摄像机镜头畸变的研究

doi:10.3778/j.issn.1002-8331.2009.26.014

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (26): 49-52.DOI: 10.3778/j.issn.1002-8331.2009.26.014

摄像机镜头畸变的研究

田原嫄¹，黄合成²，谭庆昌³，张海波¹，石志标¹

1.东北电力大学能源与机械工程学院，吉林 132012
2.空军航空大学理论力学系，长春 130025
3.吉林大学机械科学与工程学院，长春 130025

收稿日期:2009-03-05 修回日期:2009-04-14 出版日期:2009-09-11 发布日期:2009-09-11
通讯作者: 田原嫄

Research on camera lens distortion

TIAN Yuan-yuan¹，HUANG He-cheng²，TAN Qing-chang³，ZHANG Hai-bo¹，SHI Zhi-biao¹

1.Institute of Energy Sources and Mechanical Engineering，Northeast Dianli University，Jilin 132012，China
2.Department of Theoretical Mechanics，the Aeronautical University of the China People Liberation Airforce，Changchun 130025，China
3.Institute of Mechanical Engineering and Science，Jilin University，Changchun 130025，China

Received:2009-03-05 Revised:2009-04-14 Online:2009-09-11 Published:2009-09-11
Contact: TIAN Yuan-yuan

摘要/Abstract

摘要： 分析了摄像机成像模型和镜头非线性畸变模型，通过实验的方法求得了镜头的径向畸变系数，并首次根据图像复原原理将镜头的畸变系数引入边缘的亚像素定位算法中，最后通过对图像测量系统进行了标定，用实验的方法定量地比较了镜头径向畸变对测量精度的影响。同时，在标定的过程中通过“二次标定”的方法消除了“单次标定”所引入的系统误差，提高了测量精度。实验证明，通过对镜头的畸变进行校正来提高亚像素边缘定位精度的方法是有效的、显著的。

关键词: 计算机视觉, 三维特征点, 标定, 畸变, 亚像素, 边缘定位

Abstract: The paper analyzes camera imaging model and lens non-linear distortion model.And gets distortion coefficients of lens by experiment method and calibrates image measurement system based on the theory of image recover inducting arithmetic of sub-pixel edge orientation at first.Then compares quantificationally different measurement precise affection by lens radial distortion.Meantime during calibration use “two times calibration” method to eliminate system error aroused by “one time calibration” in order to improver measurement precise.The tests show that the method of correcting lens distortion is effective and prominent to enhance the precise of sub-pixel edge orientation.

Key words: computer visual, three-dimensional characteristic points, calibration, distortion, sub-pixel, edge orientation

中图分类号:

TP391.41

田原嫄¹，黄合成²，谭庆昌³，张海波¹，石志标¹. 摄像机镜头畸变的研究[J]. 计算机工程与应用, 2009, 45(26): 49-52.

TIAN Yuan-yuan¹，HUANG He-cheng²，TAN Qing-chang³，ZHANG Hai-bo¹，SHI Zhi-biao¹. Research on camera lens distortion[J]. Computer Engineering and Applications, 2009, 45(26): 49-52.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[4]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[5]	肖雨晴，杨慧敏. 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用, 2021, 57(6): 30-41.
[6]	袁铭阳，黄宏博，周长胜. 全监督学习的图像语义分割方法研究进展[J]. 计算机工程与应用, 2021, 57(4): 43-54.
[7]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[8]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[9]	王涛，王文举，蔡宇. 基于深度学习的三维点云语义分割方法研究[J]. 计算机工程与应用, 2021, 57(23): 18-26.
[10]	刘洋，战荫伟. 基于深度学习的小目标检测算法综述[J]. 计算机工程与应用, 2021, 57(2): 37-48.
[11]	程擎，范满，李彦冬，赵远，李诚龙. 无人机航拍图像语义分割研究综述[J]. 计算机工程与应用, 2021, 57(19): 57-69.
[12]	米娜瓦尔·阿不拉，阿里甫·库尔班，解启娜，耿丽婷. 手语识别方法与技术综述[J]. 计算机工程与应用, 2021, 57(18): 1-12.
[13]	梅锋，周娟平，陆璐. 结合局部奖励机制的视频摘要技术研究[J]. 计算机工程与应用, 2021, 57(11): 211-218.
[14]	李艳，唐达明，周莹亮，戴庆瑜. 基于计算机视觉的轮椅跟随系统设计[J]. 计算机工程与应用, 2021, 57(10): 163-172.
[15]	梁鸿，王庆玮，张千，李传秀. 小目标检测技术研究综述[J]. 计算机工程与应用, 2021, 57(1): 17-28.

摄像机镜头畸变的研究

Research on camera lens distortion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics