CN106251342B - 基于传感技术的摄像头标定方法 - Google Patents
基于传感技术的摄像头标定方法 Download PDFInfo
- Publication number
- CN106251342B CN106251342B CN201610594336.4A CN201610594336A CN106251342B CN 106251342 B CN106251342 B CN 106251342B CN 201610594336 A CN201610594336 A CN 201610594336A CN 106251342 B CN106251342 B CN 106251342B
- Authority
- CN
- China
- Prior art keywords
- acc
- data
- calibration method
- sensing technology
- axis acceleration
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 230000001133 acceleration Effects 0.000 claims abstract description 60
- 238000001914 filtration Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims 2
- 238000005070 sampling Methods 0.000 claims 1
- 230000003287 optical effect Effects 0.000 abstract 1
- 230000000284 resting effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005266 casting Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Landscapes
- Gyroscopes (AREA)
Abstract
本发明提出基于传感技术的摄像头标定方法,通过采集静止状态和运动状态下的加速度传感器和陀螺仪的数据,分析采集的数据,根据加速度与摄像头光轴间的关系,利用直线加速运动的加速度间的比值得出摄像头设备的相关旋转角度,用于摄像头的标定,为摄像头后面的数据服务,本发明操作简单,采集数据方便,计算得出的摄像头角度精度高。
Description
技术领域
本发明涉及车辆摄像头标定,具体涉及基于传感技术的摄像头标定方法。
背景技术
传感器技术是现代信息技术中主要技术之一,用来感知外在环境信息。传感器是摄取信息的关键器件,是现代信息系统和各种装备不可缺少的信息采集方法。现有感知环境运动情况的加速度传感器,和感知运动角度的陀螺仪传感器。加速度传感器是通过将加速度这一物理信号转变为便于测量的电信号的仪器。现有设备包含了一块快速处理信息的cpu(中央处理器),一路专业的用于ADAS(高级驾驶辅助系统)信息处理的摄像头,一路记录行车过程的摄像头,以及通信模块等。传感器模块和ADAS摄像头固定在同一个模块上,采用了mpu6050芯片,该芯片具有加速传感器和陀螺仪等传感设备。mpu6050集成了加速度传感器和陀螺仪,用在检测物体位置及其姿态等。
卡尔曼滤波是一种常见的用于通信、导航、制导与控制领域的滤波方法,是一种最优化自回归数据处理算法,特点是在线性状态空间表示的基础上对有噪声的输入和观测信号进行处理,求取系统状态或真实信号。不要求信号和噪声都是平稳过程的假设条件,对于每个时刻的系统扰动和噪声,只要对它们的统计性质做某些适当的假定,通过对含有噪声的观测信号进行处理,就能在平均的意义上,求得误差为最小的真实信号的估计值。
现有两种摄像头标定方法,第一种使用摄像头拍摄的方法,通过摄像头拍摄一张图片,根据标定的位置等情况,计算出摄像头大致的角度。但这种标定缺点为精度无法保证,判断出精确的角度需要经验性比较强。第二种采用了自学习方法在多帧图像处理后得到角度,用户需要的是找一段具有车道线的路段,连续开六分钟左右,这样摄像头采集到图片信息后,学习后能够计算出摄像头的角度信息,但这种数据不容易得到,要求连续时间内的直的车道线在高速路上比较方便采集,市区道路上有时候采集不方便。
发明内容
本发明的目的是通过采集静止状态和运动下加速度传感器和陀螺仪的数据,通过分析数据,得出传感器设备的相关旋转角度,用于摄像头的标定,为了解决上述问题,而提出的基于传感技术的摄像头标定方法。
本发明所采用的技术方案是:
基于传感技术的摄像头标定方法,包括以下步骤:
S1,智能终端提取静止状态下的三轴加速度;
S2,智能终端提取直线加速运动状态下的三轴加速度acc动X、acc动Y和acc动Z;
S3,用直线加速运动状态下的三轴加速度减去静止状态下的三轴加速度acc静X、acc静Y和acc静Z得出三轴加速度accX、accY和accZ;
S4,对S3得出的的三轴加速度accX和accZ分别相加,公式为:
ax=accx(i)+accx(j)+…+accx (k),
az=accz(i)+accz(j)+…+accz (k),
accx(i)、accx(j)、accx(k)、accz(i)、accz(j)和accz(k)表示经S3得到的加速度数据;
S5,计算车平面和摄像头的角度α,公式为:tanα=ax/az。
优选的,所述智能终端包括加速度传感器,所述步骤S1中,对静止状态下的三轴加速度进行数据截取,舍去前后各n个数据,n的值为加速度传感器的采样频率值,用于舍去传感器数据中包含的噪声和脏数据对计算角度不能使用的数据。
优选的,对所述静止状态下的三轴加速度,计算出平均值acc静X、acc静Y和acc静Z,起滤波的作用,数据更有效。
优选的,所述智能终端包括陀螺仪和加速度传感器,所述步骤S2中,时间戳就近的陀螺仪数据与加速度数据,视为同一陀螺仪时间戳的数据,陀螺仪和加速度传感器的采集频率不同,增加用于计算的加速度数据,消除陀螺仪的误差,提高计算角度的精度。
优选的,所述直线加速运动的判定条件为陀螺仪数据的角速度表示的方向为向前加速。
优选的,所述陀螺仪数据的角速度的绝对值小于0.1倍的陀螺仪量程值,这样角度变化较小的,大体上为直线运动。
优选的,所述陀螺仪数据的角速度的绝对值小于0.5,这样角度在毫秒级别的时间内变化是很小的,可以视为直线运动。
优选的,对直线加速运动状态下的三轴加速度进行数据截取,舍去前后各n个数据,n的值为加速度传感器的采样频率值,用于舍去传感器数据中包含的噪声和脏数据对计算角度不能使用的数据。
优选的,所述直线加速运动状态下的三轴加速度运用卡尔曼滤波处理数据,所述卡尔曼滤波的噪声方差使用静止状态下三轴加速度的方差,卡尔曼滤波是一种最优化自回归数据处理算法,用于求取系统状态或真实信号,静止状态下的加速度数据表示输入为零数据的波动情况,做到噪声无干扰。
本发明同现有技术相比具有以下优点及效果:
1、本发明仅使用加速度传感器陀螺仪,使用的传感器数量少,数据采集的成本低,数据采集量少,计算简单。
2、使用静止态及直线运动态加速度的数据计算摄像头与车平面的角度,截取两端波动的数据,对剩余数据运用卡尔曼滤波,消除运动中噪声的影响,得出真实运动数据,得出高精度的角度值。
3、使用陀螺仪判断直线加速运动,数据采集简单,可以在多种路况下实现对摄像头的标定,并且不用陀螺仪的累加做为角度判读的个体,而是结合加速度数据计算角度,消除陀螺仪的误差。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明的静止状态加速度示意图。
图2为本发明的直线加速运动状态加速度示意图。
图3为本发明的车平面和摄像头的角度关系示意图。
标号说明:
前挡风玻璃1;加速度传感器2;摄像头3;车平面4;水平面5。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1:如图1至3所示,将包含摄像头3和加速度传感器2的设备安装在车辆前挡风玻璃1下,本设备集成了加速度传感器2和陀螺仪的mpu6050芯片,以及在一个模块的摄像头3,设备的操作系统为安卓操作系统,安装apk(安卓安装包),用来处理存储卡内的数据。
手动调整保持平行于地面的位置,人工标定摄像头3与车平面4的角度的误差为0.1度。开启apk,使用设备在车辆静止的状态下开始收集数据,收集到静止态的三轴加速度后,设备将静止态三轴加速度保存在设备的存储卡内,停止收集;启动车辆,做直线加速运动,再开始使用设备收集加速度数据及陀螺仪数据,设备将采集的数据保存,停止收集。然后apk内的程序调取保存的静止态加速度数据、运动态加速度数据及陀螺仪数据,将保留的陀螺仪数据与运动态加速度的时间戳进行比对,与陀螺仪数据时间戳就近的运动态加速度视为这一时间戳的数据,分别舍去前后50个数据,将陀螺仪数据中的角速度的绝对值小于0.5且角速度表示的方向为向前加速保留,将剩余的静止态数据求均值acc静X、acc静Y和acc静Z及方差,将剩余的运动态数据先用卡尔曼滤波进行滤波,噪声方差采用静止态数据方差,求得真实的运动态数据,随后减去acc静X、acc静Y和acc静Z得到accX、accY和accZ;将得到一组accx和accz相加,公式为:
ax=accx(i)+accx(j)+…+accx (k),
az=accz(i)+accz(j)+…+accz (k),
accx(i)、accx(j)、accx(k)、accz(i)、accz(j)和accz(k)表示得到的一组加速度数据,得出ax,az,随后用公式tanα=ax/az计算角度α,得出α=-0.686225197895959。
根据上述步骤,重复进行7次,分别得出7个摄像头数据,分别为:
序号 | 摄像头角度α |
1 | -0.415015988885418 |
2 | 0.272572327952166 |
3 | -0.400762622414075 |
4 | 0.147991979303523 |
5 | 0.014112817812500 |
6 | -0.486143771183468 |
7 | -0.027567336239032 |
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于传感技术的摄像头标定方法,其特征在于,包括以下步骤:
S1,智能终端提取静止状态下的三轴加速度;
S2,智能终端提取直线加速运动状态下的三轴加速度acc动X、acc动Y和acc 动Z;
S3,用直线加速运动状态下的三轴加速度减去静止状态下的三轴加速度acc 静X、acc静Y和acc静Z得出三轴加速度accX、accY和accZ;
S4,对S3得出的三轴加速度accX和accZ分别相加,公式为:
ax=accx(i)+accx(j)+…+accx(k),
az=accz(i)+accz(j)+…+accz(k),
accx(i)、accx(j)、accx(k)、accz(i)、accz(j)和accz(k)表示经S3得到的加速度数据;
S5,计算车平面和摄像头的角度α,公式为:tanα=ax/az。
2.根据权利要求1所述的基于传感技术的摄像头标定方法,其特征在于,所述智能终端包括加速度传感器,所述步骤S1中,对静止状态下的三轴加速度进行数据截取,舍去前后各n个数据,n的值为加速度传感器的采样频率值。
3.根据权利要求2所述的基于传感技术的摄像头标定方法,其特征在于,对所述静止状态下的三轴加速度,计算出平均值acc静X、acc静Y和acc静Z。
4.根据权利要求1所述的基于传感技术的摄像头标定方法,其特征在于,所述智能终端包括陀螺仪和加速度传感器,所述步骤S2中,时间戳就近的陀螺仪数据与加速度数据,视为同一陀螺仪时间戳的数据。
5.根据权利要求4所述的基于传感技术的摄像头标定方法,其特征在于,所述直线加速运动的判定条件为:陀螺仪数据的角速度表示的方向为向前加速。
6.根据权利要求5所述的基于传感技术的摄像头标定方法,其特征在于,所述陀螺仪数据的角速度的绝对值小于0.1倍的陀螺仪量程值。
7.根据权利要求6所述的基于传感技术的摄像头标定方法,其特征在于,所述陀螺仪数据的角速度的绝对值小于0.5。
8.根据权利要求7所述的基于传感技术的摄像头标定方法,其特征在于,对直线加速运动状态下的三轴加速度进行数据截取,舍去前后各n个数据,n的值为加速度传感器的采样频率值。
9.根据权利要求8所述的基于传感技术的摄像头标定方法,其特征在于,所述直线加速运动状态下的三轴加速度运用卡尔曼滤波处理数据,所述卡尔曼滤波的噪声方差使用静止状态下三轴加速度的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610594336.4A CN106251342B (zh) | 2016-07-26 | 2016-07-26 | 基于传感技术的摄像头标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610594336.4A CN106251342B (zh) | 2016-07-26 | 2016-07-26 | 基于传感技术的摄像头标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106251342A CN106251342A (zh) | 2016-12-21 |
CN106251342B true CN106251342B (zh) | 2019-11-26 |
Family
ID=57603199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610594336.4A Expired - Fee Related CN106251342B (zh) | 2016-07-26 | 2016-07-26 | 基于传感技术的摄像头标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251342B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101598556B (zh) * | 2009-07-15 | 2011-05-04 | 北京航空航天大学 | 一种未知环境下无人机视觉/惯性组合导航方法 |
CN102175221B (zh) * | 2011-01-20 | 2014-04-09 | 北京百度网讯科技有限公司 | 基于鱼眼镜头的车载移动摄影测量系统 |
CN102636081B (zh) * | 2011-12-29 | 2014-10-15 | 南京航空航天大学 | 一种基于视觉运动建模的传递对准方法及装置 |
CN103745474B (zh) * | 2014-01-21 | 2017-01-18 | 南京理工大学 | 基于惯性传感器和摄像机的图像配准方法 |
-
2016
- 2016-07-26 CN CN201610594336.4A patent/CN106251342B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN106251342A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101988786B1 (ko) | 관성 항법 장치의 초기 정렬 방법 | |
CN107016705A (zh) | 计算机视觉系统中的地平面估计 | |
CN107796387B (zh) | 定位方法、定位装置和电子设备 | |
BR102015017060A2 (pt) | Method for detecting driving events of a vehicle based on an intelligent telephone. | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN107063237A (zh) | 一种测量物体姿态角的方法和装置 | |
CN106204605A (zh) | 一种定位方法及装置 | |
CN105547291B (zh) | 室内人员自主定位系统的自适应静止检测方法 | |
WO2018162152A2 (de) | Bestimmung einer räumlichen ausrichtung | |
CN110702113A (zh) | 基于mems传感器的捷联惯导系统数据预处理和姿态解算的方法 | |
DE102015202230A1 (de) | Fusionierte Eigenbewegungsberechnung für ein Fahrzeug | |
CN109186634B (zh) | 一种mems惯组导航性能测量方法及装置 | |
CN107942090A (zh) | 一种基于模糊星图提取光流信息的航天器角速度估计方法 | |
CN106251342B (zh) | 基于传感技术的摄像头标定方法 | |
CN111731309B (zh) | 坡度估计方法、装置、设备及车辆 | |
Yong et al. | Research on the compensation in MEMS gyroscope random drift based on time-series analysis and Kalman filtering | |
CN111811421A (zh) | 一种高速实时形变监测方法及系统 | |
KR20210076412A (ko) | 차량 센서 성능 평가 장치 및 그의 성능 평가 방법 | |
CN116698082A (zh) | 管线测绘设备标定方法、装置、设备及可读存储介质 | |
WO2019091381A1 (zh) | 识别立体物的方法、装置、车辆和存储介质 | |
CN115560744A (zh) | 机器人以及基于多传感器的三维建图方法、存储介质 | |
Unsal et al. | Implementation of identification system for IMUs based on Kalman filtering | |
CN110398765B (zh) | 定位方法和装置、无人驾驶设备 | |
Lim et al. | A MEMS based, low cost GPS-aided INS for UAV motion sensing | |
US11061049B2 (en) | Flying object position measuring apparatus, flying object position measuring method, and non-transitory storage medium |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191126 |
|
CF01 | Termination of patent right due to non-payment of annual fee |