CN105205824B - 基于高精度辅助相机和球靶标的多摄像机全局校准方法 - Google Patents
基于高精度辅助相机和球靶标的多摄像机全局校准方法 Download PDFInfo
- Publication number
- CN105205824B CN105205824B CN201510621447.5A CN201510621447A CN105205824B CN 105205824 B CN105205824 B CN 105205824B CN 201510621447 A CN201510621447 A CN 201510621447A CN 105205824 B CN105205824 B CN 105205824B
- Authority
- CN
- China
- Prior art keywords
- camera
- coordinate system
- ball
- global
- sphere
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出一种基于高精度辅助相机和球靶标的多摄像机全局校准方法,针对布局复杂且无公共视场的多摄像机***,以全局相机坐标系为世界坐标系,待标定相机和全局相机同时重构一组(至少三个)球靶标的球心在自身坐标系下的三维坐标,据此求解两个坐标系之间的转换矩阵。从而得到所有相机坐标系到世界坐标系的转换矩阵。在重构球心三维坐标时,采用单视图的方法,并采用参数方程来表述球投影模型,这可以大大提高球心重构精度。本方法具有操作简便、柔性好等优点,对于布局复杂且无公共视场的多摄像机***,也能方便地完成校准任务。
Description
技术领域
本发明涉及摄像机全局校准的技术领域,具体涉及一种基于高精度辅助相机和球靶标的多摄像机全局校准方法。
背景技术
三维视觉***具有非接触、可检测对象众多、速度快和测量精度较高等优点,广泛应用在国民经济和科学研究等领域。对单个视觉传感器,测量的空间范围有限。所以需要多个视觉传感器协同,组成一个测量范围更大的三维视觉***。在多传感器视觉***中,需要将各个传感器的测量数据统一起来,从整体上一致地描述整个被测对象。因此,需要将各个视觉传感器的测量结果统一到世界总体坐标系中,即对全部视觉传感器进行全局校准。测量精度是视觉***的重要指标,而全局校准的精度直接影响视觉***的测量精度。在多数视觉***的实际应用中,被测对象的结构和所处环境都比较复杂,从而导致视觉传感器的布局复杂,甚至许多传感器之间并无公共视场。视觉***的这些特征,要求全局校准方法应该具有精度高和柔性好的特点,并且能够校准布局复杂且无公共视场的多视觉传感器。
一些传统的全局校准方法[参考文献1-3]依赖于各个传感器视场之中的特征点的相互匹配,这类方法无法适用于无公共视场的情况。为了克服无公共视场的限制,Luo[参考文献4]采用双经纬仪进行全局校准,Kitahara等人[参考文献5]用激光跟踪仪来完成全局校准,他们均利用高精度辅助设备在空间中重建三维特征点,从而建立各个传感器坐标系到世界坐标系的转换关系。但是当现场空间较小时,外部辅助设备存在观测盲区,甚至无法放置这些辅助设备。在视频监控和跟踪等领域,Esquivel等人[参考文献6]和Pflugfelder等人[参考文献7]利用自标定的方法,即视觉传感器通过观测视场内具有特定结构的目标对象来对无公共视场多视觉传感器进行全局校准。但是在工业测量中,很难获取满足要求的场景信息,而且自标定方法的精度很难满足视觉测量的要求。Kumar等人[参考文献8]利用平面镜,让无公共视场的多个视觉传感器观测到同一个靶标,从而实现全局校准。但是在复杂的视觉***中,无法确保所有传感器都清晰地观测到靶标。Liu等人[参考文献9]利用双平面靶标的固定约束关系实现两个视觉传感器的全局校准,此方法能够获得较高的校准精度,但是只能通过两两校准的方式来对多传感器进行全局校准,这会对最终的校准精度造成影响。Liu等人[参考文献10]提出了一种基于两组倾斜激光线的全局校准方法,可以校准各种视场角度的传感器,柔性较好。可是面对布局复杂的多个视觉传感器时,此方法不易于现场操作。
本发明参考文献如下:
[1]Zhang Zhengyou.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330–1334.
[2]Wang L,Wu FC.Multi-camera calibration based on 1D calibrationobject[J].Acta Automation Sinica,2007,33(3):225–31.
[3]Zhang H,Wong KK,Zhang GQ.Camera calibration from images of sphere[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(3):499–503.
[4]Luo M.Mutli-sensors vision measurement system and applications[J].PhD Thesis,Tianjin University,Tianjin,1996.
[5]Kitahara I,Saito H,Akimichi S,Onno T,Ohta Y,Kanade T.Large-scalevirtualized reality[J].Proceedings of IEEE computer vision and patternrecognition(CVPR),technical sketches,2001.
[6]Esquivel S,Woelk F,Koch R.Calibration of a multi-camera rig fromnon-overlapping views[J].Lecture Notes in Computer Science,2007,4713:82–91.
[7]Pflugfelder Roman,Bischof Horst.Localization and trajectoryreconstruction in surveillance cameras with nonoverlapping views[J].IEEETransactions on Pattern Analysis and Machine Intelligence,2010,32(4):709–21.
[8]Kumar RK,Ilie A,Frahm JM,Pollefeys M.Simple calibration of non-overlapping cameras with a mirror[J].Proceedings of IEEE conference oncomputer vision and pattern recognition(CVPR),2008,p.1–7.
[9]Liu Z,Zhang G,Wei Z,et al.A global calibration method for multiplevision sensors based on multiple targets[J].Measurement Science andTechnology,2011,22(12):125102.
[10]Liu,Qianzhe,et al.Global calibration method of multi-sensorvision system using skew laser lines[J].Chinese Journal of MechanicalEngineering,2012,25(2):405-410.
发明内容
本发明的目的为:1)针对复杂环境无公共视场的多摄像机***,现有的全局校准方法操作复杂,甚至很难实现。而本方法可以快捷方便地完成工业现场复杂环境下的校准任务。2)基于球靶标的多摄像机全局校准,目前研究较少。球靶标具有各向同性的特点,便于被局部摄像机和全局摄像机从不同方向同时观测,相比于其它一维和二维靶标,观测盲区大大减少。3)现有的多摄像机全局校准方法,大多采用“两两校准”的方法。而本方法可以通过一次校准操作,实现无公共视场多摄像机的全局校准,避免了“两两校准”所造成的精度损失。4)针对球心三维坐标的单视图重构,现有方法采用椭圆一般方程来拟合球图像边缘,计算复杂并且精度不高。本文中建立了三自由度球投影模型,进而采用三自由度的参数方程来拟合球图像边缘,大大提高球心重构精度,并简化了计算过程。
本发明采用的技术方案为:一种基于高精度辅助相机和球靶标的多摄像机全局校准方法,该方法的步骤为:
步骤(1)、安装固定内参已提前标定过的多个摄像机,在每个待校准摄像机视场内合适位置处摆放至少三个球靶标,并避免相互遮挡,在合适位置固定一个高精度全局摄像机,使所有球靶标都在其视场之内,并以全局摄像机坐标系为世界坐标系;
步骤(2)、将球靶标在合适位置摆放多次,每个摄像机拍摄各自视场内的球靶标,全局摄像机拍摄所有球靶标;
步骤(3)、对于每一组球靶标,重构它们的球心在摄像机坐标系和世界坐标系中的三维坐标,并利用非线性优化的方法求解摄像机坐标系和世界坐标系的转换矩阵,从而完成所有摄像机的全局校准。
其中,所述的高精度全局摄像机采用摄影测量专用相机,分辨率比待校准摄像机高,具体为4256×2832,配用焦距24mm的光学镜头,视场角是74°×53°,测量距离是500mm-2000mm。
其中,在建立球投影模型的过程中,首先通过向量数量积的方式得到圆锥曲面方程的向量形式是(OP·S0)/|OP|=cosθ,再把圆锥曲面方程的向量形式转换为参数方程形式,即转换为带有三个参数的参数方程并据此得到球投影椭圆曲线的参数方程使用球图像边缘上的一组采样点来拟合椭圆曲线的参数方程,从而得到三个参数λ、μ和σ的解析解,进而可以得到球心三维坐标
其中,在求解摄像机坐标系到世界坐标系的转换矩阵时采用同名坐标统一法,旋转矩阵通过R=[Q1Q2,Q2Q3,Q1Q2×Q2Q3]·[P1P2,P2P3,P1P2×P2P3]-1来计算,其中Q1Q2=Q2-Q1,Q2Q3=Q3-Q2,P1P2=P2-P1且P2P3=P3-P2,平移矢量通过T=(Q1+Q2+Q3-RP1-RP2-RP3)/3来计算。
其中,在摆放球靶标时,所有球靶标形成一个空间立体结构,让这个空间立体结构不具有对称性,那么每个球心到其他球心之间的距离可作为此球心的一个标识向量,通过匹配标识向量,实现摄像机坐标系和世界坐标系中对应球心之间的匹配。
本发明与现有技术相比的优点在于:
(1)本方法具有操作简便、精度高、柔性好等优点,对于布局复杂且无公共视场的多摄像机,本方法可以通过一次校准操作实现全局校准,避免了“迁移”操作和“两两校准”所带来的繁重工作量和精度损失。
(2)球靶标具有各向同性的特点,便于被局部摄像机和全局摄像机从不同方向同时观测,相比于其它一维或二维靶标,观测盲区大大减少,对复杂的工业现场环境有较强的适应能力。
(3)在重构球心三维坐标时,建立了三自由度的球投影模型,通过拟合参数方程的方式,提高了投影椭圆的拟合精度,进而提高了全局校准的精度。
附图说明
图1为多摄像机全局校准示意图;
图2为球投影模型;
图3为球心匹配方法;
图4为球靶标位置及编号示意图;
图5为球心距离测量实验图像;
图6为全局校准***结构示意图;
图7为球靶标位置及编号示意图,其中,(a)左摄像机图像;(b)右摄像机图像;
图8为全局校准实验图像,其中,(a)全局摄像机图像;(b)左摄像机图像;(c)右摄像机图像;
图9为全局校准精度评定实验图像,其中,(a)***结构示意图;(b)全局摄像机图像;(c)左摄像机图像;(d)右摄像机图像。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
多摄像机全局校准原理如图1所示,为了讨论方便,在图1中只画出了两组摄像机。两组待校准摄像机之间没有公共视场,每一个待标定摄像机的视场内至少有三个球靶标,所有球靶标都在全局摄像机视场之内。
多摄像机全局校准的主要步骤为:
(1)安装固定内参已提前标定过的多个摄像机,在每个待校准摄像机视场内合适位置处摆放至少三个球靶标,并避免相互遮挡,在合适位置固定一个高精度全局摄像机,使所有球靶标都在其视场之内,并以全局摄像机坐标系为世界坐标系。
(2)将球靶标在合适位置摆放多次,每个摄像机拍摄各自视场内的球靶标,全局摄像机拍摄所有球靶标。
(3)对于每一组球靶标,重构它们的球心在摄像机坐标系和世界坐标系中的三维坐标,并利用非线性优化的方法求解摄像机坐标系和世界坐标系的转换矩阵。从而完成所有摄像机的全局校准。
本发明的具体原理以及步骤如下:
1.1球心三维坐标重构方法
椭圆的一般方程为Ax2+By2+Cxy+Dx+Ey+F=0,它包含五个自由度。但是球投影椭圆带有两个约束条件,实际上只有三个自由度,因而可以用含三个参数的参数方程来表述投影椭圆曲线。经仿真实验证明,用参数方程拟合椭圆的精度明显高于用一般方程的拟合结果。选择恰当的参数,可以使得参数方程是这三个参数的线性表达式,所以在拟合时可以直接采用线性最小二乘法求出三个参数的解析解。本方法具有拟合精度高,计算简洁的优点。
下面首先在摄像机坐标系下,建立带有三个参数λ、μ和σ的投影圆锥曲面方程F(x,y,z)=0;然后根据球投影的几何关系,建立投影椭圆曲线的参数方程f(x,y)=0。以此为基础,通过拟合投影椭圆曲线上的一组采样点的图像坐标,可以求解三个参数λ、μ和σ,最后由这三个参数计算出球心在摄像机坐标系中的三维坐标。
1.1.1球投影模型
球投影问题的关键在于求解球投影圆锥曲面的方程,并通过它求解球心的三维坐标。可以通过三个参数λ、μ和σ建立球投影圆锥曲面的参数方程,这三个参数是投影圆锥的三个自由度的完备表述,体现了球投影问题的本质。
球投影成像的几何关系如图2所示。O点是摄像机中心,直角坐标系O-xyz是摄像机坐标系。C点是摄像机主点,以C点为原点建立图像坐标系,其x轴和y轴分别与摄像机坐标系的x轴和y轴平行。球心是点Os,OOs与图像平面相交于点O's,点A是投影椭圆曲线上任意一点,OA延长线与球相切于D点。已知球半径为R,线段OC长为焦距f。
由空间球体与摄像机坐标系原点可以确定一个圆锥曲面,其顶点为摄像机坐标系原点,每条母线均与球体相切,对称轴为直线OOs。设∠DOOs为θ,沿着OOs方向的单位方向向量为S0=[cosα,cosβ,cosγ]T,且满足cos2α+cos2β+cos2γ=1,设P(x,y,z)是圆锥曲面上任意一点,圆锥曲面方程的向量形式是:
(OP·S0)/|OP|=cosθ (1)
把式(1)转化为坐标形式,并化简得到:
令三个参数分别为λ=cosα/cosγ、μ=cosβ/cosγ、σ=cosθ/cosγ,由式(2)得到投影圆锥曲面在摄像机坐标系中的参数方程是:
1.1.2椭圆曲线拟合
投影椭圆曲线是由投影圆锥曲面与成像平面z=f相交得到,所以在摄像机坐标系中的椭圆曲线方程是:
并且图像坐标系的原点在主点C,x轴和y轴分别与摄像机坐标系的x轴和y轴平行,把方程组(4)中的z消去,得到图像坐标系中的投影椭圆曲线方程是:
若已知投影椭圆曲线上一组采样点的图像坐标为{(xi,yi)|i=1,2,3…,n},把这些坐标代入式(5)可以得到一个线性方程组。直接通过最小二乘法求解线性方程组,即求出参数λ、μ和σ的解析解。
1.1.3计算球心三维坐标
在直角三角形ODOs中有|OOs|=R/sinθ,且上文定义沿着OOs方向的单位方向向量为S0=[cosα,cosβ,cosγ]T,所以有:
又由:
将式(7)带入式(6),得到向量所以得到球心三维坐标是
在已知相机内参,已知球形靶标半径的情况下,采用单视图分别重构球心,然后把多幅图像的重构结果取平均值,可以减小随机误差。
1.2计算转换矩阵
如图3所示,在摆放球靶标时,所有球靶标形成一个空间立体结构。可以让这个空间立体结构不具有对称性,那么每个球心到其他球心之间的距离可作为此球心的一个标识向量。通过匹配标识向量,就可以实现摄像机坐标系和世界坐标系中对应球心之间的匹配。
在三维空间中,同一个球心O可以用两个坐标矢量表示,在摄像机坐标系中表示为矢量P,在世界坐标系中表示为矢量Q,那么P和Q通常称为球心O的同名矢量。对于三个非共线球心,在摄像机坐标系和世界坐标系中都重构出它们的三维坐标,即可得到三对同名矢量,进而可以计算出摄像机坐标系和世界坐标系之间的转换矩阵。
若三个球心在摄像机坐标系中的坐标矢量分别是P1、P2和P3,在世界坐标系中的对应坐标矢量为Q1、Q2和Q3。摄像机坐标系到世界坐标系的转换定义为{Qi=R·Pi+T|i=1,2,3},记转换矩阵
则旋转矩阵为:
R=[Q1Q2,Q2Q3,Q1Q2×Q2Q3]·[P1P2,P2P3,P1P2×P2P3]-1 (8)
其中Q1Q2=Q2-Q1,Q2Q3=Q3-Q2,P1P2=P2-P1且P2P3=P3-P2,平移矢量为:
T=(Q1+Q2+Q3-RP1-RP2-RP3)/3. (9)
即可得到摄像机坐标系和世界坐标系之间的转换矩阵。
实施例如下:
2.1球心距离测量实验
本实施例实验采用的球靶标的半径和球心三维坐标都已经精确测量过,采用单摄像机拍摄球靶标的图像,然后计算出球心在摄像机坐标系下的三维坐标,然后计算出两个球心的欧氏距离,并与已知的球心距离进行比较。然后多次测量,计算相对误差和均方根误差,以此评价球心重构的精度。
实验中采用的球靶标及其编号如图4所示。经计量院测量,1号球靶标的直径是40.325mm,三维坐标是(0.010,0.019,0.000);2号球靶标的直径是40.298mm,三维坐标是(113.219,0.022,0.000)。可以计算得到1号球靶标和2号球靶标球心之间的距离为113.229mm。
实验中采用的相机是摄影测量专用相机,分辨率为4256×2832,配用焦距24mm的光学镜头,视场角是74°×53°,测量距离是500mm-2000mm。经标定,相机内参矩阵是:
采用“Plumb Bob”畸变模型,畸变系数是:
kc=[0.09616,-0.07878,-0.00039,0.00006,-0.00896]. (11)
在正常光照条件下,用相机拍摄10张球靶标图像,图像如图5所示。10张图像的测量结果与RMS误差见表1。
表1 相机对标准球心距的测量结果
2.2全局校准实验
如图6所示,用两组球靶标,来校准两个无公共视场的摄像机,从而验证本文全局校准方法的有效性。在两个摄像机的视场内各摆放三个球靶标,在所有球靶标所组成的空间三维结构中,保证任意两个球靶标相互不对称,从而可实现摄像机坐标系和世界坐标系中对应球心的匹配。每个摄像机观察自己视场内的三个球靶标,再利用一个全局相机观察所有球靶标,可实现两个摄像机的全局校准。实验中采用的球靶标是白色亚光陶瓷球靶标,球靶标的编号如图7所示。经计量院测量,球靶标的直径见表2。
表2 球靶标直径
实验采用的全局相机是上文2.1中所用的摄影测量专用相机,其内参如式(10)和(11)所示。左右局部相机采用AVT工业相机,分辨率为1360×1024。经标定,内参矩阵是和
采用“Plumb Bob”畸变模型,畸变系数是kc_left=[-0.13109,0.25232,-0.00007,0.00018,0.00000]和kc_right=[-0.12748,0.21361,0.00000,0.00002,0.00000]。
固定两个摄像机,两组球靶标在各自摄像机视场内自由摆放10次,每摆放一次,两个局部相机和全局相机各拍摄一次图像,总共拍摄10组图像。每组图像如图8所示。
通过非线性优化的方法分别计算左右摄像机坐标系到世界坐标系的转换矩阵,再计算左右摄像机坐标系之间的转换矩阵。得到左摄像机坐标系到右摄像机坐标系的转换矩阵为:
2.3全局校准精度评定实验
为了进一步验证2.2中全局校准的精度,把左右摄像机组成一个双目视觉***,如图9(a)所示,全局校准结果如式(12)所示。将两个球靶标用刚性杆固连在一起,并使两个球靶标分别出现在左右摄像机视场内。左相机视场内是1号球靶标,右相机视场内是2号球靶标,它们的半径如表2所示。全局相机多次测量球心距离,并以此作为真值。用双目视觉***多次测量球心距离,测量结果与真值比较,计算球心距离测量结果的RMS误差,以此评价全局校准的精度。
全局相机拍摄的图像如图9(b)所示。全局相机的10次测量结果如表3所示。
表3 全局相机测量的球心距离
在合适位置摆放固连在一起的两个球靶标10次,双目视觉***每次拍摄的图像如图9(c)~(d)所示。如表4所示,把双目视觉***的测量结果与真值比较,得到10次测量结果的距离偏差,并计算出10次测量结果的RMS误差为0.14mm。
表4 无公共视场双目视觉***对球心距的测量结果及精度
Claims (4)
1.一种基于高精度辅助相机和球靶标的多摄像机全局校准方法,其特征在于:该方法的步骤为:
步骤(1)、安装固定内参已提前标定过的多个摄像机,在每个待校准摄像机视场内合适位置处摆放至少三个球靶标,并避免相互遮挡,在合适位置固定一个高精度全局摄像机,使所有球靶标都在其视场之内,并以全局摄像机坐标系为世界坐标系;
步骤(2)、将球靶标在合适位置摆放多次,每个待校准摄像机拍摄各自视场内的球靶标,全局摄像机拍摄所有球靶标;
步骤(3)、对于每一组球靶标,重构它们的球心在摄像机坐标系和世界坐标系中的三维坐标,并利用非线性优化的方法求解摄像机坐标系和世界坐标系的转换矩阵,从而完成所有摄像机的全局校准;
其中,在建立球投影模型的过程中,首先通过向量数量积的方式得到圆锥曲面方程的向量形式,再把圆锥曲面方程的向量形式转换为参数方程形式,即转换为带有三个参数的参数方程,并据此得到球投影椭圆曲线的参数方程,使用球图像边缘上的一组采样点来拟合椭圆曲线的参数方程,从而得到三个参数的解析解,进而可以得到球心三维坐标。
2.根据权利要求1所述的基于高精度辅助相机和球靶标的多摄像机全局校准方法,其特征在于:所述的高精度全局摄像机分辨率比待校准摄像机高。
3.根据权利要求1所述的基于高精度辅助相机和球靶标的多摄像机全局校准方法,其特征在于:在求解摄像机坐标系到世界坐标系的转换矩阵时,采用同名坐标统一法来计算。
4.根据权利要求1所述的基于高精度辅助相机和球靶标的多摄像机全局校准方法,其特征在于:在摆放球靶标时,所有球靶标形成一个不具对称性的空间立体结构,每个球心到其它球心之间的距离作为此球心的一个标识向量,通过匹配标识向量,实现摄像机坐标系和世界坐标系中对应球心之间的匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510621447.5A CN105205824B (zh) | 2015-09-25 | 2015-09-25 | 基于高精度辅助相机和球靶标的多摄像机全局校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510621447.5A CN105205824B (zh) | 2015-09-25 | 2015-09-25 | 基于高精度辅助相机和球靶标的多摄像机全局校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205824A CN105205824A (zh) | 2015-12-30 |
CN105205824B true CN105205824B (zh) | 2018-01-02 |
Family
ID=54953485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510621447.5A Active CN105205824B (zh) | 2015-09-25 | 2015-09-25 | 基于高精度辅助相机和球靶标的多摄像机全局校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205824B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106197283B (zh) * | 2016-09-23 | 2020-03-10 | 广州汽车集团股份有限公司 | 一种坐标识别器及其使用方法、测量*** |
CN106485755B (zh) * | 2016-09-26 | 2020-01-03 | 中国科学技术大学 | 一种多摄像机***标定方法 |
WO2019040004A1 (en) * | 2017-08-25 | 2019-02-28 | Maker Trading Pte Ltd | STEREO ARTIFICIAL VISION SYSTEM AND METHOD FOR IDENTIFYING LOCATIONS OF NATURAL TARGET ELEMENTS |
CN108151667B (zh) * | 2017-11-29 | 2020-04-21 | 中国船舶重工集团公司第七一九研究所 | 一种多线激光轮廓扫描传感器全局校准方法 |
CN108571971B (zh) * | 2018-05-17 | 2021-03-09 | 北京航空航天大学 | 一种agv视觉定位***及方法 |
CN108725044A (zh) * | 2018-05-21 | 2018-11-02 | 贵州民族大学 | 一种机械电子教学制图设备 |
WO2020047713A1 (en) * | 2018-09-03 | 2020-03-12 | Abb Schweiz Ag | Method and apparatus for managing robot system |
CN109974618B (zh) * | 2019-04-02 | 2021-01-29 | 青岛鑫慧铭视觉科技有限公司 | 多传感器视觉测量***的全局标定方法 |
CN110136205B (zh) * | 2019-04-12 | 2021-07-20 | 广州极飞科技股份有限公司 | 多目相机的视差校准方法、装置及*** |
CN110243285A (zh) * | 2019-06-26 | 2019-09-17 | 华中科技大学 | 一种用于视觉测量***的标定装置 |
CN110989664A (zh) * | 2019-11-29 | 2020-04-10 | 北京特种机械研究所 | 一种基于多目视觉的无人机夜间植保方法 |
CN111080715B (zh) * | 2019-12-18 | 2022-04-12 | 云南大学 | 三个球和无穷远点的极线性质标定摄像机内参数的方法 |
CN111275770A (zh) * | 2020-01-20 | 2020-06-12 | 南昌航空大学 | 基于一维靶标旋转运动的四目立体视觉***全局标定方法 |
CN111256592B (zh) * | 2020-03-13 | 2021-12-03 | 易思维(杭州)科技有限公司 | 结构光传感器的外参标定装置及方法 |
CN111833396B (zh) * | 2020-06-05 | 2024-03-29 | 哈工大机器人(中山)无人装备与人工智能研究院 | 一种采血装置相机坐标系到世界坐标系的转换方法及*** |
CN113038031B (zh) * | 2021-03-02 | 2023-05-30 | 天津天地伟业智能安全防范科技有限公司 | 一种枪球联动的标定方法、装置、电子设备及存储介质 |
CN113240717B (zh) * | 2021-06-01 | 2022-12-23 | 之江实验室 | 一种基于三维目标跟踪的误差建模位置修正方法 |
CN115183748B (zh) * | 2022-06-24 | 2023-09-26 | 山东科技大学 | 一种基于多靶标立体连接的水上水下点云一致性评估方法 |
CN114897953B (zh) * | 2022-07-14 | 2022-09-23 | 青岛环海海洋工程勘察研究院有限责任公司 | 一种基于多靶标共线连接的水上水下点云一致性评估方法 |
CN117021059B (zh) * | 2023-10-09 | 2024-02-06 | 北京市农林科学院智能装备技术研究中心 | 采摘机器人及其果实定位方法、装置、电子设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299270A (zh) * | 2008-05-27 | 2008-11-05 | 东南大学 | 三维扫描***中的多个摄像机同步快速标定方法 |
CN101532821A (zh) * | 2009-04-24 | 2009-09-16 | 北京航空航天大学 | 一种激光跟踪视觉导引测量***的全局校准方法 |
-
2015
- 2015-09-25 CN CN201510621447.5A patent/CN105205824B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299270A (zh) * | 2008-05-27 | 2008-11-05 | 东南大学 | 三维扫描***中的多个摄像机同步快速标定方法 |
CN101532821A (zh) * | 2009-04-24 | 2009-09-16 | 北京航空航天大学 | 一种激光跟踪视觉导引测量***的全局校准方法 |
Non-Patent Citations (2)
Title |
---|
A Stratified Approach for Camera;Kwan-Yee Kenneth Wong等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20110228;第20卷(第2期);第305-316页 * |
用于相机标定的球靶标投影误差分析与校正;谷飞飞等;《光学学报》;20121231;第32卷(第12期);第1215001页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105205824A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105205824B (zh) | 基于高精度辅助相机和球靶标的多摄像机全局校准方法 | |
CN105091744B (zh) | 一种基于视觉传感器和激光测距仪的位姿检测装置与方法 | |
Hu et al. | Extrinsic calibration of 2-D laser rangefinder and camera from single shot based on minimal solution | |
CN103759670B (zh) | 一种基于数字近景摄影的物体三维信息获取方法 | |
Orghidan et al. | Camera calibration using two or three vanishing points | |
Junejo et al. | Estimating geo-temporal location of stationary cameras using shadow trajectories | |
CN103759669A (zh) | 一种大型零件的单目视觉测量方法 | |
CN102944191B (zh) | 一种基于平面圆靶标的三维视觉测量数据拼接方法及装置 | |
CN107101582A (zh) | 基于结构光视觉的轴类零件径向跳动误差在线测量方法 | |
CN111091599B (zh) | 一种基于球体标定物的多相机-投影仪***标定方法 | |
Hansen et al. | Online continuous stereo extrinsic parameter estimation | |
CN109724586B (zh) | 一种融合深度图和点云的航天器相对位姿测量方法 | |
An et al. | Building an omnidirectional 3-D color laser ranging system through a novel calibration method | |
CN108022267A (zh) | 一种摄像机标定装置及标定方法 | |
Yang et al. | Accurate calibration approach for non-overlapping multi-camera system | |
CN106500625A (zh) | 一种远心立体视觉测量装置及其应用于物体三维形貌微米级精度测量的方法 | |
Jiang et al. | Combined shape measurement based on locating and tracking of an optical scanner | |
CN108180888A (zh) | 一种基于可转动摄像头的距离检测方法 | |
CN106489062A (zh) | 用于测量移动平台的位移的***和方法 | |
Liu et al. | Position and attitude measurement of high-speed isolates for hypersonic facilities | |
He et al. | A new camera calibration method from vanishing points in a vision system | |
Junejo et al. | Using solar shadow trajectories for camera calibration | |
Zheng et al. | An efficient and practical calibration method for roadside camera using two vanishing points | |
Grießbach et al. | Real-time dense stereo mapping for multi-sensor navigation | |
Li et al. | Accurate calibration of stereo cameras for machine vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |