单目主动视觉无人机导引中摄像机内参数标定的线性方法

 提出一种单目主动视觉无人机导引中摄像机内参数标定的线性方法,在摄像机主点位置进行预标定的条件下,摄像机只需拍摄一幅着舰平面靶标上的一组正方形图像,无须知道该组正方形的任何几何信息,通过计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程即可线性求解摄像机内参数,仿真实验和真实图象实验表明:该方法在摄像机内参数(如焦距等)需要经常改变的视觉任务,如基于视觉的无人机着舰导引、运动参数估计、三维视觉重建及视觉监控中,使得摄像机内参数的标定具有简便、实时和鲁棒性强的特点。     

一种非接触式双目视觉系统结构参数测量方法

双目视觉系统的设计与精度分析都需要精确的系统结构参数,但普通的测量手段难以胜任。为解决该问题,提出了一种基于摄像机标定的非接触测量方法,以实现结构参数的测量。首先,在研究双目视觉系统精度的基础上给出了双目视觉系统设计和精度分析所涉及的结构参数;然后,在理论上推导了通过摄像机标定的系统外参数与统结构参数的之间的关系;最后,通过标定实验在计算机中解算出了双目系统的外参数,进而测量了双目视觉系统的结构参数,获得了比较精确的系统结构参数。     

基于非线性最优化的摄像机标定方法

提出了一种适用于CCD摄像机交汇测量系统的摄像机内、外参数标定方法。它将包含镜头畸变、光心误差等在内的摄像机内、外参数非线性标定模型转换为一个冗余测量情况下的非线性最优化问题,并通过先验信息设置各种约束条件来缩小最优化问题的收敛域,从而显著提高了标定的精度和稳定性。试验结果表明,在合适的测量几何条件下,采用该方法进行标定的双CCD摄像机交汇测量系统的定位精度可达毫米量级(1σ)。     

单目机器视觉测距技术在无人机自动着舰中的应用

介绍了机器视觉的概念，探讨了机载单目机器视觉在无人机自动着舰方案中的应用。在对前方舰艇进行快速探测以及对摄像机进行预先标定的基础上，本文利用机器视觉理论与方法，以及摄像机内部参数和透视投影几何关系，计算无人机与前方舰艇相对距离。最后展望了机器视觉的发展及应用前景。     

摄像机标定研究

目前，摄像机标定是计算机视觉领域中的研究热点之一，其目的是通过摄像机拍摄的单幅或多幅图像来确定摄像机的参数模型，进而获得摄像机的各项参数，在机器人导航、三维重建、生物医疗、虚拟现实、视觉监控、视觉伺服等领域均有广泛的应用前景。本文综述了传统标定方法，自标定方法和基于主动视觉的标定方法的研究现状，对其优缺点作出评价并指出发展方向。     

一种提高机器视觉检测精度的方法

本文提出一种提高机器视觉标定精度的方法。首先，设置标准参考点位置，对机器视觉系统进行标定获得初始标定矩阵；其次，对图像进行处理，视觉检测算法提取标准参考点的准确位置；最后，通过修改初始标定矩阵参数，使计算结果无限接近标准参考点，从而获得更高精度的标定矩阵。实验表明，该方法可提高狭缝测量和圆孔定位的检测精度，为实现高精度机器视觉检测提供了新途径。     

双目视觉系统的立体标定与校正

双目视觉系统的立体标定与校正是立体视觉的重要环节，也是研究的关键领域。本文简述了图像、摄像机坐标系和世界坐标系及其相互之间的关系，给出了摄像机标定、立体标定与校正的基本原理；在完成单个摄像机标定的基础上进行了立体标定，并应用Bouguet算法进实现了双目视觉系统的立体校正，得到了双目视觉系统的重要参数旋转矩阵与平移向量，并将双目视觉系统校正为数学意义上的前向平行对准结构。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

航空发动机孔探中立体视觉技术研究

介绍了基于立体视觉的发动机孔探技术，建立了平行光轴双目机器视觉模型并采用MATLAB语言实现了摄像机标定，通过图像分析提取出发动机损伤的有效区域，并且运用双目匹配的方法计算出区域的面积及特征点的空间坐标，实现了航空发动机缺陷的定量测量。     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力，定义了一个无量纲参数——误差衰减系数，来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性，发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段，证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力，而传统的多项式模型或小孔模型并不具备这一能力；此外，神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此，神经网络具备替换传统空间标定模型的能力，有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

一种基于张氏标定法的单目相机改进标定算法

单目视觉在地面机器人等无人导航系统中的应用越来越广泛，而相机参数的标定是利用视觉进行导航的基础性工作。标定结果的好坏，直接影响导航性能和定位精度。主要考虑单目相机的径向畸变，基于张正友平面标定法，通过利用Matlab进行图像预处理、利用OpenCV进行Harris角点检测和亚像素精确化等方法在角点提取精度等方面进行了改进，通过重投影法对标定结果进行了评估，并将其与Matlab相机标定工具箱Toolbox_calib所得结果进行了比较。实验结果表明，改进的标定算法标定结果精度更高，并且对多个摄像头传感器均有效，适用性强。     

Accuracy enhancement of the spherical actuator with a two-level geometric calibration method

This paper presents a two-level geometric calibration method for the permanent magnet （PM） spherical actuator to improve its motion control accuracy. The proposed actuator is com- posed of a stator with circumferential coils and a rotor with multiple PM poles. Due to the assembly and fabrication errors, the real geometric parameters of the actuator will deviate from their design values. Hence, the identification of such errors is critical for the motion control tasks. A two-level geometric calibration approach is proposed to identify such errors. In the first level, the calibration model is formulated based on the differential form of the kinematic equation, which is to identify the geometric errors in the spherical joint. In the second level, the calibration model is formulated based on the differential form of torque formula, which is to calibrate the geometric parameters of the magnetization axes of PM poles and coils axes. To demonstrate the robustness and availability of the calibration algorithm, simulations are conducted. The results have shown that the proposed two-level calibration method can effectively compensate the geometric parameter errors and improve the positioning accuracy of the spherical actuator.     

基于最大似然估计法的加速度计误差参数标定方法

为降低捷联惯导系统误差参数标定过程对高精度转台的要求,提出一种基于最大似然估计的模观测标定方法。在考虑噪声影响的情况下建立加速度计的误差参数模型,运用最大似然估计法对误差参数进行标定计算,并将标定结果的精度与所考虑参数模型的克拉美限相比较。结果表明,与传统标定方法相比,该方法标定精度相当,降低了对标定转台的要求,减少了标定时间,有较高的工程应用价值。     

基于平面模板自由拍摄的双目立体测量系统的现场标定

 摄像机标定是基于光学摄像的立体测量技术中的一个十分重要的步骤，标定精度直接影响系统测量的精度和稳定性。本文提出并实现了一种简便易行的双目立体测量系统现场标定方法：利用一块特殊设计的具有不同大小圆形特征点的平面标定板，在无需控制任何运动参数的情况下，双目测量系统只需对标定板在不同角度自由拍摄一组图像即可方便地实现系统标定。该方法在已有单摄像机标定算法的基础上，加入对双摄像机相对位置和姿态的优化，同时考虑了镜头的非线性畸变，达到了较好的标定结果。另外，提出的图像点与其空间点的对应算法具有良好的稳定性，即使由于环境或摄像机摆放位置等因素的影响，一些标定板上的特征点不能被摄像机拍摄到，或者不能被正确识别时，仍然能进行标定工作。标定实验和系统标定后的三维重建结果验证了该方法的有效性。     

基于可重构标定板的激光与视觉联合标定方法

目前,激光雷达与视觉传感器的联合标定方法包含动态在线标定与静态离线标定两大类.动态在线标定对标定的环境有较高的要求,且标定结果不稳定;静态离线标定通常采用标定板,因而对标定板的要求较高,手动选择与线拟合都易引入或放大误差,故提出了一种基于可重构标定板的激光雷达与视觉传感器的联合标定方法.首先,对传统的标定板进行拆分与重构,采用类条形码的方式自动识别激光雷达特征点,并添加相机校验机制以缓解标定过程中相机识别的不稳定性带来的误差.最后,通过与双目相机标定,采用重投影的方式对外参标定结果进行可视化主观评价与客观量化评价.实验表明,该标定方法的均方根误差(RMSE)为1.275cm,重投影后的误差为3.2个像素.     

风洞模型位移视频测量的相机标定

相机的制造和装配误差难以完全消除，导致相机的光学系统存在不同程度的非线性光学畸变现象，故相机标定对确保风洞模型位移视频测量的精度至关重要。针对1m。以上的台阶标定块制造成本高、维护困难，提出基于距离标尺的相机标定方法，推导包含非线性畸变模型的共线方程，建立适应中国大尺寸风洞的低成本相机标定系统，确保模型位移视频测量相机的自校正精度。2m超声速风洞的某跨大气层飞机测力试验中，采用该方法校正DALSAe相机后，各阶梯迎角测量精度以≤0．00772。（达到高速风洞测力试验迎角精度的先进指标），因此具有实用价值。     

高分影像辅助下的航空高光谱严密几何检校方法

 惯性测量单元(IMU)与传感器视准轴的偏心角和偏心矢量是造成航空线阵列高光谱数据几何校正误差的主要原因之一。在分析偏心角与偏心矢量误差来源之后提出该误差由IMU主轴与传感器主轴的角度偏差、测区固定偏差、GPS中心与传感器投影中心相对偏差组成,在此基础上建立了较为严密的检校模型。针对模型解算时需要大量高精度控制点的问题,提出了一种高分影像辅助下的亚像元精度控制点自动提取方法。通过多地区、多传感器高光谱航测实验表明,亚像元精度控制点能有效提高模型解算精度。新检校模型可获得亚像元校正精度,推扫式传感器——应用型机载成像光谱仪(AISA)建模中误差约为0.39个像元,摆扫式传感器——实用型模块化成像光谱仪(OMIS)建模中误差约为0.23个像元,校正后的影像可直接进行拼接。     

基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。     

发动机推力测量校准中加载模糊控制

针对火箭发动机推力测量原位校准中计量精度要求高,加载过程中工作系统存在着复杂的变速扰动与大滞后等现象,在论述了模糊控制模型建立方法和加载模糊控制原理的基础上,运用叠加方法建立了四维变量模糊控制模型,实现了加载精确自动控制,并分析了该模型的控制效果。结果表明,所建立的模型及加载模糊控制方法是正确有效的,满足了原位校准精确快速加载的要求。