CN103617615A - 径向畸变参数获取方法及获取装置 - Google Patents
径向畸变参数获取方法及获取装置 Download PDFInfo
- Publication number
- CN103617615A CN103617615A CN201310616512.6A CN201310616512A CN103617615A CN 103617615 A CN103617615 A CN 103617615A CN 201310616512 A CN201310616512 A CN 201310616512A CN 103617615 A CN103617615 A CN 103617615A
- Authority
- CN
- China
- Prior art keywords
- circular arc
- image
- fault image
- straight line
- plane
- 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 44
- 238000003384 imaging method Methods 0.000 claims abstract description 72
- 230000003287 optical effect Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 239000012141 concentrate Substances 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 238000012113 quantitative test Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Geometry (AREA)
Abstract
本发明实施例公开了径向畸变参数的获取方法及获取装置。所述方法包括,随机选择一个平面作为第一平面;使数字成像设备的光轴垂直于所述第一平面,拍摄得到畸变图像;从所述畸变图像中获取n条圆弧;根据所述圆弧计算出所述数字成像设备的径向畸变参数。所述装置包括,选择单元,拍摄单元,获取单元,计算单元。应用本发明的实施例,只需要拍摄一张畸变图像即可获取数字成像设备的畸变参数,而且畸变图像可以依据自然环境获取。本发明实施例中提供的方法或装置,具有操作简便,适用性广,实用性强等优点。
Description
技术领域
本发明涉及图像处理领域,尤其涉及径向畸变参数获取方法及装置。
背景技术
镜头畸变是指图像中存在的透视失真的总称。使用数字成像设备拍摄得到的所有图像都或多或少存在镜头畸变,因此使用数字成像设备拍摄得到的图像也被称为畸变图像。镜头畸变包括径向畸变、偏心畸变及薄棱镜畸变等类型,其中对图像失真影响最大的是径向畸变。径向畸变会引起图像内的点产生相对于畸变中心的径向移动,离畸变中心距离越远的点移动量越大。由于存在径向畸变,在数字成像设备拍摄得到的畸变图像中,距离畸变中心越远的部分失真越严重。
在图像处理领域,定量分析法的应用越来越广泛。在对畸变图像进行定量分析时,径向畸变引起的图像失真越严重,定量分析结果的准确性就越差。为减小径向畸变对定量分析结果准确性的影响,通常做法是,首先对畸变图像中的径向畸变进行校正,然后对校正后的图像进行定量分析。对径向畸变进行校正,可以减小图像失真,从而提高定量分析结果的准确性。在径向畸变校正过程中,需要使用数字成像设备的径向畸变参数,径向畸变参数包括畸变系数与畸变中心。
现有技术中,获取径向畸变参数的方法有多种,这些方法都是先假设数字成像设备符合小孔成像模型,通过移动标定板或数字成像设备,从多个不同角度拍摄标定板,获取多张畸变图像;以标定板中的角点作为畸变图像的特征点,计算出数字成像设备的内参数,再根据所述内参数通过非线性优化的办法求出径向畸变参数。
发明人对现有技术研究后发现,采用现有方法获取径向畸变参数,过程非常复杂,不但需要使用标定板,而且需要拍摄多张图像,操作不便,实用性差。
发明内容
本发明实施例提供了径向畸变参数获取方法及装置,以解决现有获取径向畸变参数获取操作不便,实用性差的问题。
第一方面,本发明提供了一种径向畸变参数获取方法,该方法包括:随机选择一个平面作为第一平面;使数字成像设备的光轴垂直于所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面,且所述m条直线相互平行,其中m≥2;从所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,其中2≤n≤m;根据所述圆弧计算出所述数字成像设备的径向畸变参数。
结合第一方面,在第一方面第一种可能的实现方式中,所述从所述畸变图像中获取n条圆弧包括:从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;分别使用每一个所述点集拟合出一条圆弧。
结合第一方面,在第一方面第二种可能的实现方式中,所述从所述畸变图像中获取n条圆弧包括:从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;确定所述畸变图像的轮廓边界;从所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧;从所述圆弧集中,分别获取与每一个点集距离最近的圆弧。
结合第一方面第二种可能的实现方式,在第一方面第三种可能的实现方式中,所述确定所述畸变图像的轮廓边界包括:使用坎尼算子Canny operator提取所述畸变图像的边缘点;链接所述边缘点,得到所述畸变图像的轮廓边界。
结合第一方面第二种可能的实现方式或第一方面第三种可能的实现方式,在第一方面第四种可能的实现方式中,所述从所述轮廓边界内的畸变图像中获取圆弧集包括:使用随机采样一致性Ransac算法从所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧。
结合第一方面、第一方面第一种可能的实现方式、第一方面第二种可能的实现方式、第一方面第三种可能的实现方式或第一方面第四种可能的实现方式,在第一方面第五种可能的实现方式中,所述根据所述圆弧计算出所述数字成像设备的径向畸变参数,包括:获取所述n条圆弧的第一交点坐标(x1,y1)与第二交点坐标(x2,y2);根据所述交点坐标计算畸变中心坐标(xd0,yd0)及畸变系数λ,其中xd0=(x1+x2)/2,yd0=(y1+y2)/2,λ=-4/d2,
第二方面,本发明提供了一种径向畸变参数获取装置,该装置包括:选择单元,用于随机选择一个平面作为第一平面;拍摄单元,用于使数字成像设备的光轴垂直于所述选择单元选择的所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面,且所述m条直线相互平行,其中m≥2;获取单元,用于从所述拍摄单元拍摄得到的所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,2≤n≤m;计算单元,用于根据所述获取单元获取到的所述圆弧,计算出所述数字成像设备的径向畸变参数。
结合第二方面,在第二方面第一种可能的实现方式中,所述获取单元包括:第一点集获取子单元,用于从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;圆弧拟合子单元,用于分别使用所述第一点集获取子单元的获取到的每一个所述点集拟合出一条圆弧。
结合第二方面,在第二方面第二种可能的实现方式中,所述获取单元包括:第二点集获取子单元,用于从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;边界确定子单元,用于确定所述畸变图像的轮廓边界;圆弧集生成子单元,用于从所述边界确定子单元确定的所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧;圆弧选择子单元,用于从所述圆弧集生成子单元生成的所述圆弧集中,分别获取与第二点集获取子单元获取到的每一个点集距离最近的圆弧。
结合第二方面第二种可能的实现方式,在第二方面第三种可能的实现方式中,所述边界确定子单元,包括:边缘点提取子单元,用于使用Canny operator提取所述畸变图像的边缘点;边缘点链接子单元,用于链接所述边缘点提取子单元提取到的所述边缘点,得到所述畸变图像的轮廓边界。
结合第二方面第二种可能的实现方式或第二方面第三种可能的实现方式,在第二方面第四种可能的实现方式中,所述圆弧集生成子单元,用于使用随机采样一致性Ransac算法从所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧。
结合第二方面、第二方面第一种可能的实现方式、第二方面第二种可能的实现方式、第二方面第三种可能的实现方式或第二方面第四种可能的实现方式,在第二方面第五种可能的实现方式中,所述计算单元包括:交点获取子单元,获取所述n条圆弧的第一交点坐标(x1,y1)与第二交点坐标(x2,y2);参数计算子单元,用于根据所述交点获取子单元获取到的交点坐标计算畸变中心坐标(xd0,yd0)及畸变系数λ,其中xd0=(x1+x2)/2,yd0=(y1+y2)/2,λ=-4/d2,
本发明实施例中,随机选择一个平面作为第一平面;使数字成像设备的光轴垂直于所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面,且所述m条直线相互平行,其中m≥2;从所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,其中2≤n≤m;根据所述圆弧计算出所述数字成像设备的径向畸变参数;根据所述径向畸变参数对所述数字成像设备拍摄的图像进行径向畸变参数获取。应用本发明的实施例,只需要拍摄一张畸变图像即可获取数字成像设备的畸变参数,而且畸变图像可以依据自然环境获取,无需使用标定板,操作相对简便,实用性强。
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。通过附图所示,本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本发明的主旨。
图1为本发明径向畸变参数获取方法一个实施例的流程图;
图2A为本发明径向畸变参数获取方法另一个实施例的流程图;
图2B为本发明径向畸变参数获取方法另一个实施例中数字成像设备与第一平面的空间关系示意图;
图2C为本发明径向畸变参数获取方法另一个实施例中畸变中心与圆弧交点关系示意图;
图3为本发明径向畸变参数获取装置一个实施例的框图;
图4为本发明径向畸变参数获取装置的获取单元一个实施例的框图;
图5为本发明径向畸变参数获取装置的获取单元另一个实施例的框图;
图6为本发明径向畸变参数获取装置的计算单元一个实施例的框图。
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、完整的描述,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。
参见图1,为本发明径向畸变参数获取方法一个实施例的流程图。该实施例包括如下步骤:
步骤101,随机选择一个平面作为第一平面。
采用本发明提供的方法获取数字成像设备的径向畸变参数,可以随机选择一个平面作为第一平面。该第一平面中可以包含m条直线,并且这m条直线相互平行,其中m≥2。为便于使用计算机等设备处理,这里所说的直线可以是能够被数字成像设备拍摄到的直线型图案,包括可见物体上的棱线、颜色分界线、线条型图案等。例如:在纸上用笔画出的直线线条、标定板中不同方格之间的分界线、地板拼接缝等。所述m条直线可以是第一平面中的全部直线,也可以是第一平面中的部分直线,这里并不限定。
由于在自然界中存在无数多个符合前述条件的平面。在选择第一平面时,随机从符合前述条件的平面中选择一个即可。随机选择一个包含m条相互平行直线的平面作为第一平面,可以使获取径向畸变参数的过程不再依赖标定板,从而可以更加方便地获取径向畸变参数。
步骤102,使数字成像设备的光轴垂直于所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面中,所述m条直线相互平行,其中m≥2。
在第一平面确定之后,首先调整数字成像设备的位置及姿态,使该数字成像设备光轴垂直于该第一平面,其中,所述数字成像设备为待获取径向畸变参数的数字成像设备。当经过调整,该数字成像设备光轴垂直于该第一平面时,使用该数字成像设备拍摄该第一平面,获得畸变图像。
步骤103,从所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,2≤n≤m。
在理想透视投影模型下,在数字成像设备光轴垂直于平面π进行拍摄所得到的理想图像中,平面π内的直线l的图像也呈现为直线形,因此直线l的图像可以用直线l′来表示。但是,由于数字成像设备的镜头存在径向畸变,在实际情况中,在数字成像设备光轴垂直于平面π进行拍摄所得到的畸变图像中,平面π内的直线l的图像呈现为圆弧形,因此直线l的图像可以用圆弧Arc来表示。采用圆弧Arc表示直线l在径向畸变作用下形成的图像,圆弧Arc的曲线方程中就包含了数字成像设备的径向畸变参数信息。根据m条平行直线的图像所对应的圆弧可以确定数字成像设备的径向畸变参数,因此,在获取数字成像设备的径向畸变参数时,需要首先从所述畸变图像中提取出圆弧。
从畸变图像中获取直线l对应的圆弧Arc,可以采用直接拟合方式,根据直线l的图像上的点直接拟合出圆弧Arc。若采用直接拟合方式,则可以获取直线l的图像上3个以上的点组成的点集Sl,根据点集Sl内的点进行圆弧拟合,获取圆弧Arc;
从畸变图像中获取直线l对应的圆弧Arc,也可以采用匹配方式。具体来说,首先拟合出畸变图像中所有直线的图像对应的圆弧,这些圆弧组成可以组成一个圆弧集。由于圆弧集中可能包括多条直线的图像所对应的圆弧,因此需要从圆弧集中挑选出直线l的图像所对应的圆弧Arc。从圆弧集中挑选出直线l的图像所对应的圆弧Arc时,可以获取直线l的图像上三个以上的点组成的点集Sl;从圆弧集中寻找出距离点集Sl中的点最近的圆弧,距离点集Sl中的点最近的圆弧即为圆弧Arc。在此需要说明的是,在实际使用中可以先获取圆弧集,也可以先获取点集,对此本发明不做限定。
由于畸变图像为使用数字成像设备拍摄得到的像素图像,在获取圆弧集前,可以首先确定所述畸变图像的轮廓边界。畸变图像的轮廓边界可以采用坎尼算子(Canny operator)确定,坎尼算子又称为Canny算子。Canny算子可以直接获取单像素的边缘点,能够迅速的获取畸变图像的边缘点。使用Canny算子确定畸变图像的轮廓边界,可以首先使用Canny算子提取所述畸变图像的边缘点;然后链接所述边缘点,得到所述畸变图像的轮廓边界。
获取圆弧集时,可以采用随机采样一致性(Ransac,Random Sample Consensus)算法获取组成圆弧集的每条圆弧。Ransac算法具有很好的鲁棒性,可以减少误差影响,使拟合出的圆弧更加准确。
如果需要获取n条圆弧,则每一条圆弧都可以采用上述拟合方式进行获取。例如,当需要获取2条圆弧时,可以采用上述直接拟合方式或匹配方式,获取2条圆弧;当需要获取3条圆弧时,可以采用上述直接拟合方式或匹配方式,获取3条圆弧。
步骤104,根据所述圆弧计算出所述数字成像设备的径向畸变参数。
数字成像设备的径向畸变可以采用单参数除法模型来表示。单参数除法模型公式可以表示为其中,xd=(xd,yd)为数字成像设备拍摄的畸变图像点,xu=(xu,yu)为校正后的非畸变图像点,rd为xd与畸变中心点(xd0,yd0)的欧氏距离, λ为畸变系数。
在理想透视投影模型下,平面π内的直线l在理想图像中呈现的图像可以用直线l′表示。因此直线l′在图像坐标系中可以表示为axu+byu+c=0,其中a,b,c为该直线方程的系数。
在实际情况当中,由于存在径向畸变,平面π内的直线l在数字成像设备拍摄的畸变图像上呈现的图像需要用圆弧Arc来表示。圆弧Arc在畸变图像坐标系中的曲线方程可以表示为其中a,b,c为该圆弧方程的系数,λ为畸变参数。该曲线方程可以采用将单参数除法模型公式代入前述直线方程的方式取得。
根据数字成像设备径向畸变的特性可知,如果第一平面内有m条直线,则在拍摄第一平面得到的畸变图像中,就可以有该m条直线的图像,且每条直线的图像都可以用一个圆弧表示。如果所述m条直线相互平行,那么所述m条直线所对应的圆弧会相交于两个交点。所以可以联立m条圆弧的曲线方程,求出第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2)。
由于所有的圆弧都相交于两个相同的交点,因此,也可以只选取所述m条圆弧其中n条,在2≤n≤m时,联立n条圆弧的曲线方程,同样可求出第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2)。
在实际操作中,由于获取圆弧时存在的误差及计算过程中存在的误差,在n>2时,n条圆弧之间可能产生多个交点,即联立n条圆弧的曲线方程所得的方程组为不相容方程组。在此情况下,可以分别联立每两条圆弧的曲线方程,获取多个交点,然后再根据所述交点获取第一交点及第二交点。根据多个交点获取第一交点及第二交点时,可以根据多个交点的分布状况,从中选出两个交点作为第一交点p1与第二交点p2;或者,也可以根据多个交点的分布状况生成两个新的点作为第一交点p1与第二交点p2;或者,也可以从多个交点中选出任意两条圆弧的两个交点作为第一交点p1与第二交点p2。
根据单参数除法模型可知,畸变中心p0为第一交点p1与第二交点p2连线的中点。在获取到第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2)后,可以很容易求出畸变中心p0的坐标(xd0,yd0),其中xd0=(x1+x2)/2,yd0=(y1+y2)/2。
根据单参数除法模型同样可知,畸变系数λ=-4/d2,其中d为第一交点p1与第二交点p2之间的距离。在获取到第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2)后,可以计算出第一交点p1与第二交点p2之间的距离因此可以求出畸变系数λ=-4/d2,即
在通过第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2),求出畸变中心p0与畸变系数λ之后,可以根据畸变中心p0与畸变系数λ,对所述数字成像设备拍摄的所有图像进行径向畸变校正等处理。具体过程在此就不再赘述。
从上述实施例可以看出,选择一个平面,使数字成像设备光轴垂直于该平面,并拍摄一张畸变图像,根据从畸变图像中获取到的圆弧,获取该数字成像设备的径向畸变参数。应用本发明的实施例,只需要拍摄一张畸变图像即可获取数字成像设备的畸变参数,而且畸变图像可以依据自然环境获取。实施例中提供的径向畸变参数获取方法,具有获取操作简便,适用性广,实用性强等优点。
下面结合一个具体的例子,对本发明径向畸变参数获取方法进一步进行说明。
参见图2A,为本发明径向畸变参数获取方法另一个实施例的流程图。
步骤201,随机选择一个包含m条直线平面作为第一平面,所述m条直线相互平行且m≥2。
在三维空间中,两条相互平行的直线可以确定一个平面。因此,在现实空间中,很容易就可以找到多个人眼可见的平面,并且这些平面包含两条或两条以上相互平行的直线。
当有多个平面符合第一平面的条件要求时,随机选择其中一个平面作为第一平面即可。例如,在一个房间中,根据地板、天花板、门、窗户等都可能分别确定一个平面,而这些平面可能都符合作为第一平面的要求,这时,只要随机从其中选取一个平面作为第一平面即可。
步骤202,使数字成像设备的光轴垂直于所述第一平面,拍摄所述第一平面得到畸变图像。
如图2B所示,在第一平面确定之后,首先调整数字成像设备的位置及姿态,使该数字成像设备光轴垂直于该第一平面。例如,使数字成像设备的光轴垂直于选定的天花板或地板平面。
该数字成像设备光轴垂直于该第一平面后,使用该数字成像设备进行拍摄,得到一张畸变图像。由于该第一平面包含m条直线,在使用数字成像设备进行拍摄时,畸变图像中只需要包含有其中两条以上直线的图像即可。例如,第一平面包含第一直线、第二直线与第三直线共三条相互平行直线,而畸变图像中只包含第一直线与第二直线这两条直线的图像。
步骤203,使用Canny算子提取所述畸变图像的边缘点。
畸变图像为使用数字成像设备拍摄得到的像素图像,因此在获取圆弧集前,可以首先确定所述畸变图像的轮廓边界。畸变图像的边缘点可以采用Canny算子确定。Canny算子可以直接获取单像素的边缘点,能够迅速的获取畸变图像的边缘点。
步骤204,链接所述边缘点,得到所述畸变图像的轮廓边界。
在使用Canny算子获取到畸变图像的像素边缘点后,对相邻的边缘点进行链接,得到该像素图像的边界。
步骤205,获取所述轮廓边界内所有直线的图像所对应的圆弧组成的圆弧集。
为了提高从畸变图像中获取所需圆弧的速度和准确度,可以首先拟合出畸变图像中所有直线的图像所对应的圆弧。从所述畸变图像中拟合出的所有圆弧可以组成一个圆弧集。由于在第一平面中,除所述m条直线外,还可以包括其他的直线,因此该圆弧集除所述包括m条的直线的图像对应的圆弧外,还可能有其他直线的图像对应的圆弧。例如,若畸变图像中除包含第一直线与第二直线这两条直线的图像外,还包括第四直线的图像,其中第四直线也位于所述第一平面,但第四直线不与第一直线平行。此时,第四直线不属于所述m条圆弧其中之一,但第四直线的图像所对应的圆弧也在所述圆弧集内。
获取圆弧集时,可以采用Ransac算法获取组成圆弧集的每条圆弧。Ransac算法具有很好的鲁棒性,可以使拟合出的圆弧更加准确。
步骤206,从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条。
由于所述圆弧集除包括所述m条直线的图像所对应的圆弧外,还可能有其他直线的图像对应的圆弧,所以需要从所述圆弧集中获取所述m条直线的图像所对应的圆弧。
由于只需要两条相互平行直线的图像所对应的圆弧就可以确定第一交点及第二交点,在实际使用中,可以不用获取全部m条直线的图像所对应的圆弧,只需要选择所述m条直线中的n条直线作为备选直线,获取所述n条备选直线的图像所对应的圆弧即可,其中2≤n≤m。
可以根据给定的点从所述圆弧集选取所需的n条圆弧。如果给定的点都在某条圆弧上,那么该圆弧即为所要获取的圆弧。因此在获取n条圆弧之前需要首先获取n个点集,每个点集由三个以上的点组成,同一个点集内的点为同一条备选直线的图像上的点。其中,每一个点集中的点可以由技术人员根据畸变图像手动选取,或者也可以由计算机等设备根据畸变图像的像素色彩、亮度等信息自动选取。
在此需要说明的是,本发明不对步骤203至205与步骤206的执行顺序进行限定,可以先执行步骤203至205,也可以先执行步骤206。
步骤207,从所述圆弧集中,分别获取与每一个点集距离最近的圆弧。
理论上,每一个点集内所有的点都应该在同一圆弧上,并且该圆弧为圆弧集中的一条圆弧。但在实际情况中,由于圆弧集中的圆弧是通过拟合得到的圆弧,拟合得到的圆弧和直线的图像理论上所对应的圆弧之间可能存在一定的误差;每一个点集内的点都是根据畸变图像选取的,可能也存在一定的误差。为消除误差影响,在获取到第一点集后,可以根据第一点集内多个点的坐标,从圆弧集中选择一条距离第一点集中的点最近的圆弧作为第一圆弧。当需要获取n条圆弧时,所有圆弧的获取可以采用同样的方式,在此就不再赘述。
步骤208,获取所述n条圆弧的第一交点坐标(x1,y1)与第二交点坐标(x2,y2)。
由于n条圆弧都可以用曲线方程表示。联立n条圆弧的曲线方程可以求得两组解,这两组解即为n条圆弧的第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2)。若因为误差存在,导致联立n圆弧的曲线方程得到的是不相容方程组,那么可以任意选择所述n条圆弧中任意两条圆弧,联立所述两条圆弧的曲线方程并求得两组解,将这两组解作为第一交点p1的坐标(x1,y1)及第二交点p2的坐标(x2,y2)。
在此需要说明的是,这里所说的曲线方程及两个交点坐标,是指在畸变图像坐标系下的方程及坐标。
根据单参数除法模型可知,第一交点与第二交点连线的中点即为所要获取的畸变中心。如图2C所示,畸变中心的坐标(xd0,yd0)为可以根据第一交点坐标(x1,y1)与第二交点坐标(x2,y2)求得,即xd0=(x1+x2)/2,yd0=(y1+y2)/2。同样的,根据单参数除法模型可知,畸变系数λ=-4/d2,其中d为第一交点与第二交点之间的距离,即
径向畸变参数获取从上述实施例可以看出,使用数字成像设备拍摄一张畸变图像,就可以获取该数字成像设备的径向畸变参数,操作简便。畸变图像的获取不依赖于标定板,因此可以在自然环境中寻找参照物,适用性广。因此,采用实施例中提供的获取方法获取数字成像设备的畸变参数,具有获取操作简便,适用性广,实用性强等优点。
与本发明径向畸变参数的获取方法相对应,本发明还提供了径向畸变参数的获取装置。
参见图3,为本发明径向畸变参数获取装置的一个实施例框图。
该装置包括:选择单元301,拍摄单元302,获取单元303,计算单元304。
其中,所述选择单元301,用于随机选择一个平面作为第一平面。
在采用本发明提供的装置获取数字成像设备的径向畸变参数,选择单元301可以随机选择一个平面作为第一平面。该第一平面中可以包含m条直线,并且这m条直线相互平行,其中m≥2。
所述拍摄单元302,用于使数字成像设备的光轴垂直于所述选择单元301选择的所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面,且所述m条直线相互平行,其中m≥2。
在第一平面确定之后,拍摄单元302首先调整数字成像设备的位置及姿态,使该数字成像设备光轴垂直于该第一平面;当经过调整,该数字成像设备光轴垂直于该第一平面时,使用该数字成像设备拍摄该第一平面,获得畸变图像,该畸变图像须包括m条相互平行直线的图像。
所述获取单元303,用于从所述拍摄单元302拍摄得到的所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,2≤n≤m。
从畸变图像中获取直线l的图像对应的圆弧Arc,可以采用直接拟合方式,也可以采用匹配方式。根据不同的获取方式,获取单元303所包含的子单元也有不同。
可选的,所述获取单元303可以包括第一点集获取子单元401,圆弧拟合子单元402。图4为本发明径向径向畸变参数获取装置的获取单元一个实施例的框图。其中,所述第一点集获取子单元401,用于从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条。所述圆弧拟合子单元402,用于分别使用所述第一点集获取子单元获取到的每一个所述点集拟合出一条圆弧。
可选的,所述获取单元303可以包括第二点集获取子单元501,边界确定子单元502,圆弧集生成子单元503,圆弧选择子单元504。图5为本发明径向径向畸变参数获取装置的获取单元另一个实施例的框图。其中,所述第二点集获取子单元501,用于从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条。所述边界确定子单元502,用于确定所述畸变图像的轮廓边界。所述边界确定子单元502可以包括边缘点提取子单元,边缘点链接子单元。边缘点提取子单元,用于使用Canny算子提取所述畸变图像的边缘点;边缘点链接子单元,用于链接所述边缘点提取子单元提取到的所述边缘点,得到所述畸变图像的轮廓边界。所述圆弧集生成子单元503,用于从所述边界确定子单元502确定的所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧。在进行圆弧拟合时,可以采用Ransac算法。Ransac算法具有很好的鲁棒性,使拟合出的圆弧更加准确。所述圆弧选择子单元504,用于从所述圆弧集生成子单元503生成的所述圆弧集中,分别获取与第二点集获取子单元501获取到的每一个点集距离最近的圆弧。
所述计算单元304,用于根据所述获取单元获取到的所述圆弧,计算出所述数字成像设备的径向畸变参数。
计算单元可以首先获取n条圆弧的交点,然后根据n条圆弧的交点计算出畸变中心及畸变系数。图6为本发明径向径向畸变参数获取装置的计算单元一个实施例的框图。其中,计算单元304,可以包括交点获取子单元601,参数计算子单元602。所述交点获取子单元601,用于根据所述n条圆弧的曲线方程,获取所述n条圆弧的第一交点坐标(x1,y1)与第二交点坐标(x2,y2)。所述参数计算子单元602,用于根据所述交点获取子单元获取到的交点坐标计算畸变中心坐标(xd0,yd0)及畸变系数λ,其中xd0=(x1+x2)/2,yd0=(y1+y2)/2,λ=-4/d2,
从上述实施例可以看出,使用数字成像设备拍摄一张畸变图像,就可以获取该数字成像设备的径向畸变参数,操作简便。畸变图像的获取不依赖于标定板,因此可以在自然环境中寻找参照物,适用性广。因此,采用实施例中提供的获取装置获取数字成像设备的畸变参数,具有获取操作简便,适用性广,实用性强等优点。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种径向畸变参数获取方法,其特征在于,包括:
随机选择一个平面作为第一平面;
使数字成像设备的光轴垂直于所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面,且所述m条直线相互平行,其中m≥2;
从所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,其中2≤n≤m;
根据所述圆弧计算出所述数字成像设备的径向畸变参数。
2.如权利要求1所述的方法,其特征在于,所述从所述畸变图像中获取n条圆弧包括:
从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;
分别使用每一个所述点集拟合出一条圆弧。
3.如权利要求1所述的方法,其特征在于,所述从所述畸变图像中获取n条圆弧包括:
从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;
确定所述畸变图像的轮廓边界;
从所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧;
从所述圆弧集中,分别获取与每一个点集距离最近的圆弧。
4.如权利要求3所述的方法,其特征在于,所述确定所述畸变图像的轮廓边界包括:
使用坎尼算子Canny operator提取所述畸变图像的边缘点;
链接所述边缘点,得到所述畸变图像的轮廓边界。
5.如权利要求3或4所述的方法,其特征在于,所述从所述轮廓边界内的畸变图像中获取圆弧集包括:
使用随机采样一致性Ransac算法从所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧。
6.如权利要求1至5任意一项权利要求所述的方法,其特征在于,所述根据所述圆弧计算出所述数字成像设备的径向畸变参数,包括:
获取所述n条圆弧的第一交点坐标(x1,y1)与第二交点坐标(x2,y2);
根据所述交点坐标计算畸变中心坐标(xd0,yd0)及畸变系数λ,其中xd0=(x1+x2)/2,yd0=(y1+y2)/2,λ=-4/d2,
7.一种径向畸变参数获取装置,其特征在于,包括:
选择单元,用于随机选择一个平面作为第一平面;
拍摄单元,用于使数字成像设备的光轴垂直于所述选择单元选择的所述第一平面拍摄所述第一平面,得到所述第一平面的畸变图像,所述畸变图像中包含m条直线的图像,所述m条直线位于所述第一平面,且所述m条直线相互平行,其中m≥2;
获取单元,用于从所述拍摄单元拍摄得到的所述畸变图像中获取n条圆弧,其中每一条圆弧表示所述m条直线中一条直线的图像,2≤n≤m;
计算单元,用于根据所述获取单元获取到的所述圆弧,计算出所述数字成像设备的径向畸变参数。
8.如权利要求7所述的装置,其特征在于,所述获取单元包括:
第一点集获取子单元,用于从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;
圆弧拟合子单元,用于分别使用所述第一点集获取子单元的获取到的每一个所述点集拟合出一条圆弧。
9.如权利要求7所述的装置,其特征在于,所述获取单元包括:
第二点集获取子单元,用于从所述畸变图像中获取n个点集,其中每一个点集由一条备选直线的图像上3个以上点组成,所述备选直线为所述m条直线其中一条;
边界确定子单元,用于确定所述畸变图像的轮廓边界;
圆弧集生成子单元,用于从所述边界确定子单元确定的所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧;
圆弧选择子单元,用于从所述圆弧集生成子单元生成的所述圆弧集中,分别获取与第二点集获取子单元获取到的每一个点集距离最近的圆弧。
10.如权利要求9所述的装置,其特征在于,所述边界确定子单元,包括:
边缘点提取子单元,用于使用Canny operator提取所述畸变图像的边缘点;
边缘点链接子单元,用于链接所述边缘点提取子单元提取到的所述边缘点,得到所述畸变图像的轮廓边界。
11.如权利要求9或10所述的装置,其特征在于,
所述圆弧集生成子单元,用于使用随机采样一致性Ransac算法从所述轮廓边界内的畸变图像中获取圆弧集,所述圆弧集包括所述轮廓边界内的畸变图像中所有直线的图像所对应的圆弧。
12.如权利要求7至11任意一项权利要求所述的装置,其特征在于,所述计算单元包括:
交点获取子单元,获取所述n条圆弧的第一交点坐标(x1,y1)与第二交点坐标(x2,y2);
参数计算子单元,用于根据所述交点获取子单元获取到的交点坐标计算畸变中心坐标(xd0,yd0)及畸变系数λ,其中xd0=(x1+x2)/2,yd0=(y1+y2)/2,λ=-4/d2,
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310616512.6A CN103617615B (zh) | 2013-11-27 | 2013-11-27 | 径向畸变参数获取方法及获取装置 |
US14/553,774 US9691137B2 (en) | 2013-11-27 | 2014-11-25 | Radial distortion parameter acquiring method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310616512.6A CN103617615B (zh) | 2013-11-27 | 2013-11-27 | 径向畸变参数获取方法及获取装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617615A true CN103617615A (zh) | 2014-03-05 |
CN103617615B CN103617615B (zh) | 2016-08-17 |
Family
ID=50168319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310616512.6A Expired - Fee Related CN103617615B (zh) | 2013-11-27 | 2013-11-27 | 径向畸变参数获取方法及获取装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9691137B2 (zh) |
CN (1) | CN103617615B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
CN106327441A (zh) * | 2016-08-19 | 2017-01-11 | 北京交通大学 | 图像径向畸变的自动矫正方法及系统 |
CN108052869A (zh) * | 2017-11-23 | 2018-05-18 | 深圳市易成自动驾驶技术有限公司 | 车道线识别方法、装置及计算机可读存储介质 |
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 |
CN108921797A (zh) * | 2018-06-14 | 2018-11-30 | 合肥市商巨智能装备有限公司 | 畸变图像的校准方法 |
CN109215084A (zh) * | 2018-08-06 | 2019-01-15 | 杭州雄迈集成电路技术有限公司 | 一种用于畸变矫正中心点定位的方法 |
CN109978959A (zh) * | 2019-03-29 | 2019-07-05 | 北京经纬恒润科技有限公司 | 一种摄像头径向畸变修正参数标定方法、装置及系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016090559A1 (zh) * | 2014-12-09 | 2016-06-16 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置及摄像设备 |
KR101666959B1 (ko) * | 2015-03-25 | 2016-10-18 | ㈜베이다스 | 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법 |
GB2555643A (en) * | 2016-11-08 | 2018-05-09 | Nokia Technologies Oy | Determining an intersection location of an optical axis of a lens with a camera sensor |
CN110809781B (zh) * | 2018-11-15 | 2024-02-27 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、控制终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216895A (zh) * | 2007-12-26 | 2008-07-09 | 北京航空航天大学 | 一种复杂背景图像中椭圆图像特征的自动提取方法 |
CN101414380A (zh) * | 2008-11-07 | 2009-04-22 | 浙江大学 | 全景相机的单图标定方法 |
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 (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7349580B2 (en) * | 2003-06-03 | 2008-03-25 | Topcon Corporation | Apparatus and method for calibrating zoom lens |
JP2006127083A (ja) * | 2004-10-28 | 2006-05-18 | Aisin Seiki Co Ltd | 画像処理方法及び画像処理装置 |
US7330604B2 (en) * | 2006-03-02 | 2008-02-12 | Compulink Management Center, Inc. | Model-based dewarping method and apparatus |
CN1996389A (zh) | 2007-01-09 | 2007-07-11 | 北京航空航天大学 | 基于共线特征点的摄像机畸变快速校正方法 |
WO2009000906A1 (en) * | 2007-06-26 | 2008-12-31 | Dublin City University | A method for high precision lens distortion calibration and removal |
KR101014572B1 (ko) * | 2007-08-27 | 2011-02-16 | 주식회사 코아로직 | 영상 왜곡 보정 방법 및 그 보정 방법을 채용한 영상처리장치 |
US8340453B1 (en) * | 2008-08-29 | 2012-12-25 | Adobe Systems Incorporated | Metadata-driven method and apparatus for constraining solution space in image processing techniques |
CN101794449A (zh) | 2010-04-13 | 2010-08-04 | 公安部物证鉴定中心 | 一种标定摄像机参数的方法及装置 |
KR101144375B1 (ko) * | 2010-12-30 | 2012-05-10 | 포항공과대학교 산학협력단 | 영상의 왜곡을 보정하는 방법 및 이러한 방법을 사용하는 장치 |
KR101172629B1 (ko) * | 2011-01-04 | 2012-08-08 | 포항공과대학교 산학협력단 | 영상 처리 방법 및 이를 위한 장치 |
CN102208108B (zh) | 2011-04-01 | 2013-01-09 | 哈尔滨工业大学 | 摄像机大视场高精度快速现场全局标定方法 |
WO2013184092A1 (en) * | 2012-06-04 | 2013-12-12 | Hewlett-Packard Development Company, L.P. | Adjusting digital images for parallax |
US9019405B2 (en) * | 2013-05-21 | 2015-04-28 | Stmicroelectronics, Inc. | Method and apparatus for wavelength specific correction of distortion in digital images |
-
2013
- 2013-11-27 CN CN201310616512.6A patent/CN103617615B/zh not_active Expired - Fee Related
-
2014
- 2014-11-25 US US14/553,774 patent/US9691137B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216895A (zh) * | 2007-12-26 | 2008-07-09 | 北京航空航天大学 | 一种复杂背景图像中椭圆图像特征的自动提取方法 |
CN101414380A (zh) * | 2008-11-07 | 2009-04-22 | 浙江大学 | 全景相机的单图标定方法 |
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 |
Non-Patent Citations (3)
Title |
---|
FAISAL BUKHARI·MATTHEW N.DALIEY: "Automatic Radial Distortion Estimation from a Single Image", 《JOURNAL OF MATHEMATICAL IMAGING AND VISION》 * |
WANG A,QIU T,SHAO L: "A simple method of radial distortion correction with centre of distortion estimation", 《JOURNAL OF MATHEMATICAL IMAGING AND VISION》 * |
朱云芳: "摄像机径向畸变校正和内参估计的单图标定方法", 《光电工程》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
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 |
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 |
CN106327441A (zh) * | 2016-08-19 | 2017-01-11 | 北京交通大学 | 图像径向畸变的自动矫正方法及系统 |
CN106327441B (zh) * | 2016-08-19 | 2018-11-06 | 北京交通大学 | 图像径向畸变的自动矫正方法及系统 |
CN108052869B (zh) * | 2017-11-23 | 2020-09-29 | 深圳市易成自动驾驶技术有限公司 | 车道线识别方法、装置及计算机可读存储介质 |
CN108052869A (zh) * | 2017-11-23 | 2018-05-18 | 深圳市易成自动驾驶技术有限公司 | 车道线识别方法、装置及计算机可读存储介质 |
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 |
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 |
CN108921797A (zh) * | 2018-06-14 | 2018-11-30 | 合肥市商巨智能装备有限公司 | 畸变图像的校准方法 |
CN108921797B (zh) * | 2018-06-14 | 2021-07-13 | 合肥市商巨智能装备有限公司 | 畸变图像的校准方法 |
CN109215084A (zh) * | 2018-08-06 | 2019-01-15 | 杭州雄迈集成电路技术有限公司 | 一种用于畸变矫正中心点定位的方法 |
CN109978959A (zh) * | 2019-03-29 | 2019-07-05 | 北京经纬恒润科技有限公司 | 一种摄像头径向畸变修正参数标定方法、装置及系统 |
CN109978959B (zh) * | 2019-03-29 | 2021-06-29 | 北京经纬恒润科技股份有限公司 | 一种摄像头径向畸变修正参数标定方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20150146048A1 (en) | 2015-05-28 |
CN103617615B (zh) | 2016-08-17 |
US9691137B2 (en) | 2017-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617615A (zh) | 径向畸变参数获取方法及获取装置 | |
CN104155765B (zh) | 在拼接式集成成像显示器中校正三维图像的方法和设备 | |
CN109035327B (zh) | 基于深度学习的全景相机姿态估计方法 | |
CN102750697A (zh) | 一种参数标定方法及装置 | |
CN110111248A (zh) | 一种基于特征点的图像拼接方法、虚拟现实系统、照相机 | |
CN105046213A (zh) | 一种增强现实的方法 | |
CN101697233A (zh) | 一种基于结构光的三维物体表面重建方法 | |
CN108629810B (zh) | 双目相机的标定方法、装置及终端 | |
US8629868B1 (en) | Systems and methods for simulating depth of field on a computer generated display | |
CN104463969B (zh) | 一种对航空倾斜拍摄的地理照片的模型的建立方法 | |
CN108133454B (zh) | 空间几何模型图像切换方法、装置、系统及交互设备 | |
CN110926334A (zh) | 测量方法、装置、电子设备及存储介质 | |
CN110120087B (zh) | 三维虚拟沙盘的标签标注方法、装置及终端设备 | |
CN106162162A (zh) | 一种基于稀疏表示的重定位图像质量客观评价方法 | |
CN109345581A (zh) | 基于多目相机的增强现实方法、装置及系统 | |
CN108846861B (zh) | 图像单应矩阵计算方法、装置、移动终端及存储介质 | |
CN114792345B (zh) | 一种基于单目结构光系统的标定方法 | |
CN113724391A (zh) | 三维模型构建方法、装置、电子设备和计算机可读介质 | |
CN110322539B (zh) | 三维物体的三维模型切割过程显示方法、装置与电子设备 | |
CN107958489B (zh) | 一种曲面重建方法及装置 | |
CN106657848A (zh) | 一种投影方法及电子设备 | |
CN113516697B (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
CN105046691A (zh) | 一种基于正交消失点的相机自标定方法 | |
CN107067441A (zh) | 摄像机标定方法及装置 | |
CN115239801A (zh) | 一种对象定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20160817 Termination date: 20181127 |