CN107993268B - 一种相机自标定的方法及系统 - Google Patents
一种相机自标定的方法及系统 Download PDFInfo
- Publication number
- CN107993268B CN107993268B CN201711436331.XA CN201711436331A CN107993268B CN 107993268 B CN107993268 B CN 107993268B CN 201711436331 A CN201711436331 A CN 201711436331A CN 107993268 B CN107993268 B CN 107993268B
- Authority
- CN
- China
- Prior art keywords
- vertex
- points
- point
- corner
- calibration
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Abstract
本申请公开了一种相机自标定的方法,所述方法包括获取标定板照片,并利用Harris角点原理提取所述标定板照片的角点;根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;根据所述角点与所述内顶点的位置关系确定内角点;对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定。本方法能够自动化的对相机进行精准的标定。本申请还公开了一种相机自标定的系统、一种计算机可读存储介质及一种相机,具有以上有益效果。
Description
技术领域
本发明涉及机器视觉领域,特别涉及一种相机自标定的方法、系统、一种计算机可读存储介质及一种相机。
背景技术
相机标定是机器视觉应用的首要问题,相机由于生产加工以及自身的特性会有误差的存在,这些误差如不纠正会对之后的图像拍摄、处理造成很大的干扰。
现有技术中,目前的相机标定法以拍摄标定板图片,角点提取计算为主,而角点的提取依赖手工提取,而且对于相机的标定是利用所有的角点进行标定,不区分内角点和外角点,导致效率底下,操作繁琐且精度不高。
因此,如何自动化的对相机进行精准的标定是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的是提供一种相机自标定的方法、系统、一种计算机可读存储介质及一种相机,能够自动化的对相机进行精准的标定。
为解决上述技术问题,本申请提供一种相机自标定的方法,该方法包括:
获取标定板照片,并利用Harris角点原理提取所述标定板照片的角点;
根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;
根据所述角点与所述内顶点的位置关系确定内角点;
对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定。
可选的,所述获取标定板照片,并利用Harris角点原理提取所述标定板照片的角点包括:
获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点。
可选的,所述根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点包括:
将所有所述角点中所述角点坐标均为极值的四个角点设置为所述外顶点;
利用所述角点到所有所述外顶点的距离根据内顶点确定公式得到四个所述内顶点;其中,所述内顶点确定公式为ε<D<2ε,ε为相邻两个角点之间的距离,D为所述内顶点与所述外顶点之间的距离。
可选的,根据所述角点与所述内顶点的位置关系确定内角点包括:
将四个所述内顶点围成的四边形对角线的交点设置为中心点;
将符合内角点判断公式的角点设置为所述内角点;
其中,所述内角点判断公式为R<L-ξ,R为角点到所述中心点的距离,L为角点与中心点连线的延长线与内顶点围成的四边形的交点到所述中心点的距离,ξ为容差数。
可选的,对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算包括:
对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;
利用张正友标定法对整合后的内角点进行所述内参和所述外参的计算。
本申请还提供了一种相机自标定的系统,该系统包括:
角点获取模块,用于获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点;
顶点确定模块,用于根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;
内角点确定模块,用于根据所述角点与所述内顶点的位置关系确定内角点;
自标定模块,用于对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定。
可选的,所述角点获取模块具体为获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点的模块。
可选的,自标定模块包括:
整合单元,用于对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;
计算模块,用于利用张正友标定法对整合后的内角点进行所述内参和所述外参的计算。
本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序执行时实现上述相机自标定的方法执行的步骤。
本申请还提供了一种相机,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时实现上述相机自标定的方法执行的步骤。
本发明提供了一种相机自标定的方法,包括获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点;根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;根据所述角点与所述内顶点的位置关系确定内角点;对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定。
本发明在利用Harris角点原理提取得到标定板照片的角点后,通过角点坐标以及角点之间的位置关系得到内顶点,连接内顶点可以得到关于划分内角点与外角点的界限,以便获得干扰较小的内角点,利用内角点计算得到的内参和外参能够精确标定相机。本方案的整个过程中不需要人工提取角点,并且只用干扰较小的内角点进行标定,因此本方案能够自动化的对相机进行精准的标定。本申请同时还提供了一种相机自标定的系统、一种计算机可读存储介质和一种相机,具有上述有益效果,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。
图1为本申请实施例所提供的一种相机自标定的方法的流程图;
图2为内外顶点与内外顶点分布示意图;
图3为本申请实施例所提供的另一种相机自标定的方法的流程图;
图4为本申请实施例所提供的一种相机自标定的系统的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面请参见图1,图1为本申请实施例所提供的一种相机自标定的方法的流程图。
具体步骤可以包括:
S101:获取标定板照片,并利用Harris角点原理提取所述标定板照片的角点;
其中,本步骤中提到的标定板(Calibration Target)是一种几何模型,主要应用于机器视觉、图像测量、摄影测量、三维重建等领域中,可以用来校正镜头畸变、确定物理尺寸和像素间的换算关系以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系。
本步骤默认存在通过相机拍摄带有固定间距图案阵列的平板的操作。此处不限定获取标定板照片的数量,通常来讲标定板照片的数量在3张到20张志坚,但是为了获取最佳的标定效果降低误差,可以拍摄15张到20张的标定板照片,且拍摄时以标定板一侧稍微翘起最好(且角度不宜多大和过小,在10-20度为最佳)。此处不对拍摄的标定板照片的数量进行限定,本领域的技术人员可以根据实际应用场景选择适当的标定板照片的数量。值得注意的是,此处不对标准板照片形状进行具体的限定,但是考虑到方便计算和市面上常用的相机种类,标定板照片的形状可以是矩形。
本步骤提到的Harris角点原理是在相机标定领域常用的原理,Harris角点原理的基本思想是使用一个固定窗口在图像上进行任意方向上的滑动,比较滑动前与滑动后两种情况,窗口中的像素灰度变化程度,如果存在任意方向上的滑动,都有着较大灰度变化,那么可以认为该窗口中存在角点。
S102:根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;
其中,本步骤中提到的外顶点和内顶点在本质上都是角点,只不过由于外顶点与内顶点的位置相对特殊。在确定内顶点和外顶点的前提下,在执行内外角点的区分时所描述的角点不包括内顶点和外顶点。
值得注意的是,本步骤中的外顶点是标定板照片中所有角点中坐标为极大致或极小值的点,可以这样理解,通过直线连接所有外顶点得到的几何图形能够将所有角点都包围起来。例如,当标定板照片为矩形照片时,默认举行的中心为原点建立直角坐标系,外顶点就是四个象限中所有角点中距原点最远的点就是外顶点。
可以理解的是,内顶点可以通过相关公式计算判定得到,即通过比较各个角点之间的距离和角点与各外顶点之间的距离即可得到。通来来说,内顶点和外顶点是成对存在的,因此,内顶点和外顶点的数量是一致的。
S103:根据所述角点与所述内顶点的位置关系确定内角点;
其中,请参见图2,图2为内外顶点与内外顶点分布示意图。O为四个内顶点连线的交点,P为任意一角点,ε为角点间距离,当|OP|>|OM|时为外角点,当|OP|<|OM|时为内角点。利用直线连接内顶点得到的最大的几何图形的轮廓线是内角点和外角点的分界线,该最大的几何图形的内部的角点可以认为是内角点,外部的为外角点。
S104:对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定。
其中,本步骤中提到的世界坐标系是系统的绝对坐标系,在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。可以对所有的内角点从大到小、或从小到大的顺序进行整合,对整合后的内角点进行内参和外参的计算,利用内参和外参这两个参数完成相机的自标定。
由于外层角点提取的误差较大,如果加上外层角点进行标定的话,会影响了标定结果的精度。因此本实施例在利用Harris角点原理提取得到标定板照片的角点后,通过角点坐标以及角点之间的位置关系得到内顶点,连接内顶点可以得到关于划分内角点与外角点的界限,以便获得干扰较小的内角点,利用内角点计算得到的内参和外参能够精确标定相机。本方案的整个过程中不需要人工提取角点,并且只用干扰较小的内角点进行标定,因此本方案能够自动化的对相机进行精准的标定。
下面请参见图3,图3为本申请实施例所提供的另一种相机自标定的方法的流程图;在本实施例相对于上一实施例是一种更有选、更具体的实施例,相同步骤的介绍与上一实施例基本一致,可以相互参见,此处不再赘述。
具体步骤可以包括:
S201:获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点;
S202:将所有所述角点中所述角点坐标均为极值的四个角点设置为所述外顶点;
其中,由于本步骤是建立在拍摄矩形标定板照片的前提下,因此角点坐标均为极值可以有四个,即:应该是(1)横坐标与纵坐标和为最小的角点,(2)横坐标与纵坐标和为最大的角点,(3)横坐标与纵坐标差为最大的角点,(4)纵坐标与横坐标差为最大的角点。
S203:利用所述角点到所有所述外顶点的距离根据内顶点确定公式得到四个所述内顶点;其中,所述内顶点确定公式为ε<D<2ε,ε为相邻两个角点之间的距离,D为所述内顶点与所述外顶点之间的距离;
本步骤是建立在S202已经得到四个外顶点的基础上,对应的可以得到四个内顶点。
S204:将四个所述内顶点围成的四边形对角线的交点设置为中心点;
S205:将符合内角点判断公式的角点设置为所述内角点;其中,所述内角点判断公式为R<L-ξ。其中,R为角点到中心点的距离,L为角点与中心点连线的延长线与内顶点围成的四边形的交点到中心点的距离,ξ为容差数,优选的ξ可以为6个像素的大小。
S206:对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;
S207:利用张正友标定法对整合后的内角点进行所述内参和所述外参的计算,以便完成相机自标定。
其中,张正友标定法是指张正友教授1998年提出的单平面棋盘格的摄像机标定方法。该方法介于传统标定法和自标定法之间,但克服了传统标定法需要的高精度标定物的缺点,而仅需使用一个打印出来的棋盘格就可以。同时也相对于自标定而言,提高了精度,便于操作。
下面通过在实际应用中的实施例说明上述实施例描述的流程。
步骤1:拍摄20张黑白的矩形标定板照片。
步骤2:利用判断矩阵提取所述矩形标定板照片的角点,判断矩阵如下公式:
式中,为对图像X方向的一阶滤波;为对图像Y方向的一阶滤波,x为在对图像的横向方向的进行一阶滤波操作,y为在对图像的纵向方向进行一阶滤波操作;为高斯滤波函数(用于消除滤波函数之后的噪声),m、n是滤波模板大小(一般为预设比例的模板,如13*13,具体多大不定,可以根据具体操作来看效果,一般为3*3起步,具体多大根据效果确定),σ是标准差(具体值也不定,一般取0.2-0.5这个范围);μ1、μ2为M矩阵的两个特征值,如μ1、μ2的值都很大,则可判断此点为角点,其余判别不是角点。
步骤3:设识别出的角点坐标为(ui,vj),则ui+vj取最小值,此时为棋盘格的外顶点A1;ui+vj取最大值,此时为棋盘格的外顶点A3;ui-vj取最大值,此时为棋盘格的外顶点A4;vj-ui取最小值,此时为棋盘格的外顶点A2。
步骤4:利用所述角点到所有所述外顶点的距离根据内顶点确定公式得到四个所述内顶点;所述角点确定公式为:
ε<D<2ε;
式中,ε为相邻两个角点之间的距离;D=(D1、D2、D3、D4),D1为角点坐标与外层顶点A1之间的距离,符合公式的角点坐标便为内层顶点B1;D2为角点坐标与外层顶点A2之间的距离,符合公式的角点坐标便为内层顶点B2;D3为角点坐标与外层顶点A3之间的距离,符合公式的角点坐标便为内层顶点B3;D4为角点坐标与外层顶点A4之间的距离,符合公式的角点坐标便为内层顶点B4。
步骤5:将符合内角点判断公式的角点设置为所述内角点;内角点判断公式为:R<L-ξ。
步骤6:对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;整合方法为:首先,先将提取出的所有角点坐标按列坐标从小到大排序;其次,将排序后的坐标按ω(行或列角点数)为一组,按行从小到大排序。
步骤7:根据提取出的内层角点坐标按张正友标定法进行内参和外参的计算。
请参见图4,图4为本申请实施例所提供的一种相机自标定的系统的结构示意图;
该系统可以包括:
角点获取模块100,用于获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点;
顶点确定模块200,用于根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;
内角点确定模块300,用于根据所述角点与所述内顶点的位置关系确定内角点;
自标定模块400,用于对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定。
在本申请提供的另一种相机自标定的系统的实施例中,进一步的,所述角点获取模块100具体为获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点的模块。
进一步的,自标定模块400包括:
整合单元,用于对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;
计算模块,用于利用张正友标定法对整合后的内角点进行所述内参和所述外参的计算。
由于系统部分的实施例与方法部分的实施例相互对应,因此系统部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
本申请还提供了一种计算机可读存储介质,其上存有计算机程序,该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种相机,可以包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时,可以实现上述实施例所提供的步骤。当然所述火电设备诊断装置还可以包括各种网络接口,电源等组件。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (9)
1.一种相机自标定的方法,其特征在于,包括:
获取标定板照片,并利用Harris角点原理提取所述标定板照片的角点;
根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;
根据所述角点与所述内顶点的位置关系确定内角点;
对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定;
其中,所述根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点包括:
将所有所述角点中所述角点坐标均为极值的四个角点设置为所述外顶点;
利用所述角点到所有所述外顶点的距离根据内顶点确定公式得到四个所述内顶点;其中,所述内顶点确定公式为ε<D<2ε,ε为相邻两个角点之间的距离,D为所述内顶点与所述外顶点之间的距离。
2.根据权利要求1所述方法,其特征在于,所述获取标定板照片,并利用Harris角点原理提取所述标定板照片的角点包括:
获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点。
3.根据权利要求2所述方法,其特征在于,根据所述角点与所述内顶点的位置关系确定内角点包括:
将四个所述内顶点围成的四边形对角线的交点设置为中心点;
将符合内角点判断公式的角点设置为所述内角点;
其中,所述内角点判断公式为R<L-ξ,R为角点到所述中心点的距离,L为角点与中心点连线的延长线与内顶点围成的四边形的交点到所述中心点的距离,ξ为容差数。
4.根据权利要求2所述方法,其特征在于,对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算包括:
对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;
利用张正友标定法对整合后的内角点进行所述内参和所述外参的计算。
5.一种相机自标定的系统,其特征在于,包括:
角点获取模块,用于获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点;
顶点确定模块,用于根据角点坐标得到外顶点,并利用所述角点到所述外顶点的距离得到内顶点;
内角点确定模块,用于根据所述角点与所述内顶点的位置关系确定内角点;
自标定模块,用于对所有所述内角点按世界坐标系进行整合,并对整合后的内角点进行内参和外参的计算,以便完成相机自标定;
其中,顶点确定模块用于将所有所述角点中所述角点坐标均为极值的四个角点设置为所述外顶点;还用于利用所述角点到所有所述外顶点的距离根据内顶点确定公式得到四个所述内顶点;其中,所述内顶点确定公式为ε<D<2ε,ε为相邻两个角点之间的距离,D为所述内顶点与所述外顶点之间的距离。
6.根据权利要求5所述系统,其特征在于,所述角点获取模块具体为获取矩形标定板照片,并利用Harris角点原理提取所述矩形标定板照片的角点的模块。
7.根据权利要求5所述系统,其特征在于,自标定模块包括:
整合单元,用于对所有所述内角点按世界坐标系以坐标从大到小的顺序进行整合;
计算模块,用于利用张正友标定法对整合后的内角点进行所述内参和所述外参的计算。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序执行时实现如权利要求1至4任一项所述方法。
9.一种相机,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如权利要求1至4任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436331.XA CN107993268B (zh) | 2017-12-26 | 2017-12-26 | 一种相机自标定的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436331.XA CN107993268B (zh) | 2017-12-26 | 2017-12-26 | 一种相机自标定的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107993268A CN107993268A (zh) | 2018-05-04 |
CN107993268B true CN107993268B (zh) | 2021-11-30 |
Family
ID=62041877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711436331.XA Active CN107993268B (zh) | 2017-12-26 | 2017-12-26 | 一种相机自标定的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107993268B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179358B (zh) * | 2019-12-30 | 2024-01-05 | 浙江商汤科技开发有限公司 | 标定方法、装置、设备及存储介质 |
CN112881999B (zh) * | 2021-01-25 | 2024-02-02 | 上海西虹桥导航技术有限公司 | 一种用于多线激光雷达与视觉传感器的半自动标定方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023265A (zh) * | 2014-04-29 | 2015-11-04 | 东北大学 | 鱼眼镜头下的棋盘格角点自动检测方法 |
CN105447877A (zh) * | 2015-12-13 | 2016-03-30 | 大巨龙立体科技有限公司 | 一种平行双摄像头立体标定的方法 |
CN105981074A (zh) * | 2014-11-04 | 2016-09-28 | 深圳市大疆创新科技有限公司 | 相机标定 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2907298B1 (en) * | 2012-10-11 | 2019-09-18 | LG Electronics Inc. | Image processing device and image processing method |
CN105913439B (zh) * | 2016-04-22 | 2018-12-11 | 清华大学 | 一种基于激光跟踪仪的大视场摄像机标定方法 |
CN107194972B (zh) * | 2017-05-16 | 2021-04-02 | 成都通甲优博科技有限责任公司 | 一种摄像机标定方法及系统 |
-
2017
- 2017-12-26 CN CN201711436331.XA patent/CN107993268B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023265A (zh) * | 2014-04-29 | 2015-11-04 | 东北大学 | 鱼眼镜头下的棋盘格角点自动检测方法 |
CN105981074A (zh) * | 2014-11-04 | 2016-09-28 | 深圳市大疆创新科技有限公司 | 相机标定 |
CN105447877A (zh) * | 2015-12-13 | 2016-03-30 | 大巨龙立体科技有限公司 | 一种平行双摄像头立体标定的方法 |
Non-Patent Citations (1)
Title |
---|
基于改进Harris角点算法的摄像机标定技术研究;曹兵 等;《计算机测量与控制》;20160531;第24卷(第5期);基于改进Harris角点算法的摄像机标定技术研究 * |
Also Published As
Publication number | Publication date |
---|---|
CN107993268A (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
CN110276808B (zh) | 一种单相机结合二维码测量玻璃板不平度的方法 | |
CN109360246B (zh) | 基于同步子区搜索的立体视觉三维位移测量方法 | |
CN109767474B (zh) | 一种多目相机标定方法、装置及存储介质 | |
CN108510551B (zh) | 一种远距离大视场条件下相机参数的标定方法及系统 | |
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN111260731A (zh) | 一种棋盘格亚像素级角点自适应检测的方法 | |
CN111862224B (zh) | 确定相机与激光雷达之间外参的方法和装置 | |
CN107886547B (zh) | 一种鱼眼相机标定方法及系统 | |
CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
CN109727278B (zh) | 一种机载LiDAR点云数据与航空影像的自动配准方法 | |
CN101763643A (zh) | 一种结构光三维扫描仪系统自动标定方法 | |
CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
CN109272555B (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
Von Gioi et al. | Towards high-precision lens distortion correction | |
CN109003312B (zh) | 一种基于非线性优化的相机标定方法 | |
CN111340888B (zh) | 一种无需白图像的光场相机检校方法及系统 | |
CN107993268B (zh) | 一种相机自标定的方法及系统 | |
CN112489137A (zh) | 一种rgbd相机标定方法及系统 | |
CN115457147A (zh) | 相机标定方法、电子设备及存储介质 | |
CN114463442A (zh) | 一种非同轴相机的标定方法 | |
WO2018081967A1 (en) | Real-time three-dimensional camera calibration | |
CN112686961A (zh) | 一种深度相机标定参数的修正方法、装置 | |
CN107240077B (zh) | 一种基于椭圆构像偏差迭代矫正的视觉测量方法 | |
CN113379845A (zh) | 一种相机标定方法及装置、电子设备及存储介质 |
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 |