计算机视觉中的自标定方法

论文摘要

随着计算机视觉技术的飞速发展，三维模型重建技术已经被广泛地应用到社会生活的很多领域．如在航空探测、视频监控、虚拟视觉中都有很重要的应用．摄像机参数的标定作为三维模型重建过程中的关键步骤亦已经成为很多研究人员研究的热点，特别是自标定技术摄像机参数的自标定技术使得三维模型的重建技术更加贴近生活，使三维模型重建技术的普及成为了可能．本篇文章详细的介绍了摄像机自标定技术的几种主要的方法，如基于Kruppa方程的求解方法，分层重建方法等，详细地分析了每种方法的优缺点，明确了每个方法的关键所在，同时也通过列举实例来具体的阐述实际的标定过程．

论文目录

• 提要
• 第一章 基础知识
• 1 齐次坐标
• 2 摄像机模型
• 3 基本矩阵
• 4 本质矩阵
• 5 多视点几何关系
• 6 绝对二次曲线和绝对二次曲面
• 7 单应性矩阵
• 8 分层重建
• 第二章 直接求解Kruppa方程的自标定方法
• 1 Kruppa方程
• 1 Kruppa方程的导出
• 2 求解Kuppa方程需要图片的数量
• 2 基于Kruppa方程标定方法的讨论
• 1 求解非线性方程组优化算法的初值预估计
• 2 求解比例因子的L-M算法
• 3 小结
• 第三章 分层逐步标定
• 1 Hartly和Heyden的自标定方法
• 2 基于绝对二次曲面的自标定
• 1 求解约束条件的非线性方法
• 2 求解约束条件的拟线性方法
• 3 Pollefeys的自标定方法
• 1 基于模约束的自标定方法
• 2 基于绝对二次曲线的自标定方法
• 4 小结
• 第四章 基于无穷远平面单应矩阵的线性自标定方法
• 1 在特定条件下确定无穷远平面的单映性矩阵
• 2 线性方法具体过程阐述
• 3 小结
• 第五章 非线性摄像机模型下的自标定方法
• 1 非线性摄像机模型
• 2 确定非线性内参数的约束方程
• 3 非线性优化问题的求解
• 4 线性内参数自标定
• 5 小结
• 第六章 总结
• 参考文献
• 中文摘要
• 英文摘要
• 致谢