unprecedented accuracy at spatial resolutions down to 100?km. The accurate calibration of the gravity gradiometer on-board GOCE is of utmost importance for achieving the mission goals. ESA’s baseline method for the calibration uses star sensor and accelerometer data of a dedicated calibration procedure, which is executed every 2?months. In this paper, we describe a method for monitoring the evolution of calibration parameter during that time. The method works with star sensor and accelerometer data and does not require gravity field models, which distinguishes it from other existing methods. We present time series of calibration parameters estimated from GOCE data from 1 November 2009 to 17 May 2010. The time series confirm drifts in the calibration parameters that are present in the results of other methods, including ESA’s baseline method. Although these drifts are very small, they degrade the gravity gradients, leading to the conclusion that the calibration parameters of the ESA’s baseline method need to be linearly interpolated. Further, we find a correction of ?36 × 10^?6 for one calibration parameter (in-line differential scale factor of the cross-track gradiometer arm), which improves the gravity gradient performance. The results are validated by investigating the trace of the calibrated gravity gradients and comparing calibrated gravity gradients with reference gradients computed along the GOCE orbit using the ITG-Grace-2010s gravity field model.