导读:本文包含了双摄像机论文开题报告文献综述及选题提纲参考文献，主要关键词:红外摄像机,深度摄像机,空间配准,时序配准
双摄像机论文文献综述
韩松,谷小婧,顾幸生[1]（2019）在《基于自适应互信息的红外/深度双摄像机时空配准》一文中研究指出红外、深度摄像机构成的双摄像机系统应用广泛,摄像机间的空间配准和时序配准影响着图像信息的整合。空间配准方面,利用不同材料的不同辐射率设计了标定板,解决了传统标定板无法标定红外、深度摄像机的问题。时序配准方面,利用搜索窗口解决了红外摄像机非一致性校正的问题;采用动态改变搜索窗口大小的方法消除了图像序列累积时间偏差;利用求取互信息的方法得到时序配准的红外、深度图像。通过实验验证了本文方法的有效性。(本文来源于《华东理工大学学报(自然科学版)》期刊2019年02期）
杨风开,杨红亮,程素霞[2]（2019）在《双摄像机模组的组合式标定和校正方法》一文中研究指出提出了双摄像机模组的组合式标定和校正方法,能够将传统的标定和校正2道工序合并为1道工序,不需要借助于外部测量设备,仅利用双摄像机同时对目标模板拍摄的1幅图像,即可实现双摄像机模组的标定和校正。先基于交比不变性计算摄像机的径向畸变系数,将摄像机畸变成像模型转换为线性模型,利用线性模型分别对2个摄像机进行标定;然后计算2个摄像机之间的位姿偏移参数,调节右摄像机位姿,进行双摄像机之间的位姿校正;最后标定2个摄像机之间的位姿参数。实际应用结果表明,所提出的双摄像机模组校正和标定方法,校正和标定精度高,缩短了工艺时间,提高了工艺效率,能够满足双摄像机模组封装生产工艺的要求。(本文来源于《计算机工程与科学》期刊2019年02期）
杨风开,程素霞[3]（2018）在《基于GA-BP神经网络的双摄像机位姿视觉调节方法》一文中研究指出文中提出了双摄像机模组位姿调节参数计算的GA优化BP神经网络模型,根据目标模板上的特征点在双摄像机上的成像坐标,计算两个摄像机之间的位姿偏离参数。为弥补BP神经网络的不足,采用GA算法对BP神经网络进行了优化。利用训练样本数据集对所提出的模型进行了训练,并利用测试样本数据集对模型进行了测试;最后将训练好的模型用于双摄像机模组位姿调节的实际生产中。实际应用结果表明,基于所提出的方法设计的双摄像机模组位姿调节装置,调节精度和调节时间都能满足实际生产的要求。(本文来源于《计算机科学》期刊2018年S2期）
刘创业[4]（2018）在《双摄像机实时视频摘要系统》一文中研究指出场景监控已经成为信息时代必不可少的视频采集方式,并且发展出了多种形式。仅仅依靠人工方式对场景监控进行审核和查找已经很难满足目前爆发式增长的视频数据审核需求,因此,能够自动处理视频内容的视频摘要技术引起了人们极大的关注。目前传统的视频摘要技术在面对大场景的监控时,总是会存在生成的摘要中目标信息模糊不清、有效性差和高延迟等问题。本文针对以上问题并结合双摄像机的特点提出了一种双摄像机实时视频摘要系统。本文提出的双摄像机实时视频摘要系统采用两个规格不同的摄像机进行高低搭配,两个不同规格的摄像机协同工作的基础是两个相机拥有统一的参考坐标系。本文以张正友教授的双摄像机标定为基础研究了标定方法,该方法使两个摄像机之间拥有统一的参考坐标系,并根据两个相机标定后的统一参考坐标进行目标在两个相机中同时定位,以达到一个相机中的目标可以在另一个相机中同步跟踪的目的。结合标定的结果,使用清晰度一般的相机作为场景监控相机固定在监控区域上方,并对场景中的目标采用基于空间约束的混合高斯背景建模的方法进行目标的实时检测,再用改进的Camshift方法对检测到的目标进行实时跟踪。针对大场景中的多个目标,制定合适的控制策略以实现对场景中的每个目标进行标识、计算轨迹、估算速度、定位优先区域、优先级排序等操作,以实现场景中的每个目标都能有序、有效的进行信息采集。通过设计云台摄像机的控制模块,使其作为目标抓拍相机,能够根据控制策略实现两个摄像机实时地协同工作,场景监控相机进行目标检测和跟踪采集目标在场景中的信息,目标抓拍相机进行目标高清信息的抓拍。最终,根据固定相机采集的视频信息和云台相机采集的目标高清信息进行整合,生成包含目标视频、轨迹、高清图像等多种形式的视频摘要。(本文来源于《南昌航空大学》期刊2018-06-01）
王伟涛,梅寒剑[5]（2018）在《基于均值偏移算法的双摄像机目标跟踪》一文中研究指出通常基于摄像机的目标跟踪都是在单个静止摄像机的假设下进行的,而现实往往有更复杂的状况,需要多角度以及对目标的动态跟踪,多个摄像机的目标跟踪和交接必然成为新的研究热点。本文采用双PTZ摄像机对目标跟踪,建立了一种目标跟踪的实验原型,在这种原型下成功实现对目标的跟踪和交接。实验中采用了改进的均值偏移算法,对摄像机移动具有一定的鲁棒性。(本文来源于《计量与测试技术》期刊2018年05期）
余祥瑞[6]（2017）在《基于双摄像机视频的生物水质预警系统的研究》一文中研究指出近年来,国内外水域污染事件屡屡发生,对水生生物、人类用水等方面造成了很大的影响。因此,如何及时准确地监测水质的变化成为当前的一个研究热点。以往的水质监测主要是通过理化试验来分析水质状况,虽然这种方法可以定量的检测出水质中污染物的含量,但是整个过程耗时比较长,不适用于实时的水质监测。为解决这种方式的不足,一种生物式水质监测方法被提出。这种方法主要是通过生物的行为变化来分析水质状况,实时性较强,能够快速准确地反映水质的变化。本文提出了基于双摄像机视频的生物水质预警的方法,实现了对鱼群、个体的同时监测,分析它们在不同水质环境下的叁维行为的变化。主要的研究内容和结果如下:1.设计能够同时监测单条鱼、鱼群的行为变化的硬件平台。采用循环水体的方式,保证了单条鱼和鱼群处于同种水质环境下,同时采用双摄像机进行拍摄,获得鱼群以及单条鱼在不同水质情况下的叁维行为信息。2.采用基于高斯背景建模的方法对采集的视频图像进行背景建模,利用中值滤波以及生物形态学方法等图像处理手段对图像进行处理,最终获得目标检测结果。实验结果表明,外界噪声的干扰得到很好地处理,获得目标结构较完整。3.采用了两种不同的方法对个体鱼或鱼群进行跟踪。对个体鱼,直接采用质心跟踪方法进行目标匹配;而对于鱼群,则采用Kalman滤波算法和最近邻数据关联算法进行跟踪。针对鱼群跟踪中易出现的目标重迭现象,建立复合目标继续跟踪;对鱼群跟踪中的分离现象,依照约束函数进行目标匹配。实验结果表明目标跟踪误差较小,在目标重迭、分离情况下仍然可以实现准确地跟踪。4.对个体鱼、鱼群的叁维运动特征进行量化,分别获取了鱼群的群体行为信息(平均速度、平均距离、速度方差、方向一致性以及逃逸行为)以及个体鱼的个体行为信息(速度、加速度、转向次数)。对比了不同水质环境下叁维行为参数的变化,同时又对比了不同水质环境下叁维行为参数和二维行为参数变化的差异性。结果表明,有毒情况下鱼群行为变化明显,波动较大,并且叁维行为参数在不同环境下的变化差异更明显于二维行为参数。5.将正常情况下、有毒环境下的单条鱼和鱼群的行为参数作为正负样本集,利用基于PSO-SVM模型对样本集进行训练,然后对预测数据进行预测分类。对比了固定参数、交叉验证优化参数以及利用PSO算法优化参数的SVM模型的分类精度,然后又用PSO-SVM模型分别对叁种参数进行训练分类,分别为二维鱼群行为参数、叁维鱼群行为参数、单条鱼和鱼群的混合叁维行为参数。实验结果表明基于PSO参数优化的SVM分类精度最高,基本稳定在93%左右;采用单条鱼和鱼群的混合叁维行为参数的分类最佳,二维鱼群行为参数分类最差。(本文来源于《宁波大学》期刊2017-05-25）
任贵文[7]（2016）在《基于OpenCV的红外与可见光双摄像机标定方法研究》一文中研究指出随着红外热成像技术的不断发展,以及其非接触性测温的优点,人们对红外热成像技术的研究也越来越多;其中,红外与可见光图像的融合成为目前研究的热点;融合的主要难点是对红外和可见光摄像机的参数标定,已达到图像配准的目的。根据通用的摄像机标定技术,在VS2013环境下,结合开源的计算机视觉库OpenCV,开发了一套红外与可见光摄像机标定系统;该系统克服了红外热成像摄像机采集的棋盘格图像模糊的弊端,实现了红外与可见光摄像机的快速、准确的实时标定。(本文来源于《科学技术与工程》期刊2016年03期）
马卉[8]（2015）在《双摄像机协同视频监控系统的研究》一文中研究指出在人们生活水平日益提高的当今社会,对视频监控系统的要求也越来越高,各种行业领域都增强了安全防护意识,无疑双摄像机视频监控成为了一种安防有效的手段。针对在不需要人为干预的情况下摄像机拍摄的图像能够对运动目标进行自主的分析,提出了一种基于DE-2开发板的双摄像机协同跟踪系统的设计,主要利用全景摄像机和智能高速球机(PTZ)组合的方式,有效地对布控场景进行实时监控。本文的研究工作主要分为以下几个内容。在运动目标检测方面,本文分别比较了相邻帧间差分法、叁帧差法、自适应背景差以及混合高斯背景四种算法并且实现了各自的仿真结果,通过实验对比的方法,来判断各自算法的优劣性从而从算法上提高了整个系统的运算效率；在目标跟踪方面,本文对基于Mean shift算法、卡尔曼滤波算法的目标跟踪过程进行了详细的推导与论述,给出了Mean Shift算法的实验结果及分析以及卡尔曼算法解决了目标在快速运动的情况下跟踪失败的问题展示了该算法的优越性。在双摄像机协同跟踪方面,该系统的搭建主要有以下几点：全景摄像机和智能高速球机通过视频线连接到音视频采集卡,对采集的图像、录制的视频进行传输、存储；智能高速球机通过485通信总线连接到视频跟踪服务器,实现对球机云台的全方位控制；通过VGA线连接显示器与视频服务器,可以将双摄像机的监控画面实时地显示出来；同时,利用交换机设备,将多台PC和视频跟踪服务器设置在同一网段,可以实现本系统拍摄画面的共享。本系统在实现目标区域内动态目标的检测与跟踪方面有较好的效果,借鉴了若干已有的成功案例,在硬件的设计和软件的编写方面有不同程度的创新。最终,通过该系统实现验证分析,本双摄像机协同跟踪系统在实际的生产生活中是一种可选的智能跟踪监控系统,有一定的实用性。(本文来源于《宁夏大学》期刊2015-03-01）
陈卓[9]（2014）在《基于类属超图的双摄像机协同特定类目标识别关键技术研究》一文中研究指出一般的目标识别系统无法在观测整个大范围场景中目标动态的同时又对远距离目标的细节信息进行获取。为了解决上述问题,本文设计出一种基于类属超图的双摄像机协同特定类目标识别系统,实现了对大范围场景中远距离特定类目标快速准确的跟踪与识别。具体研究工作和创新点主要为以下几个方面:(1)基于Adaboost的目标检测算法本文详细介绍了基于Adaboost的目标检测算法,充分研究了Haar矩形特征和积分图像等概念,给出了级联分类器的训练方法,最终训练得到具有一定检测效果的特定类目标检测分类器,实现了对特定目标的“粗检测”。(2)基于RSOM聚类树和类属超图的目标跟踪识别算法本文详细介绍了构建类属超图(CSHG)模型所必备的理论原理,包括局部不变特征提取算法、属性图构建及其相似性度量、RSOM聚类树的原理和训练、CSHG模型的构建及识别原理等,同时提出了一种将Adaboost-CSHG相结合的算法,实现了对图像目标的“精检测”及其跟踪,最后完成对目标的识别。(3)静止广角—运动凝视双摄像机的协同控制本文首先介绍了双摄像机系统的基本情况,对双摄像机系统标定的原理进行了研究,依据查表法完成对双摄像机系统的标定,并分析了双摄像机协同的控制流程。(4)双摄像机协同特定类目标识别系统的设计与实现通过分析系统具体的功能需求,对系统的硬件设备进行选型,采用VS2008+MFC和Open CV搭建系统的软件平台,阐述了其中的每个模块的功能并给出模块间的运行处理关系。最后在实验室模拟环境下运行实验系统,验证了系统的可行性。(本文来源于《国防科学技术大学》期刊2014-11-01）
乔闹生,张奋[10]（2014）在《基于点结构光系统双摄像机立体视觉测量方法(英文)》一文中研究指出提出了一种基于点结构光系统的双摄像机立体视觉测量方法.首先详细阐述了其基本原理,给出了简单的物理解释,推导出了双摄像机像点坐标与测试点坐标之间的关系,求出了双摄像机组成的测量系统的变换矩阵,提出了确定靶标上各测试点能量中心的办法.然后提出了相应的误差评估方法.最后给出了实验测量结果,结果表明测量误差较小.(本文来源于《湖南文理学院学报(自然科学版)》期刊2014年02期）
双摄像机论文开题报告
（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：
提出了双摄像机模组的组合式标定和校正方法,能够将传统的标定和校正2道工序合并为1道工序,不需要借助于外部测量设备,仅利用双摄像机同时对目标模板拍摄的1幅图像,即可实现双摄像机模组的标定和校正。先基于交比不变性计算摄像机的径向畸变系数,将摄像机畸变成像模型转换为线性模型,利用线性模型分别对2个摄像机进行标定;然后计算2个摄像机之间的位姿偏移参数,调节右摄像机位姿,进行双摄像机之间的位姿校正;最后标定2个摄像机之间的位姿参数。实际应用结果表明,所提出的双摄像机模组校正和标定方法,校正和标定精度高,缩短了工艺时间,提高了工艺效率,能够满足双摄像机模组封装生产工艺的要求。
（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。
双摄像机论文参考文献
[1].韩松,谷小婧,顾幸生.基于自适应互信息的红外/深度双摄像机时空配准[J].华东理工大学学报(自然科学版).2019
[2].杨风开,杨红亮,程素霞.双摄像机模组的组合式标定和校正方法[J].计算机工程与科学.2019
[3].杨风开,程素霞.基于GA-BP神经网络的双摄像机位姿视觉调节方法[J].计算机科学.2018
[4].刘创业.双摄像机实时视频摘要系统[D].南昌航空大学.2018
[5].王伟涛,梅寒剑.基于均值偏移算法的双摄像机目标跟踪[J].计量与测试技术.2018
[6].余祥瑞.基于双摄像机视频的生物水质预警系统的研究[D].宁波大学.2017
[7].任贵文.基于OpenCV的红外与可见光双摄像机标定方法研究[J].科学技术与工程.2016
[8].马卉.双摄像机协同视频监控系统的研究[D].宁夏大学.2015
[9].陈卓.基于类属超图的双摄像机协同特定类目标识别关键技术研究[D].国防科学技术大学.2014
[10].乔闹生,张奋.基于点结构光系统双摄像机立体视觉测量方法(英文)[J].湖南文理学院学报(自然科学版).2014