导读:本文包含了摄像机自动标定论文开题报告文献综述及选题提纲参考文献，主要关键词:交通摄像机自动标定系统,消失点估计,特征提取叁维车辆模型,EDA优化算法
摄像机自动标定论文文献综述
王娜[1]（2019）在《基于运动车辆的摄像机自动标定研究》一文中研究指出随着城市交通的不断发展,摄像机标定的准确性对于交通监控视频分析变得尤为关键,且消失点的准确性对于摄像机标定具有重要意义。然而当前的摄像机标定方法都有一定的局限性:传统摄像机标定方法依赖指定的标定板才能估计得到消失点;基于主动视觉方法要求摄像机按照既定运动模式移动;摄像机自动标定方法依赖曼哈顿假设、斑马线,或约束车辆沿直线行驶等。这些条件都导致标定算法失去普适性。考虑到现有方法存在的问题,本文提出了一种新颖实用的交通监控摄像机自动标定系统以克服这些局限性。本文主要的研究内容和创新成果如下:首先,针对现有摄像机标定算法在交通监控场景下存在的局限性,提出基于车辆几何特征的摄像机参数计算方法。在背景差分法的基础上引入最大类间方差法(Otus阈值法),结合形态学滤波处理与阴影去除模块进行运动目标检测研究。根据目标检测结果,采用边缘检测算子和霍夫变换直线检测算法提取车辆几何特征,同时均值漂移聚类和拉普拉斯线性回归算法被用来提升消失点估计的准确性,进而提出依据消失点的摄像机参数计算方法。在不同的数据集上进行多组对比实验,结果充分证明所提出的摄像机参数计算方法具有准确性。其次,提出基于叁维车辆模型的摄像机自动标定系统抗干扰算法。当车辆发生遮挡时,依据叁维模型算法提取模型在图像平面的有效投影特征,降低遮挡时的噪声影响。同时,引入分布估计算法(Estimation of Distribution Algorithm,EDA)解除对摄像机未知参数的约束限制,通过迭代演进计算搜索局部最优解进行参数优化,从而降低重投影误差,提高自动标定系统抗干扰能力。不同数据集的实验结果充分证明,所提出的抗干扰算法可以有效的提升系统稳定性和抗干扰能力,该系统仅依赖交通视频中的运动车辆信息即可完成摄像机自动标定工作,具有有效性和鲁棒性。(本文来源于《北京邮电大学》期刊2019-05-31）
叶坚坚,刘向军[2]（2019）在《基于虚拟双目视觉的高速摄像机自动标定系统》一文中研究指出虚拟双目视觉测试是基于一台高速摄像机和两面平面镜实现物体的叁维重建,重点需解决传统双目视觉测试存在的同步性和成本高的问题。摄像机内外部参数的标定是测试精度的重要保证,为解决标定过程需要人工干预、处理过程繁琐等问题,基于虚拟双目视觉原理和张正友标定法,设计了高速摄像机参数自动标定系统,通过外部触发电路控制安装在云台支架上的标定板自动转动,实现不同角度标定板图像的自动拍摄,通过OpenCV计算机视觉库对图像进行自动处理,得到高速摄像机的内外部参数,最后验证了高速摄像机自动标定系统的准确性和实用性,为后续叁维重建和动态叁维测试提供了基础。(本文来源于《电子测量技术》期刊2019年03期）
潘慧,刘元坤,张启灿[3]（2016）在《摄像机标定中的特征点自动提取方法》一文中研究指出提出了一种在复杂背景下,无需人工干预、自动提取二维正弦标靶特征点的方法。以液晶显示器作为平面标靶,标定图像为正弦强度条纹。摄像机拍摄标定条纹图后,算法根据条纹调制度自动分离背景和有效条纹区域;先将水平和垂直相移条纹的截断相位进行相位展开,再将两个相位分布构造成新的二维正交条纹图,通过多项式拟合建立各相位分布与其像素坐标的关系,以正交条纹亮点(对应相位为2π)作为标定特征点,并对这些亮点进行定位操作,获取其对应的亚像素坐标;最后利用展开相位的级次与条纹周期信息自动计算出它们的世界坐标,用于后续的摄像机标定。与常用的二维棋盘格对比实验结果表明,该方法标定结果可靠,而且精度更高,最为关键的是,该方法无需人机交互的手动操作,自动易行,可在以二维正弦条纹为标靶的摄像机标定中推广应用。(本文来源于《光学与光电技术》期刊2016年02期）
司璇,杨荣骞,林钦永[4]（2015）在《一种近红外摄像机标定中特征点的自动检测方法》一文中研究指出针对近红外摄像机标定中标定板的特征点自动检测问题,提出了一种简单而有效的亚像素级特征点检测方法。首先设定一个阈值,对标定板图像的像素点进行搜索,找出大于阈值的点簇,进行灰度加权平均,求特征点的亚像素坐标。其次根据几何学特征,对亚像素点进行叁角网格化处理,判断角点。进而可以确定物理图像坐标与像素坐标之间的关系,完成摄像机标定。该方法具有简单易行、亚像素坐标提取精度高的优势,亚像素坐标提取平均残差为0.048 pixel。(本文来源于《第十七届中国科协年会——分11 生物医学工程高技术（含医疗器械）产业变革与技术转化论坛论文集》期刊2015-05-23）
石陈陈,楼佩煌,武星,钱晓明[5]（2014）在《自动导引车多摄像机主动导引系统的协同标定》一文中研究指出通过多个导引驱动模块可构成用于重载搬运的自动导引车(AGV),固定在每个模块上的摄像机组成了多目视觉主动导引系统。本文针对多驱动模块的协同导引,提出了一种多摄像机主动导引系统的协同标定方法。首先,通过平面模板法完成单个驱动模块上摄像机内部参数、外部参数的标定;然后通过控制各个驱动模块协同运动,利用特征轨迹约束法估计摄像机相对于驱动模块的位姿误差、不同驱动模块之间的装配误差。建立单个模块的视觉测量坐标系与AGV整车运动控制坐标系之间的变换模型。不依赖精密辅助测量工具,具有较高的精度及可实施性。(本文来源于《仪器仪表学报》期刊2014年11期）
姜广浩[6]（2014）在《增强现实摄像机-IMU相对姿态的自动标定研究》一文中研究指出增强现实技术是在虚拟现实技术的基础上发展起来的一门新兴的人机交互技术,通过估计摄像机在3D场景中的位置,添加实时生成的虚拟3D部件、图像和文字等信息,以增强用户的使用体验。实现增强现实技术的基础是能够实时获得摄像机在空间中的位置,而通过单一的视觉跟踪方法很难获得稳定准确的摄像机位置信息。通过将摄像机与惯性测量单元严格绑定,将两种传感器的数据进行融合,可以显着增强摄像机姿态跟踪的稳定性和准确性。使用不同的传感器测得的数据位于不同的坐标系中,为了能够对数据进行融合,需要将不同传感器的信息转换到一个统一的坐标系中。坐标系转换前提是已知不同传感器之间的相对位移与相对朝向。因此,不同传感器的相对姿态是否准确直接影响混合传感器的跟踪效果。本文介绍了一种基于扩展卡尔曼滤波器的摄像机-IMU相对姿态的自动标定方法。通过在EKF中不断估计IMU在世界坐标系中的位置和朝向、摄像机在IMU坐标系中的位置和朝向、IMU在世界坐标系中的速度、IMU的线性加速度和角速度的漂移误差,得到最终的标定结果。实验数据表明,在系统的初始误差较大以及受到较大的非线性噪声的影响下,该方法仍然能够对摄像机与IMU之间的相对位置与朝向进行较为准确的标定。本文的主要研究内容包括：1)摄像机内外参数标定与特征点匹配。通过重新设计摄像机标定板可以实现自动识别世界坐标系原点位置和X轴与Y轴方向。2)设计摄像机-惯性测量单元相对姿态标定算法的EKF预测模型,通过使用当前时刻的系统状态信息预测下-时刻的状态矢量信息。3)设计摄像机-惯性测量单元相对姿态标定算法的EKF测量模型,将图像特征点在图像坐标系中的2D坐标作为EKF的测量矢量,计算测量模型方程对状态矢量求偏导得到的Jacobian矩阵加入EKF进行迭代计算。4)构建摄像机-IMU相对姿态自动标定平台,生成仿真数据,验证算法的正确性与可用性。(本文来源于《中国工程物理研究院》期刊2014-04-01）
张浩鹏,王宗义,吴攀超,林欣堂[7]（2012）在《摄像机标定的棋盘格模板的改进和自动识别》一文中研究指出为了克服在摄像机标定过程中需要使用者给出标定模板的附加信息,或全自动标定点识别算法在遮挡、不均匀照明、大视角和摄像机镜头畸变情况下不能检测出标定点的缺点,提出一种改进的基于基准点标记的棋盘格模板以及相应的全自动识别算法。新的摄像机标定模板以基准点标记代替传统棋盘格的黑白方块,从而使全自动识别算法识别出标记的位置。利用模板中标记按照标记ID从小到大的顺序排列的先验知识,估计丢失的标定点位置。为了提高丢失标定点在图像中初始位置的估计,算法估计径向畸变参数,从而克服了畸变对识别的影响。为了提高标定点的定位精度,利用高精度的鞍点检测器,从而标定点的定位精度小于0.05像素。为了检测鞍点的有效性,算法提出2种滤波准则,最终得到有效的标定点。识别算法是有效的且不需要任何参数。实验结果表明,对于同样的摄像机和背景,使用改进的棋盘格模板及其识别算法获得的标定点进行摄像机标定的投影误差比ARTag减少70%。(本文来源于《仪器仪表学报》期刊2012年05期）
常欣[8]（2012）在《基于姿态识别的摄像机标定图像自动选取》一文中研究指出摄像机标定是计算机视觉领域中最经典和最重要的课题之一,其已被研究了数十年之久。不仅新生产出的摄像机必须进行标定,以校正摄像机内部参数和畸变参数,而且摄像机标定技术也是从二维的平面图像中获得叁维信息这一过程的关键步骤,是计算机视觉技术的第一步,在机器视觉,虚拟现实等计算机图像应用领域有着广泛的应用。在过去的数十年间,研究者已经通过许多种不同的途径,研究出了更方便、更实用、更准确的算法来进行摄像机标定。据我们所知,现存的算法主要依靠提取局部一定的特征,比如角点、边缘和SIFT特征,结合他们来建立一定的对应关系来进行摄像机标定。这些方案中的一种重要的特征就是需要依靠设计好的叁维信息已知的特别标定物体[1,2,3,4,5]。标定物体有叁维立体[4,11],二维平面[5],一维直线[6]叁种。这些方法有效的解决了摄像机标定的问题。其首先定义一个分析方案,然后利用基于最大可能性准则进行非线性优化,最后考虑到镜头畸变,给出分析结果和非线性解。然而,所有上述标定方法选取了大量未挑选或随机选择或手动选择的标定图像。比如,利用由叁个或者更多共线点组成的一维物体,借助于一本书固定其一端,以已知的相对定位移动来进行摄像机标定[6]。其在一段视频中记录的150帧中随机选取四帧来进行标定。对于二维物体[5,7],通过摄像机,拍摄五幅平面在不同角度的图像,其利用其中的2-5幅图像来进行标定。对于叁维标定物体[4],在相同的设置下,利用相同的摄像机拍摄的不同点的图像中选取一些进行摄像机标定。这些方法进行摄像机标定图像的选取时费时、不方便或者造成标定结果不准确。注意到多数标定方法有一个共同点,就是基本都完全依靠点或者线是否能够准确的从角点或者边缘特征中提取出来。而特征提取或标记往往成为一个瓶颈,影响到整个标定过程鲁棒性,准确性和方便性。这些标定图像时常包含着质量不好的特征,最终导致不理想的标定结果。大多数现在的标定技术利用大量的未经选取或者随机选择或者人工选取的图像进行计算,这往往导致耗时,导致最后结果的不确定性。所以我们提出了一种算法,规范和分类大量的摄像机标定图像,在其中选取出质量好的图像。这样做,可以节省时间,提高准确性和方便最终用户。计算机模拟试验与真实试验的结果都表明,上述的标定方法有着较高的精度和鲁棒性。(本文来源于《山东大学》期刊2012-03-20）
谭海曙,周富强,张伟,王宇华,李学夔[9]（2011）在《摄像机标定中特征点的一种自动对应方法》一文中研究指出基于计算几何理论中Delaunay叁角化原理,提出了一种对具有阵列网络结构的靶标特征点的图像坐标与世界坐标进行自动对应方法。通过对图像处理获取的特征点进行Delaunay叁角化预处理,并去除冗余叁角形,得到相邻特征点之间的几何连接关系,利用特征点之间的连接关系实现阵列网络结构的靶标特征点的图像坐标与世界坐标的对应。实验表明,提出的特征点图像坐标与世界坐标的自动对应方法实现简单,鲁棒性强,对镜头畸变不敏感,在拍摄倾角大、靶标被遮挡、内部特征点缺失的情况下对应结果仍很好,特别适合摄像机的在线自动标定。(本文来源于《光电子.激光》期刊2011年05期）
李铀,宋利,王嘉[10]（2010）在《基于图像拼接的双摄像机系统自动标定方法》一文中研究指出主从摄像机监控系统是由一个(或多个)静态宽视野摄像机于一个(或多个)窄视野动态PTZ摄像机组成,主摄像机负责静态监控较大的区域,而随从摄像机负责动态扑捉目标细节信息。提出了一种基于图像拼接的系统标定方法,可以自动获得主从摄像机的位置关系。试验证明,该方法能够准确自动地标定主从摄像机系统。(本文来源于《电视技术》期刊2010年04期）
摄像机自动标定论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
虚拟双目视觉测试是基于一台高速摄像机和两面平面镜实现物体的叁维重建,重点需解决传统双目视觉测试存在的同步性和成本高的问题。摄像机内外部参数的标定是测试精度的重要保证,为解决标定过程需要人工干预、处理过程繁琐等问题,基于虚拟双目视觉原理和张正友标定法,设计了高速摄像机参数自动标定系统,通过外部触发电路控制安装在云台支架上的标定板自动转动,实现不同角度标定板图像的自动拍摄,通过OpenCV计算机视觉库对图像进行自动处理,得到高速摄像机的内外部参数,最后验证了高速摄像机自动标定系统的准确性和实用性,为后续叁维重建和动态叁维测试提供了基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
摄像机自动标定论文参考文献
[1].王娜.基于运动车辆的摄像机自动标定研究[D].北京邮电大学.2019
[2].叶坚坚,刘向军.基于虚拟双目视觉的高速摄像机自动标定系统[J].电子测量技术.2019
[3].潘慧,刘元坤,张启灿.摄像机标定中的特征点自动提取方法[J].光学与光电技术.2016
[4].司璇,杨荣骞,林钦永.一种近红外摄像机标定中特征点的自动检测方法[C].第十七届中国科协年会——分11 生物医学工程高技术（含医疗器械）产业变革与技术转化论坛论文集.2015
[5].石陈陈,楼佩煌,武星,钱晓明.自动导引车多摄像机主动导引系统的协同标定[J].仪器仪表学报.2014
[6].姜广浩.增强现实摄像机-IMU相对姿态的自动标定研究[D].中国工程物理研究院.2014
[7].张浩鹏,王宗义,吴攀超,林欣堂.摄像机标定的棋盘格模板的改进和自动识别[J].仪器仪表学报.2012
[8].常欣.基于姿态识别的摄像机标定图像自动选取[D].山东大学.2012
[9].谭海曙,周富强,张伟,王宇华,李学夔.摄像机标定中特征点的一种自动对应方法[J].光电子.激光.2011
[10].李铀,宋利,王嘉.基于图像拼接的双摄像机系统自动标定方法[J].电视技术.2010
标签：交通摄像机自动标定系统; 消失点估计; 特征提取叁维车辆模型; EDA优化算法;