机器视觉标定相关知识概述.doc_视觉标定资源-CSDN文库

需积分: 18 184 浏览量 2019-09-05 16:47:03 上传评论收藏 72KB DOC 举报

资源推荐

资源详情

资源评论

　　机器视觉标定相关知识概述

　　机器视觉系统的主要功能可以分为定位和识别两大类。识别主要指的是从

摄像机获取图像信息并计算三维空间中物体的几何信息，以由此重建和识别物

体。

　　空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是

由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。在多数

条件下，这些参数必须通过实验与计算才能得到，这个过程被称为机器视觉系

统定标（或称为摄像机标定）。

　　摄像机的标定过程就是确定摄像机的几何和光学参数，以及摄像机相对于

世界坐标系的方位。由于标定精度的大小，直接影响着机器视觉的精度。因此，

只有做好了摄像机标定工作，后续工作才能正常展开，可以说，提高标定精度

也是当前科研工作的重要方面之一。

摄像机标定可以分为传统的摄像机标定方法和摄像机自标定方法两大类。

　　一、传统的摄像机标定方法按照标定参照物与算法思路可以分成若干类，

如基于 3D 立体靶标的摄像机标定、基于 2D 平面靶标的摄像机标定、以及基

于径向约束的摄像机标定等。传统的摄像机标定需要标定参照物，基本方法是

在一定的摄像机模型下，通过对特定标定参照物进行图像处理，为了提高计算

精度，还需确定非线性畸变校正参数，并利用一系列数学变换公式计算及优化，

来求取摄像机模型内部参数和外部参数。因此该方法在场景未知和摄像机任意

运动的一般情况下，其标定很难实现。

　　二、摄像机自标定方法在 20 世纪 90 年代初，由

Faugeras ，Luong，Maybank 等人首次提出。这种自标定法利用摄像机本身

参数之间的约束关系来标定，而与场景和摄像机的运动无关，所以更为灵活。

　　摄像机自标定相对于传统方法有更好的灵活性和实用性，通过多年的不懈

努力，理论上的问题已基本解决，目前研究的重点是如何提高标定算法的鲁棒

性以及如何很好地用这些理论来解决实际视觉问题。为了提高鲁棒性，在实际

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

内容反馈

weixin_38743737

粉丝: 376
资源: 2万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip