CN105354569A - 一种图像畸变矫正方法 - Google Patents

Abstract

本发明公开了一种图像畸变矫正方法。该方法包括：根据摄像机安装位置，设定摄像机坐标系和图像坐标系；获取检测目标在摄像机坐标系中各检测边缘点的摄像机坐标；根据摄像机坐标系和图像坐标系的转换关系，计算各检测边缘点对应的图像边缘矫正坐标，确定检测目标的图像矫正范围；建立畸变模型，将图像矫正范围内的各图像点的图像矫正坐标按照畸变模型的预设畸变算法，计算得到所述各图像点畸变后的畸变坐标；采用所述摄像机获取包含检测目标的畸变图像；在畸变图像上获取畸变坐标；将畸变坐标上的各畸变图像点按照畸变模型矫正到图像矫正坐标位置上。采用本方法，矫正后图像清晰，便于观察分析。

Description

一种图像畸变矫正方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像畸变矫正方法。

背景技术

目前，通常利用短焦距摄像头(摄像机)进行某一场景监控，例如通过短焦距摄像头对车位进行高清检测，通常利用摄像头同时检测两到三个车位，但是由于检测视场过大，这类大视场短焦距镜头在成像过程中都存在一定程度的光学畸变，拍摄得到的图像中目标的大小、几何形状发生变化，图像质量下降，例如想要对图片中汽车的车牌进行识别，但是由于光学畸变，会对车牌的识别造成误差，甚至会造成误判，给后续处理带来了很大的不便。

发明内容

有鉴于此，本发明实施例提供一种图像畸变矫正方法，以解决现有技术中图像的光学畸变造成误差的技术问题。

本发明实施例提供了一种图像畸变矫正方法，包括：

根据摄像机安装位置，设定摄像机坐标系和图像坐标系；

获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标；

根据摄像机坐标系和图像坐标系的转换关系，计算所述各检测边缘点对应的图像边缘矫正坐标，确定所述检测目标的图像矫正范围；

建立畸变模型，将所述图像矫正范围内的各图像点的图像矫正坐标按照所述畸变模型的预设畸变算法，计算得到所述各图像点畸变后的畸变坐标；

采用所述摄像机获取包含所述检测目标的畸变图像；

在所述畸变图像上获取所述畸变坐标；

将所述畸变坐标上的所述各畸变图像点按照所述畸变模型矫正到所述图像矫正坐标位置上。

本发明实施例提供的一种图像畸变矫正方法，该方法通过设定摄像机坐标系和图像坐标系，获取检测目标的各检测边缘点的摄像机坐标，根据各检测边缘点的摄像机坐标求出对应的图像矫正坐标，确定检测目标的图像矫正范围，建立畸变模型，按照畸变模型的预设畸变算法，对图像矫正范围内各图像点计算得到相应的畸变坐标，通过摄像机获取的畸变图像，找到所述畸变坐标，按照畸变模型将所述畸变坐标上的畸变图像点调整到图像矫正坐标上。通过该方法可以对获取的畸变图像进行有效地矫正，矫正后的图像中检测目标更为清晰，便于后续观察和处理。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施例一所提供的一种图像畸变矫正方法的流程图；

图2为本发明实施例所适用的摄像机坐标系和图像坐标系的位置关系图；

图3为本发明实施例二所提供的一种图像畸变矫正方法的流程图；

图4为本发明实施例三所提供的一种图像畸变矫正方法的流程图；

图5为本发明实施例所适用的摄像机安装位置示意图；

图6为本发明实施例所适用的理想图像时三车位示意图；

图7为本发明实施例所适用的摄像机获取的三车位畸变图像；

图8为本发明实施例所适用的畸变矫正后左车位图像；

图9为本发明实施例所适用的畸变矫正后右车位图像；

图10为本发明实施例四所提供的一种图像畸变矫正方法的流程图；

图11为本发明实施例所适用的透视畸变矫正后左车位图像；

图12为本发明实施例所适用的透视畸变矫正后右车位图像。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

实施例一

图1为本发明实施例一所提供的一种图像畸变矫正方法的流程图。该方法具体用于对摄像机获取的畸变图像进行矫正的情况。该方法可以由摄像机检测系统来执行，该方法包括：

S101、根据摄像机安装位置，设定摄像机坐标系和图像坐标系。

示例性的，根据摄像机安装位置，设定摄像机坐标系和图像坐标系包括：根据所述摄像机安装位置，测得摄像机内参数和外参数，设定摄像机坐标系；根据所述内参数、所述外参数和所述摄像机坐标系，确定所述图像坐标系。摄像机的内参数主要包括摄像机的焦距、摄像机镜头的畸变系数以及摄像机在实验室测得的镜头的上下视角。摄像机的外参数包括摄像机安装的高度、摄像机距离检测目标水平距离、检测目标的宽度以及检测目标的长度。摄像机坐标系为空间三维坐标，范围为摄像机的屏幕可视区域。图像坐标系为二维坐标，其坐标原点在图像中心，以物理长度为单位。图2为本发明实施例所适用的摄像机坐标系和图像坐标系的位置关系图，如图2所示，其中摄像机坐标系的z轴穿过图像坐标系的原点T，摄像机坐标系原点Q与图像坐标系原点T的直线距离为摄像机的焦距。

S102、获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标。

检测目标为摄像机监控范围内实际存在的人和/或物。

示例性的，获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标之前，根据所述检测目标对摄像机坐标系进行分区，至少分为两个区域，每个区域至少包含一个所述检测目标。划分区域，可以对需要的某一区域的检测目标进行矫正，可以减少工作量。根据设定的摄像机坐标系，获取检测目标的各检测边缘点在摄像机坐标系中的摄像机坐标，优选为获取所述检测目标在所述摄像机坐标系中的左上角点、左下角点、右上角点和右下角点的摄像机坐标，根据所述左上角点、坐下角点、右上角点、右下角点的摄像机坐标确定所述检测目标的边缘线，进而确定所述边缘线上各检测边缘点的摄像机坐标。

S103、根据摄像机坐标系和图像坐标系的转换关系，计算所述各检测边缘点对应的图像边缘矫正坐标，确定所述检测目标的图像矫正范围。

示例性的，摄像机坐标系与图像坐标系的转换关系用齐次坐标和矩阵形式表示为： $\mathrm{\ρ}\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{cccc}f& 0& 0& 0\\ 0& f& 0& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{X}_C\\ Y_C\\ Z_C\\ 1\end{array}\right].$ 其中，(x,y)为空间某一点在图像上的图像矫正坐标，(X_C,Y_C,Z_C)为空间某一点在摄像机坐标系下的摄像机坐标，f为摄像机坐标系原点与图像坐标系原点之间的距离，即摄像机的焦距，ρ为常数因子。根据此转换关系可以求出检测边缘点的图像边缘矫正坐标，进而确定检测目标在图像坐标系中的图像矫正范围。

S104、建立畸变模型，将所述图像矫正范围内的各图像点的图像矫正坐标按照所述畸变模型的预设畸变算法，计算得到所述各图像点畸变后的畸变坐标。

示例性的，建立畸变模型，所述畸变模型为摄像机畸变模型，将所述图像矫正范围内的各图像点的图像矫正坐标按照所述畸变模型的预设畸变算法，计算得到所述各图像点畸变后的畸变坐标。各图像点为像素点。所述预设畸变算法为： $p_{1dis}=\left[\begin{array}{c}{x}_{1dis}\\ y_{1dis}\end{array}\right]=\left[\begin{array}{c}f\frac{X_1}{Z_1}\left(1+k_1{r}_1^2+k_2{r}_1^4+k_3{r}_1^6\right)+\frac{width}{2}\\ f\frac{Y_1}{Z_1}\left(1+k_1{r}_1^2+k_2{r}_1^4+k_3{r}_1^6\right)+\frac{height}{2}\end{array}\right],$ 其中p_ldis＝[x_ldis,y_ldis]^T为各图像点的畸变坐标，f为所述摄像机的焦距，(k₁,k₂,k₃)为摄像机的畸变系数，与摄像机的性能有关，为已知量，(width,height)为所述摄像机成像面的物理尺寸大小，与摄像机的性能和安装位置有关，为已知量， $\[\frac{X_1}{Z_1},\frac{Y_1}{Z_1}\]=\[\frac{x_1-\frac{width}{2}}{f},\frac{y_1-\frac{height}{2}}{f}\],r_1^2={\left(\frac{X_1}{Z_1}\right)}^2+{\left(\frac{Y_1}{Z_1}\right)}^2,$ 其中(x_l,y_l)为图像矫正坐标。求出的畸变坐标为浮点型坐标，优选为计算得到所述各图像点畸变后的畸变坐标，采用双线性差值算法得到所述畸变坐标对应的畸变整数坐标。根据畸变模型可以得到所述图像矫正坐标与畸变后的所述畸变坐标的对应关系。

S105、采用所述摄像机获取包含所述检测目标的畸变图像。

前述步骤可以为预先准备工作，本步骤开始，采用摄像机对实际的场景检测拍摄，获取图像。获取的图像默认是存在一定畸变的。

畸变图像是指摄像机获取的检测图像发生光学畸变，即检测目标大小，几何形状发生变化。

示例性的，摄像机在检测包含检测目标的场景时，获取包含检测目标的畸变图像。此时，检测目标为在拍摄范围内的人或车辆等物体，但与前述步骤的检测目标不是相同的目标。

S106、在所述畸变图像上获取所述畸变坐标。

示例性的，当获取畸变图像后，根据S104中计算得到的畸变坐标，在所述畸变图像中找到畸变坐标，获取畸变坐标上的各畸变图像点。

S107、将所述畸变坐标上的所述各畸变图像点按照所述畸变模型矫正到所述图像矫正坐标位置上。

示例性的，各畸变图像点为像素点。将各畸变图像点按照畸变坐标与图像矫正坐标的畸变模型矫正到图像矫正坐标的位置上。当图像矫正范围内的全部畸变图像点矫正到图像矫正坐标上后，得到了矫正后图像，完成了畸变图像的矫正。

本发明实施例一提供的一种图像畸变矫正方法，通过根据摄像机安装位置设定摄像机坐标系和图像坐标系，获取检测目标在摄像机坐标系中的检测边缘点的摄像机坐标，将摄像机坐标转换为图像边缘矫正坐标，确定图像矫正范围，建立畸变模型，将图像矫正范围内的各图像点按照畸变模型的预设畸变算法计算得出对应的畸变坐标，获取畸变图像，找到畸变坐标对应的畸变图像点，将畸变图像点按照畸变模型矫正到图像矫正坐标位置上，完成图像畸变矫正。通过采用上述方法，建立畸变模型，得到图像矫正坐标对应的畸变坐标，在获取畸变图像时，可以根据畸变模型直接进行矫正。矫正后的图像清晰，可以准确地得到检测目标的信息，便于后续观察和处理。虽然确定畸变坐标时与进行矫正时的检测目标不完全相同，但是也可以在一定程度上反映出图像的畸变趋势。

实施例二

图3为本发明实施例二所提供的一种图像畸变矫正方法的流程图。本实施例与实施例一的区别在于对摄像机获取的包含检测目标的畸变图像进行透视畸变矫正。具体的方法包括：

S201、根据摄像机安装位置，设定摄像机坐标系和图像坐标系。

S202、获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标。

S203、根据摄像机坐标系和图像坐标系的转换关系，计算所述各检测边缘点对应的图像边缘矫正坐标，确定所述检测目标的图像矫正范围。

S204、若对所述畸变图像进行透视畸变矫正，则建立透视畸变模型，将所述图像矫正范围内的各图像点的图像矫正坐标按照所述透视畸变模型的预设透视畸变算法，计算得到所述各图像点畸变后的透视畸变坐标。

透视畸变为畸变中的一种，在摄像机监控时，距离摄像机位置越远的目标会变得越小，就形成了透视畸变。因此在采用摄像机进行监控时，需要考虑透视畸变的情况。

示例性的，若考虑到畸变图像的透视畸变情况，对所述畸变图像进行透视畸变矫正，则建立透视畸变模型，将图像矫正范围内的各图像点的所述图像矫正坐标按照透视畸变模型的预设透视畸变算法计算，得到所述各图像点对应的透视畸变坐标。其中，预设透视畸变算法为： $p_{1dis}^{,}=\left[\begin{array}{c}{x}_{1dis}^{,}\\ y_{1dis}^{,}\end{array}\right]=\left[\begin{array}{c}\frac{{\mathrm{fX}}_1\cos \mathrm{\θ}}{\cos \mathrm{\θ}-Y_1\sin \mathrm{\θ}}+\frac{width}{2}\\ \frac{{\mathrm{fY}}_1}{\cos \mathrm{\θ}-Y_1\sin \mathrm{\θ}}+\frac{height}{2}\end{array}\right],$ 其中p'_ldis＝[x'_ldis,y'_ldis]^T为所述透视畸变坐标，f为所述摄像机的焦距，(width,height)为所述摄像机成像面的物理尺寸大小，与摄像机的性能和安装位置有关，为已知量， ${\[X_1,Y_1\]}^T={\[\frac{x_1-\frac{width}{2}}{f},\frac{y_1-\frac{height}{2}}{f}\]}^T,$ 其中(x_l,y_l)为所述图像矫正坐标，θ＝arctan((d-n)/h)+α/2，其中d为所述摄像机到所述检测目标的水平安装距离，α为所述摄像机的上下视角，n为所述摄像机下视角线到所述检测目标的水平距离，h为所述摄像机的安装高度。优选的，各图像点为像素点。求出的透视畸变坐标为浮点型坐标，优选为计算得到所述各图像点透视畸变后的透视畸变坐标，采用双线性差值算法得到所述透视畸变坐标对应的透视畸变整数坐标。根据透视畸变模型可以得到所述图像矫正坐标与透视畸变后的所述畸变坐标的对应关系。

S205、采用所述摄像机获取包含所述检测目标的畸变图像。

S206、在所述畸变图像上获取所述畸变坐标。

示例性的，所述畸变坐标为S204中求出的透视畸变坐标。

S207、将所述畸变坐标上的所述各畸变图像点按照所述畸变模型矫正到所述图像矫正坐标位置上。

示例性的，所述畸变坐标为S204中求出的透视畸变坐标，所述畸变模型为透视畸变模型，将透视畸变坐标对应的各畸变图像点按照透视畸变模型矫正到所述图像矫正坐标位置上。当图像矫正范围内的全部畸变图像点矫正到图像矫正坐标上后，得到了矫正后图像，完成了畸变图像的透视畸变矫正。

本发明实施例二提供的一种图像畸变矫正方法，通过根据摄像机安装位置设定摄像机坐标系和图像坐标系，获取检测目标在摄像机坐标系中的检测边缘点的摄像机坐标，将摄像机坐标转换为图像边缘矫正坐标，确定图像矫正范围，根据透视畸变模型得到图像矫正坐标对应的透视畸变坐标，获取畸变图像，找到透视畸变坐标，将透视畸变坐标上的透视畸变图像点按照透视畸变模型矫正到图像矫正坐标位置上，完成图像透视畸变矫正。通过采用上述方法，可以对畸变图像进行很好的透视畸变矫正，矫正后的图像清晰，可以准确地得到检测目标的信息，便于后续观察和处理。

实施例三

图4为本发明实施例三所提供的一种图像畸变矫正方法的流程图。本实施例为一优选示例，在摄像机对三个车位进行监控时，检测车位上停车信息，对获取的检测畸变图像进行畸变矫正，具体包括如下：

S301、根据摄像机安装位置确定摄像机内参数和外参数，设定摄像机坐标系和图像坐标系。

示例性的，图5为本发明实施例所适用的摄像机安装位置示意图，摄像机安装位置为A，摄像机的上下视角为α，上下视角边界分别为D和C，摄像机安装的高度为h，摄像机上下视角的平分线为AE，与地面交于E，车位线前端为B，即检测目标的前端。摄像机下视角边界到车位线前端的地面距离为n，摄像机到车位线前端的地面距离为d，摄像机到上下视角平分线的地面水平距离为m。其中，摄像机坐标系得原点为O点，z轴与AE重合，y轴与AE垂直并与C相交，x轴垂直O点向外。θ＝arctan((d-n)/h)+α/2，m＝h/tanθ。摄像机的畸变系数为(k₁,k₂,k₃)为已知量，摄像机焦距为f。摄像机的内参数为摄像机焦距、畸变系数和上下视角。摄像机的外参数为安装高度，到车位线前端的地面距离。

S302、获取三车位线上各点的摄像机坐标。

示例性的，图6为本发明实施例所适用的理想图像时三车位示意图。其中，p0-p7分别为三个车位在图像上的角点。车位线的宽度为w，车位线的长度为l。可以将三个车位分为三个部分，每部分包含一个车位，即分为I_L,I_M,I_R，分别对应左车位，中车位，右车位。在图6中对三部分进行相应的标注。以图6中车位右下角的点p2为例，则由图5设定的摄像机坐标系可以确定p2点的摄像机坐标为： $P_2=\left[\begin{array}{c}{X}_2\\ Y_2\\ Z_2\end{array}\right]=\left[\begin{array}{c}\frac{w}{2}\\ \left(m-d+n\right)\cos \mathrm{\θ}\\ \frac{h}{\cos \mathrm{\θ}}-\left(m-d+n\right)\sin \mathrm{\θ}\end{array}\right],$ θ＝arctan((d-n)/h)+α/2，m＝h/tanθ，α为摄像机的上下视角，d为摄像机到车位线前端的地面距离，h为摄像机安装的高度，n为摄像机下视角边界到车位线前端的地面距离，m为摄像机到上下视角平分线的地面水平距离，w为车位线的宽度。按照此摄像机坐标系，可以得到角点p0-p7各点的摄像机坐标。

S303、通过摄像机坐标系与图像坐标系的转换关系确定三车位线上各点的摄像机坐标对应的图像矫正坐标。

示例性的，以p2点为例，根据摄像机坐标系和图像坐标系的转换关系可以得出p2的图像矫正坐标为： $p_2=\left[\begin{array}{c}{x}_2\\ y_2\end{array}\right]=\left[\begin{array}{c}\frac{{\mathrm{fX}}_2}{Z_2}+\frac{width}{2}\\ \frac{{\mathrm{fY}}_2}{Z_2}+\frac{height}{2}\end{array}\right],$ 其中(width,height)为图像物理尺寸的大小，为已知量，f为摄像机焦距，(X₂,Y₂,Z₂)为p2的摄像机坐标。按照上述方法求出各角点p0-p7各点的图像坐标，通过角点p0-p7可以确定三个车位线的坐标范围，进而可以得到三个车位线上和三个车位线内各图像点的图像矫正坐标。

S304、根据畸变模型的预设畸变算法求出车位线上和车位线内各图像点的图像矫正坐标对应的畸变坐标。

示例性的，按照S104中的畸变模型，对车位线上和车位线内的各图像点进行计算得到畸变坐标，按照预设畸变算法计算得到的畸变坐标为浮点型坐标，优选为采用双线性差值算法得到畸变坐标对应的畸变整数坐标。以图6中的p2点为例，对p2点按照预设畸变算法进行运算，得到p2点的畸变坐标为 $p_{2dis}=\left[\begin{array}{c}{x}_{2dis}\\ y_{2dis}\end{array}\right]=\left[\begin{array}{c}f\frac{X_2}{Z_2}\left(1+k_1{r}_2^2+k_2{r}_2^4+k_3{r}_2^6\right)+\frac{width}{2}\\ f\frac{Y_2}{Z_2}\left(1+k_1{r}_2^2+k_2{r}_2^4+k_3{r}_2^6\right)+\frac{height}{2}\end{array}\right],$ 其中f为所述摄像机的焦距，(k₁,k₂,k₃)为摄像机的畸变系数，与摄像机的性能有关，为已知量，(width,height)为所述摄像机成像面的物理尺寸大小，与摄像机的性能和安装位置有关，为已知量，(X₂,Y₂,Z₂)为p2的摄像机坐标。对畸变坐标(x_2dis,y_2dis)进行双线性差值计算得到畸变整数坐标(x_2disx,y_2disx)。同理可以求出三车位线上和三车位线内其他各点的畸变整数坐标。根据畸变模型可以得到图像坐标和畸变坐标的对应关系。即p2的图像矫正坐标为(x₂,y₂)，根据畸变模型可以得到p2对应的畸变整数坐标为(x_2disx,y_2disx)。

S305、获取摄像机检测的三车位畸变图像。

示例性的，图7为本发明实施例所适用的摄像机获取的三车位畸变图像，由图7可以看出，三车位发生明显的畸变，中间车位未发生明显畸变，因此不需要进行畸变矫正，左、右两车位上明显发生畸变，车位线成圆弧形，需要进行畸变矫正。

S306、在三车位畸变图像中找到畸变坐标。

示例性的，将畸变图像对应S302分割方式分割成三个子图像，分别为I_l,I_m,I_r对应左车位图像，中车位图像，右车位图像。在I_l,I_m,I_r三个子图像中找到S304得出各图像点的畸变坐标，优选为找到畸变整数坐标。以I_l为例，假设I_l中某一像素点p_i的图像矫正坐标为(x_i,y_i)，其对应的畸变整数坐标为(x_idisx,y_idisx)，则在I_l中找到坐标(x_idisx,y_idisx)。

S307、将三车位图像上的畸变坐标对应的各图像点矫正到图像矫正坐标上。

示例性的，I_l,I_m,I_r三个子图像中，I_m不需要畸变矫正，可以直接将原图像赋给矫正图像。而对于I_l,I_r两个子图像，将其畸变坐标对应的各像素点矫正到相应的图像矫正坐标上，优选为，将其畸变整数坐标对应的各像素点矫正到相应的图像矫正坐标上，得到畸变矫正图像。以I_l中p_i为例，将畸变整数坐标(x_idisx,y_idisx)对应的像素点p_i矫正到坐标(x_i,y_i)上。图8为本发明实施例所适用的畸变矫正后左车位图像，图9为本发明实施例所适用的畸变矫正后右车位图像，由图8、图9可以看出，图7中圆弧的左、右车位线在图8、图9中近似直线，完成了三车位图像的矫正。

本发明实施例三提供的一种图像畸变矫正方法，该方法对摄像头获取的三车位畸变图像进行了矫正，矫正后的三车位线从圆弧形近似变成直线，便于后期处理。

实施例四

图10为本发明实施例四所提供的一种图像畸变矫正方法的流程图。本实施例为一优选示例，本实施例与实施例三的区别在于对摄像机获取的三车位畸变图像进行了透视畸变矫正，具体包括如下：

S401、根据摄像机安装位置确定摄像机内参数和外参数，设定摄像机坐标系和图像坐标系。

S402、获取三车位线上各点的摄像机坐标。

S403、通过摄像机坐标系与图像坐标系的转换关系确定三车位线上各点的摄像机坐标对应的图像矫正坐标。

S404、根据透视畸变模型的预设透视畸变算法求出车位线上和车位线内各图像点的图像矫正坐标对应的透视畸变坐标。

示例性的，按照S204中的透视畸变模型，对车位线上和车位线内的各图像点进行计算得到透视畸变坐标。按照预设透视畸变算法计算后得到的透视畸变坐标为浮点型坐标，优选为对得到所述透视畸变坐标采用双线性差值算法求出其对应的透视畸变整数坐标。以图6中的p2点为例，p2点得到透视畸变坐标为 $p_{2dis}^{,}=\left[\begin{array}{c}{x}_{2dis}^{,}\\ y_{2dis}^{,}\end{array}\right]=\left[\begin{array}{c}\frac{{\mathrm{fX}}_2\cos \mathrm{\θ}}{\cos \mathrm{\θ}-Y_2\sin \mathrm{\θ}}+\frac{width}{2}\\ \frac{{\mathrm{fY}}_2}{\cos \mathrm{\θ}-Y_2\sin \mathrm{\θ}}+\frac{height}{2}\end{array}\right],$ 其中f为所述摄像机的焦距，(width,height)为所述摄像机成像面的物理尺寸大小，与摄像机的性能和安装位置有关，为已知量， ${\[X_2,Y_2\]}^T={\[\frac{x_2-\frac{width}{2}}{f},\frac{y_2-\frac{height}{2}}{f}\]}^T,$ (x₂,y₂)为p2的图像坐标，对透视畸变坐标(x'_2dis,y'_2dis)进行双线性差值计算得到透视畸变整数坐标(x'_2disx,y'_2disx)，θ＝arctan((d-n)/h)+α/2，α为摄像机的上下视角，d为摄像机到车位线前端的地面距离，h为摄像机安装的高度，n为摄像机下视角边界到车位线前端的地面距离。同理可以求出三车位线上和三车位线内其他各点的透视畸变坐标，优选为求出三车位线和三车位线内其他各点的透视畸变整数坐标。根据透视畸变模型可以得到图像坐标和透视畸变坐标的对应关系。即p2的图像矫正坐标为(x₂,y₂)，根据透视畸变模型可以得到p2对应的透视畸变整数坐标为(x'_2disx,y'_2disx)。

S405、获取摄像机检测的三车位畸变图像。

示例性的，图7为本发明实施例所适用的摄像机获取的三车位畸变图像，由图7可以看出，三车位发生明显的畸变，中间车位的未发生明显畸变，因此不需要进行畸变矫正，左、右两车位上明显发生畸变，车位线上停车的车牌边缘水平方向和竖直方向的角度不为90度，且车牌不易观测，需要进行透视畸变矫正。

S406、在三车位畸变图像中找到透视畸变坐标。

示例性的，将畸变图像分割成三个子图像，分别为I_l,I_m,I_r对应左车位图像，中车位图像，右车位图像。在I_l,I_m,I_r三个子图像中找到S404得出的各图像点的透视畸变坐标，优选为找到S404得出的各图像点的透视畸变整数坐标。以I_l为例，假设I_l中某一像素点p_i的图像矫正坐标为(x_i,y_i)，其对应的透视畸变整数坐标为(x'_idisx,y'_idisx)，则在I_l中找到坐标(x'_idisx,y'_idisx)。

S407、将三车位图像上的透视畸变坐标对应的各图像点矫正到图像矫正坐标上。

示例性的，I_l,I_m,I_r三个子图像中，I_m不需要畸变矫正，可以直接将原图像赋给矫正图像。而对于I_l,I_r两个子图像，将其车位线上和车位线内各透视畸变坐标对应的各像素点矫正到相应的图像矫正坐标上，优选为将其车位线上和车位线内各透视畸变整数坐标对应的各像素点矫正到相应的图像矫正坐标上，得到透视畸变矫正图像。以I_l中p_i为例，将透视畸变整数坐标(x'_idisx,y'_idisx)对应的像素点p_i矫正到坐标(x_i,y_i)上。图11为本发明实施例所适用的透视畸变矫正后左车位图像，图12为本发明实施例所适用的透视畸变矫正后右车位图像，由图11、图12可以看出透视畸变矫正后的车位图像的车牌水平方向和竖直方向的角度近似90度，且车牌可以清楚的观测到。

本发明实施例四提供的一种图像畸变矫正方法，该方法通过对摄像头获取的三车位畸变图像进行透视畸变矫正，矫正后的图像可以清楚的观测到车位线上停车的车牌，便于后续处理。

本发明实施例三和实施例四为对获取的三个车位的畸变图像进行矫正，通过本发明提供的方法可知，摄像头对车位监控的范围不仅为三个车位，两个车位同样适用于本发明提供的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种图像畸变矫正方法，其特征在于，包括：

根据摄像机安装位置，设定摄像机坐标系和图像坐标系；

获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标；

根据摄像机坐标系和图像坐标系的转换关系，计算所述各检测边缘点对应的图像边缘矫正坐标，确定所述检测目标的图像矫正范围；

建立畸变模型，将所述图像矫正范围内的各图像点的图像矫正坐标按照所述畸变模型的预设畸变算法，计算得到所述各图像点畸变后的畸变坐标；

采用所述摄像机获取包含所述检测目标的畸变图像；

在所述畸变图像上获取所述畸变坐标；

将所述畸变坐标上的所述各畸变图像点按照所述畸变模型矫正到所述图像矫正坐标位置上。

2.根据权利要求1所述的方法，其特征在于，获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标之前，还包括：

根据所述检测目标对摄像机坐标系进行分区，至少分为两个区域，每个区域至少包含一个所述检测目标。

3.根据权利要求1所述的方法，其特征在于，根据摄像机安装位置，设定摄像机坐标系和图像坐标系包括：

根据所述摄像机安装位置，测得摄像机内参数和外参数，设定摄像机坐标系；

根据所述内参数、所述外参数和所述摄像机坐标系，确定所述图像坐标系。

4.根据权利要求1所述的方法，其特征在于，获取检测目标在所述摄像机坐标系中各检测边缘点的摄像机坐标包括：

获取所述检测目标在所述摄像机坐标系中的左上角点、左下角点、右上角点和右下角点的摄像机坐标，根据所述左上角点、左下角点、右上角点和右下角点的摄像机坐标确定所述各检测边缘点的摄像机坐标。

5.根据权利要求1所述的方法，其特征在于，摄像机坐标系和图像坐标系的转换关系为： $\mathrm{\ρ}\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{cccc}f& 0& 0& 0\\ 0& f& 0& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{X}_C\\ Y_C\\ Z_C\\ 1\end{array}\right],$ 其中(x,y)为所述图像矫正坐标，(X_C,Y_C,Z_C)为所述摄像机坐标，f为所述摄像机的焦距，ρ为常数因子。

6.根据权利要求1所述的方法，其特征在于，所述预设畸变算法为 $p_{1dis}=\left[\begin{array}{c}{x}_{1dis}\\ y_{1dis}\end{array}\right]=\left[\begin{array}{c}f\frac{X_1}{Z_1}(1+k_1{r}_1^2+k_2{r}_1^4+k_3{r}_1^6)+\frac{width}{2}\\ f\frac{Y_1}{Z_1}(1+k_1{r}_1^2+k_2{r}_1^4+k_3{r}_1^6)+\frac{height}{2}\end{array}\right],$ 其中p_ldis＝[x_ldis,y_ldis]^T为所述畸变坐标，f为所述摄像机的焦距，(k₁,k₂,k₃)为所述摄像机的畸变系数，(width,height)为所述摄像机成像面的物理尺寸大小， $\begin{array}{cc}\[\frac{X_1}{Z_1},\frac{Y_1}{Z_1}\]=\[\frac{x_1-\frac{widih}{2}}{f},\frac{y_1-\frac{height}{2}}{f}\],& r_1^2={\left(\frac{X_1}{Z_1}\right)}^2+{\left(\frac{Y_1}{Z_1}\right)}^2\end{array},$ 其中(x_l,y_l)为所述图像矫正坐标。

7.根据权利要求1所述的方法，其特征在于，建立畸变模型，将所述图像矫正范围内的歌图像点的图像矫正坐标按照所述畸变模型的预设畸变算法，计算得到所述各图像点畸变后的畸变坐标包括：

若对所述畸变图像进行透视畸变矫正，则建立透视畸变模型，将所述图像矫正范围内的各图像点的图像矫正坐标按照所述透视畸变模型的预设透视畸变算法，计算得到所述各图像点畸变后的透视畸变坐标。

8.根据权利要求7所述的方法，其特征在于，所述预设透视畸变算法为 $p_{1dis}^{,}=\left[\begin{array}{c}{x}_{1dis}^{,}\\ y_{1dis}^{,}\end{array}\right]=\left[\begin{array}{c}\frac{{\mathrm{fX}}_1\cos \mathrm{\θ}}{\cos \mathrm{\θ}-Y_1\sin \mathrm{\θ}}+\frac{width}{2}\\ \frac{{\mathrm{fY}}_1}{\cos \mathrm{\θ}-Y_1\sin \mathrm{\θ}}+\frac{height}{2}\end{array}\right],$ 其中p'_ldis＝[x'_ldis,y'_ldis]^T为所述透视畸变坐标，f为所述摄像机的焦距，(width,height)为所述摄像机成像面的物理尺寸大小， ${\[X_1,Y_1\]}^T={\[\frac{x_1-\frac{width}{2}}{f},\frac{y_1-\frac{height}{2}}{f}\]}^T,$ 其中(x_l,y_l)为所述图像矫正坐标，θ＝arctan((d-n)/h)+α/2，其中d为所述摄像机到所述检测目标的水平安装距离，α为所述摄像机的上下视角，n为所述摄像机下视角线到所述检测目标的距离，h为所述摄像机的安装高度。

9.根据权利要求1所述的方法，其特征在于，计算得到所述各图像点畸变后的畸变坐标包括：

计算得到所述各图像点畸变后的畸变坐标，采用双线性差值算法得到所述畸变坐标对应的畸变整数坐标。

10.根据权利要求1-9任一所述的方法，其特征在于，所述各图像点、所述各畸变图像点和所述各透视畸变图像点为像素点。