CN100573586C - 一种双目立体测量***的标定方法 - Google Patents
一种双目立体测量***的标定方法 Download PDFInfo
- Publication number
- CN100573586C CN100573586C CNB2008100206865A CN200810020686A CN100573586C CN 100573586 C CN100573586 C CN 100573586C CN B2008100206865 A CNB2008100206865 A CN B2008100206865A CN 200810020686 A CN200810020686 A CN 200810020686A CN 100573586 C CN100573586 C CN 100573586C
- Authority
- CN
- China
- Prior art keywords
- image
- scaling board
- coordinate
- video camera
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000013519 translation Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 28
- 239000004744 fabric Substances 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 6
- 238000013341 scale-up Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 13
- 238000012360 testing method Methods 0.000 abstract description 3
- 239000007787 solid Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种双目立体测量***的标定方法,属于测量、测试技术领域。采用有特征圆点阵列的平面标定板,其中有两个特征圆点中心的距离精确已知;对标定板在三个以上角度拍摄图像;在针孔模型下,用线性方法求解两个摄像机的内外参数初值;考虑畸变效应,以两个摄像机的内外参数为优化变量进行第一次优化;进一步将标定板上特征圆点中心的空间坐标也作为优化变量,进行第二次优化;用计算距离与已知精确距离的比值对相机间的平移向量进行比例缩放,得到该参数的标定结果,两个摄像机的内参数和相对姿态参数取第二次优化的结果。本发明方法考虑了标定板几何误差的影响,降低了标定板的制作和计量校准要求,同时能够获得高精度的标定结果。
Description
技术领域
本发明属于测量、测试技术领域,特别是涉及一种面向三维测量的双目立体摄像机内部参数以及相对位置和姿态参数的标定方法。
背景技术
双目立体测量是指模仿人眼的视觉功能,利用两台摄像机从不同角度对被测物体拍摄图像,对图像进行分析匹配,并通过三角测量原理计算该物体的三维几何信息的方法。双目立体测量***正越来越广泛地运用于逆向工程、质量检测、车辆导引等各个领域。
双目立体摄像机的标定是指获取双摄像机的内部参数和两个摄像机之间的相对位置和姿态参数的过程,它是双目立体测量***最基本也是最重要的组成部分。
已有的摄像机标定方法可以大体分为以下几类:(1)利用空间几何信息精确已知的立体标定物进行标定,立体标定物一般由2个或3个相互垂直的平面构成。高精度立体标定物不便于制作、成本高,而且不便于携带和现场使用。(2)通过精确控制摄像机或平面标定物体的运动进行标定。精确的运动控制结构复杂、成本高,很多情况下也不适合现场快速标定。(3)利用二维的平面标定模板进行单个摄像机标定的方法。该方法提出至今广受关注,但是目前基于平面标定模板的标定算法的标定精度敏感地依赖于模板上各个特征点坐标位置的精度,因此要求精确已知标定模板上各个特征点的坐标位置,或要求各特征点精确位于若干族平行直线上,根据Zhengyou Zhang在文献“A flexible new technique for cameracalibration.(Technical Report,MSR-TR-98-71,Microsoft Research,1998)”中的实验数据,当平面模板上特征点坐标存在5%的误差,则镜头一阶径向畸变系数的标定误差会达到20%以上;即使平面模板上特征点坐标存在1%的随机误差,一阶径向畸变系数也会有5%左右的标定误差;而当平面模板的平面度有1%的误差时,会导致10个像素左右的主点标定误差。这显然不能很好地满足工业测量的要求。而要严格计量校准标定板上每一个特征点的精确位置,并保证标定板的严格平面度要求,同样会带来标定板制作困难、成本高以及各特征点和精确计量的各个坐标数据之间的额外的对应处理问题。(4)基于一维的直线标定物的标定方法。这种方法也需要一维标定物上的各特征点间的距离精确已知,且各特征点应严格共线方可以获得较高的标定精度。(5)自标定方法,这类方法不用任何标定物,仅仅通过具有一定重叠的静态场景的图像之间形成的约束对相机参数进行标定,虽然这种方法实施最为简单,具有非常高的灵活性,但标定精度难以达到工业测量的要求。
发明内容
针对现有技术存在的问题,本发明提出了一种简便易行的双目立体测量***的高精度标定方法,该方法设计并制作一块平面标定模板,标定板没有严格的平面度要求,其上各个特征点的位置也不需要精确测定,只要各个特征点基本上呈矩形阵列形式排列,且其中有两个点之间的距离精确已知即可。对标定模板在不同角度拍摄一组图像就可以在精确确定标定板的实际几何信息的同时,方便地实现双目立体摄像机内、外参数的高精度标定。
本发明提出的双目立体测量***的标定方法,采用如下技术方案:
步骤1.在标定板上分布N行M列易于识别的特征圆点,设计其中5个特征圆点的直径明显大于其它特征圆点的直径,且它们在阵列中所处的相对位置能够区分它们各自的身份,而且其中有两个特征圆点的圆心之间的距离事先经过精确测定,N行M列特征圆点的行距和列距有一个基本估计值即可,分别记为和取标定板上一个特征圆点的中心为世界坐标系的原点,并令每个特征圆点中心的z坐标等于零,每个特征圆点中心的x和y坐标估计值和可以由该特征圆点在阵列中的序号以及和的值计算得到;在无需控制任何运动参数的情况下,由立体摄像机对标定板在三个以上不同角度拍摄图像,作为标定图像;
步骤2.首先用Canny边缘检测算子提取图像的边缘轮廓,再对标定图像进行轮廓的亚像素边缘提取,并精确确定各个特征圆点的圆心的亚像素图像坐标;
步骤3.在各幅标定图像中,利用5个大特征圆点的特定分布模式确定它们的身份编号,然后在单应映射的基础上建立各幅标定图像中其它特征圆点的对应关系;
步骤4.在不考虑摄像机镜头畸变的情况下,根据标定板到图像平面的单应变换假设,以及旋转矩阵列向量的单位正交性约束,分别建立两个摄像机内部参数的约束方程,并求解得到两个摄像机各自的内部参数,进而计算两个摄像机在各次拍摄时相对于世界坐标系的位置和姿态参数;
步骤5.考虑摄像机镜头的径向和切向畸变,以两个摄像机的内参数和各次拍摄时两个摄像机分别相对于世界坐标系的位置和姿态参数作为优化变量建立优化目标函数,对优化变量进行第一次优化;
步骤6.考虑标定板实际几何误差的影响,以第一次优化得到的单个相机的内、外参数为初值,将标定板上特征圆点中心的空间坐标也作为优化变量,与其它摄像机内外参数,包括径向和切向畸变系数一起再进行第二次优化;
步骤7.根据第二次优化得到的特征圆点中心的空间坐标,计算距离精确已知的那两个特征圆点之间的距离,用该距离值与相应的实际精确距离值之间的比例系数对第二次优化得到的两个摄像机之间的相对位置向量(平移向量)进行比例缩放,从而得到两个摄像机之间的相对位置向量的最终标定结果,两个摄像机的全部内参数以及它们之间的相对姿态参数(旋转矩阵)不受尺度缩放的影响,因此直接由第二次优化的结果作为最终标定结果。
由于本发明在初步确定了两个摄像机内外参数的基础上,进一步将标定板上特征圆点中心的空间坐标作为优化变量进行优化求解,并用实际距离精确已知的两个点之间的间距精确恢复由此带来的尺度变化,因此即使标定板的平面度以及预知的标定板上特征点的中心坐标的精度不高,本发明的标定方法也能通过算法优化确定实际的标定板几何信息,从而大大降低了标定板的制作和计量校准要求,同时能够获得高精度的标定效果,这对于双目立体测量***具有重要意义。
附图说明
图1:标定板示意图。
图2:双目立体测量***示意图。
图中1为1号特征圆点,2为2号特征圆点,3为3号特征圆点,4为4号特征圆点,5为5号特征圆点,6为支架,7和8分别为两个摄像机。标定板的前景和背景的黑白颜色可以互换。
具体实施方式
下面对本发明提出的双目立体测量***的内外参数标定方法的具体实施步骤做进一步描述。
步骤1.制作标定板并拍摄标定图像
本发明要求标定板上分布N行M列易于识别的特征圆点,其中5个特征圆点的直径明显大于其它特征圆点的直径,且它们在阵列中所处的相对位置能够区分它们各自的身份,标定板没有严格的平面度要求,各个特征点的位置也不需要精确测定,只要标定板上有两个点之间的距离精确已知即可。图1为一个标定板实例。对于5个特征圆点,只要从排布位置上看五个中的每一个都不同于另一个就行。就图1而言,如果没有3号大点,1与2以及4与5就没法区分。而3号点放在4的旁边也未尝不可。在该实例中,精确测定1号和2号大特征圆点的圆心之间的距离ds,取标定板上左上角的那个特征圆点的中心为世界坐标系的原点,以2号和1号特征点连线的方向为x轴方向,4号和5号特征点连线的方向为y轴方向,令每个特征圆点中心的z坐标估计值等于零。由于特征圆点大致成阵列形式排列,因此每个特征圆点中心的x和y坐标很容易由其所在阵列中的位置以及特征圆点阵列的大致行距和列距值计算,由此得到第j个特征圆点中心的坐标估计值 两个摄像机相距一定间距和角度固定在支架上,如图2所示,构成立体摄像机对;由立体摄像机对标定板在三个以上不同角度拍摄图像,作为标定图像。
步骤2.标定图像椭圆中心坐标提取
本发明采用以下方法确定标定板上圆形特征点中心在各幅标定图像上的图像坐标位置:首先用Canny边缘检测算子提取图像的边缘轮廓,但由于Canny边缘检测算子只能得到整像素精度级边缘轮廓,因此边缘定位精度不高。考虑标定板上圆形特征点成像到标定图像中的椭圆形目标边界均具有较大的曲率,本发明进一步采用了结合图像灰度梯度和灰度矩的方法来进行边界亚像素轮廓提取。在椭圆拟合时候,使用亚像素边界进行成像椭圆拟合,拟合的椭圆中心即是标定板上特征圆中心的图像坐标。
提取出的各椭圆中心的图像坐标存在一个链表Lu,v中,留待下一步使用。
步骤3.特征点对应
本发明采用单应变换的理论建立圆点间的对应关系。根据***模型,有
其中s为比例系数;[x,y,z]T为点X在世界坐标系下的坐标;m=[u v]i是X在图像平面上的像点转换成像素表示的坐标;R和t分别为从世界坐标系到摄像机坐标系的旋转变换矩阵和平移变换向量;A是摄像机的内参数矩阵,表示为:
其中的[u0,v0]T为图像平面的主点坐标,α、β表示在图像u轴、v轴方向的以像素为单位的焦距参数,γ为扭曲系数。
由于中心投影把一张平面上的点映射为另一张平面上的点,因此在***模型下,针对平面标定模板的成像过程可以认为是一个射影变换过程,可以用非奇异3×3单应矩阵H表示,即:
sm*=HX* (3)
其中,m*=[u,v,1]T是图像坐标的齐次形式,X*=[x,y,1]T表示被拍摄平面上的点的齐次坐标。利用标定模板上5个大圆明显大于其它特征圆且分布呈特定模式的特性,辨别它们的身份。然后根据5个大圆中心的图像坐标及对应的标定板上的平面坐标估计值,求出标定模板到图像平面的单应变换矩阵H。对于标定板上第j个特征圆点,如果存在
其中 τ是阈值,则视m为标定板上第j个特征点的对应像点。
步骤4.单个摄像机内外参数的初始估计
平面标定模板与其所成图像之间的单应矩阵与摄像机内外参数间存在如下关系
H=A[r1 r2 t] (4)
其中r1、r2分别是摄像机相对于标定板上的世界坐标系的旋转矩阵R的前两个列向量。将H矩阵写为H=[h1 h2 h3],则有
h1=Ar1,h2=Ar2,h3=At (5)
利用旋转矩阵列向量r1、r2的单位正交性,可以得出以下约束方程:
由公式(6)可以看出,每拍摄一次标定板的图像可以得到两个线性约束方程,而矩阵A中有5个未知量需要标定,那么如果有n幅图像,则可以得到2n个线性方程。所以,当n≥3时,就可以求解矩阵A中的5个未知量。根据(5)式可进一步得到每次拍摄时摄像机相对于世界坐标系的外部参数:
r1=λA-1h1,r2=λA-1h2 (7)
r3=r1×r2,t=λA-1h3
其中λ=1/||A-1h1||=1/||A-1h2||。
分别对两个摄像机执行上述求解过程,得到左右两个相机的各自的内外参数Al、Rl i、tl i和Ar、Rr i、tr i(上标′表示第i次拍摄,下标l和r分别表示左摄像机和右摄像机)。
要说明的是,由于标定板上特征点的坐标可能存在一定的误差,本发明只将这一步获得的参数作为单个摄像机的初步标定结果。
步骤5.考虑畸变效应的双摄像机内外参数的一次优化
根据上一步标定出的第i次拍摄时左、右摄像机相对于世界坐标系的位置和姿态参数Rl i、tl i、Rr i、tr i,计算右摄像机到左摄像机间的旋转矩阵和平移向量
其中Rr i-1表示Rr i的逆矩阵。
取摄像机的镜头非线性畸变模型为:
x′=x+x[k1r2+k2r4]+[2p1xy+p2(r2+2x2)]
y′=y+y[k1r2+k2r4]+[p1(r2+2y2)+2p2xy] (9)
其中k1、k2是径向畸变系数,p1、p2为切向畸变参数,[x y]T为理想针孔模型下的图像坐标,[x′y′]T为畸变效应作用下的实际图像坐标。k1、k2、p1、p2与式(2)矩阵A中的元素统称为摄像机的内部参数。
考虑非线性畸变效应,对双摄像机内外参数进行第一步优化。具体方法是以Al,k1 l,k2 l,p1 l,p2 l,Rl i,tl i,Ar,k1 r,k2 r,p1 r,p2 r,Rr2l,tr2l为优化变量,建立最小化的目标函数:
其中是根据平面标定模板上的特征点的初始值使用针孔模型加非线性畸变模型计算出来的第j个特征圆点在左摄像机第i幅图像上的图像坐标,ml ij是标定板上第j个特征圆点在左摄像机第i幅图像上识别出的真实特征圆点图像坐标,mi i是左摄像机第i幅图像上识别出的特征圆点个数;是根据使用针孔模型加非线性畸变模型计算出来的在右摄像机第i幅图像上的图像坐标,mr ij是标定板上第j个特征点在右摄像机第i幅图像上的实际投影图像坐标,ml i是右摄像机第i幅图像上识别出的特征圆点个数。在这一步优化中保持标定板上的特征圆点的空间坐标不变,Al,Ar,Rl i tl i的初始值由步骤4中解线性方程***得到,k1 l,k2 l,p1 l,p2 l和k1 r,k2 r,p1 l,p2 r的初始值设为0,Rr2l和tr2l的初始值取各次拍摄计算得到的Rr2l i和tr2l i的平均值。
步骤6.考虑标定板实际几何影响的二次优化
通常的标定算法都假定标定物体上的目标点坐标均精确已知。这一假定带来的问题是,如果已知的标定物上的目标点坐标精度不高,则最终的标定精度会受到明显影响;而若要确定标定物上所有点的高精度的三维坐标,则势必给标定物的制作和测量校准提出很高的要求。为此,本发明假定标定板上各特征圆点的预先给定的坐标存在一定的误差,因此在步骤5进行第一次优化的基础上,将标定模板上的各特征圆点中心的实际坐标Xj也作为变量纳入优化目标函数,进行第二次优化,具体目标函数为:
这里优化变量除了Al,k1 l,k2 l,p1 l,p2 l,Rl i,tl i,Ar,k1 i,k2 i,p1 r,p2 r,Ri2l,tr2l以外还包括Xl。Al,k1 l,k2 l,p1 l,p2 l,Rl i,tl i,Ar,k1 r,k2 r,p1 r,p2 r,Rr2l,tr2l的初始值取步骤5中一次优化的输出结果,Xl的初始值取为。
步骤7.比例缩放
由于标定模板上的各个特征圆点中心的实际坐标Xj也参与了优化过程,会使得双目立体测量***的测量结果相差一个比例因子。为此,本发明根据优化后得到的1号特征圆点中心和2号特征圆点中心的坐标,计算它们之间的距离根据和标准距离ds之间的比值,对二次优化得到的参数tr2l乘以比例系数得到最终标定出的右摄像机到左摄像机之间的平移向量。两个摄像机的全部内参数以及它们之间的相对姿态参数(旋转矩阵)不受尺度缩放的影响,因此直接由步骤6中的结果作为最终标定结果。这样即得到双目立体测量***的全部内、外参数的最后的标定结果。
本发明在初步确定了两个摄像机内、外参数的基础上,综合考虑了标定板几何误差的影响,进一步将标定板上特征圆点中心的空间坐标作为优化变量进行优化求解,并用实际距离精确已知的两个点之间的间距精确恢复由此带来的尺度变化,因此即使标定板的平面度以及预先给定的标定板上特征点的中心坐标的精度不高,本发明的标定方法也能通过算法优化确定实际的标定板几何信息,从而大大降低了标定板的制作和计量校准要求,同时能够获得高精度的标定效果。
下面结合一个实施例进一步说明本发明方法的有益效果。该实施例采用分辨率为1392×1040的两个数字CCD摄像机和50mm焦距的两个光学镜头;两个摄像机放置在带有三机云台的三角架上;***的标定程序以VC++6.0为工具编写,在Windows2000平台上运行。用普通打印机打印出图1所示的标定模板图案,黏贴于普通平板玻璃上,特征圆点阵列的设计行距和列距均为15mm,用万工显测出1号和2号大特征圆点中心间的距离为89.977。用两个摄像机对标定板在不同角度拍摄5次,得到5个图像对共10幅图像。应用本发明方法对该双目立体摄像机的内外参数进行标定,结果为:
左摄像机内部参数:
右摄像机内部参数:
左右摄像机的相对姿态和位置关系:
根据标定出的***内外参数分析三维空间点的再投影误差:利用标定结果将标定模板上的三维特征点坐标按照标定出的***内、外参数投影到左右摄像机的图像平面,得到在相应内、外部参数下的标定模板特征圆点的象素坐标 分别计算和实际图像中提取出的对应特征点的象素坐标m之间的平均误差mean,最大误差max,方差和sse以及标准偏差stddev。
表1不考虑标定板实际几何影响的重投影误差(单位:像素)
左摄像机 | mean | max | sse | stddev |
图像1 | 0.1928 | 0.4673 | 5.0854 | 0.1197 |
图像2 | 0.1785 | 0.4661 | 3.7373 | 0.1012 |
图像3 | 0.1791 | 0.4720 | 3.9210 | 0.0942 |
图像4 | 0.1719 | 0.4326 | 3.2937 | 0.0893 |
图像5 | 0.1808 | 0.5700 | 4.4367 | 0.1107 |
右摄像机 | mean | max | sse | stddev |
图像1 | 0.1813 | 0.4532 | 4.4319 | 0.1097 |
图像2 | 0.1932 | 0.4613 | 4.8328 | 0.1078 |
图像3 | 0.1527 | 0.3873 | 2.9664 | 0.0837 |
图像4 | 0.2018 | 0.5012 | 5.3704 | 0.1169 |
图像5 | 0.1615 | 0.4694 | 3.3624 | 0.0891 |
表2考虑标定板实际几何影响的的重投影误差(单位:像素)
左摄像机 | mean | max | sse | stddev |
图像1 | 0.0256 | 0.0739 | 0.0877 | 0.0153 |
图像2 | 0.0384 | 0.1299 | 0.2149 | 0.0308 |
图像3 | 0.0465 | 0.1470 | 0.2663 | 0.0249 |
图像4 | 0.0516 | 0.1428 | 0.3094 | 0.0294 |
图像5 | 0.0463 | 0.1144 | 0.2587 | 0.0219 |
右摄像机 | mean | max | sse | stddev |
图像1 | 0.0303 | 0.1093 | 0.1332 | 0.0208 |
图像2 | 0.0473 | 0.1437 | 0.3022 | 0.0287 |
图像3 | 0.0298 | 0.0924 | 0.1060 | 0.0140 |
图像4 | 0.0568 | 0.1274 | 0.3984 | 0.0283 |
图像5 | 0.0433 | 0.1620 | 0.3114 | 0.0358 |
表1给出了不考虑标定板几何误差(包括标定板平面度以及其上特征圆点中心坐标误差)影响的情况下,得到的再投影误差。表2是考虑了标定板实际几何影响,将特征圆点中心的实际坐标作为优化变量参与二次优化,得到的再投影误差。对比表1和表2可以看出,双目立体摄像机参数在不考虑标定板实际几何影响的情况下,特征点的再投影平均误差在0.18个象素上下浮动,最大误差达到0.57个象素;使用本发明提出的考虑标定板实际几何影响进行二次优化之后,特征点的再投影平均误差和最大误差分别减小到0.04个象素和0.16个象素,可见再投影误差显著降低。
在两个摄像机的内参数以及二者之间的相对位置和姿态参数确定以后,可以利用光学三角形原理计算出空间点的三维坐标。因此,除了上述对再投影误差的分析,我们还利用本发明方法标定得到的***参数,对间距精确值为90mm的两个点的三维坐标进行了反求,50次测量实验得到的这两个点间的平均距离为90.02126mm,相对误差均值为0.0236%,标准差为6.3924×10-3mm。
而用不考虑标定板实际几何参数影响得到的***标定结果对这两个点进行同样实验,得到的这两个点间的平均距离为90.03406mm,相对误差均值为0.0378%,标准差为6.1650×10-3mm,误差水平为本发明方法的1.6倍。由此进一步说明,使用本发明方法可以明显提高双目立体测量***的精度。
Claims (1)
1、一种双目立体测量***的标定方法,其特征在于包括以下步骤:
步骤1.制作标定板并拍摄标定图像
采用特殊设计的平面标定板,其上分布易于识别的矩形阵列形式的特征圆点,其中5个特征圆点的直径明显大于其它特征圆点的直径,且它们在阵列中所处的相对位置能够区分它们各自的身份,标定板没有严格的平面度要求,各个特征点的位置也不需要精确测定,只要标定板上有两个点之间的距离精确已知即可;利用特征圆点在阵列中的位置以及特征圆点阵列的行距和列距值计算得到第j个特征圆点中心的坐标估计值 由立体摄像机对标定板在三个以上不同角度拍摄图像,作为标定图像;
步骤2.确定标定板上每个圆形特征点中心在各幅标定图像上的图像坐标位置
首先用Canny边缘检测算子提取图像上每个圆形特征点的边缘轮廓;进一步采用结合图像灰度梯度和灰度矩的方法来进行边界亚像素轮廓提取;使用亚像素边界进行圆形特征点成像椭圆拟合,拟合的椭圆中心即是标定板上特征圆中心的图像坐标;
提取出的各椭圆中心的图像坐标存在一个链表Lu,v中,留待下一步使用;
步骤3.特征点对应
由于中心投影把一张平面上的点映射为另一张平面上的点,因此在***模型下,针对平面标定模板的成像过程可以用非奇异3×3单应矩阵H表示,即:
sm*=HX* (1)
其中,m*=[u,v,1]T是图像坐标的齐次形式,X*=[x,y,1]T表示被拍摄平面上的点的齐次坐标,s是一个任意的比例系数;利用标定模板上5个大圆明显大于其它特征圆且分布呈特定模式的特性,辨别它们的身份;然后根据5个大圆中心的图像坐标及对应的标定板上的平面坐标估计值,求出标定模板到图像平面的单应变换矩阵H;对于标定板上第j个特征圆点,如果存在
其中 τ是阈值,则视m为标定板上第j个特征点的对应像点;
步骤4.单个摄像机内外参数的初始估计
平面标定模板与其所成图像之间的单应矩阵与摄像机内外参数间存在如下关系
H=A[r1 r2 t] (2)
其中r1、r2分别是摄像机相对于标定板上的世界坐标系的旋转矩阵R的前两个列向量,t为从世界坐标系到摄像机坐标系的平移向量;A是摄像机的内参数矩阵,表示为:
其中的[u0,v0]T为图像平面的主点坐标,α、β表示在图像u轴、v轴方向的以像素为单位的焦距参数,γ为扭曲系数;将H矩阵写为H=[h1 h2 h3],则有
h1=Ar1,h2=Ar2,h3=At (4)
利用旋转矩阵列向量r1、r2的单位正交性,可以得出以下约束方程:
由公式(5)可以看出,每拍摄一次标定板的图像可以得到两个线性约束方程,而矩阵A中有5个未知量需要标定,那么如果有n幅图像,则可以得到2n个线性方程,所以,当n≥3时,就可以求解矩阵A中的5个未知量;根据(4)式进一步得到每次拍摄时摄像机相对于世界坐标系的外部参数:
r1=λA-1h1,r2=λA-1h2
(6)
r3=r1×r2,t=λA-1h3
其中λ=1/||A-1h1||=1/||A-1h2||,r3是摄像机相对于世界坐标系的旋转矩阵R的第3个列向量;
分别对两个摄像机执行上述求解过程,得到左右两个相机的各自的内外参数Al、Rl i、tl i和Ar、Rr i、tr i,这里上标i表示第i次拍摄,下标l和r分别表示左摄像机和右摄像机;
步骤5.考虑畸变效应的双摄像机内外参数的一次优化
根据上一步标定出的第i次拍摄时左、右摄像机相对于世界坐标系的位置和姿态参数Rl i、tl i、Rr i、tr i,计算右摄像机到左摄像机间的旋转矩阵和平移向量
其中Rr i-1表示Rr i的逆矩阵;
取摄像机的镜头非线性畸变模型为:
x′=x+x[k1r2+k2r4]+[2p1xy+p2(r2+2x2)]
(8)
y′=y+y[k1r2+k2r4]+[p1(r2+2y2)+2p2xy]
其中k1、k2是径向畸变系数,p1、p2为切向畸变参数,[x y]T为理想针孔模型下的图像坐标,[x′y′]T为畸变效应作用下的实际图像坐标;
考虑非线性畸变效应,对双摄像机内外参数进行第一步优化,具体方法是以Al,k1 l,k2 l,p1 l,p2 l,Rl i,tl i,Ar,k1 r,k2 r,p1 r,p2 r,Rr2l,tr2l为优化变量,建立最小化目标函数:
其中 是根据平面标定模板上的特征点的初始值使用针孔模型加非线性畸变模型计算出来的第j个特征圆点在左摄像机第i幅图像上的图像坐标,ml ij是标定板上第j个特征圆点在左摄像机第i幅图像上识别出的真实特征圆点图像坐标,ml i是左摄像机第i幅图像上识别出的特征圆点个数; 是根据使用针孔模型加非线性畸变模型计算出来的在右摄像机第i幅图像上的图像坐标,mr ij是标定板上第j个特征点在右摄像机第i幅图像上的实际投影图像坐标,mr i是右摄像机第i幅图像上识别出的特征圆点个数;在这一步优化中保持标定板上的特征圆点的空间坐标不变,Al,Ar,Rl i tl i的初始值由步骤4中解线性方程***得到,k1 l,k2 l,p1 l,p2 l和k1 r,k2 r,p1 r,p2 r的初始值设为0,Rr2l和tr2l的初始值取各次拍摄计算得到的Rr2l i和tr2l i的平均值;
步骤6.考虑标定板实际几何影响的二次优化
在步骤5进行第一次优化的基础上,将标定模板上的各特征圆点中心的实际坐标Xj也作为变量纳入优化目标函数,进行第二次优化,具体目标函数为:
这里优化变量除了Al,k1 l,k2 l,p1 l,p2 l,Rl i,tl i,Ar,k1 i,k2 r,p1 r,p2 r,Rr2l,tr2l,以外还包括Xj;Al,k1 l,k2 l,p1 l,p2 l,Rl i,tl i,Ar,k1 r,k2 r,p1 i,p2 r,Rr2l,tr2l,的初始值取步骤5中一次优化的输出结果,Xj的初始值取为通过这次优化得到两个摄像机的全部内参数Al,k1 l,k2 l,p1 l,p2 l,Ar,k1 r,k2 r,p1 r,p2 r以及它们之间的相对姿态参数Rr2l的最终标定结果;
步骤7.比例缩放
根据步骤6中优化得到的特征圆点中心的空间坐标,计算标定板上距离精确已知的那两个特征圆点之间的距离,用该距离值与相应的实际精确距离值之间的比例系数乘以步骤6优化得到的两个摄像机之间的相对位置向量tr2l,从而得到两个摄像机之间的相对位置向量参数tr2l的最终标定结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2008100206865A CN100573586C (zh) | 2008-02-21 | 2008-02-21 | 一种双目立体测量***的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2008100206865A CN100573586C (zh) | 2008-02-21 | 2008-02-21 | 一种双目立体测量***的标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101231750A CN101231750A (zh) | 2008-07-30 |
CN100573586C true CN100573586C (zh) | 2009-12-23 |
Family
ID=39898195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2008100206865A Expired - Fee Related CN100573586C (zh) | 2008-02-21 | 2008-02-21 | 一种双目立体测量***的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100573586C (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104581136A (zh) * | 2013-10-14 | 2015-04-29 | 钰创科技股份有限公司 | 图像校准***和立体摄像机的校准方法 |
CN107478172A (zh) * | 2017-06-20 | 2017-12-15 | 南京航空航天大学 | 基于双目视觉的激光三维曲线轮廓定位投影方法 |
CN108898634A (zh) * | 2018-07-06 | 2018-11-27 | 张显磊 | 基于双目相机视差对绣花机目标针眼进行精确定位的方法 |
Families Citing this family (85)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329764B (zh) * | 2008-07-31 | 2010-04-21 | 上海交通大学 | 采用两个任意共面圆进行摄像机标定的方法 |
CN101685197B (zh) * | 2008-09-24 | 2012-01-25 | 中国科学院自动化研究所 | 一种评价摄像机镜头切向畸变指标的方法 |
CN101383051B (zh) * | 2008-09-27 | 2011-03-23 | 四川虹微技术有限公司 | 一种基于图像重投影的视图合成方法 |
CN101686411B (zh) * | 2008-09-28 | 2013-09-18 | 新奥特(北京)视频技术有限公司 | 一种基于蚁群算法的摄像机标定方法 |
CN101551907B (zh) * | 2009-04-28 | 2011-05-04 | 浙江大学 | 一种多照相机自动化高精度标定方法 |
CN101582161B (zh) * | 2009-06-15 | 2012-11-21 | 北京航空航天大学 | 一种基于透视成像模型标定的c型臂图像校正方法 |
CN101929836B (zh) * | 2009-06-25 | 2012-11-28 | 深圳泰山在线科技有限公司 | 一种物体三维定位方法及摄像机 |
CN101936761B (zh) * | 2009-06-30 | 2012-02-15 | 宝山钢铁股份有限公司 | 大型料场料堆视觉测量方法 |
CN101998136B (zh) * | 2009-08-18 | 2013-01-16 | 华为技术有限公司 | 单应矩阵的获取方法、摄像设备的标定方法及装置 |
CN101706960B (zh) * | 2009-10-30 | 2012-06-06 | 北京航空航天大学 | 一种共面圆圆心投影点的定位方法 |
CN101876532B (zh) * | 2010-05-25 | 2012-05-23 | 大连理工大学 | 测量***中的摄像机现场标定方法 |
CN101887585B (zh) * | 2010-07-15 | 2012-04-11 | 东南大学 | 基于非共面特征点的摄像机标定方法 |
CN102567991B (zh) * | 2011-12-09 | 2015-10-21 | 北京航空航天大学 | 一种基于同心圆合成图像匹配的双目视觉标定方法和*** |
CN102646275B (zh) * | 2012-02-22 | 2016-01-20 | 西安华旅电子科技有限公司 | 通过跟踪和定位算法实现虚拟三维叠加的方法 |
CN102663727B (zh) * | 2012-03-09 | 2014-10-01 | 天津大学 | 基于cmm移动靶标的相机分区域标定方法 |
CN102750704B (zh) * | 2012-06-29 | 2015-04-22 | 吉林大学 | 一种摄像机分步自标定方法 |
CN102890740A (zh) * | 2012-10-23 | 2013-01-23 | 浙江大学 | 一种多域***的设计和优化方法 |
CN103198487B (zh) * | 2013-04-15 | 2016-05-25 | 厦门博聪信息技术有限公司 | 一种用于视频监控***中的自动定标方法 |
CN103389072B (zh) * | 2013-07-22 | 2015-04-22 | 北京信息科技大学 | 一种基于直线拟合的像点定位精度评估方法 |
CN103400377B (zh) * | 2013-07-22 | 2016-04-20 | 上海理工大学 | 一种基于双目立体视觉的三维圆形目标检测和判断方法 |
CN103471618B (zh) * | 2013-09-22 | 2016-01-13 | 电子科技大学 | 一种视觉检测***的图像采集装置坐标误差测定方法 |
CN104567664A (zh) * | 2013-10-29 | 2015-04-29 | 鸿富锦精密工业(深圳)有限公司 | 影像量测***、影像量测***的使用方法和终端装置 |
CN103731658B (zh) * | 2013-12-25 | 2015-09-30 | 深圳市墨克瑞光电子研究院 | 双目摄像机复位方法和双目摄像机复位装置 |
CN103759741B (zh) * | 2014-01-20 | 2016-08-17 | 哈尔滨工业大学 | 一种采用led的高精度视觉平面标定模板 |
CN104315978B (zh) * | 2014-11-10 | 2017-03-29 | 北京理工大学 | 一种管路端面中心点的测量方法及装置 |
CN104331896B (zh) * | 2014-11-21 | 2017-09-08 | 天津工业大学 | 一种基于深度信息的***标定方法 |
CN104574388B (zh) * | 2014-12-29 | 2017-08-29 | 东莞市神州视觉科技有限公司 | 一种相机标定***及其3d标定方法 |
CN104680535A (zh) * | 2015-03-06 | 2015-06-03 | 南京大学 | 一种双目直视相机的标定靶标、标定***及标定方法 |
CN104942401B (zh) * | 2015-06-15 | 2017-03-15 | 中国地质大学(武汉) | 基于双目立体视觉的管坯冷定心方法及管坯冷定心装置 |
CN106709899B (zh) | 2015-07-15 | 2020-06-02 | 华为终端有限公司 | 双摄像头相对位置计算方法、装置和设备 |
CN105222760A (zh) * | 2015-10-22 | 2016-01-06 | 一飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测***及方法 |
CN105551039B (zh) * | 2015-12-14 | 2017-12-08 | 深圳先进技术研究院 | 结构光三维扫描***的标定方法及装置 |
CN105444741B (zh) * | 2015-12-17 | 2018-08-28 | 南京航空航天大学 | 基于双视野窗口的路径特征识别、偏差测量与精确定位方法 |
CN105423952B (zh) * | 2015-12-24 | 2018-01-05 | 吉林大学 | 汽车形貌测量***机械式畸变系数测量仪 |
CN105740868B (zh) * | 2016-01-26 | 2019-07-23 | 北京工商大学 | 一种基于圆形算子的图像边缘提取方法和装置 |
CN107192348A (zh) * | 2016-03-14 | 2017-09-22 | 武汉小狮科技有限公司 | 一种高精度3d视觉测量方法 |
CN107644442B (zh) * | 2016-07-21 | 2021-10-15 | 宁波舜宇光电信息有限公司 | 双摄模组的空间位置标定方法 |
CN106774844B (zh) * | 2016-11-23 | 2020-04-17 | 上海临奇智能科技有限公司 | 一种用于虚拟定位的方法及设备 |
CN106778541B (zh) * | 2016-11-28 | 2019-08-13 | 华中科技大学 | 一种基于视觉的多层梁中外梁孔的识别与定位方法 |
CN106769146B (zh) * | 2016-12-26 | 2023-09-19 | 东莞市敏通三防化工科技有限公司 | 三防漆涂覆精度检测板及其检测方法 |
CN106780312B (zh) * | 2016-12-28 | 2020-02-18 | 南京师范大学 | 基于sift匹配的图像空间与地理场景自动映射方法 |
CN106887023A (zh) * | 2017-02-21 | 2017-06-23 | 成都通甲优博科技有限责任公司 | 用于双目摄像机标定的标定板及其标定方法和标定*** |
CN108629810B (zh) * | 2017-03-23 | 2020-09-18 | 展讯通信(上海)有限公司 | 双目相机的标定方法、装置及终端 |
CN106989695B (zh) * | 2017-04-28 | 2020-03-31 | 广东工业大学 | 一种投影仪标定方法 |
CN107330373A (zh) * | 2017-06-02 | 2017-11-07 | 重庆大学 | 一种基于视频的违章停车监控*** |
CN107330942A (zh) * | 2017-06-20 | 2017-11-07 | 成都通甲优博科技有限责任公司 | 一种标定模板、标定方法、标定操作方法及标定*** |
JP7003463B2 (ja) * | 2017-07-11 | 2022-01-20 | セイコーエプソン株式会社 | ロボットの制御装置、ロボットシステム、並びに、カメラの校正方法 |
CN107564070B (zh) * | 2017-09-05 | 2020-06-12 | 国网浙江省电力公司湖州供电公司 | 架空输电通道图像监测中大场景双目测距及其校正方法 |
CN109754427A (zh) * | 2017-11-01 | 2019-05-14 | 虹软科技股份有限公司 | 一种用于标定的方法和装置 |
CN107909616A (zh) * | 2017-12-14 | 2018-04-13 | 元橡科技(北京)有限公司 | 一种双目视觉***的自动矫正方法 |
CN108269289B (zh) * | 2018-01-16 | 2021-08-10 | 上海汇像信息技术有限公司 | 一种相机参数标定的两步优化方法 |
CN108416810A (zh) * | 2018-02-05 | 2018-08-17 | 北京邦天信息技术有限公司 | 相机标定中相机坐标系到世界坐标系的转换方法和装置 |
CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及*** |
CN112470192A (zh) * | 2018-06-08 | 2021-03-09 | Oppo广东移动通信有限公司 | 双摄像头标定方法、电子设备、计算机可读存储介质 |
CN108921890B (zh) * | 2018-06-15 | 2021-01-01 | 广东拓斯达科技股份有限公司 | 螺丝锁付方法、装置及计算机可读存储介质 |
CN110728714B (zh) * | 2018-07-16 | 2023-06-20 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
JP6836561B2 (ja) | 2018-09-20 | 2021-03-03 | ファナック株式会社 | 画像処理装置及び画像処理方法 |
CN109285194B (zh) * | 2018-09-29 | 2021-06-29 | 人加智能机器人技术(北京)有限公司 | 相机标定板及相机标定数据采集方法 |
CN109658458B (zh) * | 2018-11-16 | 2023-06-23 | 成都西纬科技有限公司 | 一种双摄像头模组的标定方法 |
CN109829948A (zh) * | 2018-12-13 | 2019-05-31 | 昂纳自动化技术(深圳)有限公司 | 摄像机标定板、标定方法以及摄像机 |
CN109859272B (zh) * | 2018-12-18 | 2023-05-19 | 像工场(深圳)科技有限公司 | 一种自动对焦双目摄像头标定方法及装置 |
CN109710477B (zh) * | 2018-12-28 | 2019-10-18 | 哈尔滨拓博科技有限公司 | 一种对平面互动投影进行自动化测试的***和方法 |
CN109767476B (zh) * | 2019-01-08 | 2023-04-07 | 像工场(深圳)科技有限公司 | 一种自动对焦双目摄像头标定及深度计算方法 |
KR102268094B1 (ko) * | 2019-03-09 | 2021-06-22 | 코어포토닉스 리미티드 | 동적 입체 캘리브레이션을 위한 시스템 및 방법 |
CN110490940A (zh) * | 2019-08-15 | 2019-11-22 | 北京迈格威科技有限公司 | 基于棋盘格单幅图像的相机标定方法和装置 |
CN110580724B (zh) * | 2019-08-28 | 2022-02-25 | 贝壳技术有限公司 | 一种对双目相机组进行标定的方法、装置和存储介质 |
CN110740297B (zh) * | 2019-10-25 | 2021-03-12 | 浙江工贸职业技术学院 | 一种自动识别的基于计算机的监控装置及监控方法 |
CN113034603B (zh) * | 2019-12-09 | 2023-07-14 | 百度在线网络技术(北京)有限公司 | 用于确定标定参数的方法和装置 |
CN111462216B (zh) * | 2020-04-02 | 2023-09-19 | 中国航空工业集团公司北京长城计量测试技术研究所 | 一种圆形阵列标定板中圆心像素坐标确定方法 |
CN111521517B (zh) * | 2020-04-10 | 2022-05-10 | 中国科学院上海硅酸盐研究所 | 一种基于双相机视觉的熔融态悬浮椭球液滴图像处理算法 |
CN113554710A (zh) * | 2020-04-24 | 2021-10-26 | 西门子(深圳)磁共振有限公司 | 医学影像***中3d相机的标定方法、***和存储介质 |
CN111862234B (zh) * | 2020-07-22 | 2023-10-20 | 中国科学院上海微***与信息技术研究所 | 双目相机自标定方法及*** |
CN112284292B (zh) * | 2020-12-01 | 2021-07-30 | 吉林大学 | 基于等摇臂机构的汽车形貌测量***畸变系数测量仪 |
CN112634373B (zh) * | 2020-12-01 | 2023-08-11 | 北京航天计量测试技术研究所 | 基于零膨胀陶瓷标定板的视觉测量***动态校正方法 |
CN112270720B (zh) * | 2020-12-21 | 2021-04-09 | 南京理工大学智能计算成像研究院有限公司 | 一种基于二基点的标定板特征点自动排序方法 |
CN112927296A (zh) * | 2021-02-03 | 2021-06-08 | 上海橙捷健康科技有限公司 | 一种用于空间相对位置标定与校准的方法及*** |
CN113077518B (zh) * | 2021-03-15 | 2022-02-11 | 中移(上海)信息通信科技有限公司 | 一种相机参数标定方法、装置及存储介质 |
CN112991462A (zh) * | 2021-03-15 | 2021-06-18 | 扬州大学 | 一种基于圆点图的摄像机标定方法 |
CN113029053B (zh) * | 2021-04-06 | 2022-05-13 | 中国科学技术大学 | 通用的ct对轴方法 |
CN114485543B (zh) * | 2021-12-23 | 2023-05-05 | 南昌航空大学 | 一种基于立体视觉的飞机舵面角测量方法 |
CN114332244A (zh) * | 2021-12-31 | 2022-04-12 | 北京德火科技有限责任公司 | 一种虚拟演播室的摄像机定位方法及*** |
CN114535102A (zh) * | 2022-02-16 | 2022-05-27 | 北京京东乾石科技有限公司 | 分拣***、分拣方法、控制方法及存储介质 |
CN114705122B (zh) * | 2022-04-13 | 2023-05-05 | 成都飞机工业(集团)有限责任公司 | 一种大视场立体视觉标定方法 |
CN116379953B (zh) * | 2023-05-30 | 2023-09-05 | 武汉中岩科技股份有限公司 | 一种远距离双目三维变形测量***的拍摄控制方法 |
CN117541662B (zh) * | 2024-01-10 | 2024-04-09 | 中国科学院长春光学精密机械与物理研究所 | 一种同时标定相机内参和导出相机坐标系的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050074161A1 (en) * | 2001-01-29 | 2005-04-07 | Nicola Ancona | System and method for the measurement of the relative position of an object with respect to a point of reference |
CN1896679A (zh) * | 2005-07-12 | 2007-01-17 | 北京航空航天大学 | 一种三维视觉现场测量量值传递方法及装置 |
CN101093160A (zh) * | 2007-07-12 | 2007-12-26 | 上海交通大学 | 基于双目立体视觉技术的空间圆几何参数的测量方法 |
-
2008
- 2008-02-21 CN CNB2008100206865A patent/CN100573586C/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050074161A1 (en) * | 2001-01-29 | 2005-04-07 | Nicola Ancona | System and method for the measurement of the relative position of an object with respect to a point of reference |
CN1896679A (zh) * | 2005-07-12 | 2007-01-17 | 北京航空航天大学 | 一种三维视觉现场测量量值传递方法及装置 |
CN101093160A (zh) * | 2007-07-12 | 2007-12-26 | 上海交通大学 | 基于双目立体视觉技术的空间圆几何参数的测量方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104581136A (zh) * | 2013-10-14 | 2015-04-29 | 钰创科技股份有限公司 | 图像校准***和立体摄像机的校准方法 |
CN107478172A (zh) * | 2017-06-20 | 2017-12-15 | 南京航空航天大学 | 基于双目视觉的激光三维曲线轮廓定位投影方法 |
CN107478172B (zh) * | 2017-06-20 | 2019-08-16 | 南京航空航天大学 | 基于双目视觉的激光三维曲线轮廓定位投影方法 |
CN108898634A (zh) * | 2018-07-06 | 2018-11-27 | 张显磊 | 基于双目相机视差对绣花机目标针眼进行精确定位的方法 |
CN108898634B (zh) * | 2018-07-06 | 2021-09-24 | 张显磊 | 基于双目相机视差对绣花机目标针眼进行精确定位的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101231750A (zh) | 2008-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100573586C (zh) | 一种双目立体测量***的标定方法 | |
CN110276808B (zh) | 一种单相机结合二维码测量玻璃板不平度的方法 | |
Luhmann et al. | Sensor modelling and camera calibration for close-range photogrammetry | |
CN108510551B (zh) | 一种远距离大视场条件下相机参数的标定方法及*** | |
CN109767476A (zh) | 一种自动对焦双目摄像头标定及深度计算方法 | |
CN102376089B (zh) | 一种标靶校正方法及*** | |
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN101887585B (zh) | 基于非共面特征点的摄像机标定方法 | |
CN110517325B (zh) | 一种坐标变换及坐标变换的车身周围物体定位方法和*** | |
CN105469389B (zh) | 一种用于视觉传感器标定的网格球靶标及相应标定方法 | |
CN111667536A (zh) | 一种基于变焦相机深度估计的参数标定方法 | |
CN104835144A (zh) | 利用一个球的球心的像及正交性求解摄像机内参数 | |
CN102103746B (zh) | 利用正四面体求解圆环点标定摄像机内参数的方法 | |
CN103106661B (zh) | 空间二条相交直线线性求解抛物折反射摄像机内参数 | |
CN113920205B (zh) | 一种非同轴相机的标定方法 | |
CN103473771A (zh) | 一种摄相机标定方法 | |
CN101783018B (zh) | 利用同心圆进行摄像机标定的方法 | |
CN103353388A (zh) | 一种具摄像功能的双目体式显微成像***标定方法及装置 | |
CN109974618B (zh) | 多传感器视觉测量***的全局标定方法 | |
CN104794718A (zh) | 一种单图像ct机房监控摄像机标定的方法 | |
CN104167001A (zh) | 基于正交补偿的大视场摄像机标定方法 | |
CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
CN116625258A (zh) | 链条间距测量***及链条间距测量方法 | |
CN103942784A (zh) | 棋盘格中三条互不平行直线求解抛物折反射摄像机内参数 | |
CN104504691A (zh) | 基于低秩纹理的摄像机位置和姿态测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091223 Termination date: 20130221 |