利用攝像機所拍攝到的圖像來還原空間中的物體。在這里,不妨假設攝像機所拍攝到的圖像與三維空間中的物體之間存在以下一種簡單的線性關(guān)系:[像]=M[物],這里,矩陣M可以看成是攝像機成像的幾何模型。 M中的參數(shù)就是攝像機參數(shù)。通常,這些參數(shù)是要通過實驗與計算來得到的。這個求解參數(shù)的過程就稱為攝像機標定。
中文名稱 | 攝像機標定 | 外文名稱 | camera calibration |
---|---|---|---|
用途 | 幫助還原空間物體 | 常用方法 | 張正友標定方法 |
板子尺寸 | 300X300mm |
可以的。定額需要補充設備費吧?
IP網(wǎng)絡攝像機配電線纜型號需要 查看 配線系統(tǒng)圖
這個是不能的,沒有這種外殼。最好別這么干,這么干不地道,生意不是這么做的,人要講究,貨真價實才是正道。XR260E這種業(yè)余級別的DV要拍好婚禮是很難的。你不如去買個二手的準專業(yè)的DV吧。像VG30E,...
格式:pdf
大小:451KB
頁數(shù): 7頁
評分: 4.7
基于 Matlab 的改進的攝像機標定方法 劉建濤 1 李鋒 2 (江蘇科技大學 電子信息學院 鎮(zhèn)江 212003) 摘要:攝像機標定是從二維圖像提取三維空間信息的重要基礎。攝像機標定的目的是建立 三維坐標和二維圖像坐標之間的對應關(guān)系 , 由攝像機拍攝的二維圖像通過計算和實驗得到物 體的三維坐標值。提出的一種基于 2D平面標定板的改進的標定方法是先通過假設的圖像中 心坐標為模型的成像中心, 提取特征點的坐標由攝像機的針孔模型計算出不包括鏡頭畸變的 初始攝像機參數(shù), 將求得的初始參數(shù)進行多維無約束非線性優(yōu)化求解, 得出攝像機的精確的 內(nèi)外參數(shù)。 通過對平面模板的角點提取和校正對該方法進行實驗驗證, 得出攝像機的內(nèi)外參 數(shù)并進行誤差分析,表明該方法標定精度高,易于實現(xiàn)。 關(guān)鍵詞:攝像機標定,針孔模型,透鏡畸變 中圖法分類號 :TN911.73 TP301 ; 文獻標志碼 :A Im
格式:pdf
大?。?span id="fulct96" class="single-tag-height">451KB
頁數(shù): 96頁
評分: 4.5
視覺攝像機標定方法總結(jié)
本書系統(tǒng)地介紹了機器視覺的基礎理論、方法及關(guān)鍵技術(shù)與實用算法。主要內(nèi)容包括空間幾何變換與攝像機模型、視覺圖像特征信息提取、攝像機標定等。
第1章 緒論
1.1 機器人視覺控制
1.1.1 機器人視覺的基本概念
1.1.2 機器人視覺控制的作用
1.2 機器人視覺控制的研究內(nèi)容
1.2.1 攝像機標定
1.2.2 視覺測量
1.2.3 視覺控制的結(jié)構(gòu)與算法
1.3 機器人視覺系統(tǒng)的分類
1.3.1 根據(jù)攝像機與機器人的相互位置分類
1.3.2 根據(jù)攝像機數(shù)目分類
1.3.3 根據(jù)測量方式進行分類
1.3.4 根據(jù)控制模型進行分類
1.4 視覺控制的發(fā)展現(xiàn)狀與趨勢
1.4.1 視覺系統(tǒng)標定研究進展
1.4.2 機器人的視覺測量研究進展
1.4.3 機器人的視覺控制研究進展
1.4.4 機器人視覺控制的應用現(xiàn)狀
1.4.5 機器人視覺測量與控制的發(fā)展趨勢
參考文獻
第2章 攝像機與視覺系統(tǒng)標定
2.1 攝像機模型
2.1.1 小孔模型
2.1.2 攝像機內(nèi)參數(shù)模型
2.1.3 攝像機外參數(shù)模型
2.2 單目二維視覺測量的攝像機標定
2.3 Faugems的攝像機標定方法
2.3.1 Faugems攝像機標定的基本方法
2.3.2 Faugeras攝像機標定的改進方法
2.4 Tsai的攝像機標定方法
2.4.1 位姿與焦距求取
2.4.2 畸變矯正系數(shù)與焦距的精確求取
2.5 手眼標定
2.6 基于消失點的攝像機內(nèi)參數(shù)自標定
2.6.1 幾何法
2.6.2 解析法
2.7基于運動的攝像機自標定
2.7.1 基于正交平移運動和旋轉(zhuǎn)運動的攝像機自標定
2.7.2 基于單參考點的攝像機自標定
2.8 畸變校正與非線性模型攝像機的標定
2.8.1 基于平面靶標的非線性模型攝像機標定
2.8.2 基于平面靶標的大畸變非線性模型攝像機的標定
2.9 結(jié)構(gòu)光視覺的參數(shù)標定
2.9.1 基于立體靶標的激光平面標定
2.9.2 主動視覺法激光平面標定
2.9.3 斜平面法結(jié)構(gòu)光視覺傳感器標定
參考文獻
第3章 視覺測量
3.1 視覺測量中的約束條件
3.1.1 特征匹配約束
3.1.2 不變性約束
3.1.3 直線約束
3.2 單目視覺位置測量
3.3 立體視覺位置測量
3.3.1 雙目視覺
3.3.2 結(jié)構(gòu)光視覺
3.4 基于目標約束的位姿測量
3.4.1 基于立體視覺的位姿測量
3.4.2 基于矩形的位姿測量
3.5 基于PnP問題的位姿測量
3.5.1 P3P的常用求解方法
3.5.2 PnP問題的通用線性求解
3.6 基于消失點的位姿測量
3.6.1 基于消失點的單視點三維測量
3.6.2 基于消失點的單視點仿射測量
3.7 移動機器人的視覺定位
3.7.1 基于單應性矩陣的視覺定位
3.7.2 基于非特定參照物的視覺定位
3.8 移動機器人的視覺全局定位
3.8.1 基于非特定參照物的視覺全局定位
3.8.2 視覺定位與里程計推算定位的信息融合
3.9 MEMS裝配中的顯微視覺測量
3.9.1 顯微視覺系統(tǒng)的構(gòu)成
3.9.2 顯微視覺系統(tǒng)的自動調(diào)焦與視覺測量
3.9.3 實驗與結(jié)果
參考文獻
第4章 視覺控制
4.1 基于位置的視覺控制
4.1.1 位置給定型機器人視覺控制
4.1.2 機器人的位置視覺伺服控制
4.1.3 基于位置的視覺控制的穩(wěn)定性
4.1.4 基于位置視覺控制的特點
4.2 基于圖像的視覺控制
4.2.1 基于圖像特征的視覺控制
4.2.2 基于圖像的視覺伺服控制
4.2.3 基于圖像的視覺控制的穩(wěn)定性
4.2.4 基于圖像的視覺控制的特點
4.3 混合視覺伺服控制
4.3.1 2.5D視覺伺服的結(jié)構(gòu)
4.3.2 2.5D視覺伺服的原理
4.4 基于結(jié)構(gòu)光的機器人弧焊混合視覺控制
4.4.1 圖像空間到機器人末端笛卡兒空間的雅可比矩陣
4.4.2 混合視覺控制
4.4.3 實驗與結(jié)果
4.5 直接視覺控制
4.5.1 直接視覺控制的結(jié)構(gòu)
4.5.2 visual.motor函數(shù)的實現(xiàn)
4.6 基于姿態(tài)的視覺控制
4.6.1 姿態(tài)測量
4.6.2 基于姿態(tài)估計的視覺控制系統(tǒng)的結(jié)構(gòu)與基本原理
4.6.3 實驗與結(jié)果
4.7 基于圖像雅可比矩陣的無標定視覺伺服控制
4.7.1 動態(tài)牛頓法
4.7.2 圖像雅可比矩陣的估計
4.8 自標定視覺控制
4.8.1 攝像機的自標定
4.8.2 目標跟蹤視覺控制
4.9 基于極線約束的無標定攝像機的視覺控制
4.9.1 基本原理
4.9.2 視覺伺服控制
4.9.3 實驗與結(jié)果
參考文獻
第5章 視覺控制的應用
5.1 開放式機器人控制平臺
5.1.1 多層次結(jié)構(gòu)的開放式機器人控制平臺
5.1.2 本地機器人的實時控制
5.1.3 圖形示教實驗與結(jié)果
5.2 具有焊縫識別與跟蹤功能的自動埋弧焊機器人系統(tǒng)
5.2.1 焊接小車與視覺系統(tǒng)
5.2.2 結(jié)構(gòu)光焊縫條紋圖像的處理
5.3 曲線焊縫跟蹤的視覺伺服協(xié)調(diào)控制
5.3.1 機器人運動與特征點坐標變化的數(shù)學分析
5.3.2 模糊視覺伺服控制器的設計
5.3.3 實驗與結(jié)果
5.4 仿人形機器人的火炬?zhèn)鬟f
5.4.1 系統(tǒng)構(gòu)成與目標特征
5.4.2 目標分割與邊緣提取
5.4.3 特征提取
5.4.4 火炬?zhèn)鬟f任務中的視覺引導
5.4.5 趨近與對準
5.4.6 實驗與結(jié)果
參考文獻
前言
第1章 引論
第2章 空間幾何變換與攝像機模型
第3章 視覺圖像特征信息提取
第4章 攝像機標定
第5章 雙目立體視覺
第6章 結(jié)構(gòu)光三維視覺
第7章 其他三維視覺技術(shù)
第8章 多傳感器三維視覺
第9章 運動視覺分析
第10章 應用實例I——小型構(gòu)件內(nèi)表面三維形貌視覺檢測
第11章 應用實例II——天文導航