CN102750697A - 一种参数标定方法及装置 - Google Patents
一种参数标定方法及装置 Download PDFInfo
- Publication number
- CN102750697A CN102750697A CN2012101885855A CN201210188585A CN102750697A CN 102750697 A CN102750697 A CN 102750697A CN 2012101885855 A CN2012101885855 A CN 2012101885855A CN 201210188585 A CN201210188585 A CN 201210188585A CN 102750697 A CN102750697 A CN 102750697A
- Authority
- CN
- China
- Prior art keywords
- image
- parameter
- calibrating template
- distortion
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012937 correction Methods 0.000 claims abstract description 54
- 239000013598 vector Substances 0.000 claims abstract description 33
- 238000013519 translation Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 31
- 239000004744 fabric Substances 0.000 claims description 12
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 230000001915 proofreading effect Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Geometry (AREA)
Abstract
本发明实施例公开了一种参数标定方法,所述方法包括:获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;对所述标定模板图像进行角点检测,以提取图像角点;根据提取的所述图像角点计算径向畸变参数;根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定,所述内外参数包括:内参矩阵,旋转向量和平移向量;本发明实施例还提供一种参数标定装置,本发明可以应用于高畸变情形下的摄像机或相机等成像装置的参数标定,操作简便,精度高。
Description
技术领域
本发明涉及计算机视觉和图像测量领域,尤其涉及一种摄像机标定方法及装置。
背景技术
在图像测量过程以及计算机视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立成像的几何模型,这些几何模型参数就是摄像机或相机等拍摄装置的参数,在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数的过程就称之为摄像机标定(或相机标定)。以摄像机标定为例,现有的摄像机标定方法一般可分为二类:基于标定物的传统标定方法,和基于图像序列的自标定方法。
在传统标定方法中,比较典型的是二步法和平面模板标定法。二步法将标定工作分为二步,首先确定透视投影矩阵,然后从透视投影矩阵中恢复出摄像机的内外参数;由于该方法需要制作高精度的三维标定块,实施起来较为不便。平面模板标定法则根据位于同一平面上的定标点可以建立起关于摄像机内部参数的二个方程这一特点,通过不同位置和方向的几个平面来求解内参数,然后再计算摄像机的外参数。由于平面模板标定法只需拍摄若干幅不同角度或位置下的平面模板图像,操作起来较为简便,因而在实际中得到了很广泛的应用。
与传统标定方法不同的是,自标定方法不需要特定的标定物,而是利用场景的几何知识或者摄像机特定运动的约束关系,来进行摄像机内外参数的定标。这类方法主要是利用了摄像机内参数自身存在的约束,而这些约束与场景和摄像机的运动无关,通过求解Kruppa方程或者分层逐步标定等方法,恢复出摄像机参数,但由于自标定方法较传统标定方法精度要差,因此只是在特定的场合下得到应用。
另一方面,摄像机的畸变建模和标定也是一个十分重要的内容,实际摄像机或多或少都会存在着镜头畸变,摄像机的畸变有多种类型,其中最主要的是径向畸变,对于畸变的标定,经典方法(如平面模板法)先假设摄像机为小孔成像模型,标定出摄像机内参数,然后在通过非线性优化的办法求出多项式畸变模型参数,这种方法在摄像机的畸变不严重时是可行的,但当应用于高畸变如鱼眼镜头时,该方法就失效了。
由此可见,现有技术中,传统标定方法在高畸变情形下会失效,而自标定方法的精度又较传统方法差,因此,如何实现操作简便,且能够处理高畸变图像,并且具有较高精度的摄像机(或相机)标定方法成为亟待解决的问题。
发明内容
本发明实施例提供一种参数标定方法及装置,可以应用于高畸变情形下的摄像机(或相机)等成像装置的参数标定,操作简便,精度高。
第一方面,本发明实施例提供了一种参数标定方法,包括:
获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;
对所述标定模板图像进行角点检测,以提取图像角点;
根据提取的所述图像角点计算径向畸变参数;
根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;
根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定,所述内外参数包括:内参矩阵,旋转向量和平移向量。
基于第一方面的特征,本发明还提供了一种参数标定方法,所述方法还包括:
以重投影误差最小为准则,用Levenberg-Marquardt算法对计算出的所述内外参数进行优化。
第二方面,本发明实施例提供了一种参数标定装置,所述装置包括:
获取单元,用于获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;
检测单元,用于对所述标定模板图像进行角点检测,以提取图像角点;
计算单元,用于根据提取的所述图像角点计算径向畸变参数;
校正单元,用于根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;
标定单元,用于根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定,所述内外参数包括:内参矩阵,旋转向量和平移向量。
结合第二方面的特征,本发明还提供了一种参数标定装置,所述装置还包括:
优化单元,用于以重投影误差最小为准则,用Levenberg-Marquardt算法对计算出的所述内外参数进行优化。
本发明实施例提供的方法为了能够处理高畸变的图像,首先拍摄一幅标定模板图像,利用平面的标定模板的直线在单参数除法模型下,在标定模板图像上投影成圆弧的约束,估计出径向畸变参数,并进行畸变校正,使其符合透视投影成像,然后计算重建后的畸变校正图像与平面的标定模板之间的单应性矩阵,在主点为畸变中心,并且倾斜因子为零的假设下,估计出理想焦距,以上述结果为初值,进行非线性优化,得到精确的标定结果,本方法具有操作简便,方法简单,精度高等有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的实施例一提供的参数标定方法流程示意图;
图2是本发明的实施例一提供的一种标定模板的平面示意图;
图3是本发明的实施例一提供的标定模板图像下的畸变点(xdi,ydi)和畸变校正图像下的校正点(xui,yui)极坐标转换的示意图;
图4是本发明的实施例二提供的一种参数标定装置示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例一提供了一种参数标定方法,所述方法包括如下步骤:
101、获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;
在步骤101中,本实施例所采用的标定模板可以为带有固定间距图案阵列的标定模板,具体包括棋盘格标定模板、等间距实心圆阵列标定模板等,优选地,本实施例中可以采用在摄像机(或相机)标定方法中常用的棋盘格标定模板,具体如图2所示。
需要说明的是,为了对摄像机(或相机)进行径向畸变校正和参数标定,需要拍摄标定模板,以获取一幅标定模板图像,具体实施中,会根据标定模板中横纵方向上格点的个数和每个格点的尺寸,建立标定模板在平面上的格点坐标的分布情况。
102、对所述标定模板图像进行角点检测,以提取图像角点;
在步骤102中,由于摄像机(或相机)镜头实际拍摄的图像一般都存在畸变,则标定模板图像相对实际的标定模板而言是存在畸变的图像,因此,进行角点检测后提取的图像角点是存在畸变的图像角点。
本领域技术人员应当知道,角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用,角点没有明确的数学定义,一般认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点,角点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。角点在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。目前的角点检测算法包括:基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测等。
103、根据提取的所述图像角点计算径向畸变参数;
需要说明的是,在计算机视觉中,图像是空间物体通过成像系统在像平面上的反映,即空间物体在像平面上的投影。图像上每一个像素点的灰度反映了空间物体表面某点的反射光强度,而该像素点在图像上的位置则与空间物体表面对应点的几何位置相关,这些位置的相互关系,由摄像机(或相机)系统的几何投影模型所决定,其中,三维空间中的物体到像平面的投影关系即为成像模型,理想的投影成像模型是光学中的中心投影,也称为针孔模型。在理想透视投影模型下,对于标定模板上的一条直线,在标定模板图像上也应为一条直线,但由于实际图像存在畸变,因此,对于标定模板上的一条直线,在单参数除法模型下,在标定模板图像上呈现为一道圆弧。
在步骤103中,根据提取的所述图像角点计算径向畸变参数具体可以包括:
103a、基于单参数除法模型,对摄像机(或相机)的径向畸变进行建模,以建立所述标定模板图像,和,对所述标定模板图像进行校正后的畸变校正图像之间的坐标变换关系,具体的建模如式(1)所示:
式(1)中,xd=(xd,yd)为所述标定模板图像下任意一畸变点的坐标,xu=(xu,yu)为对xd=(xd,yd)进行校正后的校正点在所述畸变校正图像下的坐标,λ为径向畸变参数,rd 2=xd 2+yd 2。
103b、根据标定模板上的直线因成像畸变在标定模板图像上呈现为圆弧的对应关系,结合所述图像角点拟合出的该圆弧的圆弧参数;
具体地,这里假设标定模板上的直线以及该直线在进行理想透视投影后的非畸变直线方程为:
axu+byu+c=0 (2)
式(2)中,{a,b,c}为直线参数;
实际图像中,由于畸变存在,在单参数除法模型下,该直线在标定模板图像上呈现为一条圆弧,将(1)式代入直线方程(2)可得:
由(3)式可知,该圆弧已经包含了关于径向畸变参数的信息,找出这些圆弧,则可以通过圆弧参数估计出径向畸变参数;
这里将(3)式改写为圆弧的一般形式:
对于属于该圆弧上的每个像素点,可以得到一个方程,因此要解出(4)式的圆弧参数,最少需要3个像素点已建立一个方程组,由于实际提取的图像角点数目一般都会大于3,将这些图像角点代入式(4),则可求出在最小二乘意义下的圆弧参数。
103c、根据拟合出的圆弧参数,计算出径向畸变参数。
具体地,当存在三条圆弧时,根据拟合得到的圆弧参数{Ai,Bi,Ci|i=1,2,3},可以根据(5)式同时计算出径向畸变参数λ和畸变中心(xd0,yd0):
(A1-A2)xd0+(B1-B2)yd0+(C1-C2)=0
(A1-A3)xd0+(B1-B3)yd0+(C1-C3)=0 (5)
(A2-A3)xd0+(B2-B3)yd0+(C2-C3)=0
上式中,{Ai,Bi,Ci|i=1,2,3}为三条圆弧参数。
当求解出畸变中心(xd0,yd0)后,可以通过(6)式得到径向畸变参数λ:
式(6)中Ai,Bi,Ci为三条圆弧中的任意一条。
当圆弧数多于三条时,可以计算出该径向畸变参数λ在最小二乘意义下的解。
104、根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;
具体地,根据求解出的径向畸变参数λ,进行径向畸变校正;
根据式(1),有:
式(7)给出了由标定模板图像的坐标(xd,yd)直接投影到校正后的畸变校正图像坐标(xu,yu)的公式;
需要说明的是,在这种投影下,由于整数取样的关系,在畸变校正图像上会有很多未知信息点,比较合理的径向畸变校正方法是根据所述径向畸变参数,按照所述畸变校正图像到所述标定模板图像的逆过程,求取所述标定模板图像下,与所述畸变校正图像下的校正点(xui,yui)对应的,畸变点(xdi,ydi)的坐标;对求取的所述标定模板图像下的畸变点(xdi,ydi)的坐标,进行双线性插值,以得到径向畸变校正后的校正点(xui′,yui′)的坐标,以实现重建畸变校正图像,这里,下标i为区分同一坐标系下不同点的编号。
具体地,在本发明的一个实施例中可以通过如下方法进行径向畸变校正,具体步骤如下:
2)对于每一个畸变校正后的校正点(xui,yui),有:
在式(8)中,ki表明畸变中心(xd0,yd0),畸变点(xdi,ydi)及其对应的校正点(xui,yui)三点共线。
3)结合1),2),建立方程组:
解方程组可得:
由于λ<0,式(10)必然有二个实数解,但在这二个解中,由于xui和xdi必然同正负号,因此仍然可以唯一确定其中有效的解xdi。解出xdi后,代入方程组(9)的第一个方程即可解出ydi。
4)解出畸变点(xdi,ydi)后,通过双线性插值得到畸变校正后的点(xui′,yui′)的像素值。
在本发明的另一个实施例中还可以通过将畸变点(xdi,ydi)和校正点(xui,yui)都转化为极坐标表示,在极坐标下进行求解,如图3所示,具体如下:
假设畸变点(ρd,θd)和校正后的校正点(ρu,θu)相对应,则必有θu=θd,我们需要确定的仅是ρd。
根据式(7),有:
则可以建立关于的一元二次方程,然后施加ρd>0且有ρd<ρu约束即可求出唯一的ρd解。
105、根据所述标定模板和重建后的所述畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定;
其中,内外参数包括:内参矩阵,旋转向量和平移向量。
根据标定模板和重建后的畸变校正图像之间的透视投影关系,可以估算出单应矩阵(Homography)H,有:
H=K[r1 r2 t] (13)
其中, 为摄像机(或相机)内参矩阵,r1和r2为旋转向量且r1r2正交,t为平移向量,(u0,v0)为内参矩阵的主点,c为倾斜因子,(fa,fb)为摄像机(或相机)镜头的理想焦距。
由于r1r2正交,我们有:
式(14)中,h1 h2为H矩阵的列向量表示形式,有H=[h1 h2 h3]。式(14)给出了求解内参矩阵的二个基本约束方程。
由于本发明只采用一幅标定模板图像,因此完全求解内参矩阵K中的5个未知数是不可能的。为此,我们对内参矩阵中的若干参数进行预定义:
a)预设主点(u0,v0)的初值与畸变中心(xd0,yd0)重合。尽管主点和畸变中心不重合已被广大研究者所证实,但同时也注意到它们距离通常非常接近,因此以畸变中心作为主点初值是一个合理的假设,经过后续的非线性优化将得到精确的主点坐标;
b)预设倾斜因子c=0;对于大多数镜头来说,这是一个合理的假设;
由此对摄像机(或相机)内参矩阵的求解简化为二个未知量fa和fb的求解。
由于 则施加(14)式约束,得:
在(15)式中:
线性求解(15)式,即可得到fa和fb;
求解出的fa和fb后,结合预定义的主点(u0,v0)和倾斜因子c,可以恢复出内参矩阵K,进而可求出旋转向量R和平移向量t。
至此,完成了对摄像机(或相机)几何和光学参数的标定。
本实施例中提供的参数标定方法能够应用于高畸变情形下的摄像机(或相机)标定,并且,由于只采用一幅标定模板图像进行参数标定,相比现有的摄像机(或相机)标定方法,具有方法简单有效,操作简便等优点。
进一步地,本实施例中,所述参数标定方法还可以包括如下步骤:
106、以重投影误差最小为准则,用LM(Levenberg-Marquardt,列文伯格-马夸尔特)算法对计算出的所述内外参数进行优化,以使优化后的所述内外参数更精确;
具体地,优化采用如下的目标函数:
式(16)中,mj为重建后的畸变校正图像下的点坐标,m(K,R,t,Mj)表示将标定模板中的点Mj经过透视投影后得到的标定模板图像下的坐标。
当迭代误差小于一个预设阈值时,结束迭代,从而得到精确的摄像机(或相机)的内参矩阵K及旋转向量R和平移向量t。
本实施例中,通过LM算法优化,使得所述内外参数的值更为精确。
本领域技术人员应当知道,本实施例提供的方法可以应用于包括但不限于摄像机、相机等成像设备的参数标定
实施例二
基于实施例一所述的标定方法,如图4所示,本发明实施例二提供了一种参数标定装置,所述装置包括:
获取单元201,用于获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;
检测单元202,用于对所述标定模板图像进行角点检测,以提取图像角点;
计算单元203,用于根据提取的所述图像角点计算径向畸变参数;
本实施例中,所述计算单元203具体包括:
建模模块2031,用于基于单参数除法模型,按照下式对径向畸变进行建模,以建立所述标定模板图像,和,对所述标定模板图像进行校正后的畸变校正图像之间的坐标变换关系:
其中,xd=(xd,yd)为所述标定模板图像下任意一畸变点的坐标,xu=(xu,yu)为对xd=(xd,yd)进行校正后的校正点在所述畸变校正图像下的坐标,λ为径向畸变参数,rd 2=xd 2+yd 2;
拟合模块2032,用于根据所述标定模板上的直线因成像畸变在所述标定模板图像上呈现为圆弧的对应关系,结合所述图像角点拟合出的所述圆弧的圆弧参数,其中,所述标定模板上的直线方程为axu+byu+c=0,所述标定模板图像上的圆弧方程为{Ai,Bi,Ci|i=1,2,3}为圆弧参数,
计算模块2033,用于根据拟合出的所述圆弧参数,按照
(A1-A2)xd0+(B1-B2)yd0+(C1-C2)=0
(A1-A3)xd0+(B1-B3)yd0+(C1-C3)=0
(A2-A3)xd0+(B2-B3)yd0+(C2-C3)=0
校正单元204,用于根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;
本实施例中,所述校正单元204具体用于:
根据所述径向畸变参数,按照所述畸变校正图像到所述标定模板图像的逆过程,求取所述标定模板图像下,与所述畸变校正图像下的校正点(xui,yui)对应的,畸变点(xdi,ydi)的坐标,下标i为编号;
对求取的所述标定模板图像下的畸变点(xdi,ydi)的坐标,进行双线性插值,以得到重建后的畸变校正图像中的校正点(xui′,yui′)的坐标。
标定单元205,用于根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定,所述内外参数包括:内参矩阵,旋转向量和平移向量。
本实施例中,所述标定单元204具体用于;
根据所述标定模板和所述重建后的畸变校正图像之间的透视投影关系,按照下式估算出单应矩阵H:
其中,s为尺度因子,为所述标定模板下点的齐次坐标,为投影到所述重建后的畸变校正图像下对应点的齐次坐标,H=K[r1 r2 t], 为内参矩阵,r1和r2为旋转向量且r1 r2正交,t为平移向量,(u0,v0)为内参矩阵的主点,c为倾斜因子,(fa,fb)为理想焦距;
根据r1 r2正交,得到约束条件 预设主点(u0,v0)的初值与所述畸变中心(xd0,yd0)重合,且设倾斜因子c=0,结合公式 和 并通过线性求解,得到理想焦距(fa,fb);
结合预设的主点(u0,v0)和倾斜因子c,恢复出所述内参矩阵,进而求出所述旋转向量和所述平移向量。
本实施例中提供的参数标定装置能够应用于高畸变情形下的摄像机(或相机)标定,并且,由于只采用一幅标定模板图像进行参数标定,相比现有技术,,操作更为简便。
进一步地,本实施例中,所述装置还包括:
优化单元206,用于以重投影误差最小为准则,用Levenberg-Marquardt算法对计算出的所述内外参数进行优化。
本实施例中,通过LM算法优化对计算出的内外参数进行优化后,使得标定的内外参数的值更为精确。
需要说明的是,本实施例是前述实施例一的方法的具体物理实现,本实施例实施例一的特征可以相互参考,本领域技术人员应当知道,本实施例提供的装置可以应用于包括但不限于摄像机、相机等成像设备的参数标定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (11)
1.一种参数标定方法,其特征在于,包括:
获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;
对所述标定模板图像进行角点检测,以提取图像角点;
根据提取的所述图像角点计算径向畸变参数;
根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;
根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定,所述内外参数包括:内参矩阵,旋转向量和平移向量。
2.如权利要求1所述的方法,其特征在于,所述根据提取的所述图像角点计算径向畸变参数的步骤包括:
基于单参数除法模型,按照下式对径向畸变进行建模,以建立所述标定模板图像,和,对所述标定模板图像进行校正后的畸变校正图像之间的坐标变换关系:
其中,xd=(xd,yd)为所述标定模板图像下任意一畸变点的坐标,xu=(xu,yu)为对xd=(xd,yd)进行校正后的校正点在所述畸变校正图像下的坐标,λ为径向畸变参数,rd 2=xd 2+yd 2;
根据所述标定模板上的直线因成像畸变在所述标定模板图像上呈现为圆弧的对应关系,结合所述图像角点拟合出的所述圆弧的圆弧参数,其中,所述标定模板上的直线方程为axu+byu+c=0,所述标定模板图像上的圆弧方程为{Ai,Bi,Ci|i=1,2,3}为圆弧参数,
根据拟合出的所述圆弧参数,按照
(A1-A2)xd0+(B1-B2)yd0+(C1-C2)=0
(A1-A3)xd0+(B1-B3)yd0+(C1-C3)=0
(A2-A3)xd0+(B2-B3)yd0+(C2-C3)=0
3.如权利要求1或2所述的方法,其特征在于,所述根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像的步骤包括:
根据所述径向畸变参数,按照所述畸变校正图像到所述标定模板图像的逆过程,求取所述标定模板图像下,与所述畸变校正图像下的校正点(xui,yui)对应的畸变点(xdi,ydi)的坐标;
对求取的所述标定模板图像下的畸变点(xdi,ydi)的坐标,进行双线性插值,以得到重建后的畸变校正图像中的校正点(xui′,yui′)的坐标。
4.如权利要求3所述的方法,其特征在于,所述根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数的步骤包括:
根据所述标定模板和所述重建后的畸变校正图像之间的透视投影关系,按照下式估算出单应矩阵H:
其中,s为尺度因子,为所述标定模板下点的齐次坐标,为投影到所述重建后的畸变校正图像下对应点的齐次坐标,H=K[r1 r2 t], 为内参矩阵,r1和r2为旋转向量且r1 r2正交,t为平移向量,(u0,v0)为内参矩阵的主点,c为倾斜因子,(fa,fb)为理想焦距;
根据r1 r2正交,得到约束方程
预设主点(u0,v0)的初值与所述畸变中心(xd0,yd0)重合,且设倾斜因子c=0,结合公式 和 并通过线性求解,得到理想焦距(fa,fb);
结合预设的所述主点(u0,v0)和所述倾斜因子c,恢复出所述内参矩阵,进而求出所述旋转向量和所述平移向量。
5.如权利要求1至4任一所述的方法,其特征在于,所述方法还包括:
以重投影误差最小为准则,用Levenberg-Marquardt算法对计算出的所述内外参数进行优化。
6.如权利要求1至5任一所述的方法,其特征在于,所述标定模板为带有固定间距图案阵列的标定模板。
7.一种参数标定装置,其特征在于,所述装置包括:
获取单元,用于获取一幅标定模板图像,所述标定模板图像通过拍摄标定模板得到;
检测单元,用于对所述标定模板图像进行角点检测,以提取图像角点;
计算单元,用于根据提取的所述图像角点计算径向畸变参数;
校正单元,用于根据计算出的所述径向畸变参数进行径向畸变校正,以重建畸变校正图像;
标定单元,用于根据所述标定模板和重建后的畸变校正图像的透视投影关系,计算出内外参数,以实现参数标定,所述内外参数包括:内参矩阵,旋转向量和平移向量。
8.如权利要求7所述的装置,其特征在于,所述计算单元具体包括:
建模模块,用于基于单参数除法模型,按照下式对径向畸变进行建模,以建立所述标定模板图像,和,对所述标定模板图像进行校正后的畸变校正图像之间的坐标变换关系:
其中,xd=(xd,yd)为所述标定模板图像下任意一畸变点的坐标,xu=(xu,yu)为对xd=(xd,yd)进行校正后的校正点在所述畸变校正图像下的坐标,λ为径向畸变参数,rd 2=xd 2+yd 2;
拟合模块,用于根据所述标定模板上的直线因成像畸变在所述标定模板图像上呈现为圆弧的对应关系,结合所述图像角点拟合出的所述圆弧的圆弧参数,其中,所述标定模板上的直线方程为axu+byu+c=0,所述标定模板图像上的圆弧方程为{Ai,Bi,Ci|i=1,2,3}为圆弧参数,
计算模块,用于根据拟合出的所述圆弧参数,按照
(A1-A2)xd0+(B1-B2)yd0+(C1-C2)=0
(A1-A3)xd0+(B1-B3)yd0+(C1-C3)=0
(A2-A3)xd0+(B2-B3)yd0+(C2-C3)=0
求解出畸变中心(xd0,yd0),并结合公式计算出所述径向畸变参数。
9.如权利要求7或8所述的装置,其特征在于,所述校正单元具体用于:
根据所述径向畸变参数,按照所述畸变校正图像到所述标定模板图像的逆过程,求取所述标定模板图像下,与所述畸变校正图像下的校正点(xui,yui)对应的,畸变点(xdi,ydi)的坐标;
对求取的所述标定模板图像下的畸变点(xdi,ydi)的坐标,进行双线性插值,以得到重建后的畸变校正图像中的校正点(xui′,yui′)的坐标。
10.如权利要求9所述的装置,其特征在于,所述标定单元具体用于;
根据所述标定模板和所述重建后的畸变校正图像之间的透视投影关系,按照下式估算出单应矩阵H:
其中,s为尺度因子,为所述标定模板下点的齐次坐标,为投影到所述重建后的畸变校正图像下对应点的齐次坐标,H=K[r1 r2 t], 为内参矩阵,r1和r2为旋转向量且r1 r2正交,t为平移向量,(u0,v0)为内参矩阵的主点,c为倾斜因子,(fa,fb)为理想焦距;
根据r1 r2正交,得到约束条件
预设主点(u0,v0)的初值与所述畸变中心(xd0,yd0)重合,且设倾斜因子c=0,结合公式 和 并通过线性求解,得到理想焦距(fa,fb);
结合预设的所述主点(u0,v0)和所述倾斜因子c,恢复出所述内参矩阵,进而求出所述旋转向量和所述平移向量。
11.如权利要求7至10任一所述的装置,其特征在于,所述装置还包括:
优化单元,用于以重投影误差最小为准则,用Levenberg-Marquardt算法对计算出的所述内外参数进行优化。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210188585.5A CN102750697B (zh) | 2012-06-08 | 2012-06-08 | 一种参数标定方法及装置 |
PCT/CN2013/076972 WO2013182080A1 (zh) | 2012-06-08 | 2013-06-08 | 一种参数标定方法及装置 |
US14/563,287 US20150093042A1 (en) | 2012-06-08 | 2014-12-08 | Parameter calibration method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210188585.5A CN102750697B (zh) | 2012-06-08 | 2012-06-08 | 一种参数标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102750697A true CN102750697A (zh) | 2012-10-24 |
CN102750697B CN102750697B (zh) | 2014-08-20 |
Family
ID=47030846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210188585.5A Expired - Fee Related CN102750697B (zh) | 2012-06-08 | 2012-06-08 | 一种参数标定方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20150093042A1 (zh) |
CN (1) | CN102750697B (zh) |
WO (1) | WO2013182080A1 (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177439A (zh) * | 2012-11-26 | 2013-06-26 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
WO2013182080A1 (zh) * | 2012-06-08 | 2013-12-12 | 华为技术有限公司 | 一种参数标定方法及装置 |
CN103854271A (zh) * | 2012-11-28 | 2014-06-11 | 华中科技大学 | 一种平面摄像机标定方法 |
CN103955895A (zh) * | 2014-04-14 | 2014-07-30 | 中国人民解放军总医院 | 基于曲面投影模型的内窥镜畸变自动校正方法 |
CN104077768A (zh) * | 2014-06-04 | 2014-10-01 | 华为技术有限公司 | 一种鱼眼镜头径向畸变的标定方法及标定装置 |
CN104182969A (zh) * | 2014-08-08 | 2014-12-03 | 河南科技大学 | 一种单线阵相机内外参数标定方法 |
CN104216202A (zh) * | 2014-08-25 | 2014-12-17 | 太仓中科信息技术研究院 | 一种结合惯性陀螺仪的摄像机视觉实时定位系统及定位方法 |
CN104240216A (zh) * | 2013-06-07 | 2014-12-24 | 光宝电子(广州)有限公司 | 图像校正方法、模块及其电子装置 |
CN104809696A (zh) * | 2014-01-27 | 2015-07-29 | 中国科学院苏州纳米技术与纳米仿生研究所 | 图像畸变矫正方法和系统 |
CN105096269A (zh) * | 2015-07-21 | 2015-11-25 | 北京交通大学 | 基于畸变直线结构检测的图像径向畸变矫正的方法及系统 |
CN105303574A (zh) * | 2015-07-30 | 2016-02-03 | 四川大学 | 一种基于单应性变换的集成成像摄像机阵列标定方法 |
CN105423952A (zh) * | 2015-12-24 | 2016-03-23 | 吉林大学 | 汽车形貌测量系统机械式畸变系数测量仪 |
WO2016065632A1 (zh) * | 2014-10-31 | 2016-05-06 | 华为技术有限公司 | 一种图像处理方法和设备 |
CN105809657A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种角点检测方法和装置 |
WO2016197307A1 (en) * | 2015-06-08 | 2016-12-15 | SZ DJI Technology Co., Ltd. | Methods and apparatus for image processing |
CN106504290A (zh) * | 2016-10-20 | 2017-03-15 | 北京化工大学 | 一种高精度的摄像机动态标定方法 |
CN107317953A (zh) * | 2017-06-30 | 2017-11-03 | 上海兆芯集成电路有限公司 | 摄像头校正方法以及使用该方法的装置 |
CN107333028A (zh) * | 2017-06-30 | 2017-11-07 | 上海兆芯集成电路有限公司 | 摄像头校正方法以及使用该方法的装置 |
CN107680035A (zh) * | 2017-09-29 | 2018-02-09 | 广东中星微电子有限公司 | 一种参数标定方法和装置、服务器及可读存储介质 |
CN107871329A (zh) * | 2017-12-18 | 2018-04-03 | 横琴峰云视觉技术有限公司 | 一种相机光学中心的快速标定方法及装置 |
CN108269289A (zh) * | 2018-01-16 | 2018-07-10 | 上海汇像信息技术有限公司 | 一种相机参数标定的两步优化方法 |
CN108399643A (zh) * | 2018-03-15 | 2018-08-14 | 南京大学 | 一种激光雷达和相机间的外参标定系统和方法 |
CN108492263A (zh) * | 2018-03-07 | 2018-09-04 | 鞍钢集团矿业有限公司 | 一种镜头径向畸变校正方法 |
CN108537846A (zh) * | 2018-02-08 | 2018-09-14 | 北京航空航天大学青岛研究院 | 相机标定方法及设备 |
CN108629810A (zh) * | 2017-03-23 | 2018-10-09 | 展讯通信(上海)有限公司 | 双目相机的标定方法、装置及终端 |
CN109472829A (zh) * | 2018-09-04 | 2019-03-15 | 顺丰科技有限公司 | 一种物体定位方法、装置、设备和存储介质 |
CN109859279A (zh) * | 2019-01-29 | 2019-06-07 | 江苏裕兰信息科技有限公司 | 一种基于线特征的车载360环视系统的流水线下线标定方法 |
CN110223332A (zh) * | 2019-06-10 | 2019-09-10 | 长安大学 | 一种桥梁裂缝标定方法 |
US10417750B2 (en) * | 2014-12-09 | 2019-09-17 | SZ DJI Technology Co., Ltd. | Image processing method, device and photographic apparatus |
CN110458788A (zh) * | 2015-04-03 | 2019-11-15 | 康耐视公司 | 单应性校正 |
CN111047650A (zh) * | 2019-12-02 | 2020-04-21 | 北京深测科技有限公司 | 一种用于飞行时间相机的参数标定方法 |
CN111369921A (zh) * | 2018-12-25 | 2020-07-03 | 北京耐德佳显示技术有限公司 | 一种显示设备的测量装置和方法 |
CN111612720A (zh) * | 2020-05-21 | 2020-09-01 | 烟台艾睿光电科技有限公司 | 一种广角红外图像优化方法、系统及相关组件 |
CN111667429A (zh) * | 2020-06-06 | 2020-09-15 | 南京聚特机器人技术有限公司 | 一种巡检机器人目标定位校正方法 |
CN111667536A (zh) * | 2019-03-09 | 2020-09-15 | 华东交通大学 | 一种基于变焦相机深度估计的参数标定方法 |
WO2020192265A1 (zh) * | 2019-03-25 | 2020-10-01 | 同方威视技术股份有限公司 | Ct设备的几何参数标定件及标定方法 |
CN111882617A (zh) * | 2020-04-23 | 2020-11-03 | 浙江水晶光电科技股份有限公司 | 单目标定方法及单目标定装置 |
CN112907462A (zh) * | 2021-01-28 | 2021-06-04 | 黑芝麻智能科技(上海)有限公司 | 超广角摄像器件畸变校正方法、系统及包括其的拍摄装置 |
CN113160333A (zh) * | 2021-04-28 | 2021-07-23 | 天津大学 | 参数优化相机标定方法 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751458B (zh) * | 2015-03-23 | 2017-08-25 | 华南理工大学 | 一种基于180°旋转算子的标定角点检测方法 |
CN105139393B (zh) * | 2015-08-19 | 2018-03-02 | 中国航空工业集团公司北京长城航空测控技术研究所 | 线阵相机内参数的标定方法 |
EP3411755A4 (en) | 2016-02-03 | 2019-10-09 | Sportlogiq Inc. | SYSTEMS AND METHODS FOR AUTOMATED CALIBRATION OF PHOTOGRAPHIC APPARATUS |
CN107545591B (zh) * | 2016-06-29 | 2021-04-06 | 沈阳新松机器人自动化股份有限公司 | 一种基于六点触点法的机器人手眼标定方法 |
CN106408614B (zh) * | 2016-09-27 | 2019-03-15 | 中国船舶工业系统工程研究院 | 适于现场应用的摄像机内参数标校方法和系统 |
CN106485758B (zh) * | 2016-10-31 | 2023-08-22 | 成都通甲优博科技有限责任公司 | 一种无人机摄像头标定装置、标定方法及流水线标定实现方法 |
CN106683139B (zh) * | 2017-02-20 | 2023-09-26 | 南京航空航天大学 | 基于遗传算法的鱼眼相机标定系统及其图像畸变矫正方法 |
CN107507247B (zh) * | 2017-08-28 | 2018-09-11 | 哈尔滨拓博科技有限公司 | 一种投影键盘的实时动态自动化标定方法 |
CN109842756A (zh) * | 2017-11-28 | 2019-06-04 | 东莞市普灵思智能电子有限公司 | 一种镜头畸变矫正和特征提取的方法及系统 |
US11282543B2 (en) * | 2018-03-09 | 2022-03-22 | Apple Inc. | Real-time face and object manipulation |
CN108734744B (zh) * | 2018-04-28 | 2022-02-18 | 国网山西省电力公司电力科学研究院 | 一种基于全站仪的远距离大视场双目标定方法 |
CN110689581B (zh) * | 2018-07-06 | 2022-05-13 | Oppo广东移动通信有限公司 | 结构光模组标定方法、电子设备、计算机可读存储介质 |
CN109003312B (zh) * | 2018-08-24 | 2022-01-28 | 重庆邮电大学 | 一种基于非线性优化的相机标定方法 |
US11354787B2 (en) * | 2018-11-05 | 2022-06-07 | Ultrahaptics IP Two Limited | Method and apparatus for correcting geometric and optical aberrations in augmented reality |
CN109903352B (zh) * | 2018-12-24 | 2021-03-30 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN109754432B (zh) * | 2018-12-27 | 2020-09-22 | 深圳市瑞立视多媒体科技有限公司 | 一种相机自动标定方法及光学动作捕捉系统 |
CN111627067B (zh) * | 2019-02-28 | 2023-08-22 | 海信集团有限公司 | 一种双目相机的标定方法及车载设备 |
US11455745B2 (en) | 2019-05-21 | 2022-09-27 | Sportlogiq Inc. | System and method for image registration and camera calibration using learned error functions |
CN110544208B (zh) * | 2019-09-06 | 2023-04-07 | 深圳市泰沃德技术有限公司 | 工业级图像拼接方法及系统 |
CN111006599B (zh) * | 2019-10-30 | 2021-07-20 | 东北大学 | 基于像素光栅和计算机视觉的物体表面微尺度测量方法 |
CN110807815B (zh) * | 2019-10-30 | 2023-05-09 | 扬州大学 | 基于两组相互正交平行线对应消失点的快速水下标定方法 |
CN112907675B (zh) * | 2019-11-19 | 2022-05-24 | 浙江商汤科技开发有限公司 | 图像采集设备的标定方法、装置、系统、设备及存储介质 |
CN110969667B (zh) * | 2019-11-22 | 2023-04-28 | 大连理工大学 | 基于边缘特征的多光谱相机外参自校正算法 |
CN111080709B (zh) * | 2019-11-22 | 2023-05-05 | 大连理工大学 | 基于轨迹特征配准的多光谱立体相机自标定算法 |
CN110969668B (zh) * | 2019-11-22 | 2023-05-02 | 大连理工大学 | 一种长焦双目相机的立体标定算法 |
CN110889874B (zh) * | 2019-12-04 | 2024-01-02 | 南京美基森信息技术有限公司 | 一种双目相机标定结果的误差评估方法 |
CN111047651B (zh) * | 2019-12-12 | 2023-04-18 | 中航华东光电有限公司 | 畸变图像的矫正方法 |
CN111383194B (zh) * | 2020-03-10 | 2023-04-21 | 江苏科技大学 | 一种基于极坐标的相机畸变图像校正方法 |
CN111899158B (zh) * | 2020-07-29 | 2023-08-25 | 北京天睿空间科技股份有限公司 | 考虑几何畸变的图像拼接方法 |
CN113592923B (zh) * | 2021-06-30 | 2024-03-29 | 国网浙江省电力有限公司营销服务中心 | 一种基于深度局部特征匹配的批图像配准方法 |
CN113284196B (zh) * | 2021-07-20 | 2021-10-22 | 杭州先奥科技有限公司 | 一种摄像机畸变逐像素标定方法 |
CN113781581B (zh) * | 2021-09-14 | 2023-09-01 | 中国石油大学(华东) | 基于靶标松姿态约束的景深畸变模型标定方法 |
CN114705122B (zh) * | 2022-04-13 | 2023-05-05 | 成都飞机工业(集团)有限责任公司 | 一种大视场立体视觉标定方法 |
CN116883294B (zh) * | 2023-09-08 | 2023-12-22 | 中国科学院光电技术研究所 | 一种镜头畸变参数的两步法估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021947A (zh) * | 2006-09-22 | 2007-08-22 | 东南大学 | 三维扫描系统中双摄像机标定方法 |
CN101261685A (zh) * | 2008-01-31 | 2008-09-10 | 浙江工业大学 | 基于图像矢量化技术的服装样片自动录入装置 |
CN101776952A (zh) * | 2010-01-29 | 2010-07-14 | 联动天下科技(大连)有限公司 | 一种新型互动投影系统 |
CN101814186A (zh) * | 2010-02-04 | 2010-08-25 | 上海交通大学 | 利用曲线拟合校正摄像机径向畸变的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6437823B1 (en) * | 1999-04-30 | 2002-08-20 | Microsoft Corporation | Method and system for calibrating digital cameras |
US8239220B2 (en) * | 2006-06-08 | 2012-08-07 | Injury Sciences Llc | Method and apparatus for obtaining photogrammetric data to estimate impact severity |
US20130038694A1 (en) * | 2010-04-27 | 2013-02-14 | Sanjay Nichani | Method for moving object detection using an image sensor and structured light |
WO2012044218A1 (en) * | 2010-10-01 | 2012-04-05 | Saab Ab | A method and an apparatus for image-based navigation |
CN102750697B (zh) * | 2012-06-08 | 2014-08-20 | 华为技术有限公司 | 一种参数标定方法及装置 |
-
2012
- 2012-06-08 CN CN201210188585.5A patent/CN102750697B/zh not_active Expired - Fee Related
-
2013
- 2013-06-08 WO PCT/CN2013/076972 patent/WO2013182080A1/zh active Application Filing
-
2014
- 2014-12-08 US US14/563,287 patent/US20150093042A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021947A (zh) * | 2006-09-22 | 2007-08-22 | 东南大学 | 三维扫描系统中双摄像机标定方法 |
CN101261685A (zh) * | 2008-01-31 | 2008-09-10 | 浙江工业大学 | 基于图像矢量化技术的服装样片自动录入装置 |
CN101776952A (zh) * | 2010-01-29 | 2010-07-14 | 联动天下科技(大连)有限公司 | 一种新型互动投影系统 |
CN101814186A (zh) * | 2010-02-04 | 2010-08-25 | 上海交通大学 | 利用曲线拟合校正摄像机径向畸变的方法 |
Cited By (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013182080A1 (zh) * | 2012-06-08 | 2013-12-12 | 华为技术有限公司 | 一种参数标定方法及装置 |
CN103177439A (zh) * | 2012-11-26 | 2013-06-26 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
CN103177439B (zh) * | 2012-11-26 | 2015-10-28 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
CN103854271A (zh) * | 2012-11-28 | 2014-06-11 | 华中科技大学 | 一种平面摄像机标定方法 |
CN103854271B (zh) * | 2012-11-28 | 2016-08-31 | 华中科技大学 | 一种平面摄像机标定方法 |
CN104240216A (zh) * | 2013-06-07 | 2014-12-24 | 光宝电子(广州)有限公司 | 图像校正方法、模块及其电子装置 |
CN104809696A (zh) * | 2014-01-27 | 2015-07-29 | 中国科学院苏州纳米技术与纳米仿生研究所 | 图像畸变矫正方法和系统 |
CN103955895A (zh) * | 2014-04-14 | 2014-07-30 | 中国人民解放军总医院 | 基于曲面投影模型的内窥镜畸变自动校正方法 |
CN104077768A (zh) * | 2014-06-04 | 2014-10-01 | 华为技术有限公司 | 一种鱼眼镜头径向畸变的标定方法及标定装置 |
CN104077768B (zh) * | 2014-06-04 | 2017-04-19 | 华为技术有限公司 | 一种鱼眼镜头径向畸变的标定方法及标定装置 |
CN104182969A (zh) * | 2014-08-08 | 2014-12-03 | 河南科技大学 | 一种单线阵相机内外参数标定方法 |
CN104182969B (zh) * | 2014-08-08 | 2017-01-25 | 河南科技大学 | 一种单线阵相机内外参数标定方法 |
CN104216202A (zh) * | 2014-08-25 | 2014-12-17 | 太仓中科信息技术研究院 | 一种结合惯性陀螺仪的摄像机视觉实时定位系统及定位方法 |
US10262400B2 (en) | 2014-10-31 | 2019-04-16 | Huawei Technologies Co., Ltd. | Image processing method and device using reprojection error values |
WO2016065632A1 (zh) * | 2014-10-31 | 2016-05-06 | 华为技术有限公司 | 一种图像处理方法和设备 |
US10417750B2 (en) * | 2014-12-09 | 2019-09-17 | SZ DJI Technology Co., Ltd. | Image processing method, device and photographic apparatus |
CN105809657A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种角点检测方法和装置 |
CN110458788B (zh) * | 2015-04-03 | 2023-10-10 | 康耐视公司 | 单应性校正系统、方法及计算机可读存储介质 |
CN110458788A (zh) * | 2015-04-03 | 2019-11-15 | 康耐视公司 | 单应性校正 |
US10389949B2 (en) | 2015-06-08 | 2019-08-20 | SZ DJI Technology Co., Ltd. | Methods and apparatus for image processing |
US10645300B2 (en) | 2015-06-08 | 2020-05-05 | SZ DJI Technology Co., Ltd. | Methods and apparatus for image processing |
WO2016197307A1 (en) * | 2015-06-08 | 2016-12-15 | SZ DJI Technology Co., Ltd. | Methods and apparatus for image processing |
CN105096269A (zh) * | 2015-07-21 | 2015-11-25 | 北京交通大学 | 基于畸变直线结构检测的图像径向畸变矫正的方法及系统 |
CN105096269B (zh) * | 2015-07-21 | 2018-03-02 | 北京交通大学 | 基于畸变直线结构检测的图像径向畸变矫正的方法及系统 |
CN105303574A (zh) * | 2015-07-30 | 2016-02-03 | 四川大学 | 一种基于单应性变换的集成成像摄像机阵列标定方法 |
CN105303574B (zh) * | 2015-07-30 | 2017-10-27 | 四川大学 | 一种基于单应性变换的集成成像摄像机阵列标定方法 |
CN105423952B (zh) * | 2015-12-24 | 2018-01-05 | 吉林大学 | 汽车形貌测量系统机械式畸变系数测量仪 |
CN105423952A (zh) * | 2015-12-24 | 2016-03-23 | 吉林大学 | 汽车形貌测量系统机械式畸变系数测量仪 |
CN106504290B (zh) * | 2016-10-20 | 2019-10-18 | 北京化工大学 | 一种高精度的摄像机动态标定方法 |
CN106504290A (zh) * | 2016-10-20 | 2017-03-15 | 北京化工大学 | 一种高精度的摄像机动态标定方法 |
CN108629810A (zh) * | 2017-03-23 | 2018-10-09 | 展讯通信(上海)有限公司 | 双目相机的标定方法、装置及终端 |
CN108629810B (zh) * | 2017-03-23 | 2020-09-18 | 展讯通信(上海)有限公司 | 双目相机的标定方法、装置及终端 |
CN107317953A (zh) * | 2017-06-30 | 2017-11-03 | 上海兆芯集成电路有限公司 | 摄像头校正方法以及使用该方法的装置 |
CN107317953B (zh) * | 2017-06-30 | 2020-09-01 | 上海兆芯集成电路有限公司 | 图像获取方法及其装置 |
CN107333028B (zh) * | 2017-06-30 | 2020-08-25 | 上海兆芯集成电路有限公司 | 图像获取方法及其装置 |
CN107333028A (zh) * | 2017-06-30 | 2017-11-07 | 上海兆芯集成电路有限公司 | 摄像头校正方法以及使用该方法的装置 |
CN107680035A (zh) * | 2017-09-29 | 2018-02-09 | 广东中星微电子有限公司 | 一种参数标定方法和装置、服务器及可读存储介质 |
CN107680035B (zh) * | 2017-09-29 | 2021-08-17 | 广东中星微电子有限公司 | 一种参数标定方法和装置、服务器及可读存储介质 |
CN107871329B (zh) * | 2017-12-18 | 2021-09-07 | 北京峰云视觉技术有限公司 | 一种相机光学中心的快速标定方法及装置 |
CN107871329A (zh) * | 2017-12-18 | 2018-04-03 | 横琴峰云视觉技术有限公司 | 一种相机光学中心的快速标定方法及装置 |
CN108269289A (zh) * | 2018-01-16 | 2018-07-10 | 上海汇像信息技术有限公司 | 一种相机参数标定的两步优化方法 |
CN108269289B (zh) * | 2018-01-16 | 2021-08-10 | 上海汇像信息技术有限公司 | 一种相机参数标定的两步优化方法 |
CN108537846B (zh) * | 2018-02-08 | 2022-05-27 | 北京航空航天大学青岛研究院 | 相机标定方法及设备 |
CN108537846A (zh) * | 2018-02-08 | 2018-09-14 | 北京航空航天大学青岛研究院 | 相机标定方法及设备 |
CN108492263B (zh) * | 2018-03-07 | 2022-02-18 | 鞍钢集团矿业有限公司 | 一种镜头径向畸变校正方法 |
CN108492263A (zh) * | 2018-03-07 | 2018-09-04 | 鞍钢集团矿业有限公司 | 一种镜头径向畸变校正方法 |
CN108399643A (zh) * | 2018-03-15 | 2018-08-14 | 南京大学 | 一种激光雷达和相机间的外参标定系统和方法 |
CN109472829A (zh) * | 2018-09-04 | 2019-03-15 | 顺丰科技有限公司 | 一种物体定位方法、装置、设备和存储介质 |
CN109472829B (zh) * | 2018-09-04 | 2022-10-21 | 顺丰科技有限公司 | 一种物体定位方法、装置、设备和存储介质 |
CN111369921A (zh) * | 2018-12-25 | 2020-07-03 | 北京耐德佳显示技术有限公司 | 一种显示设备的测量装置和方法 |
CN109859279A (zh) * | 2019-01-29 | 2019-06-07 | 江苏裕兰信息科技有限公司 | 一种基于线特征的车载360环视系统的流水线下线标定方法 |
CN111667536A (zh) * | 2019-03-09 | 2020-09-15 | 华东交通大学 | 一种基于变焦相机深度估计的参数标定方法 |
US11340177B2 (en) | 2019-03-25 | 2022-05-24 | Nuctech Company Limited | Calibration assembly and method for calibrating geometric parameters of CT apparatus |
WO2020192265A1 (zh) * | 2019-03-25 | 2020-10-01 | 同方威视技术股份有限公司 | Ct设备的几何参数标定件及标定方法 |
CN110223332A (zh) * | 2019-06-10 | 2019-09-10 | 长安大学 | 一种桥梁裂缝标定方法 |
CN111047650B (zh) * | 2019-12-02 | 2023-09-01 | 北京深测科技有限公司 | 一种用于飞行时间相机的参数标定方法 |
CN111047650A (zh) * | 2019-12-02 | 2020-04-21 | 北京深测科技有限公司 | 一种用于飞行时间相机的参数标定方法 |
CN111882617A (zh) * | 2020-04-23 | 2020-11-03 | 浙江水晶光电科技股份有限公司 | 单目标定方法及单目标定装置 |
CN111612720A (zh) * | 2020-05-21 | 2020-09-01 | 烟台艾睿光电科技有限公司 | 一种广角红外图像优化方法、系统及相关组件 |
CN111612720B (zh) * | 2020-05-21 | 2023-11-07 | 烟台艾睿光电科技有限公司 | 一种广角红外图像优化方法、系统及相关组件 |
CN111667429A (zh) * | 2020-06-06 | 2020-09-15 | 南京聚特机器人技术有限公司 | 一种巡检机器人目标定位校正方法 |
CN112907462A (zh) * | 2021-01-28 | 2021-06-04 | 黑芝麻智能科技(上海)有限公司 | 超广角摄像器件畸变校正方法、系统及包括其的拍摄装置 |
CN113160333A (zh) * | 2021-04-28 | 2021-07-23 | 天津大学 | 参数优化相机标定方法 |
CN113160333B (zh) * | 2021-04-28 | 2023-03-07 | 天津大学 | 参数优化相机标定方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150093042A1 (en) | 2015-04-02 |
CN102750697B (zh) | 2014-08-20 |
WO2013182080A1 (zh) | 2013-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102750697B (zh) | 一种参数标定方法及装置 | |
Koch et al. | Evaluation of cnn-based single-image depth estimation methods | |
CN103106688B (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN108288292A (zh) | 一种三维重建方法、装置及设备 | |
CA2395257C (en) | Any aspect passive volumetric image processing method | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN106485690A (zh) | 基于点特征的点云数据与光学影像的自动配准融合方法 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN104835158A (zh) | 基于格雷码结构光与极线约束的三维点云获取方法 | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN103106662B (zh) | 空间一条直线线性求解抛物折反射摄像机内参数 | |
CN101577004B (zh) | 一种极线矫正方法、装置和系统 | |
CN104794713A (zh) | 基于arm和双目视觉的温室作物数字化成像方法 | |
CN102930551B (zh) | 利用圆心的投影坐标和极线求解摄像机内参数 | |
CN102930548A (zh) | 利用两个相同的相交椭圆线性求解摄像机内参数 | |
Bastanlar et al. | Multi-view structure-from-motion for hybrid camera scenarios | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
CN114792345B (zh) | 一种基于单目结构光系统的标定方法 | |
CN110033483A (zh) | 基于dcnn深度图生成方法及系统 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
CN102999895B (zh) | 利用两个同心圆线性求解摄像机内参数 | |
Zhang et al. | Photogrammetric modeling of linear features with generalized point photogrammetry | |
CN116579962A (zh) | 一种基于鱼眼相机的全景感知方法、装置、设备及介质 | |
Feng et al. | Semi-automatic 3d reconstruction of piecewise planar building models from single image | |
Tsaregorodtsev et al. | Extrinsic camera calibration with semantic segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140820 Termination date: 20190608 |