数字图像中三维重建的激光指示器和网络摄像头的应用及其距离估计的实验测试

可在www.sciencedirect.com在线获取理论计算机科学电子笔记281（2011）143-157www.elsevier.com/locate/entcs通过激光指示器和网络摄像头实现克里斯蒂安·E葡萄牙-桑布拉诺1SociedadPeruanadeComputaci'onC'atedraConcytecenTecnolog'ıasdelaInformaci'onUniversidadNacionaldeSanAgust'ın我是你的P。Mena-Chalco2InstitutodeMatema'ticaeEsta'ısticaUniversidadedeSaoPaulo摘要目前，从数字图像中进行三维重建的研究引起了人们极大的兴趣。摄影测量算法的应用使我们在相机校准、场景中物体的移动、阴影形状和距离图像的过程中有了显著的改进。从简单图像进行距离估计的过程对于在场景的三维重建的任何过程中找到深度测量是重要的。在这项工作中，我们描述了一个适应的扫描仪原型的基础上，激光指针和网络摄像头。 并将其应用于绝对距离的抗差估计，从实时视频序列获得的图像。进行了实验测试，以证明通过几何模型和线性回归的简单系统的实时距离计算的有效性。在大量不同扫描参数的试验数据中，获得了良好的测距结果。保留字：摄影测量，相机标定，计算机视觉，测距仪1引言视觉是人类用来在世界各地移动的主要感官之一。通过眼睛接收的信息量是其他感官无法比拟的在计算机视觉领域，人工视觉的目标是构建能够理解数字图像的计算原型[28]。对于场景的描述，计算机视觉提供了诸如模式识别、统计学习、投影几何、图像处理等技术。 在计算机视觉领域中越来越重要的一种技术是图像范围查找，1电子邮件：christ.pz. gmail.com2电子邮件：jmena@vision.ime.usp.br1571-0661 © 2011 Elsevier B. V.在CC BY-NC-ND许可下开放访问。doi：10.1016/j.entcs.2011.11.031144C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-它被定义为物体进入场景与传感器捕获的图像之间的距离[8，10，11，13]。这种技术使我们能够获得场景的三维信息，如背景，形状和物体的深度测量。已经使用深度信息创建了许多应用，例如移动机器人上的碰撞检测[2，10]和具有范围光学传感器的工程应用一些应用程序与质量控制和存储计划应用程序一起工作。后者对于需要获得用于操作的物体的三维测量的公司非常重要[8]。这项工作的重点是绝对距离的鲁棒估计[6，7，8，21，24]，其中被认为是低成本的组件，如网络摄像头和激光指示器，两者都用于估计从现实世界获得的在扫描仪的设计中，将摄像头和激光笔设置在平行位置，以简化投影计算。这种配置（在此称为扫描仪）的主要优点是使用低成本组件和低计算成本。此外，摄像机校准技术被执行和实施作为改进，以执行距离计算的校正。作为补充部分，对稳健的测距仪进行了实时评估这项工作的动机是需要提供一种手动技术，以满足计算机视觉研究人员的要求通过这种方式，可以构建满足其应用要求的三维成像系统。目前，正在出现的几个应用程序是基于效率和低计算成本[14]。这项工作的组织如下：在第2节中，以前的作品有关的距离估计简要介绍。在第3节中显示了用于相机校准的过程。扫描仪和模型的几何结构详见第4节。最后，在第5节中介绍了实现和分析。第6节描述了结果的结论和可能的未来方向。2以前的作品在文献中已经发表了几篇与使用网络摄像头和激光笔的设备进行范围查找相关的作品。下面我们简要介绍一下以前比较有代表性的作品：• 近距离相机校准（1971年）[4]。 这项工作确立了摄影测量近距离发现以获得物体测量的重要性，这导致了更精细的摄影测量技术，用于获得抛物面天线的测量。• 通过散射光吸收的3D范围获取（2002）[18]。本文描述了一种基于彩色液体对光的衍射吸收的三维摄像机，该液体被圆形光源照射以获得三维信息。照明是范围以及其他参数的函数，如表面的取向、光源的位置、液体的光谱特性和观察者的位置C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-145• 基于调幅连续超声波的低成本动态测距装置（2002）[13]。本文介绍了一种实用的低成本声测距方法，该方法速度快，精度高。该方法基于由发射机和接收机之间的距离引起的接收信号相对于发射信号的线性相位延迟。• 120x110位置传感器，具有在宽动态范围内进行灵敏和选择性光检测的能力，可实现稳健的主动测距（2004年）[22]。在这项工作中，120 × 110灵敏和光选择性的位置传感器阵列的动态范围。该传感器可以检测投射在非均匀背景照明上的低强度光的位置，以用于鲁棒的测距系统。在这项工作中，作者已经实现了三维重建的对象与扫描仪的投影。• 一种实时测量盒子尺寸的投影方法（2006）[8]。 本文介绍了一种实时计算盒子尺寸的方法，重点是投影几何，它使用盒子边缘的信息和盒子一侧的两个点激光器的投影，从而实时恢复盒子尺寸。通过作者实现的扫描仪原型验证了这项工作的有效性• 相机和3D激光测距仪从自然场景的外部自校准（2007年）[27]。本文提出了一种新的摄像机外部标定方法，该方法不需要标定物体，只需要用户从两个传感器观察到的场景中手动选择几个对应点，即可在摄像机外部校准使用非线性修正过程完成• 带有激光笔和相机的测距仪（2007年）[21]。 本工作描述激光扫描系统，由摄像头和激光指示器组成。扫描仪投射一条水平线，该水平线跟踪物体并确定物体是否靠近扫描仪。一般的想法是基于在场景中投影的光束的位置的差异中聚焦的到对象的距离的估计。这项工作描述了这样一个事实，其中，最近的距离的光束的位置往往是底部的图像和最远的距离往往是中心的图像。• 网络摄像头遥测仪（2007年）[6]。T. Danko解释了设计的重要性低重量器件，可用于重量是重要问题的应用中。这项工作描述了如何配置一个低精度的激光器与一个低成本的网络摄像头，以构建一个视觉机器的范围信息。当我们在不同的技术之间寻找结果时，有几个方面需要考虑。精度是最重要的方面，从这个意义上说，我们采用了Abdel-Azis和Karara [1]提出的相机校准程序，他们是直接线性变换（DLT）的第一人。Karara在1979年改进了考虑透镜畸变的方法。该模型的简单性和所获得的稳健性结果使得该方法146C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-技术在科学界。在我们的工作中，我们使用了[8]的进步，修改了基于[6，21]提出的思想的距离估计过程。看这两个提案，在先前的摄像机校准过程中，我们形成了一个实时提供3D信息（深度信息）的测距模型3。3摄像机标定和图像相机校正程序是摄影测量的一部分，主要用于高精度测距[25]。为了从图像中获得鲁棒的3-D度量信息，作为三维重建和形状恢复的前奏[23]，需要执行定向和精确的相机校准过程[3]。为了我们的目的，相机校准的概念在摄像机标定过程中做了大量的工作一些作者提出了使用遗传算法[16，26]和数据的预处理和后处理。从实际的角度来看，一些作者提出了一种基于2-D模式的方法[5]作为简单使用的模型，获得了良好的结果。摄像机方位包括计算外部参数，以在高阶坐标系（通常称为世界坐标系）中定义我们对摄像机4使用三个平移参数和三个旋转参数。 参见[24]中对摄像机校准中实现程序的描述。在我们的方法的实现中，使用了OpenCV [9]，并且使用MatLab相机校准工具[3]验证了相机校准的结果。4距离计算本节详细介绍了用于计算到平面物体的距离的扫描仪。图1显示了网络摄像头和激光指示器的布置。这种配置使我们能够保持两个组件的平行位置，从而便于从简单模型快速计算实际距离模型的几何形状在图2中显示了用于计算距离的方案。网络摄像头和激光笔之间的距离由H（以厘米为单位）定义扫描仪和物体之间的距离定义为D（厘米）。还要注意的是，由网络摄像头镜头形成的图像中的场景的表示是尺寸A′B′，其中AB表示真实尺寸的相同场景上[3]这项工作的先前版本在II Concurso de Trabajos de Tesis de pregrado enComputacion GraficayProcesamientodeIm′agenes[24]中提出。4在我们的系统中，我们考虑使用单个家庭摄像头。C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-147相机一个'PFC一B'HDB激光Fig. 1.我们工作中使用的扫描仪模型（基于[6]提出的模型）。参见[24]中所提出模型的实现和验证[6]。表面图二. 摄像机-激光器的布置方案。 距离D是从下式的投影获得的：激光点在物体的表面（图自[6]）。另一方面，图像的中心到投影在图像中的光束的位置之间的距离可以被定义为PFC（从中心的像素），其中θ表示由投影到图像上的激光束的投影形成的视角（以弧度为单位）。148C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-Σ ΣΣ−n通过这个方案，我们可以建立以下关系：HD=tanθ（一）我们认为，可以提高关系，以获得总的像素每度的入射光，这里称为rpc（弧度每像素间距），从而转换为相应的值在图像中的每个像素厘米。以下等式显示rpc与θ的关系：θ=pfcrpc（2）由于摄像头上存在镜头变形，在等式2中，我们考虑允许我们校正对准的参数，这里称为ro（弧度）：θ=pfcrpc+ro（3）为了获得rpc和ro的值，我们使用线性回归模型来找到因变量Y与k个解释变量xk之间的关系，这生成了参数β的超平面。这个线性模型通常定义为：Y=<$βk Xk+ε（4）其中ε是处理那些不可控因素的随机变量。该模型满足以下一般方程：Y=mX+b（5）与n xy x ym=n<$x2−（<$x）2，b=y-m其中n是所用样本的总数;m是回归线的斜率（rpc）;b是由不可控因素（ro）产生的值，Y代表θ。为了获得到物体的距离，我们将等式3引入等式1中，每个以厘米为HD=tan（pfc/rpc+ro）（六）我们称这个公式为距离计算公式。在图3中，我们总结了系统的数据流程图。注意，为了为了估计距离，仅需要校准扫描仪一次。还注意，在相机校准处理中，获得rpc和ro的值将激光束定位到图像中我们将激光束定义为激光指示器投射到物体上并由网络摄像头捕获的光。在我们的工作中，我们使用了一种发射红光的激光笔C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-149扫描仪校准摄像机标定s），通用对于每个距离D）、线性回归的计算sein模型El（丁）样本数据集，以u回归模型S内部相机角落参数科雷伊实时图像序列（帧远距离摄像机实距离集扫描仪实时新图像序列（帧）距离计算定位激光束到图像距离计算每个图像距离扫描仪-对象图三.系统数据流程图。每个框代表一个模块，箭头代表每个模块之间的数据流。并且其在图像上的定位被认为是将深度信息引入到图像中的一种形式。定位过程受以下因素的影响：（i）环境中存在照明;（ii）激光束指向的物体的纹理;以及（iii）投影到图像上的激光束的大小（投影光束的大小取决于扫描仪和物体之间的接近度）。如[8]所示，以前的作品使用两个波长为650 nm的II类激光笔进行投影。在[21]中，J.Y. Montiel等人使用633- 670 nm的II类激光指示器，以便计算到应用线跟踪的对象的距离。在我们的工作中，我们使用了一种改进的II类激光笔，具有红光颜色和630- 650 nm的波长。在[6，24]中，投影激光束的定位是用RGB标度的红色实现的。该过程受到具有相同颜色的物体的存在以及高入射光的存在的影响。在[8]中提出了一种有效的解决方案，其中作者使用存在于图像中的亮度信息，考虑颜色的Y'CbCr尺度。在[24]中观察到，投影在图像中的激光束显示出相对于扫描仪-物体距离的垂直位移对于最远距离，激光束的定位给定该特性，可以仅针对所确定的区域实现激光束到图像（Y ′CbCr表示）中的定位计算视角（θ）棋盘图案距离校准图像校正计算参数校正模式的通过同相性校准计算每个图像计算距离150C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-（一）（b）第（1）款见图4。绝对距离计算中使用的GUI：（a）用于输入数据的对话框窗口，（b）距离估计方程中使用的数据集（计算rpc和ro）。进入位于图像中底侧的图像，从而避免激光束不必要地搜索整个图像。5实验结果系统的设计是使用Eclipse Galileo作为IDE，Mingw作为Windows系统上的编译器和Linux系统上的GCC4， Qt4[20]用于GUI的设计，OpenCV 2.1库[9]用于图像和视频处理。测试在笔记本电脑中进行：AMD Turionx2x64，2.4Ghz和4Gb RAM。网络摄像头的图像分辨率在1.3到5.2兆像素之间，帧率为30 fps，焦距为30 mm。请参见图4中创建的GUI的两个屏幕截图C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-151投影到图像上的激光束用于获得距离测量。该系统的模型已经过测试，考虑交替校准和未校准的相机。在实验中，使用了不同的测量H（网络摄像头和激光指示器之间的在回归模型中使用了不同的图像分辨率和不同的数据样本为了获得回归模型中使用的数据样本，我们考虑参数S，它定义了从真实世界（步骤）获得的每个样本之间的差异表1显示了实验中使用的参数。考虑S= 5cm，获得回归模型中使用的所有样品。对于表1中使用的每种配置，计算了实际距离与扫描仪获得的距离之间的差异，考虑到数据集的每个No.H决议校准相机分钟Dist最大Dist样品数量Mae110320x240没有26121201.3308210320x240Si27142241.2867320320x240没有52192291.1880420320x240Si53198300.9447525320x240没有70195261.1656625320x240Si75195250.5633725352x288没有73193250.5681825352x288Si73193250.5590925640x480没有71196260.81221025640x480Si72197260.7510表1实验中使用的数据集。 示例：在第7组中，使用25 cm的距离H，分辨率为使用校准的相机，考虑25个样品，线性间隔5cm。采集的样本在73 cm至193 cm之间表1示出了当用校准的相机执行距离测量时，近似误差小于当使用未校准的相机时获得的近似误差。这是由于通过从相机校准获得的内部参数来校正图像。因此，正确定位的pfc值允许我们进行更鲁棒的距离估计。重要的是要注意，距离计算中的稳健性评估与回归模型所用的样本量有关。样本量受参数S的影响（S值越低，数据量越大，反之亦然）。在表2中，使用不同的S值进行测试。对表2中的样本的分析表明，接近误差的值大于表1中获得的值。 这从经验上表明，为了获得距离计算的鲁棒模型，我们必须使用小的S值。在152C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-估计距离实际距离真实距离估计距离距离（cm）距离（cm）400 400350 350300 300250 250200 200150 150100 100500 10 20 30 40 5060样品500 10 20 30 40 50 60样品S= 5S = 10400 400350 350300 300250 250200 200150 150100 100500 10 20 30 40 5060样品500 10 20 30 40 50 60样品S= 20S = 40400350300250200150100500 10 20 30 40 50 60样品S= 50图五.表2中描述了每种配置的实际距离与从样本获得的距离之间的比较图。号S分钟Dist最大Dist样品数量Mae1568353584.336121068348295.925932068328145.07194406830875.21685506831865.3089表2用不同的S值得到的回归变量样本集。 它使用校准的摄像机和320x 240像素的视频分辨率图5给出了实际距离与表2中所示的每个值S获得的距离之间的五个比较图形。注意，当扫描器-物体距离增加时，距离的误差也估计距离真实距离估计距离真实距离估计距离真实距离距离（cm）距离（cm）距离（cm）C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-153使它，这是由于激光束投影位于图像的中心，其尺寸较低，这些导致距离计算的过程不太准确。见图6。 螺旋线的方案及其与物体（目标）的关系，用于评估距离估计。螺旋中的每个标记（红点）都表示到对象的实际距离考虑到由螺旋定义的移动后的距离计算，对所提出的系统的稳健性进行了评估这是通过建立一个模型并定义沿模型的距离的随机实值来实现的图6示出了螺旋的设计方案及其与物体的关系。对于扫描仪的校准，使用了表2中第1行所述的参数。图第七章实际距离的数据与由具有校准相机（CC）和未校准相机（UC）的扫描仪获得的其对应距离的数据之间的比较我们将扫描仪分配到每个位置，在螺旋中有一个红点，然后计算扫描仪为每个位置计算将在螺旋的每个位置计算的这组距离与它们相应的实际值进行比较。图7显示了距离计算，面对其实际值。 近似的平均误差（MAE）154C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-是0。5392 cm，MAPE为0。82%，未校准的相机，其MAE为0。4295 cm，MAPE为0。53%的摄像头校准见图8。 扫描仪位于固定轴上并计算到多个对象的不同距离的场景方案。另一种证明系统鲁棒性的方法是对场景进行扫描，如图8所示，其中选择了一系列从固定轴到物体的随机每条线表示到对象的距离计算，并且对于它们中的每一个，获得针对扫描仪计算的距离。注意，对于在对象中确定的位置执行距离计算，而不考虑该对象到扫描仪的位置。图9显示了实际距离与扫描仪通过校准相机和未校准相机获得的距离之间的比较结果。从最后一个实验中，我们可以注意到扫描仪获得的距离的高度近似。近似的平均绝对误差（MAE）为0. 8613 cm，MAPE为0。未校准相机为824%，MAE为0。6492 cm和0. 557%的MAPE用于校准相机。限制如果结果仍然是有希望的，并且计算时间几乎是瞬时的（毫秒），则系统存在一些限制：• 激光束在图像中的定位产生最小距离（激光束位于图像的底部）和最大距离（图像的中心），这与H（相机-激光距离）成比例，因此为了修改要到达的距离范围，我们必须修改扫描仪中的距离H请注意，扫描仪的实际布置旨在解决此限制。C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-155见图9。实际距离与考虑图8所示方案的扫描仪获得的距离之间的比较。• 该系统已被测试与物体的平面，光滑和不透明。我们认为，当被认为是非平面粗糙表面时，由于激光束在这些表面上的投影是不确定的，因此计算精度存在变化。6结论和今后的方向与我们之前在[24]中进行的工作相比，通过实现数学模型和实现此目标所需的软件，证明了扫描仪的有效性和功能性在这项工作中，我们改进了扫描仪的设计，我们测试了扫描仪与不同的配置参数。事实证明，我们可以调整扫描仪的配置，以覆盖更大的距离。将激光束定位到图像中是距离计算过程的重要步骤。在这项工作中使用了实验结果表明，这种颜色模型使我们能够在不受控的环境中更准确地定位激光束。我们相信，使用红外摄像头将使我们能够在激光束定位过程中获得更好的结果虽然与距离计算的过程没有直接关系，但这项工作已经证明，基于从相机校准获得的参数，应用于图像的校正对准允许我们更好地计算距离，减少所获得的测量中存在的误差摄像机标定过程基于单应性实现，获得线性关系。在未来的工作中，将对校准技术进行更好的研究[16，25，26]。此外，我们可以考虑工程[17，19]的目的是建立一个156C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-模型的自校准扫描仪应用于这项工作。值得注意的是，相机校准过程和距离计算的组合使用使我们能够为未来的物体三维表面重建工作获得必要和有效的信息[8，12，15，23]。特别是，我们可以使用第二个激光指示器来配置扫描仪，而两者都分开一段距离，第二个网络摄像头使我们能够对包含深度和高度的真实信息的场景进行3D重建，例如具有关于场景中存在的物体尺寸的真实信息的3D场景。 最后，可以注意到，该方法可以 可用于移动机器人应用和确定数字图像上包含的对象的确认研究由秘鲁San Agust'ın国家大学和巴西CNPq的C'atedraConcytecenTIC提供部分资金引用[1] Y.I. Abdel-Aziz和H.M.卡拉拉近景摄影测量中从比较器坐标到物方坐标的直接线性变换。近景摄影测量研讨会论文集，[2] H. Baltzakis，A. A. Argyros和P. Trahanias。激光与视觉数据融合用于机器人运动规划与避碰MachineVision and Applications，15（2）：92[3] J. Y. 布盖Matlab摄像机标定工具箱。技术报告，2000年。[4] 华盛顿布朗 近距离摄像机校准。 摄影测量工程，37（8）：855[5] P. Cam p os D. Aracena和C. 托齐 比较我和你的电子表。UniversidaddeTa ra pac'a，13（1）：57-68，2005.[6] T.德哥基于网络摄像头的DIY激光测距仪。http://sites.google.com/site/todddanko/home/webcam_laser_ranger，2007.[7] A.德赫加文使用网络摄像头和激光笔的障碍物探测器http://ashishrd.blogspot.com/2006/11/obstacle-detector-using-webcam-and.html，2011年。[8] L. A. 弗拉塔弗南德斯。Ummm'et odopr ojeti voparac'alculodedimen sweeto es decaixa s e mt e mpor e al.2006年在里奥格兰德-杜索尔联邦大学发表硕士论 文。[9] B.加里和K。阿德里安学习OpenCV：使用OpenCV库进行计算机视觉。O’Reilly, first edition,[10] N. 冈 萨 雷 斯系 统 的 视 觉 或 计 算 ， 为 医 疗 ， 远 程 和 倾 斜 的 obst'aculos ， 为机器人。PontifisciaUniversidadJaveriana：FacultaddeIngenieria，9（2）：125- 134， 2005.[11] 扬·戈亚特，蒂埃里·夏托，劳伦特·特拉苏丹。 车辆轨迹的跟踪一个摄像头和一个激光测距仪 马赫目视Appl，21（3）：275 -286，2010.[12] R.I. Hartley和A.塞瑟曼计算机视觉中的多视图几何。剑桥大学出版社，第二版，2004年。[13] H.华岛， 澳-地 Wang和D.燕.一种基 于调幅连续 超声波的低 成本动态测 距装置。 仪器和 测量，IEEETransactions on，51（2）：362[14] K.F. Hulme，E.M. Kasprzak，K.E. Lewis，D. Moore-Russo，P. Singla，and D.P. Fuglewicz.运用运动模拟于动力学教育之游戏式体验学习。在跨服务/行业培训，模拟教育会议（I/ITSEC），2010年卷。NTSA，2010年。C.E. Portugal-Zambrano，J.P. Mena-Chalco / Electron. Notes Theor. Comput. Sci. 281（2011）143-157[15] B. Jahne，H. HauBecker，and P. Geibler. 计算机视觉与应用手册，第三卷。学术出版社，第一版，1999年。[16] Q. A. Ji和Y. M.张某基于遗传算法的摄像机标定。 IEEE Trans. Systems，Man and Cybernetics，31（2）：120[17] M. Kurisu，H. Muroi和Y. 横滨用遗传算法标定激光测距仪。智能机器人与系统，2007年。IROS2007。IEEE/RSJ国际会议，第346-351页。IEEE，2007年。[18] D.劳伦多河厚德，M。Samson和D.普萨尔通过散射光吸收的3D距离获取。仪器与测量，IEEE学报，41（5）：622[19] D. D. 莉琪蒂3D测距相机的自标定InISPRS Congress，page B5：927 April，2008.[20] D. 莫肯汀Qt 4的书。No Starch Press，第一版，2007年。[21] J.Y. J.L.蒙蒂尔 L'opez和R。 她的小弟弟。 估计我的距离是一条直线和一个阿马拉。 Cien t'enfica，11（3）：129-134，2007.[22] Y. Oike，M. Ikeda和K.浅田120x110位置传感器，具有灵敏和选择性光检测能力，动态范围宽，可实现稳健的主动测距。固态电路，IEEE Journal of，39（1）：246-251，2004。[23] N.帕拉吉奥斯岛Chen和O.福格拉斯计算机视觉数学模型手册。Springer-Verlag，第一版，2005年。[24] C. Portugal-Za mbrano和J. P. 梅纳-查科估计我对绝对距离利用一个PU N'aser和一个C'amaraWeb。InIIConcursodetrabajosdePregradoenCGI-IIISimposioPeruanodeComputaci'onGr'aficayProcesamientodeImagenes，SCGI-2009，Dec. 2009年12月28日至29日。[25] F. Remondino和C.S.弗雷泽数码相机校准方法：考虑和比较。在IAPRS中，编辑，ISPRS Commission VSymposium Image Engineering and Vision Metrology，第36卷，第266-272页[26] G. G. SAVII.基于复合遗传-单纯形算法的摄像机标定。光电子学与先进材料学报，6（4）：1255[27] D. Scaramuzza，A. Harati，和R.齐格瓦特 相机和3d激光测距仪从自然场景的外部自校准。智能机器人与系统，2007年。IROS 2007。IEEE/RSJ国际会议，第4164-4169页。IEEE，2007年。[28] L. G. Shapiro和G. C.斯托克曼 计算机视觉。Prentice Hall，2001年。