文献类型：期刊文章

作　　者：陈文艺[1] 许洁[1] 杨辉[1] 杨小宝[2] 惠小强[2]

Chen Wenyi;Xu Jie;Yang Hui;Yang Xiaobao;Xi Xiaoqiang(Institute of Internet of Things and Integration of IT Application and Industrialization,Xi'an University of Posts&Telecomnumications,Xi'an,Shannxi 710061,China;College of Communication and Information Engineerhig,Xi'an University of Posts&Telecommunications,Xi'an,Shannxi 710121,China)

机构地区：[1]西安邮电大学物联网与两化融合研究院,陕西西安710061 [2]西安邮电大学通信与信息工程学院,陕西西安710121

出　　处：《激光与光电子学进展》

基　　金：国际科技合作计划(2018KW-026);陕西省教育厅专项科研计划(2018JK0716)。

年　　份：2020

卷　　号：57

期　　号：24

起止页码：323-330

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了增强畸变校正方法的实时性和适用性,提出了一种基于卷积神经网络(CNN)的图像畸变校正方法。首先,使用具有自校准功能的运动结构重建真实相机拍摄的图像序列,以估计相机参数;然后,根据拟合出的第一、第二阶径向畸变参数之间的函数关系,生成常见径向畸变范围内的图像,解决带有第一、第二阶径向畸变注释的畸变图像较少的问题;最后,利用CNN强大的学习能力学习径向畸变的特征,以估计径向的变形情况,并将输入图像映射为畸变系数,实现图像的畸变校正。实验结果表明,相比传统相机标定法,本方法的校正误差约为1 pixel。

关 键 词：机器视觉 深度学习  图像畸变 相机标定

分 类 号：TH741]