传统摄像机线性标定Faugeras方法具有简单易实现的优点,然而其模型在求解时未考虑摄像机的特性,只当成一般数学问题求解,造成误差较大,特别是求解的图像中心点与实际的图像中心有较大偏差。为此提出一种新的摄像机线性标定方法,把图像中心作为光轴中心点,在认为该参数已知的情况下,可有效避免其他参数产生较大误差。将参数分开求解,分步获得摄像机参数,并对部分参数进行优化。实验结果表明,提出的这种新的线性标定法相较于Faugeras方法有了一定提升,标定精度较高且计算速度较快。

对利用非共面两个圆进行摄像机标定的方法进行研究,在通过分析圆筒形工件内部两个非共面圆的投影特性的基础上,提出了一种新的摄像机标定方法。该方法根据圆筒半径和两圆所在平面的距离以及投影平面的两个椭圆存在的几何和代数约束关系;在识别出圆点和消隐点的基础上,计算得到摄像机的内外参数。最后,通过模拟验证该方法对噪声的鲁棒性,并将实验求取结果与实际参数对比,具体算例表明该方法能够准确地对摄像机进行标定,且标定误差不超过2mm。

大多数摄像机标定研究侧重于用多幅图像、结合优化算法以提高精度,未能在线性标定阶段进行改善。分析了经典Faugeras线性标定方法存在的问题,提出了一种新型的摄像机线性标定方法。新方法充分考虑摄像机的特性,把图像中心作为主点位置,同时将与横、纵坐标分别相关的参数分开求解;而后将剩余参数进行混合求解,最后考虑畸变进行线性优化,得到畸变系数。新方法避免了传统方法将所有参数过早混合求解的弊端,是精度提高的关键,同时新方法也考虑畸变纠正,在线性标定阶段实现了精度的尽可能提升。实验结果表明,提出的线性标定法相比于经典Faugeras方法有了很大提升,在线性标定阶段测试点的反投影像素误差可控制在2个像素以内,为后期的非线性优化提供优良初值。

机械臂轨迹跟踪控制时受目标物体质心投影轨迹不清晰的影响,无法得出目标物体准确坐标值,在机械臂位置增量为(10.52~30.52)mm的范围内存在控制时延过长的问题,因此提出一种应用摄像机标定的机械臂轨迹跟踪控制系统。系统硬件构成包括工控模块、反馈模块。由主控单元、UVC摄像头、视频服务器构成工控模块;由反馈控制器、执行器、前馈控制器组成反馈模块。在系统软件部分,通过摄像机标定算法实现机械臂的轨迹跟踪,引入直线插补算法,通过机械臂已知运动轨迹插补得到完整运动的坐标点,得出目标物体准确坐标值,实现机械臂的运动控制。为了证明该系统在(10.52~30.52)mm的机械臂位置增量范围内控制时延较短,将其与原有系统进行对比实验,实验结果证明该系统的控制时延更短,跟踪准确度高,实现了系统性能提升。

介绍了摄像机标定方法的分类。通过对基于3D立体靶标、2D平面靶标、径向约束的摄像机标定等传统方法的具体分析，给出几种标定方法的优劣对比。文章同时对多种自标定方法的研究现状、发展状况以及存在问题进行了分析讨论，最后给出了发展各类摄像机标定方法的一些参考建议。

传统的灰度重心法是一种用于对称目标的亚像素定位算法,其计算精度不高而且抗噪声性能较差。提出一种隔离算法,将其边缘像素分离,然后对内部像素灰度进行均值化,从而有效抑制内部像素噪声。同时,利用数据误差理论对这种算法的误差进行分析。最后,通过基于大天区面积多目标光纤光谱天文望远镜（LAMOST）标定实验,验证了这种算法的正确性,并表明优化算法有较好的噪声抑制性能。

研制了一种基于测量机器人的激光三维扫描仪,介绍了系统的测量原理,根据双三角法原理推导出物体空间三维点坐标,提出了具有一定泛化能力的神经网络系统整体标定方法,并对一茶杯盖进行了实际测量实验,测量误差小于0.1mm,实验结果验证了测量原理的有效性和系统的可靠性.

针对目前工业机器人上料时大都采用预先示教的方式,一旦工作条件发生变化就会导致抓取失败的问题,研究了一种基于视觉引导FANUC机器人的抓取系统,提高了机器人柔性化抓取能力。系统采用单目视觉定位方法将图像中的特征点通过相机标定参数、Eye-in-Hand手眼标定参数转换为机器人基坐标系下的位姿,利用FANUC Robot Interface实现上位机与机器人通信并把定位结果发送到机器人位置寄存器,引导机器人运动到相应位置并通过末端执行器完成对空心圆柱体工件的抓取。经过多次抓取实验数据分析,该系统定位误差在0.5mm以内,具有很好的实际应用价值。

介绍了和摄像机标定技术有关的基本概念和定义,在此基础上介绍了摄像机标定方法的分类,并对现有的比较典型的相机标定方法进行了对比论述,分别介绍了它们各自的标定原理和标定过程,以及该标定方法的优缺点。最后对摄像机标定方法未来可能的发展趋势以及研究方向进行了分析。

摄像机标定是由二维图像获取三维空间信息过程中的重要步骤,是计算机视觉领域的研究热点。文中通过改进摄像机数学模型,提出一种快速精确的摄像机标定方法。该方法以平面标定法为基础,同时引入径向畸变和切向畸变以提高标定精度。在此基础上结合Open CV库,在Visual Studio 2015开发环境下实现了摄像机标定,并进行了实验验证,实验结果表明该方法具有较高的标定精度,计算速度快,过程稳定。