CN105303556B - 基于直线特征的摄像机非线性畸变参数求解方法 - Google Patents
基于直线特征的摄像机非线性畸变参数求解方法 Download PDFInfo
- Publication number
- CN105303556B CN105303556B CN201510600422.7A CN201510600422A CN105303556B CN 105303556 B CN105303556 B CN 105303556B CN 201510600422 A CN201510600422 A CN 201510600422A CN 105303556 B CN105303556 B CN 105303556B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- msup
- straight line
- video camera
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于直线特征的摄像机非线性畸变参数求解方法，包括步骤一、用摄像机拍摄含有直线特征的多视角照片集；步骤二、利用边缘检测算子提取多视角照片集中的直线特征，得到求解非线性畸变参数的直线集合；步骤三、建立非线性畸变校正模型；步骤四、计算直线集合中每条直线的最大直线度误差；步骤五、利用每条直线上取得最大直线度误差所对应的三点，建立含有畸变参数的非线性方程组；步骤六、通过非线性最小二乘广义逆法求解畸变参数。本发明可避免耗时的畸变参数与摄像机的外参数耦合优化过程，提升了摄像机非线性畸变自校正的效率与准确性，另一方面，无需昂贵的高精度标定模板或运动平台，降低了成本。
Description
技术领域
本发明涉及光学成像检测领域，尤其涉及一种基于直线特征的摄像机非线性畸变参数求解方法。
背景技术
摄像机成像过程中的畸变来源包括CCD的制造误差、镜头中的镜片曲面误差、镜头中各镜片间的轴向间距等，这些因素，破坏摄影中心、待检测点及其像点之间的共线关系，产生的非线性变形，会使图像的质量下降，给图像分析、处理、拼接、测量等带来误差，甚至造成误判，因此需要对摄像机光学成像系统的图像几何畸变进行校正，旨在减小摄像机的光学成像畸变、提高成像测量的精度。
目前的摄像机畸变校正技术分为以下三种：
1)基于共线方程的畸变校正法，求解图像畸变参数与摄像机的外参数时，需要高精密标定物，来建立摄影中心、检测点及其像点的约束关系，但是当标定板幅面较大时，其制造与存储维护费用剧增，且需要对畸变前后的图像标记点进行精确的匹配，匹配精度也会直接影响到畸变校正的精度。
2)基于共面方程的畸变校正法，其无需要标定物，仅靠多幅图像同名点的共面关系进行标定，故灵活性强，应用广泛，但算法中都需要解非线性方程组或相应的非线性规划问题，对初值和噪声都很敏感，未知参数较多，鲁棒性不足。在消隐点的标定方法中，都是将其初值作为过渡值，来求解圆环点的投影坐标，进一步求解基本矩阵，再求解Kruppa方程，其对初值和噪声较为敏感。
3)基于主动视觉的标定方法，是在“已知摄像机的某些运动信息”的条件下标定摄像机的方法。通过可以精确控制其运动的主动视觉平台，来对摄像机进行标定。该算法可以获得线性解，但必须有精确控制的摄像机运动平台。
发明内容
为了克服现有技术的上述缺点，本发明提供了一种基于直线特征的摄像机非线性畸变参数求解方法，利用直线射影几何不变性进行摄像机的畸变校正，避免了畸变参数与摄像机外参数的耦合优化过程，为摄像机非线性畸变自校正提供了一种新的途径。
本发明解决其技术问题所采用的技术方案是：一种基于直线特征的摄像机非线性畸变参数求解方法，包括如下步骤：
步骤一、用摄像机拍摄含有直线特征的多视角照片集；
步骤二、利用边缘检测算子提取多视角照片集中的直线特征，得到求解非线性畸变参数的直线集合；
步骤三、建立非线性畸变校正模型；
步骤四、计算直线集合中每条直线的最大直线度误差；
步骤五、利用每条直线上取得最大直线度误差所对应的三点，建立含有畸变参数的非线性方程组；
步骤六、通过非线性最小二乘广义逆法求解畸变参数。
与现有技术相比，本发明的积极效果是：与现有摄像机非线性畸变自校正方法不同，本发明利用任意直线成像后应为直线或一个点的射影几何原理，建立含有畸变参数的非线性方程组及其数值计算方法，再从摄像机多视角拍摄照片中选取直线特征(要求直线在CCD上均匀分布)，带入方程求取摄像机的非线性畸变参数。因此，本发明可避免耗时的畸变参数与摄像机的外参数耦合优化过程，可将摄像机的外参数求解与畸变参数求解分开，提升了摄像机非线性畸变自校正的效率与准确性，另一方面，无需昂贵的高精度标定模板(或运动平台)，降低了成本。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为直线在CCD上的分布区域1和2的示意图；
图2为直线在CCD上的分布区域3和4的示意图；
图3为直线在CCD上的分布区域5的示意图；
图4为直线在CCD上的分布区域6的示意图。
具体实施方式
一种基于直线特征的摄像机非线性畸变参数求解方法，包括如下步骤：
步骤一、用摄像机多视角拍摄有直线特征的物体的照片(如房子等含有直线特征的物体，也可以自行制作含有直线特征的标定板)，得到含有直线特征的多视角照片集。
步骤二、利用边缘检测算子提取拍摄照片集中的直线特征；选择求解非线性畸变参数的直线集合L，选择原则如图1至图4所示：
区域1到区域6中都需要有直线，要求：每个区域的直线数量≥1条(直线的长度应达到区域长度的80％以上)，并且区域1到区域4的直线数量必须相等，区域5与区域6的直线数量是区域1到区域4中直线数量的两倍，即可认为直线在CCD上均匀分布。其中，区域1和区域2分别对应CCD上、下部区域；区域3和区域4分别为CCD左、右部区域；区域5为CCD中心十字区域；区域六为CCD对角线区域)。
注意：L中的直线必须来自摄像机多视角拍摄的图像照片，产生的方法可以是有直线特征的物体不动，改变摄像机位姿参数拍摄；也可以固定摄像机位姿不变，将有直线特征的物体放置在不同的位置与姿态下，分别拍摄照片。
步骤三、采用的非线性畸变校正模型如下：
将直线集合L中任意一条直线上的第n个像点记为Pn(xn,yn)，将其对应的畸变校正点记为Pd,n(xd,n,yd,n)，则
式中：
为忽略高阶部分的径向畸变；
为忽略高阶部分的偏心畸变；
为忽略高阶部分的薄棱镜畸变。
步骤四、计算L中每条直线的最大直线度误差，计算方法如下：
设P1(x1,y1)、P2(x2,y2)和P3(x3,y3)为第m条直线Lm上的任意不同的三点，则其向量积为
遍历Lm上所有不同的三点，分别计算其向量积，得到其中绝对值最大的向量积记为Δmax(r,s,t,m)，即为Lm的最大直线度误差，式中r、s和t表示Lm取得Δmax(r,s,t,m)所对应的三点的序号。
步骤五、建立含有畸变参数的非线性方程组
fi(k1,k2,p1,p2,s1,s2,)＝0,i＝1,..,m,..,nsum
式中，nsum表示直线集合L中直线的总数，
则，直线集合L中第m条直线Lm的畸变参数非线性方程建立方法如下：非线性畸变校正后，Pd,r、Pd,s和Pd,t为Lm的Δmax(r,s,t,m)对应三点Pr、Ps和Pt的校正结果，按照
即
式中
步骤六、通过非线性最小二乘广义逆法求解畸变参数：
畸变参数(k1,k2,p1,p2,s1,s2)的雅克比矩阵为：
迭代公式为
X(k+1)＝X(k)-αkZ(k) (8)
其中：
1)Z(k)为线性代数方程组J(k)Z(k)＝F(k)的线性最小二乘解，
式中J(k)为k次迭代值X(k)的雅克比矩阵，
式中，
fi (k)＝fi(k1 (k),k2 (k),p1 (k),p2 (k),s1 (k),s2 (k),),i＝0,1.....n (10)
2)αk为使α的一元函数达到极小值的点。
最后求解过程中赋初值为零，经过迭代得到畸变参数k1,k2,p1,p2,s1,s2。
本发明仅利用CCD上多条分布均匀的直线(如从多个视角拍摄同一直线特征，使直线特征满足图1至图4所示的分布要求即可)，因此，本发明可避免耗时的畸变参数与摄像机的外参数耦合优化过程，可将摄像机的外参数求解与畸变参数求解分开，提升了摄像机非线性畸变自校正的效率与准确性，另一方面，无需昂贵的高精度标定模板(或运动平台)，降低了成本。
Claims (6)
1.一种基于直线特征的摄像机非线性畸变参数求解方法，其特征在于：包括如下步骤：
步骤一、用摄像机拍摄含有直线特征的多视角照片集；
步骤二、利用边缘检测算子提取多视角照片集中的直线特征，得到求解非线性畸变参数的直线集合；
步骤三、建立非线性畸变校正模型；
步骤四、计算直线集合中每条直线的最大直线度误差；
步骤五、利用每条直线上取得最大直线度误差所对应的三点，建立含有畸变参数的非线性方程组；
步骤六、通过非线性最小二乘广义逆法求解畸变参数。
2.根据权利要求1所述的基于直线特征的摄像机非线性畸变参数求解方法，其特征在于：所述含有直线特征的多视角照片的拍摄方法为：使具有直线特征的被拍摄物保持不动，通过改变摄像机位姿参数进行拍摄；或者使摄像机位姿保持不变，通过改变具有直线特征的被拍摄物的位姿进行拍摄。
3.根据权利要求1所述的基于直线特征的摄像机非线性畸变参数求解方法，其特征在于：所述直线集合由摄像机CCD的六个区域内的直线构成，六个区域分别是CCD的上部、下部、左部、右部四个区域、CCD的中心十字区域和对角线区域；上部、下部、左部、右部四个区域的直线数量相等，且均至少包括1条直线，中心十字区域和对角线区域的直线数量相等，且均为上部区域直线数量的2倍。
4.根据权利要求3所述的基于直线特征的摄像机非线性畸变参数求解方法，其特征在于：每个区域的直线长度至少为所在区域长度的80％。
5.根据权利要求1所述的基于直线特征的摄像机非线性畸变参数求解方法，其特征在于：所述非线性畸变校正模型为：
将直线集合L中任意一条直线上的第n个像点记为Pn(xn,yn)，将其对应的非线性畸变校正点记为Pd,n(xd,n,yd,n)，则
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;x</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;x</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;x</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;y</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;y</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;y</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;x</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;y</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
为忽略高阶部分的径向畸变；
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;x</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>3</mn>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>p</mi>
<mn>2</mn>
</msub>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;y</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>2</mn>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<msub>
<mi>p</mi>
<mn>2</mn>
</msub>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>3</mn>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
为忽略高阶部分的偏心畸变；
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>&delta;</mi>
<msub>
<mi>x</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&delta;</mi>
<msub>
<mi>y</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<msup>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
为忽略高阶部分的薄棱镜畸变。
6.根据权利要求1所述的基于直线特征的摄像机非线性畸变参数求解方法，其特征在于：步骤四所述直线集合中每条直线的最大直线度误差的计算方法为：
设P1(x1,y1)、P2(x2,y2)和P3(x3,y3)为任意一条直线Lm上的任意不同的三点，则其向量积为
遍历直线上所有不同的三点，分别计算向量积，得到其中绝对值最大的向量积记为Δmax(r,s,t,m)，即为直线Lm的最大直线度误差，其中r、s和t表示取得最大直线度误差所对应的三点的序号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510600422.7A CN105303556B (zh) | 2015-09-18 | 2015-09-18 | 基于直线特征的摄像机非线性畸变参数求解方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510600422.7A CN105303556B (zh) | 2015-09-18 | 2015-09-18 | 基于直线特征的摄像机非线性畸变参数求解方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105303556A CN105303556A (zh) | 2016-02-03 |
| CN105303556B true CN105303556B (zh) | 2018-03-16 |
Family
ID=55200778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510600422.7A Active CN105303556B (zh) | 2015-09-18 | 2015-09-18 | 基于直线特征的摄像机非线性畸变参数求解方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105303556B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107945136B (zh) * | 2017-12-04 | 2021-09-24 | 深圳市路畅科技股份有限公司 | 一种鱼眼图像矫正方法、系统、设备及计算机存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101520897A (zh) * | 2009-02-27 | 2009-09-02 | 北京机械工业学院 | 摄像机标定方法 |
| CN101685532A (zh) * | 2008-09-24 | 2010-03-31 | 中国科学院自动化研究所 | 简易线性广角镜头的校正法 |
-
2015
- 2015-09-18 CN CN201510600422.7A patent/CN105303556B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101685532A (zh) * | 2008-09-24 | 2010-03-31 | 中国科学院自动化研究所 | 简易线性广角镜头的校正法 |
| CN101520897A (zh) * | 2009-02-27 | 2009-09-02 | 北京机械工业学院 | 摄像机标定方法 |
Non-Patent Citations (6)
| Title |
|---|
| 《Lens Distortion Determination with Plane Calibration Targets》;Christian Bräuer-Burchardt等;《8th International Symposium on Image and Signal Processing and Analysis (ISPA 2013)》;20130906;全文 * |
| 《利用直线特征的定标图像非线性畸变校正》;郑毅等;《仪器仪表学报》;20070630;第28卷(第6期);全文 * |
| 《基于共面条件的摄像机非线性畸变自校正》;张征宇等;《光学学报》;20120131;第32卷(第1期);第3章第1段，第2.3节第1段，第2.1节 * |
| 《基于数位的相机径向畸变参数计算》;卢玥等;《地理与地理信息科学》;20111130;第27卷(第6期);全文 * |
| 《基于直线特征的摄像机标定方法研究》;许益铭等;《光学技术》;20071130;第33卷(第6期);全文 * |
| 《基于直线特征的摄像机镜头畸变标定方法》;张敏等;《光学学报》;20150630;第35卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105303556A (zh) | 2016-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102169573B (zh) | 高精度的宽视场镜头实时畸变矫正方法及系统 | |
| CN110345921B (zh) | 立体视场视觉测量及垂轴像差和轴向像差校正方法及系统 | |
| CN105096329B (zh) | 一种精确校正超广角摄像头图像畸变的方法 | |
| CN106780388B (zh) | 一种线阵相机光学畸变矫正方法 | |
| KR101172629B1 (ko) | 영상 처리 방법 및 이를 위한 장치 | |
| CN105931222B (zh) | 用低精度二维平面靶标实现高精度相机标定的方法 | |
| CN106157246B (zh) | 一种全自动的快速柱面全景图像拼接方法 | |
| Zhu et al. | Camera calibration method based on optimal polarization angle | |
| CN107871329B (zh) | 一种相机光学中心的快速标定方法及装置 | |
| CN113920205B (zh) | 一种非同轴相机的标定方法 | |
| CN108833912A (zh) | 一种摄像机机芯光轴中心和视场角的测量方法及系统 | |
| CN106570907B (zh) | 一种相机标定方法及装置 | |
| CN103473758A (zh) | 双目立体视觉系统的二次标定方法 | |
| CN105118086A (zh) | 3d-aoi设备中的3d点云数据配准方法及系统 | |
| Sun et al. | Lens distortion correction for improving measurement accuracy of digital image correlation | |
| CN109974618A (zh) | 多传感器视觉测量系统的全局标定方法 | |
| CN108520541B (zh) | 一种广角摄像机的标定方法 | |
| CN113658279B (zh) | 相机内参和外参估算方法、装置、计算机设备及存储介质 | |
| KR102023087B1 (ko) | 카메라 캘리브레이션 방법 | |
| CN105303556B (zh) | 基于直线特征的摄像机非线性畸变参数求解方法 | |
| Bingwei et al. | Accurate geometric camera calibration technique using multi-views of a non-metric planar grid | |
| CN112819900B (zh) | 一种智能立体摄影内方位、相对定向和畸变系数标定方法 | |
| CN112529792B (zh) | 一种免畸变模型的相机畸变校正方法 | |
| CN110232715B (zh) | 一种多深度相机自校准的方法、装置及系统 | |
| KR101703715B1 (ko) | 카메라 광중심 측정을 위한 영상 처리 장치 및 그 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |