CN106846410B - 基于三维的行车环境成像方法及装置 - Google Patents

基于三维的行车环境成像方法及装置 Download PDF

Info

Publication number
CN106846410B
CN106846410B CN201611186659.6A CN201611186659A CN106846410B CN 106846410 B CN106846410 B CN 106846410B CN 201611186659 A CN201611186659 A CN 201611186659A CN 106846410 B CN106846410 B CN 106846410B
Authority
CN
China
Prior art keywords
group
matrix
driving environment
coordinates
characteristic points
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
Application number
CN201611186659.6A
Other languages
English (en)
Other versions
CN106846410A (zh
Inventor
林春雨
韦世奎
马珂
高奕
林鸿运
邓伟平
李雅茹
黄奇
钟洪波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xinyangquan Electronic Technology Co ltd
Beijing Jiaotong University
Original Assignee
Beijing Xinyangquan Electronic Technology Co ltd
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xinyangquan Electronic Technology Co ltd, Beijing Jiaotong University filed Critical Beijing Xinyangquan Electronic Technology Co ltd
Priority to CN201611186659.6A priority Critical patent/CN106846410B/zh
Publication of CN106846410A publication Critical patent/CN106846410A/zh
Application granted granted Critical
Publication of CN106846410B publication Critical patent/CN106846410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
    • B60R2300/303—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing using joined images, e.g. multiple camera images
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/60—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by monitoring and displaying vehicle exterior scenes from a transformed perspective

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Studio Devices (AREA)

Abstract

本公开涉及基于三维的行车环境成像方法及装置。该方法包括：检测鱼眼相机获取的畸变图中的特征点，并根据特征点对应的坐标对鱼眼相机进行标定，得到畸变图对应的校正图；根据鱼眼相机的相关参数确定第一矩阵；根据第一矩阵以及特征点在校正图中的坐标确定第二矩阵；根据第二矩阵对校正图进行透视投影变换，得到校正图在虚拟成像面上对应的虚拟成像图，并确定特征点在虚拟成像面上的坐标；建立三维行车环境模型；获取虚拟成像图的纹理；根据第一矩阵将虚拟成像图的纹理贴在三维行车环境模型上。本公开能够使车身周围立面场景显示真实，立体感强，且平面贴图与立面贴图过渡自然。

Description

基于三维的行车环境成像方法及装置
技术领域
本公开涉及全景成像技术领域，尤其涉及一种基于三维的行车环境成像方法及装置。
背景技术
随着人们生活水平的不断提高，汽车已成为最重要的出行工具之一。汽车保有量的飞速增长，使行车安全问题越来越受到人们的关注。道路上事故频发，严重影响人们的日常生活，甚至危害人们的生命安全。因此，汽车安全辅助驾驶系统应运而生，其中，视觉辅助驾驶系统的应用最广。全景辅助驾驶系统是视觉辅助驾驶系统中能够有效地提高行车安全的车载辅助设备之一。
目前汽车市场上流行的全景环视系统是利用二维重投影技术，将摄像头获取的图像向二维平面上投射。该类系统只能将从车上方拍摄得到的俯视图显示出来，当车辆周围存在三维物体时，其投影视角在俯视图中会出现变形，给驾驶员造成视觉上的疑惑。例如，当车辆周围存在行人时，在二维俯视画面中会呈现为点状以及影子的平面图像。
上述的二维重投影技术，是两个平面之间的透视投影变换，实现了畸变校正图到俯视投影图变换，但无法保留场景中视平线以上(立面物体)的信息。三维图像技术能够很好地解决上述问题。基于三维图像技术，利用安装在车辆周围的多个摄像头，通过摄像头获取车辆周围的图像，将这些图像在三维模型上重新成像，能使车辆周围的三维物体显示出来。例如，可以通过建立3D(3dimensions，三维)模型，将矫正图像投影到3D模型的不同区域，再显示全景3D画面。该方法虽然改善了2D(2dimensions，二维)投影的拉伸问题，但在全景图像中，平面与立面的结合区域有较明显的折痕感，过渡较不自然。
发明内容
有鉴于此，本公开提出了一种基于三维的行车环境成像方法及装置，以解决三维全景图像的平面与里面的结合区域过渡不自然的问题。
根据本公开的一方面，提供了一种基于三维的行车环境成像方法，包括：
检测鱼眼相机获取的畸变图中的特征点，并根据所述特征点对应的坐标对所述鱼眼相机进行标定，得到所述畸变图对应的校正图；
根据所述鱼眼相机的相关参数确定第一矩阵；
根据所述第一矩阵以及所述特征点在校正图中的坐标确定第二矩阵；
根据所述第二矩阵对所述校正图进行透视投影变换，得到所述校正图在虚拟成像面上对应的虚拟成像图，并确定所述特征点在所述虚拟成像面上的坐标；
建立三维行车环境模型；
获取所述虚拟成像图的纹理；
根据所述第一矩阵将所述虚拟成像图的纹理贴在所述三维行车环境模型上。
在一种可能的实现方式中，检测鱼眼相机获取的畸变图中的特征点，并根据所述特征点对应的坐标对所述鱼眼相机进行标定，得到所述畸变图对应的校正图，包括：
检测所述鱼眼相机获取的畸变图中的第一组特征点；
对所述畸变图进行投影处理，得到所述畸变图对应的投影图；
检测所述投影图中的第二组特征点；
对所述投影图进行反投影处理，得到所述畸变图，并确定所述第一组特征点和所述第二组特征点在所述畸变图的图像坐标系中的坐标；
根据所述第一组特征点和所述第二组特征点的位置确定所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系；
根据所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系，以及所述目标点在世界坐标系中的坐标，确定所述第一组特征点和所述第二组特征点在世界坐标系中对应的坐标；
根据所述第一组特征点和所述第二组特征点在所述图像坐标系中的坐标以及在所述世界坐标系中对应的坐标，对所述鱼眼相机进行标定，并得到所述畸变图对应的校正图。
在一种可能的实现方式中，根据所述鱼眼相机的参数确定第一矩阵，包括：
根据所述鱼眼相机在世界坐标系中的坐标以及所述鱼眼相机的视角、朝向确定第一矩阵。
在一种可能的实现方式中，根据所述第一矩阵将所述虚拟成像图的纹理贴在所述三维行车环境模型上，包括：
将所述虚拟成像图划分为多个子图；
根据所述第一矩阵将所述多个子图的纹理贴在所述三维行车环境模型上。
在一种可能的实现方式中，所述三维行车环境模型为船状模型、碗状模型、柱状模型或者半球状模型。
在一种可能的实现方式中，所述方法还包括：
建立三维汽车模型；
将所述三维汽车模型显示在所述三维行车环境模型中。
在一种可能的实现方式中，根据所述第一矩阵将所述多个子图的纹理贴在所述三维行车环境模型上，包括：
在相邻的子图之间存在重叠区域的情况下，对重叠区域进行融合处理。
根据本公开的另一方面，提供了一种基于三维的行车环境成像装置，包括：
校正图确定模块，用于检测鱼眼相机获取的畸变图中的特征点，并根据所述特征点对应的坐标对所述鱼眼相机进行标定，得到所述畸变图对应的校正图；
第一矩阵确定模块，用于根据所述鱼眼相机的相关参数确定第一矩阵；
第二矩阵确定模块，用于根据所述第一矩阵以及所述特征点在校正图中的坐标确定第二矩阵；
虚拟成像图确定模块，用于根据所述第二矩阵对所述校正图进行透视投影变换，得到所述校正图在虚拟成像面上对应的虚拟成像图，并确定所述特征点在所述虚拟成像面上的坐标；
三维行车环境模型建立模块，用于建立三维行车环境模型；
纹理获取模块，用于获取所述虚拟成像图的纹理；
纹理贴图模块，用于根据所述第一矩阵将所述虚拟成像图的纹理贴在所述三维行车环境模型上。
在一种可能的实现方式中，所述校正图确定模块包括：
第一组特征点检测子模块，用于检测所述鱼眼相机获取的畸变图中的第一组特征点；
投影子模块，用于对所述畸变图进行投影处理，得到所述畸变图对应的投影图；
第二组特征点检测子模块，用于检测所述投影图中的第二组特征点；
反投影子模块，用于对所述投影图进行反投影处理，得到所述畸变图，并确定所述第一组特征点和所述第二组特征点在所述畸变图的图像坐标系中的坐标；
对应关系确定子模块，用于根据所述第一组特征点和所述第二组特征点的位置确定所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系；
坐标确定子模块，用于根据所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系，以及所述目标点在世界坐标系中的坐标，确定所述第一组特征点和所述第二组特征点在世界坐标系中对应的坐标；
标定与校正子模块，用于根据所述第一组特征点和所述第二组特征点在所述图像坐标系中的坐标以及在所述世界坐标系中对应的坐标，对所述鱼眼相机进行标定，并得到所述畸变图对应的校正图。
在一种可能的实现方式中，所述第一矩阵确定模块用于：
根据所述鱼眼相机在世界坐标系中的坐标以及所述鱼眼相机的视角、朝向确定第一矩阵。
在一种可能的实现方式中，所述纹理贴图模块包括：
子图划分子模块，用于将所述虚拟成像图划分为多个子图；
纹理贴图子模块，用于根据所述第一矩阵将所述多个子图的纹理贴在所述三维行车环境模型上。
在一种可能的实现方式中，所述三维行车环境模型为船状模型、碗状模型、柱状模型或者半球状模型。
在一种可能的实现方式中，所述装置还包括：
三维汽车模型建立模块，用于建立三维汽车模型；
三维汽车模型显示模块，用于将所述三维汽车模型显示在所述三维行车环境模型中。
在一种可能的实现方式中，所述纹理贴图子模块包括：
融合处理子模块，用于在相邻的子图之间存在重叠区域的情况下，对重叠区域进行融合处理。
根据本公开的另一方面，提供了一种基于三维的行车环境成像装置，包括：
存储器，用于存储处理器可执行指令；和
处理器，配置为通过执行所述指令来执行基于三维的行车环境成像方法的步骤。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，当所述存储介质中的指令由终端和/或服务器的处理器执行时，使得终端和/或服务器能够执行基于三维的行车环境成像方法。
通过检测鱼眼相机获取的畸变图中的特征点，根据特征点对应的坐标对鱼眼相机进行标定，得到畸变图对应的校正图，根据鱼眼相机的相关参数确定第一矩阵，根据第一矩阵以及特征点在校正图中的坐标确定第二矩阵，根据第二矩阵对校正图进行透视投影变换，得到校正图在虚拟成像面上对应的虚拟成像图，并确定特征点在虚拟成像面上的坐标，建立三维行车环境模型，获取虚拟成像图的纹理，并根据第一矩阵将虚拟成像图的纹理贴在三维行车环境模型上，根据本公开的各方面的基于三维的行车环境成像方法及装置能够使车身周围立面场景显示真实，立体感强，且平面贴图与立面贴图过渡自然。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的基于三维的行车环境成像方法的实现流程图。
图2示出根据本公开一实施例的基于三维的行车环境成像方法中鱼眼相机获取的畸变图的示意图。
图3示出根据本公开一实施例的基于三维的行车环境成像方法中透视投影变换的示意图。
图4示出根据本公开一实施例的基于三维的行车环境成像方法中三维行车环境模型的示意图。
图5示出根据本公开一实施例的基于三维的行车环境成像方法中将虚拟成像图转换至三维行车环境模型的坐标系中的示意图。
图6示出根据本公开一实施例的基于三维的行车环境成像方法中步骤S101的一示例性的实现流程图。
图7示出根据本公开一实施例的基于三维的行车环境成像方法中第一组特征点71的示意图。
图8示出根据本公开一实施例的基于三维的行车环境成像方法中投影图的示意图。
图9示出根据本公开一实施例的基于三维的行车环境成像方法中反投影得到的畸变图以及第二组特征点91的示意图。
图10示出相关技术中对单幅鱼眼图像进行标定的结果的示意图。
图11示出根据本公开一实施例的基于三维的行车环境成像方法中对单幅鱼眼图像进行标定的结果的示意图。
图12示出根据本公开一实施例的基于三维的行车环境成像方法中三维汽车模型的示意图。
图13示出根据本公开一实施例的基于三维的行车环境成像方法中前视图(1)与右视图(2)的重叠部分的示意图。
图14示出据本公开一实施例的基于三维的行车环境成像方法的融合方程组的参数a和b的变化趋势的示意图。
图15示出根据本公开一实施例的基于三维的行车环境成像方法得到的三维汽车全景辅助驾驶系统的运行展示示意图。
图16示出根据本公开另一实施例的基于三维的行车环境成像装置的结构框图。
图17示出根据本公开另一实施例的基于三维的行车环境成像装置的一示例性的结构框图。
图18是根据一示例性实施例示出的一种用于基于三维的行车环境成像的装置800的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
实施例1
图1示出根据本公开一实施例的基于三维的行车环境成像方法的实现流程图。该方法可以应用于汽车辅助驾驶中，在此不作限定。如图1所示，该方法包括：
在步骤S101中，检测鱼眼相机获取的畸变图中的特征点，并根据特征点对应的坐标对鱼眼相机进行标定，得到畸变图对应的校正图。
鱼眼镜头是一种超广角镜头，镜头的视角可以接近甚至超过180°。根据物理成像的规律，焦距越短，视角越大，因此，鱼眼相机采集的图像通常引入了桶形畸变。图2示出根据本公开一实施例的基于三维的行车环境成像方法中鱼眼相机获取的畸变图的示意图。如图2所示，鱼眼相机获取的图像发生了畸变。为了符合人眼的观察习惯，需要对鱼眼相机获取的畸变图进行相应的处理，即对鱼眼相机的相关参数进行精确的校正，这个校正的过程在计算机视觉中成为标定。对鱼眼相机进行标定的目的是确定鱼眼相机的内部参数矩阵和外部参数矩阵，从而得到畸变图对应的校正图。鱼眼相机的内部参数矩阵由鱼眼相机的内部结构决定。鱼眼相机的内部参数矩阵可以表示为
Figure GDA0001226752550000071
其中，ax和ay分别为图像水平轴和垂直轴的尺度因子，u0和v0为图像坐标系原点在像素坐标系中的坐标。鱼眼相机的外部参数矩阵Mt中包含的旋转矩阵R和平移向量t由相机坐标系相对于世界坐标系的位置决定。鱼眼相机的外部参数矩阵可以表示为
Figure GDA0001226752550000072
其中，T表示矩阵的转置。
在实际应用中，可以在车身的前、后、左、右安装四个鱼眼相机，以采集车身周围的实时图像，在此不作限定。
在步骤S102中，根据鱼眼相机的相关参数确定第一矩阵。
第一矩阵可以为一个4×4的变换矩阵。
在一种可能的实现方式中，根据鱼眼相机的参数确定第一矩阵，包括：根据鱼眼相机在世界坐标系中的坐标以及鱼眼相机的视角、朝向确定第一矩阵。例如，第一矩阵可以为视锥体矩阵，第一矩阵可以根据鱼眼相机在世界坐标系中的坐标以及鱼眼相机的视角、朝向由OpenCL(Open Computing Language，开放运算语言)计算得出。
在步骤S103中，根据第一矩阵以及特征点在校正图中的坐标确定第二矩阵。
第二矩阵可以为一个3×3的变换矩阵。
在步骤S104中，根据第二矩阵对校正图进行透视投影变换，得到校正图在虚拟成像面上对应的虚拟成像图，并确定特征点在虚拟成像面上的坐标。
其中，校正图对应的平面为实际成像面。透视投影变换可以相当于以人眼为中心的投影。透视投影变换得到的虚拟成像图具有较强的立体感和真实感。根据第二矩阵对校正图进行透视投影变换，得到校正图在虚拟成像面上对应的虚拟成像图，可以确定各特征点在虚拟成像面上的坐标，也为后续的三维变换奠定了基础。
图3示出根据本公开一实施例的基于三维的行车环境成像方法中透视投影变换的示意图。图3示出了鱼眼相机在空间中的位置31，鱼眼相机在空间中的位置可以根据鱼眼相机距离车身边缘的距离以及鱼眼相机距离地面的距离确定。例如，该鱼眼相机可以为设置在车身前方的鱼眼相机，在此不作限定。图3还示出了鱼眼相机的像平面32和鱼眼相机的鱼眼镜头33，鱼眼相机的像平面32和鱼眼相机的鱼眼镜头33与鱼眼相机的内部参数相关。图3还示出了棋盘格34、虚拟成像面35和实际成像面36。
相关技术中，将二维坐标系上的点直接投影到三维空间中，得到全景拼接的成像效果不太准确，图像边缘处容易出现错位。为了克服该问题，在本实施例中，在二维坐标系和三维坐标系中找到过渡面(即虚拟成像面)，利用透视投影变换将二维坐标系中的特征点转换到过渡面上，为三维的变换做好准备。
在步骤S105中，建立三维行车环境模型。
根据三维成像的需求，可以建立三维行车环境模型。
其中，三维行车环境模型可以为船状模型、碗状模型、柱状模型或者半球状模型。
图4示出根据本公开一实施例的基于三维的行车环境成像方法中三维行车环境模型的示意图。如图4所示，该三维行车环境模型的底部为平面，360度环绕着椭圆形曲面。该三维行车环境模型更贴近于驾驶员眼中的实际行车环境，由此使系统的友好性更高。
在步骤S106中，获取虚拟成像图的纹理。
其中，纹理可以包括物体表面的纹理(即物体表面呈现的凹凸不平的沟纹)，也可以包括在物体的光滑表面上的彩色图案(即花纹)，在此不作限定。
在步骤S107中，根据第一矩阵将虚拟成像图的纹理贴在三维行车环境模型上。
例如，第一矩阵可以表示为
Figure GDA0001226752550000081
虚拟成像图与三维行车环境模型之间的几何变换可以表示为式2：
Figure GDA0001226752550000082
其中，(x′,y′,z′)表示三维行车模型上的点，(x,y,z)表示虚拟成像图上的点；
x'＝(x×M11)+(y×M21)+(z×M31)+(1×M41)；
y'＝(x×M12)+(y×M22)+(z×M32)+(1×M42)；
z'＝(x×M13)+(y×M23)+(z×M33)+(1×M43)。
本实施例通过纹理贴图的方式将虚拟成像图的纹理贴在三维行车环境模型上，能够保存图像的色彩、明暗和凹凸等众多细节，从而使行车环境的成像效果更真实。
在一种可能的实现方式中，根据第一矩阵将虚拟成像图的纹理贴在三维行车环境模型上，包括：将虚拟成像图划分为多个子图；根据第一矩阵将多个子图的纹理贴在三维行车环境模型上。其中，将虚拟成像图划分为多个子图可以为：将虚拟成像图按照基础形状进行划分，得到多个子图。其中，基础形状可以为矩形、菱形、梯形或者三角形等，在此不作限定。通过将虚拟成像图划分为多个子图后再贴到三维行车环境模型上，得到三维全景效果图，能使成像效果更真实，更接近于实际行车环境。
图5示出根据本公开一实施例的基于三维的行车环境成像方法中将虚拟成像图转换至三维行车环境模型的坐标系中的示意图。图5示出了虚拟成像面51(A2B2对应的面)、虚拟成像图中的梯形棋盘格52、校正图53(A1B1对应的面)和畸变图54(A3B3对应的面)。如图5所示，在该示例中，可以在车身的前、后、左、右安装四个鱼眼相机(Camera0、Camera1、Camera2和Camera3)，以采集车身周围的实时图像。
根据本实施例的的基于三维的行车环境成像方法能够使车身周围立面场景显示真实，立体感强，且平面贴图与立面贴图过渡自然，全景图显示范围可以任意调控。
图6示出根据本公开一实施例的基于三维的行车环境成像方法中步骤S101的一示例性的实现流程图。如图6所示，检测鱼眼相机获取的畸变图中的特征点，并根据特征点对应的坐标对鱼眼相机进行标定，得到畸变图对应的校正图，包括：
在步骤S601中，检测鱼眼相机获取的畸变图中的第一组特征点。
在图像处理中，特征点也可以称为角点。特征点可以包括以下至少一项：图像的极值点、线段的终点、曲线曲率最大的点以及水平或竖直方向上属性最大的点。这些特征点是图像很重要的特征，对图像的理解和分析有很重要的作用。特征点在保留图像的重要特征的同时，可以代替整幅图像的处理，有效地减少信息的数据量，有效地提高计算速度，有利于图像的可靠匹配，使实时处理成为可能。
在传统的相机标定中，通常采用多张不同角度拍摄的图像，通过求解方程组来得到相机的参数，但这种方式不能满足车载系统的实时性要求。在本实施例中，采用单张图像来完成鱼眼相机的标定。
在一种可能的实现方式中，第一组特征点可以为预先放置于鱼眼相机的采集范围中央的棋盘格标定布对应的特征点；第二组特征点可以为预先放置于鱼眼相机的采集范围内、棋盘格标定布两侧的多边形标定布对应的特征点。其中，多边形标定布可以预先放置于棋盘格标定布左右两侧等距处。预先放置于棋盘格标定布两侧的多边形标定布可以为两块完全相同的标定布。
在一种可能的实现方式中，多边形标定布为矩形标定布。
在其他实现方式中，多边形标定布还可以为菱形标定布、三角形标定布或者梯形标定布等，在此不作限定。
在本实施例中，检测鱼眼相机获取的畸变图中的第一组特征点可以包括：检测第一组特征点的坐标。
在一种可能的实现方式中，检测鱼眼相机获取的畸变图中的第一组特征点，包括：采用角点检测算法检测畸变图中的第一组特征点。
图7示出根据本公开一实施例的基于三维的行车环境成像方法中第一组特征点71的示意图。其中，第一组特征点71可以为棋盘格格点，例如，可以为棋盘格的内角点。为了便于说明，在图7中未对所有棋盘格格点进行标注。
在步骤S602中，对畸变图进行投影处理，得到畸变图对应的投影图。
由于鱼眼相机一般安装在车身四周，与水平地面之间存在一个倾斜角，导致鱼眼相机采集的图像中会产生较大的畸变。由图2所示的畸变图可知，棋盘格两侧的矩形图像比棋盘格图像的畸变程度更大，矩形变成了上窄下宽的梯形或者其他不规则的形状，而不是标准的平行四边形。畸变图中标定布的跨度较大，畸变图中部棋盘格上的特征点较容易被检测到，但两侧矩形边缘的特征点可能无法被检测到，这会影响后续的标定，导致标定结果的准确度较低，从而对后续的车载图像拼接、图像处理带来累积误差，影响实用效果。为了修正这些不足，在本实施例中，在检测畸变图中的第一组特征点后，可以对畸变图进行投影处理，例如，以水平地面作为投影面，得到俯视投影图，从而让三维空间中的二维形状的原像表现出三维的视觉效果，也就是说，将前视图(畸变图)中不规则的图像进行投影得到俯视图(投影图)中规则的矩形，这样，原图像中的形状可以被很好地保留，且标定后的图像也不会失真，也可以使投影变换后的图像上的特征点更容易被检测到。
在一种可能的实现方式中，对畸变图进行投影处理，得到畸变图对应的投影图，包括：将水平面作为投影面，并将畸变图投影在水平面上，得到畸变图对应的投影图。
投影的公式如式1所示：
Figure GDA0001226752550000111
其中，u,v为畸变图中的坐标，
Figure GDA0001226752550000112
为变换矩阵，投影图中的坐标为x,y；其中，
Figure GDA0001226752550000113
Figure GDA0001226752550000114
已知投影变换对应的几个点，就可以求取变换矩阵，根据变换矩阵可以得到投影图。
为了推及至一般的情况，即从任意的四边形投影到另外一个四边形，可以选择一种规则的图像作为中间图形，例如：矩形、正方形或者菱形等。在一种可能的实现方式中，可以取一个正方形，并利用该正方形来模拟求解变换矩阵的参数的过程。设正方形的四个特征点分别为(0,0)、(1,0)、(0,1)、(1,1)，变换后的四个特征点对应的坐标分别为(x0,y0)、(x1,y1)、(x2,y2)、(x3,y3)，根据变换公式得到：
a31＝x0；
a11+a31-a13x1＝x1；
a21+a31-a23x2＝x2；
a11+a21+a31-a13x3-a23x3＝x3；
a32＝y0；
a12+a32-a23y1＝y1；
a22+a32-a23y2＝y2；
a12+a22+a32-a23y3-a23y3＝y3。
定义几个辅助变量：
Δx1＝x1-x2；
Δx2＝x3-x2；
Δx3＝x0-x1+x2-x3；
Δy1＝y1-y2；
Δy2＝y3-y2；
Δy3＝y0-y1+y2-y3。
当Δx3和Δy3都为0时，变换后的平面与原来的平面是平行的，可以得到：
a11＝x1-x0；
a21＝x2-x1；
a31＝x0；
a12＝y1-y0；
a22＝y2-y1；
a32＝y0；
a13＝0；
a12＝0。
当Δx3和/或Δy3不为0时，可以得到：
a11＝x1-x0+a12x1；
a21＝x3-x0+a12x2；
a31＝x0；
a12＝y1-y0+a13y1；
a22＝y3-y0+a23y3；
a32＝0；
Figure GDA0001226752550000131
Figure GDA0001226752550000132
上述过程求解出的变换矩阵可以将一个正方形变换成一个凸四边形。同理，也可以将一个任意凸四边形变换成一个正方形。
对图2所示的畸变图进行如上述过程所示的变换，可以将畸变图中的非标准的四边形投影到水平地面上，得到标准的矩形，如图8所示。图8示出根据本公开一实施例的基于三维的行车环境成像方法中投影图的示意图。
在步骤S603中，检测投影图中的第二组特征点。
进行投影处理得到投影图中，图像中的边缘区域(例如图8中的矩形区域)的特征点更容易被检测。
在一种可能的实现方式中，检测投影图中的第二组特征点，包括：采用角点检测算法检测投影图中的第二组特征点。
在步骤S604中，对投影图进行反投影处理，得到畸变图，并确定第一组特征点和第二组特征点在畸变图的图像坐标系中的坐标。
图9示出根据本公开一实施例的基于三维的行车环境成像方法中反投影得到的畸变图以及第二组特征点91的示意图。其中，第二组特征点91可以为多边形的顶点。
在步骤S605中，根据第一组特征点和第二组特征点的位置确定第一组特征点和第二组特征点与预先设置的目标点的对应关系。
其中，预先设置的目标点在世界坐标系中的坐标已知。
在步骤S606中，根据第一组特征点和第二组特征点与预先设置的目标点的对应关系，以及目标点在世界坐标系中的坐标，确定第一组特征点和第二组特征点在世界坐标系中对应的坐标。
用(XW,YW,ZW)表示世界坐标系中的坐标，用(XC,YC,ZC)表示相机坐标系中的坐标，用(x,y)表示图像坐标系中的坐标，用(u,v)表示像素坐标系中的坐标，四个坐标系之间的转换关系如下：
Figure GDA0001226752550000141
Figure GDA0001226752550000142
Figure GDA0001226752550000143
Figure GDA0001226752550000144
Figure GDA0001226752550000145
其中，f表示鱼眼相机的焦距，dx表示第一参数表中的每个像素在图像平面的水平轴方向上的物理尺寸，dy表示第一参数表中的每个像素在图像平面的垂直轴方向上的物理尺寸。
Figure GDA0001226752550000146
为鱼眼相机的外部参数矩阵，R为3×3的正交旋转矩阵，t为三维平移向量，R和t为外部参数。
Figure GDA0001226752550000147
为内部参数矩阵，ax、ay、u0和v0为内部参数。
在步骤S607中，根据第一组特征点和第二组特征点在图像坐标系中的坐标以及在世界坐标系中对应的坐标，对鱼眼相机进行标定，并得到畸变图对应的校正图。
在本实施例中，第一组特征点和第二组特征点在很大程度上已经布满了整个图像。设(X,Y,Z)为空间中的一个三维点，它在成像平面对应的像素坐标系中的坐标为(u,v)，在考虑畸变的情况下，列出方程组：
Figure GDA0001226752550000148
Figure GDA0001226752550000149
Figure GDA0001226752550000151
r2＝a2+b2；
θ＝atan(r)；
θ′＝θ(1+k1θ2+k2θ4+k3θ6+k4θ8)；
Figure GDA0001226752550000152
Figure GDA0001226752550000153
u＝fxx′+cx；
v＝fyy′+cy。
其中，r表示投影点到图像中心点的距离，k1～k4表示鱼眼相机的畸变参数，fx表示内部参数矩阵的水平轴的尺度因子，fy表示内部参数矩阵的垂直轴的尺度因子。利用矩阵的L-U分解求解方程组，可得到鱼眼相机的内外参数，从而完成鱼眼相机的标定。
需要说明的是，利用图7对鱼眼相机进行标定的标定过程可以参考opencv3.0中的fisheye标定方法，在此不再赘述。
图10示出相关技术中对单幅鱼眼图像进行标定的结果的示意图。如图10所示，在相关技术中，若使用单幅鱼眼图像，则图像中部的棋盘格部分能够得到较好的校正，但其他部分的校正效果较差。
图11示出根据本公开一实施例的基于三维的行车环境成像方法中对单幅鱼眼图像进行标定的结果的示意图。
下面给出根据本实施例进行实验得到的示例性的部分标定结果：
图11所示的图像的平均误差为：0.0975531像素；
总体平均误差为：0.0975531像素；
相机的内部参数矩阵为：
Figure GDA0001226752550000154
畸变系数(包括两个径向畸变系数和两个切向畸变系数)为：
[0.045846,0.605714,-0.657144,-0.0388607]。
通过实验得到的数据以及图11所示的校正图，可以看出，根据本实施例提供的鱼眼相机的标定方法进行相机标定的平均误差很小，且内部参数矩阵中得到的中心点值与中心点的理论值相差很小，且标定后的图像畸变得到了很大的改善，标定结果更为精确。
本实施例能够利用单幅图像完成相机内外参数的标定，能够提高标定的精确度，简化标定过程，提高标定速度，从而能够提高标定的实时性。
在一种可能的实现方式中，该方法还包括：建立三维汽车模型；将三维汽车模型显示在三维行车环境模型中。例如，可以利用3DMax建立三维汽车模型，并可以根据实际车辆的长宽来对三维汽车模型进行调节，以达到最佳的匹配效果，使系统具有更好的普适性。
图12示出根据本公开一实施例的基于三维的行车环境成像方法中三维汽车模型的示意图。
在一种可能的实现方式中，根据第一矩阵将多个子图的纹理贴在三维行车环境模型上，包括：在相邻的子图之间存在重叠区域的情况下，对重叠区域进行融合处理。由于鱼眼镜头的视野较广，因此鱼眼相机在采集图像时，相邻两个方向会出现图像的重叠。图13示出根据本公开一实施例的基于三维的行车环境成像方法中前视图(1)与右视图(2)的重叠部分的示意图。
作为该实现方式的一个示例，可以采用融合方程组
Figure GDA0001226752550000161
对重叠区域进行融合处理。其中，0≤a≤1，0≤b≤1，x和y表示同一图像空间在相邻的两个子图中的RGBA值，r表示融合后的RGBA值。图14示出据本公开一实施例的基于三维的行车环境成像方法的融合方程组的参数a和b的变化趋势的示意图。如图14所示，参数a和b的变化趋势可以包括：在拼接线处a＝0.5，b＝0.5；在拼接线左边的前视区域中，a值从左向右从1线性递减为0.5，b值由左向右从0线性递增为0.5；在拼接线右边的右视区域中，a值从左向右从0.5线性递减为0，b值由左向右从0.5线性递增为1。利用融合方程组可以计算出重叠区域各处的RGBA值，从而使重叠区域进行较好的融合。通过该实现方式能够使融合区域的重影范围较小。
基于本公开一实施例的基于三维的行车环境成像方法，可以得到三维汽车全景辅助驾驶系统。图15示出根据本公开一实施例的基于三维的行车环境成像方法得到的三维汽车全景辅助驾驶系统的运行展示示意图。
实施例2
图16示出根据本公开另一实施例的基于三维的行车环境成像装置的结构框图。如图16所示，该装置包括：校正图确定模块161，用于检测鱼眼相机获取的畸变图中的特征点，并根据特征点对应的坐标对鱼眼相机进行标定，得到畸变图对应的校正图；第一矩阵确定模块162，用于根据鱼眼相机的相关参数确定第一矩阵；第二矩阵确定模块163，用于根据第一矩阵以及特征点在校正图中的坐标确定第二矩阵；虚拟成像图确定模块164，用于根据第二矩阵对校正图进行透视投影变换，得到校正图在虚拟成像面上对应的虚拟成像图，并确定特征点在虚拟成像面上的坐标；三维行车环境模型建立模块165，用于建立三维行车环境模型；纹理获取模块166，用于获取虚拟成像图的纹理；纹理贴图模块167，用于根据第一矩阵将虚拟成像图的纹理贴在三维行车环境模型上。
图17示出根据本公开另一实施例的基于三维的行车环境成像装置的一示例性的结构框图。如图17所示：
在一种可能的实现方式中，校正图确定模块161包括：第一组特征点检测子模块1611，用于检测鱼眼相机获取的畸变图中的第一组特征点；投影子模块1612，用于对畸变图进行投影处理，得到畸变图对应的投影图；第二组特征点检测子模块1613，用于检测投影图中的第二组特征点；反投影子模块1614，用于对投影图进行反投影处理，得到畸变图，并确定第一组特征点和第二组特征点在畸变图的图像坐标系中的坐标；对应关系确定子模块1615，用于根据第一组特征点和第二组特征点的位置确定第一组特征点和第二组特征点与预先设置的目标点的对应关系；坐标确定子模块1616，用于根据第一组特征点和第二组特征点与预先设置的目标点的对应关系，以及目标点在世界坐标系中的坐标，确定第一组特征点和第二组特征点在世界坐标系中对应的坐标；标定与校正子模块1617，用于根据第一组特征点和第二组特征点在图像坐标系中的坐标以及在世界坐标系中对应的坐标，对鱼眼相机进行标定，并得到畸变图对应的校正图。
在一种可能的实现方式中，第一矩阵确定模块162用于：根据鱼眼相机在世界坐标系中的坐标以及鱼眼相机的视角、朝向确定第一矩阵。
在一种可能的实现方式中，纹理贴图模块167包括：子图划分子模块1671，用于将虚拟成像图划分为多个子图；纹理贴图子模块1672，用于根据第一矩阵将多个子图的纹理贴在三维行车环境模型上。
在一种可能的实现方式中，三维行车环境模型为船状模型、碗状模型、柱状模型或者半球状模型。
在一种可能的实现方式中，该装置还包括：三维汽车模型建立模块168，用于建立三维汽车模型；三维汽车模型显示模块169，用于将三维汽车模型显示在三维行车环境模型中。
在一种可能的实现方式中，纹理贴图子模块1672包括：融合处理子模块，用于在相邻的子图之间存在重叠区域的情况下，对重叠区域进行融合处理。
本实施例能够使车身周围立面场景显示真实，立体感强，且平面贴图与立面贴图过渡自然。
实施例3
图18是根据一示例性实施例示出的一种用于基于三维的行车环境成像的装置800的框图。例如，装置800可以是计算机，移动电话，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图18，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (15)

1.一种基于三维的行车环境成像方法，其特征在于，包括：
检测鱼眼相机获取的畸变图中的特征点，并根据所述特征点对应的坐标对所述鱼眼相机进行标定，得到所述畸变图对应的校正图；
根据所述鱼眼相机的相关参数确定第一矩阵；
根据所述第一矩阵以及所述特征点在校正图中的坐标确定第二矩阵；
根据所述第二矩阵对所述校正图进行透视投影变换，得到所述校正图在虚拟成像面上对应的虚拟成像图，并确定所述特征点在所述虚拟成像面上的坐标；
建立三维行车环境模型；
获取所述虚拟成像图的纹理；
根据所述第一矩阵将所述虚拟成像图的纹理贴在所述三维行车环境模型上。
2.根据权利要求1所述的方法，其特征在于，检测鱼眼相机获取的畸变图中的特征点，并根据所述特征点对应的坐标对所述鱼眼相机进行标定，得到所述畸变图对应的校正图，包括：
检测所述鱼眼相机获取的畸变图中的第一组特征点；
对所述畸变图进行投影处理，得到所述畸变图对应的投影图；
检测所述投影图中的第二组特征点；
对所述投影图进行反投影处理，得到所述畸变图，并确定所述第一组特征点和所述第二组特征点在所述畸变图的图像坐标系中的坐标；
根据所述第一组特征点和所述第二组特征点的位置确定所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系；
根据所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系，以及所述目标点在世界坐标系中的坐标，确定所述第一组特征点和所述第二组特征点在世界坐标系中对应的坐标；
根据所述第一组特征点和所述第二组特征点在所述图像坐标系中的坐标以及在所述世界坐标系中对应的坐标，对所述鱼眼相机进行标定，并得到所述畸变图对应的校正图。
3.根据权利要求1所述的方法，其特征在于，根据所述鱼眼相机的参数确定第一矩阵，包括：
根据所述鱼眼相机在世界坐标系中的坐标以及所述鱼眼相机的视角、朝向确定第一矩阵。
4.根据权利要求1所述的方法，其特征在于，根据所述第一矩阵将所述虚拟成像图的纹理贴在所述三维行车环境模型上，包括：
将所述虚拟成像图划分为多个子图；
根据所述第一矩阵将所述多个子图的纹理贴在所述三维行车环境模型上。
5.根据权利要求1所述的方法，其特征在于，所述三维行车环境模型为船状模型、碗状模型、柱状模型或者半球状模型。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
建立三维汽车模型；
将所述三维汽车模型显示在所述三维行车环境模型中。
7.根据权利要求4所述的方法，其特征在于，根据所述第一矩阵将所述多个子图的纹理贴在所述三维行车环境模型上，包括：
在相邻的子图之间存在重叠区域的情况下，对重叠区域进行融合处理。
8.一种基于三维的行车环境成像装置，其特征在于，包括：
校正图确定模块，用于检测鱼眼相机获取的畸变图中的特征点，并根据所述特征点对应的坐标对所述鱼眼相机进行标定，得到所述畸变图对应的校正图；
第一矩阵确定模块，用于根据所述鱼眼相机的相关参数确定第一矩阵；
第二矩阵确定模块，用于根据所述第一矩阵以及所述特征点在校正图中的坐标确定第二矩阵；
虚拟成像图确定模块，用于根据所述第二矩阵对所述校正图进行透视投影变换，得到所述校正图在虚拟成像面上对应的虚拟成像图，并确定所述特征点在所述虚拟成像面上的坐标；
三维行车环境模型建立模块，用于建立三维行车环境模型；
纹理获取模块，用于获取所述虚拟成像图的纹理；
纹理贴图模块，用于根据所述第一矩阵将所述虚拟成像图的纹理贴在所述三维行车环境模型上。
9.根据权利要求8所述的装置，其特征在于，所述校正图确定模块包括：
第一组特征点检测子模块，用于检测所述鱼眼相机获取的畸变图中的第一组特征点；
投影子模块，用于对所述畸变图进行投影处理，得到所述畸变图对应的投影图；
第二组特征点检测子模块，用于检测所述投影图中的第二组特征点；
反投影子模块，用于对所述投影图进行反投影处理，得到所述畸变图，并确定所述第一组特征点和所述第二组特征点在所述畸变图的图像坐标系中的坐标；
对应关系确定子模块，用于根据所述第一组特征点和所述第二组特征点的位置确定所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系；
坐标确定子模块，用于根据所述第一组特征点和所述第二组特征点与预先设置的目标点的对应关系，以及所述目标点在世界坐标系中的坐标，确定所述第一组特征点和所述第二组特征点在世界坐标系中对应的坐标；
标定与校正子模块，用于根据所述第一组特征点和所述第二组特征点在所述图像坐标系中的坐标以及在所述世界坐标系中对应的坐标，对所述鱼眼相机进行标定，并得到所述畸变图对应的校正图。
10.根据权利要求8所述的装置，其特征在于，所述第一矩阵确定模块用于：
根据所述鱼眼相机在世界坐标系中的坐标以及所述鱼眼相机的视角、朝向确定第一矩阵。
11.根据权利要求8所述的装置，其特征在于，所述纹理贴图模块包括：
子图划分子模块，用于将所述虚拟成像图划分为多个子图；
纹理贴图子模块，用于根据所述第一矩阵将所述多个子图的纹理贴在所述三维行车环境模型上。
12.根据权利要求8所述的装置，其特征在于，所述三维行车环境模型为船状模型、碗状模型、柱状模型或者半球状模型。
13.根据权利要求8所述的装置，其特征在于，所述装置还包括：
三维汽车模型建立模块，用于建立三维汽车模型；
三维汽车模型显示模块，用于将所述三维汽车模型显示在所述三维行车环境模型中。
14.根据权利要求11所述的装置，其特征在于，所述纹理贴图子模块包括：
融合处理子模块，用于在相邻的子图之间存在重叠区域的情况下，对重叠区域进行融合处理。
15.一种基于三维的行车环境成像装置，其特征在于，包括：
存储器，用于存储处理器可执行指令；和
处理器，配置为通过执行所述指令来执行如权利要求1至7中任意一项所述的方法的步骤。
CN201611186659.6A 2016-12-20 2016-12-20 基于三维的行车环境成像方法及装置 Active CN106846410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611186659.6A CN106846410B (zh) 2016-12-20 2016-12-20 基于三维的行车环境成像方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611186659.6A CN106846410B (zh) 2016-12-20 2016-12-20 基于三维的行车环境成像方法及装置

Publications (2)

Publication Number Publication Date
CN106846410A CN106846410A (zh) 2017-06-13
CN106846410B true CN106846410B (zh) 2020-06-19

Family

ID=59139671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611186659.6A Active CN106846410B (zh) 2016-12-20 2016-12-20 基于三维的行车环境成像方法及装置

Country Status (1)

Country Link
CN (1) CN106846410B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886547B (zh) * 2017-11-10 2020-04-28 长沙全度影像科技有限公司 一种鱼眼相机标定方法及系统
US20180095475A1 (en) * 2017-11-22 2018-04-05 GM Global Technology Operations LLC Systems and methods for visual position estimation in autonomous vehicles
CN110246184B (zh) * 2018-03-07 2021-06-11 杭州海康威视数字技术股份有限公司 一种车载相机外参确定方法、装置、设备及系统
CN110838163B (zh) * 2018-08-15 2024-02-02 浙江宇视科技有限公司 贴图处理方法及装置
CN109544647A (zh) * 2018-11-30 2019-03-29 郑州天迈科技股份有限公司 用于360°全景泊车辅助系统的标定布、场地及方法
EP3884468A4 (en) * 2018-12-29 2021-12-15 Zhejiang Dahua Technology Co., Ltd. METHODS AND SYSTEMS FOR CALIBRATING A CAMERA
CN111764052A (zh) * 2019-04-02 2020-10-13 黄霏霓 应用于电脑花样机车缝数据生成的系统
CN112116530B (zh) * 2019-06-19 2023-08-18 杭州海康威视数字技术股份有限公司 鱼眼图像畸变矫正方法、装置和虚拟显示系统
CN112132740B (zh) * 2019-06-25 2023-08-25 杭州海康威视数字技术股份有限公司 视频图像显示方法、装置及系统
CN110599564A (zh) * 2019-09-19 2019-12-20 浙江大搜车软件技术有限公司 图像展示方法、装置、计算机设备和存储介质
CN111223038B (zh) * 2019-12-02 2023-06-09 上海赫千电子科技有限公司 一种车载环视图像的自动拼接方法及显示装置
CN111968184B (zh) * 2020-08-24 2024-04-02 北京茵沃汽车科技有限公司 一种在全景环视系统中实现视图随动的方法、装置及介质
CN114331822A (zh) * 2021-12-29 2022-04-12 北京淳中科技股份有限公司 图像处理方法、装置和系统
CN115131527B (zh) * 2022-05-27 2023-06-02 北京五八信息技术有限公司 相机切换方法、装置、电子设备及存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003098478A (ja) * 2001-09-20 2003-04-03 Ricoh Elemex Corp 立体像生成装置
CN101000461A (zh) * 2006-12-14 2007-07-18 上海杰图软件技术有限公司 一种鱼眼图像生成立方体全景的方法
CN101425181A (zh) * 2008-12-15 2009-05-06 浙江大学 一种全景视觉辅助泊车系统的标定方法
CN101520849A (zh) * 2009-03-24 2009-09-02 上海水晶石信息技术有限公司 基于图像特征点提取与随机树分类的增强现实方法及系统
CN101625768A (zh) * 2009-07-23 2010-01-13 东南大学 一种基于立体视觉的三维人脸重建方法
JP2010171914A (ja) * 2008-12-24 2010-08-05 Fujitsu General Ltd 画像データ変換装置
CN101951502A (zh) * 2010-10-19 2011-01-19 北京硅盾安全技术有限公司 一种三维智能视频监控方法
CN102081798A (zh) * 2010-12-24 2011-06-01 北京控制工程研究所 一种鱼眼立体相机对的极线校正方法
CN102096923A (zh) * 2011-01-20 2011-06-15 上海杰图软件技术有限公司 鱼眼标定方法和装置
CN102413342A (zh) * 2011-09-05 2012-04-11 清华大学 双目立体视频的几何校正方法及系统
CN102694968A (zh) * 2011-03-25 2012-09-26 鸿富锦精密工业（深圳）有限公司 摄像装置及其环景监控方法
CN103411553A (zh) * 2013-08-13 2013-11-27 天津大学 多线结构光视觉传感器的快速标定方法
CN103718213A (zh) * 2012-01-13 2014-04-09 索弗特凯耐提克软件公司 自动场景校准
CN104052951A (zh) * 2013-03-13 2014-09-17 株式会社理光 投影机和控制投影机的方法
CN104346829A (zh) * 2013-07-29 2015-02-11 中国农业机械化科学研究院 基于pmd相机和摄像头的彩色三维重建系统及其方法
CN104392435A (zh) * 2014-11-10 2015-03-04 中科院微电子研究所昆山分所 鱼眼相机标定方法及标定装置
CN105711501A (zh) * 2016-04-19 2016-06-29 深圳市航盛电子股份有限公司 一种基于汽车环视相机的盲区中车辆监测方法及系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003098478A (ja) * 2001-09-20 2003-04-03 Ricoh Elemex Corp 立体像生成装置
CN101000461A (zh) * 2006-12-14 2007-07-18 上海杰图软件技术有限公司 一种鱼眼图像生成立方体全景的方法
CN101425181A (zh) * 2008-12-15 2009-05-06 浙江大学 一种全景视觉辅助泊车系统的标定方法
JP2010171914A (ja) * 2008-12-24 2010-08-05 Fujitsu General Ltd 画像データ変換装置
CN101520849A (zh) * 2009-03-24 2009-09-02 上海水晶石信息技术有限公司 基于图像特征点提取与随机树分类的增强现实方法及系统
CN101625768A (zh) * 2009-07-23 2010-01-13 东南大学 一种基于立体视觉的三维人脸重建方法
CN101951502A (zh) * 2010-10-19 2011-01-19 北京硅盾安全技术有限公司 一种三维智能视频监控方法
CN102081798A (zh) * 2010-12-24 2011-06-01 北京控制工程研究所 一种鱼眼立体相机对的极线校正方法
CN102096923A (zh) * 2011-01-20 2011-06-15 上海杰图软件技术有限公司 鱼眼标定方法和装置
CN102694968A (zh) * 2011-03-25 2012-09-26 鸿富锦精密工业（深圳）有限公司 摄像装置及其环景监控方法
CN102413342A (zh) * 2011-09-05 2012-04-11 清华大学 双目立体视频的几何校正方法及系统
CN103718213A (zh) * 2012-01-13 2014-04-09 索弗特凯耐提克软件公司 自动场景校准
CN104052951A (zh) * 2013-03-13 2014-09-17 株式会社理光 投影机和控制投影机的方法
CN104346829A (zh) * 2013-07-29 2015-02-11 中国农业机械化科学研究院 基于pmd相机和摄像头的彩色三维重建系统及其方法
CN103411553A (zh) * 2013-08-13 2013-11-27 天津大学 多线结构光视觉传感器的快速标定方法
CN104392435A (zh) * 2014-11-10 2015-03-04 中科院微电子研究所昆山分所 鱼眼相机标定方法及标定装置
CN105711501A (zh) * 2016-04-19 2016-06-29 深圳市航盛电子股份有限公司 一种基于汽车环视相机的盲区中车辆监测方法及系统

Also Published As

Publication number Publication date
CN106846410A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
CN106846410B (zh) 基于三维的行车环境成像方法及装置
US10789671B2 (en) Apparatus, system, and method of controlling display, and recording medium
CN106934777B (zh) 扫描图像获取方法及装置
CN106133794B (zh) 信息处理方法、信息处理设备以及程序
US9646404B2 (en) Information processing method, information processing device, and program that facilitates image processing operations on a mobile device
CN109584362B (zh) 三维模型构建方法及装置、电子设备和存储介质
US11282232B2 (en) Camera calibration using depth data
CN114019473A (zh) 对象检测方法及装置、电子设备和存储介质
CN108124102B (zh) 图像处理方法、装置及计算机可读存储介质
CN109544458B (zh) 鱼眼图像校正方法、装置及其存储介质
US10362231B2 (en) Head down warning system
CN113052919A (zh) 一种视觉传感器的标定方法及装置、电子设备和存储介质
CN114881863B (zh) 一种图像拼接方法、电子设备及计算机可读存储介质
CN114529606A (zh) 位姿检测方法及装置、电子设备和存储介质
EP3651144A1 (en) Method and apparatus for information display, and display device
CN111127541B (zh) 车辆尺寸的确定方法、装置及存储介质
CN112365406B (zh) 图像处理方法、装置以及可读存储介质
CN113012052B (zh) 图像处理方法及装置、电子设备和存储介质
US9536133B2 (en) Display apparatus and control method for adjusting the eyes of a photographed user
CN112116530B (zh) 鱼眼图像畸变矫正方法、装置和虚拟显示系统
CN112529781B (zh) 图像处理方法、装置以及可读存储介质
CN113888645A (zh) 一种行驶设备、计算机视觉处理方法、装置和电子设备
CN114339179B (zh) 投影校正方法、装置、存储介质以及投影设备
CN113066134A (zh) 一种视觉传感器的标定方法及装置、电子设备和存储介质
CN112270737A (zh) 一种纹理映射方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant