基于图像序列的摄像机自标定方法研究

基于图像序列的摄像机自标定方法研究

论文摘要

摄像机标定是计算机视觉中由二维图像获取三维信息关键的步骤之一,被广泛应用于三维重建、导航、视觉监控等领域。其中摄像机自标定是标定的发展方向,相比传统实验室标定,自标定更接近实际应用,可应用于在线三维重建,因此具有广大的应用前景。目前已开展了自标定的方法研究,但是基本上是基于恒定内参的标定,而在实际应用中,不管是运动的摄像机还是运动的物体,当物体与相机距离不是太大时,相机的内参数不能视为恒量,即:相机的内参数会变化,因此变化内参的自标定更有实际意义。本人在学习了标定的相关基础理论后,对变参自标定的方法进行了一定的探索,主要的工作如下:(1)、阐述了自标定的研究背景与意义,分析了国内外研究现状,描述自标定的理论研究价值和应用前景。(2)、介绍了摄像机模型和多视图几何等自标定的理论基础,并对目前比较常用自标定方法进行介绍。(3)、在基于绝对二次曲面的自标定方法基础上,提出了一种基于绝对对偶二次曲面像变换的变化内参自标定方法。通过变换矩阵,让绝对对偶二次曲面像的元素在同一数量级上,降低绝对对偶二次曲面像对噪声的敏感度,从而提高标定的鲁棒性。该方法通过估计内参初值,构造变换矩阵,然后利用变换矩阵将绝对二次曲面的像的对偶变为单位矩阵,利用单位矩阵的约束进行标定,能提高标定的精度。真实图片实验结果表明,该方法能提高精度和鲁棒性,而且不会增加计算量。(4)、在基于绝对二次曲线的自标定方法基础上,应用准仿射重构理论,提出基于准仿射重构的变参自标定。首先通过图像序列的摄影重构求出准仿射重构,然后界定无穷远平面,得到仿射重建,从而得到由无穷远平面诱导的单应矩阵,接着利用该单应矩阵和绝对二次曲线像的约束性质求出摄像机内参矩阵,进而得到度量摄像机矩阵。实验表明该方法实时、有效,并有较好的鲁棒性。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究背景和意义
  • 1.2 国内外研究现状
  • 1.3 本文主要研究特色内容和章节安排
  • 第二章 摄像机自标定的理论基础
  • 2.1 射影几何
  • 2.1.1 射影几何基本概念
  • 2.1.2 几何层次的划分
  • 2.2 摄像机模型
  • 2.2.1 四个参考坐标系
  • 2.2.2 摄像机针孔模型
  • 2.2.3 欧式空间与射影空间
  • 2.3 两视图几何
  • 2.3.1 对极几何和基本矩阵
  • 2.3.2 单应矩阵
  • 2.4 摄像机自标定方法
  • 2.4.1 直接求解 Kruppa 方程的自标定
  • 2.4.2 分层逐步标定
  • 2.4.3 基于绝对对偶二次曲面的自标定
  • 2.4.4 Pollefeys 的模约束
  • 2.5 本章小结
  • 第三章 一种基于绝对对偶二次曲面像变换的变内参自标定
  • 3.1 射影重构
  • 3.1.1 重构的多义性
  • 3.1.2 基于因子分解法的射影重构
  • 3.1.3 基于基础矩阵的射影重构
  • 3.2 绝对对偶二次曲面和绝对对偶二次曲面的像变换
  • 3.2.1 绝对对偶二次曲面
  • 3.2.2 绝对对偶二次曲面的像变换
  • 3.3 基于绝对对偶二次曲面像变换的变内参自标定
  • 3.3.1 初始化内参数
  • 3.3.2 利用像变换标定
  • 3.4 恢复摄像机外参数
  • 3.5 实验结果
  • 3.5.1 真实图片实验
  • 3.6 本章小结
  • 第四章 一种基于准仿射重构的变参自标定
  • 4.1 绝对二次曲线和绝对二次曲线的图像及其对偶图像
  • 4.1.1 绝对二次曲线
  • 4.1.2 绝对二次曲线的图像及其对偶图像
  • 4.2 准仿射重构
  • 4.2.1 准仿射重构的概念
  • 4.2.2 获取一个准仿射重构
  • 4.2.3 不等式线性规划
  • 4.3 界定无穷远平面
  • 4.4 基于准仿射重构的变参自标定
  • 4.5 实验结果
  • 4.5.1 真实图片实验
  • 4.6 本章小结
  • 第五章 总结与展望
  • 5.1 全文总结
  • 5.2 未来工作展望
  • 参考文献
  • 发表论文和参加科研情况说明
  • 致谢
  • 相关论文文献

    • [1].基于动态图像序列的视觉心理研究[J]. 信息技术 2020(04)
    • [2].基于图像序列分析的全局直方图均衡[J]. 信号处理 2020(04)
    • [3].运动图像序列中关键关节点的跟踪优化仿真[J]. 计算机仿真 2016(02)
    • [4].基于通信图像序列的步态识别[J]. 电脑知识与技术 2010(21)
    • [5].动态图像序列影像检测仿真研究[J]. 计算机仿真 2018(05)
    • [6].地理参考下未标定图像序列的三维点云精度分析[J]. 测绘通报 2012(07)
    • [7].图像序列对话认知引导模型与大学分镜头教学中的意图传达[J]. 东华大学学报(社会科学版) 2018(02)
    • [8].基于变换的医学图像序列有损压缩算法[J]. 重庆理工大学学报(自然科学) 2016(06)
    • [9].动态图像序列中鱼体体干运动建模[J]. 光电工程 2012(03)
    • [10].一种用于动态图像序列的人脸识别算法[J]. 计算机仿真 2012(06)
    • [11].一种新的图像序列失真模型:动态偏移场模型[J]. 电子与信息学报 2008(09)
    • [12].大范围动态图像序列帧间运动检测方法研究[J]. 计算机仿真 2019(12)
    • [13].基于稀疏特征竞争和形状相似性的超声图像序列分割方法[J]. 中国科学:信息科学 2017(06)
    • [14].基于薄板样条变换的几何图像序列压缩方法[J]. 计算机与现代化 2014(06)
    • [15].动态图像序列的视觉心理仿真模型研究[J]. 计算机仿真 2010(11)
    • [16].动态图像序列在交通事故车速鉴定中的应用[J]. 刑事技术 2009(06)
    • [17].基于视觉显著性的空间图像序列放大算法[J]. 计算机应用研究 2016(02)
    • [18].室内环境下基于图像序列拓扑关系的移动机器人全局定位[J]. 机器人 2019(01)
    • [19].一种基于图像序列的水下运动目标检测方式[J]. 微型机与应用 2017(13)
    • [20].基于快速推进法的血管内超声图像序列的三维分割[J]. 北京生物医学工程 2011(06)
    • [21].自动目标识别中的图像序列质量评价方法[J]. 电子与信息学报 2010(08)
    • [22].基于红外多目标图像序列的自动判读技术[J]. 现代电子技术 2009(02)
    • [23].基于间隙度的无人机林地航拍图像序列拼接方法[J]. 北京林业大学学报 2017(06)
    • [24].一种改进的航拍图像序列自动排序算法[J]. 电子技术应用 2017(09)
    • [25].基于最优流,分割和最优控制的图像序列内插[J]. 太原师范学院学报(自然科学版) 2014(03)
    • [26].冠脉造影图像序列的时空滤波[J]. 计算机应用 2015(06)
    • [27].基于动态图像序列的自动扶梯客流量的测量分析[J]. 电子世界 2014(05)
    • [28].基于压缩采样的图像序列光流场计算[J]. 兵工学报 2010(08)
    • [29].一种医学图像序列的交互式分割方法[J]. 电子质量 2009(11)
    • [30].为了搜索图像序列数据的信息要素的抽取方法[J]. 电脑与电信 2008(01)

    标签:;  ;  ;  ;  

    基于图像序列的摄像机自标定方法研究
    下载Doc文档

    猜你喜欢