CN113610926A - 一种基于消失点正交性质的相机标定方法 - Google Patents
一种基于消失点正交性质的相机标定方法 Download PDFInfo
- Publication number
- CN113610926A CN113610926A CN202110858972.4A CN202110858972A CN113610926A CN 113610926 A CN113610926 A CN 113610926A CN 202110858972 A CN202110858972 A CN 202110858972A CN 113610926 A CN113610926 A CN 113610926A
- Authority
- CN
- China
- Prior art keywords
- camera
- calibration
- image
- points
- calculating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000014509 gene expression Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 3
- 230000021615 conjugation Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于消失点正交性质的相机标定方法,包括:S1:输入k幅标定图像;所述标定图像为通过改变相机位姿拍摄一个含有两组正交平行直线的平面板获得;S2:计算每幅标定图像中对应的两组正交消失点;S3:根据k幅标定图像中的两组正交消失点计算主点;S4:根据距离阈值判断标定图像中的不良位置图像,并计算焦距;S5:根据焦距计算相机的外参数,并计算相机的畸变系数。本发明剔除了不良的图像数据,使得本发明更加直观和易于实现。同时,标定变焦相机,计算畸变系数提高相机的标定精度。本发明不需要特定的标定模板,不需要特征点匹配以及3D空间点的几何坐标,相较于传统基于单应的算法更具有通用性。
Description
技术领域
本发明属于计算机视觉领域,涉及一种基于消失点正交性质的相机标定方法。
背景技术
计算机视觉的中心任务就是对图像进行理解,而它的最终目标是使计算机具有通过二维图像认知三维环境信息的能力。这种能力将不仅使机器能感知包括形状、姿态、运动等在内的三维环境中物体的几何信息,而且能对它们进行描述、存储、识别与理解。摄像机标定就是确定从三维空间点到它的二维图像点之间的映射关系,它是许多计算机视觉应用必不可少的步骤。为了确定这一映射过程,需要建立摄像机的几何成像模型,几何模型的参数称为摄像机参数,摄像机参数可分为内参数和外参数两类。内参数描述成像***的成像几何特性,外参数描述成像***关于世界坐标系的方向和位置。摄像机标定可分为传统标定、自标定和基于几何实体的标定。无论哪种标定方法,都旨在建立二维图像与摄像机内参数之间的约束关系,特别是线性约束关系,这是目前摄像机标定所追求的目标,也是目前计算机视觉领域研究的热点之一。
***成像模型简单,几何原理清晰,不需要一些特殊的镜面,在视觉领域中有重要的应用。文献“An algorithm for self calibration from sev eral views”,(R.Hartley,In Proc.IEEE Conference on Computer Vision a nd PatternRecognition,pages 908–912,June 1994)提出了一种***自标定方法,这类方法的优点是不需要使用标定块,缺点是必须获得图像之间的对应点。而在计算机视觉中,实现一个十分有效的寻找对应点的方法是很困难的。文献“Camera calibration by a singleimage of balls:From conic s to the absolute conic”,(Teramoto H.and Xu G.,InProc.of 5th ACCV,2002,pp.499–506.)研究了在***下球像和绝对二次曲线的关系,通过最小化重投影误差非线性的标定内参数。而该方法需要一个好的初始化步骤,不然在最小化过程时会得到一个局部最小值。文献“Camera Calibrati on from Images ofSpheres”,(Hui Zhang and Kwan-Yee K.,IEEE Transact ions on Pattern Analysis&Machine Intelligence.2007,29(3):499-502)研究了球像的对偶和绝对二次曲线的像的关系,并将该关系应用于摄像机的标定。文献“Interpreting Sphere Images Using theDouble-Contact Theorem”,(X.Ying,H.Zha,Springer Berlin Heidelberg,2006,3851(91):724-733)介绍了双接触原理,利用双接触原理可以确定三个球像与绝对二次曲线的像的关系,使用这个关系建立了***内参数的线性约束,通过此线性约束即可获得***的内参数。
在透视投影中,一束平行于投影面的平行线的投影仍然保持平行,而不平行于投影面的平行线的投影会聚集到一个点,该点称为消失点。在日常生活中,平行直线十分常见。且消失点和摄像机参数之间有着显式直观的约束。因此,基于消失点的摄像机标定技术得到了广泛研究。文献“Camera calibrat ion by vanishing lines for 3-D computervision”,(L.L.Wang,W.H.Tsai,IEEE Transactions on Pattern Analysis and MachineIntelligence,2002,13(4):370-376)利用一个平行六边形的图像可以产生一条消失线。从消失线中可以解析相机的焦距和方位参数。而对于相机的位置,可以利用几何投影关系进行恢复。文献“A camera calibration method based on two orthogonal vanish ingpoints”,(Zhao,L.,C.Wu,J.Ning,Concurrency and Computation,2014,26.5:1185–1199)利用正交消失点的性质,实现了一个拟线性地自标定方法。最近,文献“Calibration onCamera's Intrinsic Parameters Based on Orthogo nal Learning Neural Networkand Vanishing Points”,(Ge,D.Y.et al.,IEE E Sensors Journal,2019,20(20):11856-11863)提出了一个正交学习网络计算投影矩阵,再利用正交消失点获得摄像机的内参数。
然而,基于消失点的摄像机标定方法在现有技术中存在三个主要的问题:(1)一般来说,用户会手动地获得标定图像,这一过程的随机性会产生不良的图像数据,没有一个有效的方法剔除这些野值图像。(2)在标定过程中,相机的焦距被假设固定。但是,在拍摄过程中,用户可能会缩放焦距得到一个清晰的标定图像。(3)镜头畸变对摄像机的标定精度有很大的影响,不可忽视,大多数基于消失点的标定算法没有考虑畸变系数。此外,还有一些算法假设主点就是图像中心,从而会简化标定流程,但这会带来***误差。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种至少部分解决上述技术问题的一种基于消失点正交性质的相机标定方法。
本发明实施例提供了一种基于消失点正交性质的相机标定方法,包括:
S1:输入k幅标定图像;所述标定图像为通过改变相机位姿拍摄一个含有两组正交平行直线的平面板获得;
S2:计算每幅所述标定图像中对应的两组正交消失点;
S3:根据所述k幅标定图像中的所述两组正交消失点计算主点;
S4:根据距离阈值判断所述标定图像中的不良位置图像,并计算焦距;
S5:根据所述焦距计算相机的外参数,并计算相机的畸变系数。
进一步地,所述步骤S2包括:
利用Edge函数提取每幅所述标定图像中对应所述两组正交平行直线的像素坐标;使用最小二乘法拟合所述两组正交平行直线的像素坐标,得到对应的两组正交消失点。
进一步地,所述步骤S3包括:
根据第j幅所述标定图像中的一组所述正交消失点,确定第j条主线的方向;一组所述正交消失点的齐次表达式分别为pj1=[mj1 nj1 1]T和pj2=[mj2 nj2 1]T;第j条主线lj=[aj bj cj]T,aj=mj2-mj1,bj=nj2-nj1;其中,j∈{1,2,···,k};
S32:根据所述第j幅所述标定图像中的另一组所述正交消失点,确定所述第j条主线的截距cj;所述截距cj的表达式为:
另一组所述正交消失点的齐次表达式分别为pj3=[mj3 nj3 1]T和pj4=[mj4 nj4 1]T;
S33:相机不同位姿下的k条主线与所述主点的关系式为ajm0+bjn0+cj=0;利用最小二乘法计算出所述主点。
进一步地,所述步骤S4包括:
S41:根据距离阈值判断所述主点到每条所述主线的几何距离;若所述几何距离大于所述距离阈值,则所述主线对应的所述标定图像为所述不良位置图像;删除所述不良位置图像,得到合格标定图像;根据每个所述合格标定图像计算对应的焦距;
进一步地,所述步骤S5中外参数包括旋转矩阵和平移量;
由所述正交消失点,得到相机的所述旋转矩阵R=[r1 r2 r3];
进一步地,所述计算相机的畸变系数包括:
在所述畸变坐标系下直线上取c个所述图像点;将所述c个所述图像点扩展入所述特征值表达式,得到特征值问题的方程(D1+μD2)l=0,求解所述畸变系数μ;
其中矩阵D2的秩为1。
本发明实施例提供的一种基于消失点正交性质的相机标定方法,通过考虑单个主点到主线的几何距离,即通过评估主线来判断出不良的标定模板,提高了标定的准确性,使得本发明更加直观和易于实现。
相较于传统标定过程中的固定焦距,而用户使用时缩放焦距造成的误差,本发明标定变焦相机,减少误差,提高了标定的准确性和实用性。
同时,相较于现有技术中基于消失点的标定算法没有考虑畸变系数对标定精度的影响,本发明基于点和直线的线性关系,提出了一个新的估计相机畸变系数的方法。
另外,本发明不需要特定的标定模板,不需要特征点匹配以及3D空间点的几何坐标,相较于传统基于单应的算法更具有通用性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明实施例提供的一种基于消失点正交性质的相机标定方法框图;
图2为本发明实施例提供的一种基于消失点正交性质的相机标定方法流程框图;
图3为本发明实施例提供的主线的投影性质示意图;
图4为本发明实施例提供的消失线的代数几何性质的示意图;
图5为本发明实施例提供的平移向量获取的示意图;
图6为本发明实施例提供的平移向量立体示意图;
图7为本发明实施例提供的畸变示意图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置有”、“内接”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的一种基于消失点正交性质的相机标定方法,如图1所示,包括:
S1:输入k幅标定图像;标定图像为通过改变相机位姿拍摄一个含有两组正交平行直线的平面板获得;
S2:计算每幅标定图像中对应的两组正交消失点;
S3:根据k幅标定图像中的两组正交消失点计算主点;
S4:根据距离阈值判断标定图像中的不良位置图像,并计算焦距;
S5:根据焦距计算相机的外参数,并计算相机的畸变系数。
本发明通过考虑单个主点到主线的几何距离,判断出不良的标定模板,剔除了不良的图像数据,使得本发明更加直观和易于实现。同时,标定变焦相机,计算畸变系数提高相机的标定精度。
另外,本发明不需要特定的标定模板,不需要特征点匹配以及3D空间点的几何坐标,相较于传统基于单应的算法更具有通用性。
下面将对本发明进行更为详细的描述,其具体流程如图2所示。其中包括相机坐标系,图像坐标系即像素坐标系,世界坐标系,畸变坐标系d。平面上所有圆与该平面的无穷远线有两个公共的交点,这两个交点称为该平面的两个圆环点(Cricular Point)或绝对点(Absolute Point)。圆环点是一对共轭的虚点。
如图3所示,以相机光心Oc为原点建立相机坐标系Oc-XcYcZc,其中光轴Zc与图像平面πj1相交于主点pp,与标定平面π2相交于点pw,Xc和Yc分别与图像平面πj1的m,n轴对齐;相机光心Oc在标定平面π2上的垂直投影为p′。
以图像πj1的一角为原点,组成角的直线分别为m、n轴建立图像坐标系,像素点的值为m、n轴上的值。
以标定平面π2上任意一点Aw(图3中为示出)作为原点建立世界坐标系Aw-XwYwZw,Xw方向上的消失点为pj1,Yw方向上的消失点为pj2,Zw可由右手法则确定。
对于标定平面π2和图像平面π1上的无穷远直线L∞和lj∞=[0 0 1]T,它们的交点p∞是一个射影不变点,即在标定平面π2上经过点p∞的平行直线L4和L5投影到图像平面π1上lj4和lj5依然有,直线lj4平行直线lj5。而在标定平面π2上,存在平行直线L1,L2和L3,其垂直于L4和L5;根据射影几何的性质可知,它们的投影lj1,lj2和lj3相交于一个灭点pv;若直线L1经过点pw,因为直线Ocp′垂直于标定平面π2,则L4和L5垂直于平面Ocp′pw;根据对称性质,则图像平面π1上直线lj4和lj5与lj1相互垂直,即有lj1⊥lj4,lj1⊥lj5;此外,根据射影不变性,直线lj1也经过主点pp。通常来说,称lj1称为主线,下面将用标号lj表示主线,其中j为输入的标定图像标号。
在相机前视范围内放置一个含有两组正交平行直线的平面板,改变相机位姿,获得k幅图像并输入计算机中;利用Matlab程序中的Edge函数提取图像中正交平行直线的像素坐标,并用最小二乘法拟合获得两组正交消失点。保证一幅图像中有两组正交直线,通俗来讲改变相机位姿就是改变不同的角度,相机位姿也是相机外参数。
如图3所示,S31:令以Oc为光心的相机坐标系下的内参数矩阵为其中fx,fy是有效焦距,[m0 n0 1]T是图像坐标系i下主点pp的齐次坐标矩阵形式;给定第j(j=1,2,…,k)幅标定图像中的一组正交消失点的齐次表达式分别为pj1=[mj1 nj1 1]T和pj2=[mj2 nj2 1]T,那么标定平面π2上的消失线l′j∞即可被确定为:l′j∞=pj1×pj2,其中×表示叉积;m0,n0分别为主点在图像坐标系下的像素坐标。mj1,mj2,nj1,nj2分别是第j幅标定图像的一组消失点在在图像坐标系下的像素坐标。一组消失点包括两个消失点,其中每一组正交消失点和圆环点的像是调和共轭,由拉盖尔定理得到。
进一步的,考虑标定平面π2和第j幅标定图像平面πj1上的无穷远直线L∞和lj∞,它们的交点pj∞是一个射影不变点;可以由l′∞和l∞确定pj∞=l∞×l′j∞;根据上述直线表达式,主线lj=[aj bj cj]T的方向可以被确定aj=mj2-mj1,bj=nj2-nj1。
如图4所示,S32:若再给定第j幅标定图像的另一组正交消失点pj3=[mj3 nj3 1]T和pj4=[mj4 nj4 1]T,由拉盖尔定理可知,一组正交消失点与圆环点的像是调和共轭,即可确定圆环点的像pjI,pjJ。其中圆环点的像点pjI由pj1和pj2确定,I表示pj1和pj2组成第j幅标定图像的一组消失点标号,0<I≤k;pjJ由pj3和pj4确定,J表示pj3和pj4组成第j幅标定图像的另一组消失点标号,0<J≤k。
其中,(pj1pj2,pjIpjJ)=-1;(pj3pj4,pjIpjJ)=-1。
mj3,nj3分别为另一组正交消失点pj3在图像坐标系下的像素坐标,mj4,nj4分别为pj4在图像坐标系下的像素坐标。
因为pj∞和pjv也是一组正交消失点,它们也与圆环点的像pjI,pjJ调和共轭,由公式(pj∞pjv,pjIpjJ)=-1即可得灭点pjv;而第j幅标定图像的主线lj经过灭点pjv,则获得主线的截距cj。一条主线可以被两组正交消失点独立表示。
S33:根据不同位姿下的k条主线与主点的对应关系为ajm0+bjn0+cj=0(j=1,2,…,k),利用最小二乘法,主点pp=[m0 n0 1]T可以被估计。其中,对应关系的矩阵表示为:
C=[-c1 -c2 … -cj]T
S41:考虑单个主点到每条主线的几何距离,预设距离阈值;若主线到主点的集合距离大于距离阈值,则判定该主线对应的标定图像为不良标定图像,删掉不良标定图像;否则认为该主线对应的标定图像为合格标定图像,保留合格标定图像,根据每个合格标定图像计算对应的焦距。
化简后为:
根据焦距计算相机的外参数,其中外参数包括旋转矩阵和平移量,具体为:
相机的旋转矩阵R=[r1 r2 r3],由消失点确定,
进一步,估计相机的位置,计算相机平移量,具体为:
如图5所示,Oc为相机光心,pp为主点,AB为空间中长度已知的某条直线,a和b分别为点A和B的在图像平面上的投影,pj1是直线AB方向上的消失点,则由消失点的性质可知,直线AB平行直线Ocpj1。因为假设世界坐标系的原点位于点A,则世界坐标系到相机坐标系之间的平移向量为向量OcA。
其中|Ocpp|是相机的焦距,|Ocpj1|和|Ocb|由勾股定理计算得到。
如图6所示,pj1点所在的平面为像平面,由消失点的性质可知,已知直线AB平行直线Ocpj1,则∠OcBA=∠bOcpj1。
另外,如果图像发生了径向畸变,标准的针孔相机模型将不再有效,需要更复杂的模型来表示空间点与图像点之间的映射关系。为了解决这些问题,不同的模型被提出。其中一个经典的模型是文献“Simultaneous linear estimat ion of multiple viewgeometry and lens distortion”,(A.W.Fitzgibbon,I EEE Conference on ComputerVision and Pattern Recognition,2001,1:125-135)提出的单参数除法模型,其在模型复杂度和表达精度上提供了一个很好的平衡。
估计相机的畸变系数,具体为:
如图7所示,若假设畸变坐标系d下图像点(畸变点)的齐次坐标为pd1=[md nd 1]T,则除法畸变模型可以表示为其中pu1=[mu nu 1]T是真实点(无畸变)的齐次坐标,μ表示径向畸变的程度。通常来说,在存在畸变的情况下,场景中的直线变为曲线,而真实点(无畸变)pu1则依然满足线性关系lTpu1=0,即得到特征值表达式其中l是畸变坐标系d下直线的齐次坐标。为了从已知的图像点pd1计算畸变系数μ,重写上式可以获得一个新的畸变方程其中
在畸变坐标系d下的直线l上选取c个图像(畸变)点,每个图像点的齐次坐标为pdc=[mdc ndc 1]T,c=1,2,…。将c个图像点扩展入特征值表达式,得到简化的特征值问题方程(D1+μD2)l=0,求解所述畸变系数μ。
本发明基于点和直线的线性关系,提出了一种新的估计相机畸变系数的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其改进构思加以等同替换或改变,都应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于消失点正交性质的相机标定方法,其特征在于,包括:
S1:输入k幅标定图像;所述标定图像为通过改变相机位姿拍摄一个含有两组正交平行直线的平面板获得;
S2:计算每幅所述标定图像中对应的两组正交消失点;
S3:根据所述k幅标定图像中的所述两组正交消失点计算主点;
S4:根据距离阈值判断所述标定图像中的不良位置图像,并计算焦距;
S5:根据所述焦距计算相机的外参数,并计算相机的畸变系数。
2.根据权利要求1所述的一种基于消失点正交性质的相机标定方法,其特征在于,所述步骤S2包括:
利用Edge函数提取每幅所述标定图像中对应所述两组正交平行直线的像素坐标;使用最小二乘法拟合所述两组正交平行直线的像素坐标,得到对应的两组正交消失点。
3.根据权利要求2所述的一种基于消失点正交性质的相机标定方法,其特征在于,所述步骤S3包括:
根据第j幅所述标定图像中的一组所述正交消失点,确定第j条主线的方向;一组所述正交消失点的齐次表达式分别为pj1=[mj1 nj1 1]T和pj2=[mj2 nj2 1]T;第j条主线lj=[ajbj cj]T,aj=mj2-mj1,bj=nj2-nj1;其中,j∈{1,2,···,k};
S32:根据所述第j幅所述标定图像中的另一组所述正交消失点,确定所述第j条主线的截距cj;所述截距cj的表达式为:
另一组所述正交消失点的齐次表达式分别为pj3=[mj3 nj3 1]T和pj4=[mj4 nj4 1]T;
S33:相机不同位姿下的k条主线与所述主点的关系式为ajm0+bjn0+cj=0;利用最小二乘法计算出所述主点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110858972.4A CN113610926B (zh) | 2021-07-28 | 2021-07-28 | 一种基于消失点正交性质的相机标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110858972.4A CN113610926B (zh) | 2021-07-28 | 2021-07-28 | 一种基于消失点正交性质的相机标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610926A true CN113610926A (zh) | 2021-11-05 |
CN113610926B CN113610926B (zh) | 2024-04-12 |
Family
ID=78338530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110858972.4A Active CN113610926B (zh) | 2021-07-28 | 2021-07-28 | 一种基于消失点正交性质的相机标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610926B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342712A (zh) * | 2023-03-30 | 2023-06-27 | 中国科学院西安光学精密机械研究所 | 基于消失点一致性的空间相机在轨畸变系数标定方法、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930549A (zh) * | 2012-11-19 | 2013-02-13 | 云南大学 | 利用点阵模板和正交性求解摄像机内参数 |
CN110118528A (zh) * | 2019-04-29 | 2019-08-13 | 天津大学 | 一种基于棋盘靶标的线结构光标定方法 |
CN111080715A (zh) * | 2019-12-18 | 2020-04-28 | 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 |
CN111223148A (zh) * | 2020-01-07 | 2020-06-02 | 云南大学 | 一种基于相同圆和正交性质标定摄像机内参数的方法 |
-
2021
- 2021-07-28 CN CN202110858972.4A patent/CN113610926B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930549A (zh) * | 2012-11-19 | 2013-02-13 | 云南大学 | 利用点阵模板和正交性求解摄像机内参数 |
CN110118528A (zh) * | 2019-04-29 | 2019-08-13 | 天津大学 | 一种基于棋盘靶标的线结构光标定方法 |
CN111080715A (zh) * | 2019-12-18 | 2020-04-28 | 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 |
CN111223148A (zh) * | 2020-01-07 | 2020-06-02 | 云南大学 | 一种基于相同圆和正交性质标定摄像机内参数的方法 |
Non-Patent Citations (2)
Title |
---|
XIAO-FENG FENG,ET AL.: "A camera calibration method based on plane mirror and vanishing point constraint", 《OPTIK》, 28 February 2018 (2018-02-28), pages 558 - 565 * |
郑剑斌;郑力新;朱建清;: "视觉点胶机的摄像机标定技术", 科技创新与应用, no. 34, 8 December 2017 (2017-12-08) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342712A (zh) * | 2023-03-30 | 2023-06-27 | 中国科学院西安光学精密机械研究所 | 基于消失点一致性的空间相机在轨畸变系数标定方法、介质及设备 |
CN116342712B (zh) * | 2023-03-30 | 2024-04-05 | 中国科学院西安光学精密机械研究所 | 基于消失点一致性的空间相机在轨畸变系数标定方法、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113610926B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Micusik et al. | Structure from motion with wide circular field of view cameras | |
Micusik et al. | Autocalibration & 3D reconstruction with non-central catadioptric cameras | |
CN101408931B (zh) | 用于三维目标识别的***和方法 | |
CN111750820B (zh) | 影像定位方法及其*** | |
CN101303768B (zh) | 圆形标志点在摄像机透视投影变换时圆心偏差的修正方法 | |
CN109064516B (zh) | 一种基于绝对二次曲线像的相机自标定方法 | |
Wan et al. | Stereo vision using two PTZ cameras | |
CN107657645B (zh) | 利用直线及圆的共轭直径的性质标定拋物折反射摄像机 | |
Hansen et al. | Online continuous stereo extrinsic parameter estimation | |
CN107644445A (zh) | 利用单个球及圆切线的性质标定拋物折反射摄像机的方法 | |
CN109325983A (zh) | 利用无穷远点关于圆极线性质标定拋物折反射摄像机 | |
CN111080715B (zh) | 三个球和无穷远点的极线性质标定摄像机内参数的方法 | |
CN109360248A (zh) | 利用单个球及共轭直径的性质标定拋物折反射摄像机 | |
Cao et al. | Camera calibration using symmetric objects | |
Liu et al. | Calibration method based on the image of the absolute quadratic curve | |
CN113610926A (zh) | 一种基于消失点正交性质的相机标定方法 | |
CN108921904B (zh) | 利用单个球及渐近线的性质标定***的方法 | |
CN111223148B (zh) | 一种基于相同圆和正交性质标定摄像机内参数的方法 | |
CN109035342B (zh) | 利用一条直线及圆环点极线标定拋物折反射摄像机的方法 | |
Köser et al. | Differential spatial resection-pose estimation using a single local image feature | |
CN107958468B (zh) | 利用空间位置不同的三个球标定中心折反射摄像机的方法 | |
CN113345033B (zh) | 一种中心折反射摄像机内参数标定方法及*** | |
Zhang | Binocular Stereo Vision | |
CN109272558B (zh) | 分离圆的公共自极三角形及圆环点标定***的方法 | |
CN107610184A (zh) | 利用一条直线及圆环点的像标定拋物折反射摄像机的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |