了解监控摄像头图像约束技术
为了实现非理想结构云台摄像头的精确自标定,建立了云台相机的精确模型,并提出了一种基于自约束特性的相机固有参数和云台结构参数的自标定方法。首先，根据系统的结构特点，建立了与理想模型不同的精确云台相机模型，用于描述云台轴、俯仰轴与相机干扰器之间的相对方位和位置偏移。
利用旋转自约束特性计算旋转实体，然后结合偏振约束，建立绝对二次曲线监控图像的约束方程并计算，通过Cholesky分解得到相机内参数。 ,基于相机的内禀矩阵,利用旋转轴和截面的投影特性求解云台结构参数。实验结果表明,对于0.5像素噪声水平,焦距标定误差较小小于0.73%，原则点小于0.52%，实像重投影平均误差为2.38，均优于基于理想模型的自标定方法。整个标定过程仅利用几何约束云台主动旋转时，无需外界场景或标定物的屏蔽器信息。
针对计算机视觉领域重要的相机标定，提出了一种新的目标形式，即不同于球形监控摄像头目标的网格球形目标（GST）。由于球体上有网格，GST 具有球形和棋盘形目标的优点。并利用GST上的经纬度圆以及经纬度圆的交点来校准相机。首先，利用图像中GST上的经纬度圆的椭圆曲线获得绝对圆锥图像。利用绝对二次曲线图像获得相机的初始内在参数和外在参数后，利用纬度圆和经纬线的交点，通过非线性优化求解内在干扰屏蔽器参数和外在参数的最优解。最后，在仿真和物理实验中证明了基于GST的方法的有效性。
利用旋转自约束特性计算旋转实体，然后结合偏振约束，建立绝对二次曲线监控图像的约束方程并计算，通过Cholesky分解得到相机内参数。 ,基于相机的内禀矩阵,利用旋转轴和截面的投影特性求解云台结构参数。实验结果表明,对于0.5像素噪声水平,焦距标定误差较小小于0.73%，原则点小于0.52%，实像重投影平均误差为2.38，均优于基于理想模型的自标定方法。整个标定过程仅利用几何约束云台主动旋转时，无需外界场景或标定物的屏蔽器信息。
针对计算机视觉领域重要的相机标定，提出了一种新的目标形式，即不同于球形监控摄像头目标的网格球形目标（GST）。由于球体上有网格，GST 具有球形和棋盘形目标的优点。并利用GST上的经纬度圆以及经纬度圆的交点来校准相机。首先，利用图像中GST上的经纬度圆的椭圆曲线获得绝对圆锥图像。利用绝对二次曲线图像获得相机的初始内在参数和外在参数后，利用纬度圆和经纬线的交点，通过非线性优化求解内在干扰屏蔽器参数和外在参数的最优解。最后，在仿真和物理实验中证明了基于GST的方法的有效性。
