透视变换

摘要： 在幻影成像系统中,投影式成像装置具有制造成本低、成像系统操作便捷的优点,但由于投影光线发散和光源处光束偏轴角的存在,投影图像照射到四棱锥斜面时会发生几何畸变,导致三维模型失真。针对该问题,提出一种投影图像局域几何畸变的校正方法。通过提取投影图片,分析并建立投影图像形状和三维模型失真程度的映射关系,利用透视变换,构建投影图像局部几何畸变的矫正模型,实现三维模型的失真补偿。实验结果证明,校正后图像边长误差从34.4%降低到3.3%,角度误差从18.3%降低到3.3%,验证了该方法的有效性和可行性。

摘要： 在经济高速发展时代背景下,机动车普及量和总数量的高速提升对公路交通事业提出了更高的要求,如何能够在复杂环境中快速识别车牌信息成为了人们需要解决的问题。为了有效解决在复杂环境下,快速定位车牌位置,以及因为受到环境或其他因素干扰而造成的车牌模糊、反光、倾斜等情况造成识别不准的问题,本文采用YOLOv5算法进行车牌定位,通过高斯滤波解决车牌因为反光造成部分区域过曝导致字符识别时可用信息受损,以及基于透视变换对于倾斜车牌进行矫正,然后采用铅直投影法进行车牌干扰信息的去除以及字符分割,最后,使用CNN对于分割好的字符进行识别。通过在现实情况的实验结果表明,本文所提方法能够快速定位车牌位置,并能够在车牌受到复杂因素干扰时准确识别车牌信息。

摘要： 把控火灾的蔓延趋势是森林火灾预防的重要环节。目前针对火灾蔓延趋势的预测大多是关于蔓延模型对火线预测以及利用仿真软件对火线进行长时间离线模拟,但无论哪种预测方式都难以满足实际的火灾预防需求。卷积长短期神经网络(Convlstm)在短期的图像预测中表现出显著的优势,在此基础上加入灰狼优化算法(GWO)来优化神经网络模型的超参数,从而提高卷积长短期神经网络的整体预测效果。无人机由于机动性强,可以凭借搭载的传感器完成对真实火场信息的采集,无人机采集的红外图像数据可以通过透视变换来消除三维视觉上的偏差,最后将透视变换后的红外图像通过结合灰狼优化算法的卷积长短期神经网络完成对林火蔓延的实时预测。

摘要： 针对复杂环境下的钢轨伸缩调节器伸缩量测量问题,提出一种基于深度学习和视觉定位的非接触式钢轨伸缩调节器伸缩量实时测量方法。训练Faster R-CNN模型检测粘贴在伸缩调节器可活动钢枕和轨道固定轨枕上的标识牌,然后使用HSV空间的阈值分割算法和包括主成分分析法(PCA,principal component analysis)在内的筛选算法获得标识牌的圆心关键点坐标,最后通过透视变换得到伸缩量的测量结果。结果表明,该算法能在复杂环境下对钢轨伸缩调节器的伸缩量进行实时测量,拥有较高的精度和较强的鲁棒性。

摘要： 基于张氏标定原理的传统双目相机标定方法在单一背景下标定精度高,但在复杂背景下不能精确提取特征点坐标,导致相机标定精度受到影响。文中提出一种基于Halcon标定靶感兴趣区域约束的透视变换方法,可以从复杂背景中精确提取特征点坐标,提高双目相机标定精度。首先通过改进的角点提取方法从背景中提取Halcon标定靶上的感兴趣区域,利用透视变换和最小二乘法提取特征点的精确坐标;然后匹配左、右图像中同名的特征点,利用张氏标定原理计算双目相机的参数。实验表明,利用文中方法标定的相机参数,计算特征点平均重投影精度达0.01像素,相比于传统方法平均重投影精度提高0.02像素,提高了双目相机参数标定的精度。

摘要： 针对当前文档图像透视变形矫正算法抗干扰性差,矫正效果不佳等问题,本文提出一种基于BRISK特征点检测与匹配的文档图像矫正算法,称之为模板图像匹配矫正算法(Template Image Matching Rectification,TIMR).该算法仅需制作目标领域内的单张矫正模板图像,并结合BRISK算法与本文提出的双重特征点过滤算法实现该领域所有透视变形文档图像的矫正处理.其中,双重过滤算法包含特征点先验过滤(Prior Filtering,PF)与特征点迭代匹配过滤(Iterative Matching Filtering,IMF)算法,有效地过滤掉了矫正模板图像中的无关特征点与不稳定特征点,实现特征点匹配与TIMR算法的加速.在特定的医疗领域的检验单文档图像数据上进行矫正测试,并与当前主流矫正的算法与商业软件进行了比较.实验结果表明,本文算法具有使用简单方便,鲁棒性强,矫正效果好和矫正速度快等特点.

摘要： 目前,变电站保护硬压板信息管理处于完全依赖于人工巡检的状态。伴随着人工智能上升为国家战略,深度学习技术进一步发展,提出一种基于OpenCV+SSD深度学习模型的压板状态识别方法。在图像二值化并高斯滤波基础上,基于霍夫直线检测算法进行保护屏柜角点检测,并通过透视变换实现压板图像矫正,从而避免拍摄图像的角度变化对识别结果的影响;利用模板匹配的方法对压板图像进行分割,并建立不同压板与其功能间的映射关系,提升压板状态检测准确度;基于TensorFlow深度学习框架搭建SSD目标检测模型,通过不断调参并采用正则化处理提高训练模型的准确度和泛化能力。经测试验证,该方法目标检测精确率和召回率均大于0.95,相对于传统OpenCV及Hog+SVM的处理方法,压板状态识别效果有明显提高。

摘要： 三维室内空间标注时易出现注记穿透墙体、注记密集以及视角变换导致的标注对象不明确、注记重叠等问题。然而,当前室内注记配置研究缺乏对标注对象不明确问题的解决。现有的注记重叠处理方法存在信息丢失或难以随视角变换进行快速动态调整等问题。针对上述问题,将三维模型与二维平面注记相结合,设计了指向式注记形式及其优化配置方法。该方法有效解决了标注对象不明确问题,支持重叠注记的快速检测,能随视角变换快速动态调整重叠注记位置,保持视域内所有注记信息的完整展示。通过对比多视角下的三维室内注记优化前后的实验结果,验证了该方法的有效性。

摘要： 为了解决有效点较少的动态复杂场景下视觉SLAM准确定位问题,提出了一种基于自适应RANSAC动态特征点剔除的单目视觉SLAM算法.通过ARANSAC算法估计图像间的透视变换矩阵,并扭曲上一帧获得一个估计图像,使上一帧中的点转换到当前帧的坐标系下.通过计算特征点在估计图像和当前帧的光流值,区分并剔除ORB-SLAM2中的动态特征点,从而消除动态物体对SLAM定位性能的影响.利用TUM数据集的动态序列对本文算法进行仿真,并与ORB-SLAM2算法进行对比.结果表明,视觉SLAM算法绝对轨迹误差的标准偏差降低84.00%~96.11%,平移和旋转漂移的标准偏差最佳效果分别降低94.00%和96.44%,明显减少了视觉SLAM算法位姿估计的误差.本文算法能够在有效点较少的动态场景下,消除动态物体对视觉SLAM定位性能的影响,提高定位精度.

摘要： 针对实际应用中识别七段码式液晶显示仪表读数时易受成像视角、光照、复杂背景和噪声等多因素影响的问题,提出一种将深度学习和传统图像处理相融合的识别方法。先采用改进的CRAFT模型检测仪表图像中的段码数字字符,得到数字中心概率图和字符连接关系图;接着对检测结果进行后处理,通过求解透视变换实现对读数区域子图和相应的数字中心概率图的方向和尺度同时校正,并通过分析光照影响来增强图像对比度;最后将后处理结果输入采用注意力引导策略且经协同训练而成的CRNN模型得到读数识别结果。通过构建包含视角倾斜、光照不均、码字尺度变化、表盘外观变化、读数区域数量变化等多种干扰情况下的仪表图像数据集开展实验研究,结果表明,该方法对测试集中仪表读数的识别准确率高达98.9%,优于对比方法。

摘要： 结合透视投影和纹理映射的特点,提出了一种基于透视变换的四点纹理映射方法。详细阐述了基于透视变换的纹理映射方法原理，并给出了纹理矩阵的计算方式。实验表明,提出的四点纹理映射方法可以将纹理图像的任意区域映射到三维模型的任意表面上,并能修正采用直接绑定顶点纹理坐标方式而得到的错误纹理映射效果,从而有效地增强了三维模型绘制的逼真性。

摘要： 某型号微纳卫星采用了线曝光成像方式的面阵传感器,导致在拍摄过程中图像产生扭曲.针对上述问题,本文设计了一种几何校正方法.首先,根据卫星平台运行参数和传感器曝光相移特性,应用透视变换关系,建立几何校正模型,并采用双线性插值实现图像的几何校正.最后在生成的卫星图像仿真数据中进行了实验,实验结果表明,该几何校正方法可以有效解决面阵线曝光传感器的成像方式带来的图像畸变问题.该方法运算量小,可移植到嵌入式硬件平台中,实现在轨的遥感数据处理,从而实现直接下传可用的遥感图像.

摘要： 受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.

摘要： 成像场景经过透视变换后，该场景中与图像坐标轴成一角度的平行线簇在图像平面中相交于灭点,这对于图像的识别、后续处理等非常不利。针对这个特点,提出一种利用特征直线和关键点映射的图像校正新方法。该方法根据摄像机的成像机理进行透视图像校正，并提出了"无穷远点映射"的原理.实验结果表明，所提出的算法能有效的将透视图像校正为正视图，速度快，稳定性好，精确度高，可广泛推广至视觉增强等领域。

摘要： 简述了城市三维建模的现状和立面纹理纠正的常用方法，根据径向畸变原理和透视变换原理，分别推导了畸变系数计算公式和透视变换纠正公式，并在此基础上提出并实现了立面纹理的快速纠正方法，通过建模实例验证了本方法的有效性和实用性。

摘要： 本文提出了一种新的高精度的摄像机参数的标定方法,利用透视变换理论建立摄像机数学模型,首先用线性模型摄像机定标的方法求出摄像机参数的初值,其次用牛顿─高斯非线性搜索方法求解摄像机畸变系数和一个中间矩阵,然后再从中间矩阵中分离出其它模型参数。理论及实际应用表明,该摄像机参数的求解方法速度快、精度高。

摘要： 红外成像制导技术已发展成为精确制导技术的重要方向之一.但由于成像制导过程中获取的前视图像存在几何失真,它是影响图像匹配性能的一个很重要的因素.分析了前视传感器末制导的工作方式,在此基础上,建立了成像的视场模型.广义坐标系可以把透视变换化为线性变换以便于计算,本文采用广义坐标表示图像的透视变换,推导了从世界坐标系到成像坐标系的变换矩阵,以及变换前后图像间的坐标对应关系.在假定成像平台俯仰角、滚动角参数条件下,应用该算法实现了正摄图对前视红外图像的模拟仿真。

摘要： 特定目标的检测识别是自动目标识别(ATR)的关键技术之一.机场作为典型的地面目标,一直是自动目标识别领域的热点研究课题.跑道作为最重要的特征被用于机场识别,主要因为其边缘由长直线组成,而且面积大易寻找.在基于启发式的边缘跟踪、直线拟合、合并的基础上,提出了一种新的四边形识别算法.对比由跑道的先验知识经透视变换得到的四边形与检测的四边形对应边长是否一致,来进行前视红外(FLIR)图像中机场的识别.试验表明,本算法充分利用跑道更多的特征信息,增加了机场识别的鲁棒性,并具有良好的识别性能。

摘要： 本文提出了一种基于角点匹配的快速稳健的图像配准方法.首先将图像在大尺度上进行角点匹配并估算6参数仿射变换矩阵,然后再在小尺度上更加精确的计算8参数透视变换矩阵.算法中使用聚类法和RANSAC算法去外点.最后文中算法被成功的应用于全景图自动拼接系统和运动检测系统.

摘要： 简要介绍并分析了目前的各种摄像机标定技术，分为传统的标定技术和自标定技术，在此基础上提出了采用线性方法对摄像机进行分区标定。详细介绍了透视变换的摄像机模型，对空间坐标点在模型中的具体变换关系给出了公式及相应的矩阵表示式，并推导了变换矩阵的求解过程。以此为基础，给出了分区标定的实验结果并进行了相关分析。指出此种方法具有精度高、原理简单，运算速度快等优点，并且可以利用不同的标定方法和采用不同的分区形式来提高标定精度。

摘要： 本发明公开了一种基于逆透视变换的车道偏离预警方法，采集道路图像，对采集到的道路图像信息进行图像预处理，从预处理后的图像中提取消失点信息和车道线信息；根据消失点信息得到偏航角γ；对预处理后的道路图像进行像素坐标转换得到逆透视变换俯视图，车道线信息、偏航角γ和逆透视变换俯视图通过距离坐标转换算法得到实际道路俯视图中的车辆横向偏差d6；根据偏航角γ和横向偏差d6计算跨道时间TLC和跨道时间变化速率η；本发明根据TLC和跨道时间变化速率η进行车道偏离安全风险评定并预警，相比于传统基于跨道时间的偏离预警算法更为精确合理。

摘要： 本发明涉及用于透视变换和输出被呈现或检测的图像内容的方法、平视显示器和输出系统，以及具有这样的平视显示器或这样的输出系统的相应车辆。在用于透视变换和输出的方法中，将要显示的图像内容分为多个小块并且通过各一个透视变换来透视变换各个小块。接着将各个经透视变换的小块组合为一个经变换的图像内容；以及将经透视变换的图像内容投影到平视显示器的投影面上或显示在显示单元上。

摘要： 本发明公开了一种基于深度学习和透视变换的非接触式钢轨轨枕相对位移实时测量方法，属于高铁轨道结构监测领域。将包含至少两个圆的标志牌粘贴在轨枕上，每一个检测点的检测范围内至少包括一对相对位置固定的轨枕；标定图像用于训练深度学习模型；采集初始标准图像计算透视变换矩阵；对每个检测点获得的实时图像，通过深度学习模型检测圆心原像素坐标，利用透视变换矩阵将圆心像素坐标转换为透视后的圆心像素坐标，计算透视后的图像中相邻连个轨枕之间的像素距离，结合相对位置固定的一对轨枕之间的像素距离和实际距离，求得相邻轨枕之间的实际距离作为粗计算结果；再对粗计算结果进行平滑滤波，得到实时相对位移量的精确值，测量精度高。

摘要： 本发明公开了一种透视变换模型下的宽基线影像直线匹配方法，其步骤包括：1)以大地水准面作为物方平面，找出相机像方平面与物方平面之间的透视变换关系，即透视变换矩阵；2)根据所述透视变换矩阵，将原始影像投影至物方平面上，得到消除所述原始影像透视变形效应后的正形影像；3)对得到的所述正形影像进行线段匹配；然后将得到的匹配线段通过所述透视变换矩阵逆变换至所述原始影像上，获取所述原始影像中的匹配线段对。本发明匹配出的线段在数量和正确率上都能得到极大的提升，同时效率基本没有损失。

摘要： 本发明涉及一种基于逆透视变换和点云投影的鸟瞰图语义分割标签生成方法，该方法包括的步骤为：数据采集，利用同步信号同步同一时刻的相机和激光雷达数据，且每个时刻所有相机和激光雷达传感器数据的时间戳相差不超过设定值；数据标注，同一时刻的m张图像和n个点云数据联合标注，图像上面标出路面的静态区域，点云标注出动态物体3D包围盒；逆透视变换生成BEV标签的路面区域，基于仿射几何的逆透视变换，将各个相机视角的路面的语义分割标签透视到BEV画布上面并进行拼接，并对拼接后的图片进行精细化处理。本发明直接从某一时刻同步的原图和点云生成精确的鸟瞰图语义分割标签，避免了通过无人机航拍路面的方式获取鸟瞰图和进行标注，降低成本。

摘要： 本申请提供一种透视变换方法、装置、电子设备和可读存储介质，针对拍摄设备所采集的人脸图像，截取获得人脸图像中的人脸区域图像，人脸区域图像中包含多个人脸关键点。构建虚拟透视相机，根据人脸区域图像中各人脸关键点的3D坐标信息和2D坐标信息之间的重投影误差，以及透视变换时人脸的刚性变换信息，得到虚拟透视相机的位姿参数。最后基于位姿参数将各人脸关键点的3D坐标信息变换为虚拟透视相机空间内的虚拟3D坐标信息。该方案中，在透视变换中综合考虑了3D点和2D之间的重投影误差和刚性变换信息，可在避免人脸变换变形以及提高关键点投影精准性上达到良好效果。

摘要： 本发明公开一种基于透视变换的雷达数据与视频数据融合方法及系统，涉及智能路口监控领域，包括：通过预先获取监控道路区域的坐标透视变换系数，并通过所述雷达传感器获取鸟瞰图上预置个数车辆目标的位置坐标并获取所述预置个数车辆目标的透视变换后的像素坐标得到位置坐标变换参数，当相机监控区域的图像中存在车辆目标时，可以根据车辆目标在图像中的像素坐标实时获取车辆目标的位置信息，并根据雷达传感器获取的所述车辆目标在所述鸟瞰图上的位置信息，将所述监控道路区域各个目标的相机数据与雷达数据之间的时间进行匹配，从而可以实时获取相机监测的实际以米为单位的数据，提升了基于雷达和相机进行路口监控管理时的精度和效率，同时实现了相机数据与雷达数据的融合。

摘要： 基于改进RANSAC算法的透视变换方法，利用SIFT算法已经求得基准图和辅助图特征匹配点的坐标，为此只需随机选取4对特征匹配点就可求得变换矩阵，利用变换矩阵即可对辅助图进行透视变换。在计算变换矩阵时只需4对匹配点，提出了一种改进的RANSAC算法。本发明可有助于更好地辅助智能巡检机器人识别图像中压板的运行状态，提升其抗干扰的能力。

摘要： 本实施例公开了一种图像透视变换方法、装置、电子设备和计算机存储介质，该方法包括：获取YUV图像和所述YUV图像的采样格式；根据预先确定的第一映射关系，确定所述YUV图像中Y通道的透视变换矩阵；所述第一映射关系用于表征所述YUV图像与目标图像之间至少四对像素点之间的坐标映射关系；根据所述Y通道的透视变换矩阵和所述YUV图像的采样格式，确定所述YUV图像中U通道的透视变换矩阵和V通道的透视变换矩阵；根据所述Y通道的透视变换矩阵、所述U通道的透视变换矩阵和所述V通道的透视变换矩阵，对所述YUV图像进行透视变换，得到所述目标图像。

摘要： 本发明公开了基于透视变换和局部仿射匹配算法的电表箱图像对比模型，包括如下步骤：步骤1，拍摄并获取原始图像；步骤2，运用机器学习中yolo目标检测算法对表箱照片中的元器件进行提取；步骤3，对选定范围内的目标进行检测；步骤4，将提取出各个元器件进行透视变换，将元器件照片视角转换为正视角，同时去除不需要匹配区域，最后根据自适应局部仿射匹配算法计算上述步骤处理后的图像的不同SIFT特征点之间的欧几里得距离；步骤5，得到图像间的相似度对比结果。本发明经过透视变换和自适应局部仿射算法后，将图像中影响对比效果的因素降到最低，提升图像对比效果。