CN108717714B - 多相机标定方法、标定系统、存储介质、及电子设备 - Google Patents

Abstract

本发明提供多相机标定方法、标定系统、存储介质、及电子设备。所述方法大致包括以下步骤：同步待标定的多个相机的时间；获取采样图像；提取所述标定板的特征点像素坐标；计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态；构建并分析二部图模型，以得到各顶点的绝对位置姿态；基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数，并将所述全局优化函数的最优值作为所述多个相机的标定值。本发明的技术方案充分利用多相机系统的几何约束，并且可以减少在优化时的迭代次数，提高了多相机标定的可靠性、高效性、及精确性。

Description

多相机标定方法、标定系统、存储介质、及电子设备

技术领域

本发明涉及相机标定技术领域，特别是涉及多相机标定方法、标定系统、存储介质、及电子设备。

背景技术

相机标定是使用多相机阵列系统的首要步骤。如果没有精确的相机参数标定步骤，多个相机将难以协同工作。然而，在使用现有的标定方法进行相机标定时，如果想要确保标定精度则需要人工小心地调整移动标定板并拍摄大量采样图片，这导致标定人员的工作流程过于复杂并且运算时间较长。因此，如何减少在采样图片时的人工干预，并快速地完成较高精度的多相机标定，成为了多相机系统实用化过程中需要重点解决的关键技术之一。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供多相机标定方法、标定系统、存储介质、及电子设备，用于解决现有技术中的多相机标定效率低下、可靠性低等问题。

为实现上述目的及其他相关目的，本发明提供一种多相机标定方法，包括：同步待标定的多个相机的时间；令一标定板在由各所述相机的视野区域所组成的场景范围内随机运动直至覆盖整个场景；在此期间，令同步后的所述多个相机同步执行拍摄以获取采样图像；对所述采样图像加以分析，以从中提取所述标定板的特征点像素坐标；根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态；构建二部图模型；所述二部图模型的顶点集包括：由各所述相机的初始参数集合分别作为顶点所构成的第一顶点子集、及由各所述位置姿态分别作为顶点所构成的第二顶点子集；所述二部图模型的边集包括：各所述相机与其在某一时刻所拍摄的该时刻的标定板之间的对应关系所构成的边；分析所述二部图模型，以得到所述第一顶点子集中各顶点的绝对位置姿态，以及所述第二顶点子集中各顶点所对应的绝对位置姿态；基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数，并将所述全局优化函数的最优值作为所述多个相机的标定值。

于本发明一实施例中，所述令同步后的所述多个相机同步执行拍摄以获取采样图像，包括：当每个所述相机都能采集到预设数量的具有所述标定板的有效图片时，停止各所述相机的拍摄。

于本发明一实施例中，所述根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态，包括：利用张氏标定法分别计算各所述相机的K,R_i,t_i的初始值；所述K代表相机的内参数矩阵，(R_i,t_i)代表第i个时刻标定板坐标系与相机坐标系的相对变换；优化如下目标函数以将最优值作为所述位置姿态：

其中，x_ij代表所述特征点像素坐标，

代表x_ij对应的三维点在参数K,R_i,t_i,d下的投影点的坐标，d代表畸变参数，q代表所述采样图像的张数，m代表每张所述采样图像中三维点的数目。

于本发明一实施例中，所述分析所述二部图模型以得到所述第一顶点子集中各顶点的绝对位置姿态及所述第二顶点子集中各顶点所对应的绝对位置姿态，包括：以所述第一顶点子集中的某一顶点作为根节点并将在同一时刻拍摄到所述标定板的相机所对应的顶点之间通过边相连接，从而创建由所述第一顶点子集中的各顶点所构成的生成树；为所述生成树内的每一对父子节点：首先，创建第一布尔变量数组和第二布尔变量数组，若每一对父子节点中的父节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第一布尔变量数组中对应添加一表示真的元素；若每一对父子节点中的子节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第二布尔变量数组中对应添加一表示真的元素；其次，将所述第一布尔变量数组和所述第二布尔变量数组的对应元素进行逻辑与运算，并选出运算结果为真所对应的位置姿态顶点，进而输出从各所述父节点到这些位置姿态顶点再到各所述子节点的所有路径；再次，利用运动均值优化所述所有路径，以得出各所述子节点的绝对位置姿态；根据各所述子节点的绝对位置姿态及每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态，计算得到每一时刻的所述标定板的绝对位置姿态。

于本发明一实施例中，所述基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数如下：

其中，所述特征点像素坐标由x_p代表，

代表x_p对应的三维点在参数K_i,

d_i下的投影点的坐标，K_i代表第i个相机的内参数矩阵，

分别代表所述第一顶点子集中各顶点的绝对位置姿态中的旋转参数和平移参数，

分别代表所述第二顶点子集中各顶点的绝对位置姿态中的旋转参数和平移参数，d代表畸变参数，|V^c|代表待标定的相机的个数，|V^b|代表所述采样图像的张数，m代表每张所述采样图像中三维点的数目。

于本发明一实施例中，所述初始参数集合包括：相机的六自由度姿态、内参数、及畸变参数。

于本发明一实施例中，所述标定板的特征点像素坐标为所述标定板的棋盘格的黑格子和白格子的交错点。

为实现上述目的及其他相关目的，本发明提供一种多相机标定系统，包括：时间同步模块，用于同步待标定的多个相机的时间；图像采样模块，用于在一标定板在由各所述相机的视野区域所组成的场景范围内随机运动直至覆盖整个场景期间，令同步后的所述多个相机同步执行拍摄以获取采样图像；数据处理模块，用于对所述采样图像加以分析，以从中提取所述标定板的特征点像素坐标；根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态；构建二部图模型；所述二部图模型的顶点集包括：由各所述相机的初始参数集合分别作为顶点所构成的第一顶点子集、及由各所述位置姿态分别作为顶点所构成的第二顶点子集；所述二部图模型的边集包括：各所述相机与其在某一时刻所拍摄的该时刻的标定板之间的对应关系所构成的边；分析所述二部图模型，以得到所述第一顶点子集中各顶点的绝对位置姿态，以及所述第二顶点子集中各顶点所对应的绝对位置姿态；基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数，并将所述全局优化函数的最优值作为所述多个相机的标定值。

为实现上述目的及其他相关目的，本发明提供一种存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现如上任一所述的多相机标定方法。

为实现上述目的及其他相关目的，本发明提供一种电子设备，包括：处理器、及存储器；其中，所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如上任一所述的多相机标定方法。

如上所述，本发明的多相机标定方法、标定系统、存储介质、及电子设备，具有以下有益效果：充分利用多相机系统的几何约束，并且可以减少在优化时的迭代次数，提高了多相机标定的可靠性、高效性、及精确性。

附图说明

图1显示为本发明一实施例中的多相机标定方法的流程示意图。

图2显示为本发明一实施例中的二部图建模的原理示意图。

图3显示为本发明一实施例中的多相机标定系统的模块示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

请参阅图1，本实施例提供一种多相机标定方法，具体包括以下步骤：

S11：同步待标定的多个相机的时间。

具体的，同步待标定的多个相机的时间可通过两种方式进行：方式一、连接相机，通过调用相机驱动程序来获取各相机快门的时间戳；方式二、通过连接外部触发线来设置全局快门。

S12：令一标定板在由各所述相机的视野区域所组成的场景范围内随机运动直至覆盖整个场景；在此期间，令同步后的所述多个相机同步执行拍摄以获取采样图像。

详细而言，可由人手持标定板、或机器人承载标定板等，在由各所述相机的视野区域所组成的场景内随机运动，所述标定板可选用棋盘格式标定板，所述特征点像素坐标是指棋盘格的黑格子和白格子的交错点。此时，每个相机同步地采集场景图片，例如每秒钟拍摄2张等。当将场景覆盖完成且每个所述相机都能采集到预设数量(如3张)的具有所述标定板的有效图片时，停止各所述相机的拍摄，结束采样过程。

S13：对所述采样图像加以分析，以从中提取所述标定板的特征点像素坐标。所谓特征点像素坐标是指即每个特征点的像在图像上的坐标。

具体的：

a)如果本步骤的执行设备是单核CPU，则依次处理每一帧图像；

b)如果本步骤的执行设备是多核CPU，则构建一线程池，并令其大小为核心个数N；

c)当还有图像没有被分析完时转到d)，否则转到g)；

d)当线程池中有空余资源时转到e)，否则转到f)；

e)从线程池中创建一个工作线程，并更新线程池的状态和未处理图像的状态并转到c)；

f)主线程监听每个工作线程的状态，如果工作线程结束，则收集其运算结果，并释放线程池资源再转到c)；否则，继续转到f)等待工作线程结束；

g)结束图像分析过程。

S14：根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态。

所述初始参数集合包括：相机的六自由度姿态、内参数、及畸变参数等。

详细而言，首先，利用张氏标定法计算K,R_i,t_i的初始值，其中K为相机内参数矩阵，(R_i,t_i)则代表第i个时刻标定板坐标系与相机坐标系的相对变换；然后，利用非线性最小二乘法优化如下目标函数：

其中，x_ij代表所述特征点像素坐标，

代表x_ij对应的三维点在参数K,R_i,t_i,d下的投影点的坐标，d代表畸变参数(包括径向畸变参数与切向畸变参数)，q代表所述采样图像的张数，m代表每张所述采样图像中三维点的数目。

S15：构建二部图模型。所述二部图模型的顶点集包括：由各所述相机的初始参数集合分别作为顶点所构成的第一顶点子集、及由各所述位置姿态分别作为顶点所构成的第二顶点子集；所述二部图模型的边集包括：各所述相机与其在某一时刻所拍摄的该时刻的标定板之间的对应关系所构成的边。

详细而言，构建二部图G＝(V,E)，其中V＝V^c∪V^b且

满足

v₁∈V^c且v₂∈V^b。在标定算法中，V^c代表相机顶点，V^b代表标定板顶点。图2展示了一个用二部图建模的标定例子，其中，五个三角代表五个待标定的相机，外围的矩形代表不同时间下的所述标定板。如果相机在采样时可以看到某时刻的标定板则在此相机与对应的标定板之间建立一条边，即图中深色的虚线所示。由于在实际测量时，相机之间与标定板之间不存在直接测量关系(若两个相机在同一时刻都能拍到所述标定板则认为这两个相机之间存在直接测量关系)，因此所形成的图就是二部图。

在本实施例中，对于多相机标定的二部图建模：V^c内的一个元素唯一确定地表示待标定相机系统内的一个相机，而V^b内的一个元素则表示为在某一时刻的棋盘格板子在空间中的位姿。图中的边e_ij表示相机i与第j时刻的标定板存在直接测量关系(即可以用来估计单映矩阵)。对于每一个相机顶点v∈V^c，其中不仅包含了相机的6自由度姿态，还包含了其内参与畸变参数，而对于每一个棋盘格顶点v∈V^b，则仅包含其姿态信息。

S16：分析所述二部图模型，以得到所述第一顶点子集中各顶点的绝对位置姿态，以及所述第二顶点子集中各顶点所对应的绝对位置姿态，包括：

以所述第一顶点子集中的某一顶点作为根节点并将在同一时刻拍摄到所述标定板的相机所对应的顶点之间通过边相连接，从而创建由所述第一顶点子集中的各顶点所构成的生成树；为所述生成树内的每一对父子节点：首先，创建第一布尔变量数组和第二布尔变量数组，若每一对父子节点中的父节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第一布尔变量数组中对应添加一表示真的元素；若每一对父子节点中的子节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第二布尔变量数组中对应添加一表示真的元素；其次，将所述第一布尔变量数组和所述第二布尔变量数组的对应元素进行逻辑与运算，并选出运算结果为真所对应的位置姿态顶点，进而输出从各所述父节点到这些位置姿态顶点再到各所述子节点的所有路径；再次，利用运动均值优化所述所有路径，以得出各所述子节点的绝对位置姿态；根据各所述子节点的绝对位置姿态及每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态，计算得到每一时刻的所述标定板的绝对位置姿态。

具体实现过程包括：

a)任选一相机作为参考相机，并以参考相机为根节点，创建一个只包含相机节点的生成树T。只有当两个相机存在直接测量时才存在一条边，类似的过程可以用BFS在O(V²)内完成。

b)针对T内部的每一对父子结点：

i.设父子相机结点为V_s ^c和

由于G是二部图，因此V_s ^c与

的直接相连节点一定属于V^b。针对V_s ^c和

分别初始化一个大小为|V^b|的全为非的布尔变量数组S和T，若V_s ^c与V_j ^b之间存在一条边，则S(j)＝true。同理，如果V_t ^c与V_j ^b之间存在一条边，则T(j)＝true。显然，此步骤的复杂度为O(V)。

ii.将S和T每一个对应元素进行逻辑与运算，将结果保存在U，此步骤的复杂度为O(V)。

iii.输出所有从V_s ^c到{V_j ^b|U(j)＝true}，再到V_t ^c的所有路径。

iv.根据这些路径，通过运动均值优化得出子相机节点的最优位置。假设存在n条从V_s ^c到V_t ^c的路径，通过第i条路径可以计算出从相机s到t的6自由度欧式变换为：{R_i,t_i}。最优运动估计的具体算法如下：

1st)输入为

和阈值ε。

2nd)采用最小二乘法计算

其中优化得的t_opt为最优平移量，也即V_s ^c到V_t ^c的相对位置姿态中的平移部分的具备最优估计值。

3rd)设最优旋转量为R_opt，并初始化为R_opt＝R₁。

4th)计算对数映射

5th)如果||r||₂≤ε则返回R_opt和t_opt，否则更新R_opt＝R_optexp(r)并返回4th)。

使用最小二乘法，由于每一对测量每一次迭代的时间不超过O(V)。由于收敛率为

k＝10次迭代可以使得算法精度达到0.01。因此可以任务对每一对父子节点的优化时间复杂度不超过O(V)。

b)的完整时间复杂度则可以总结为O(V×(V+V))＝O(V²)。

c)当所有的相机位置更新之后，针对每一个时刻的板子，直接通过测量关系

可以利用下式：

其中，

代表第i个相机在参考系(即参考相机的相机坐标系)下的绝对的位姿，

表示第j个板子在参考系下的绝对的位姿，

则表示第j个板子与第i个相机的相对位置。

d)恢复每一个板子的绝对位置姿态。此步骤的时间复杂度为O(V)。

S17：基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数，并将所述全局优化函数的最优值作为所述多个相机的标定值。

具体实现过程包括：

a)采样全局优化如下目标函数：

其中，x_p代表标定板特征点在图像中所成的像的像素坐标，

代表x_p对应的三维点在参数K_i,

d_i下的投影点的坐标，|V^c|代表系统中相机的个数，|V^b|代表输入样本图片的张数，m代表每张图片中三维点的数目。d代表畸变参数(包括径向畸变参数与切向畸变参数)，f_d为畸变映射函数，投影公式为：

其中，

和x_p都是二维向量，相机投影是从三维到到二维的过程，λ是一个使得等式两边维度一致的参数，其物理意义是三维点X_p在相机坐标系下的深度。

b)优化完成后则完成标定。

是特征点x_p的重投影坐标。最终的标定结果是K_i,

d_i(对所有的ij)。

与x_p的差距表示了标定的精度(差距越小精度越高)。

如图3所示，本实施例提供一种多相机标定系统300，其包括：时间同步模块301、图像采样模块302、数据处理模块303。时间同步模块301用于执行前述方法实施例中的步骤S11，图像采样模块302用于执行前述方法实施例中的步骤S12，数据处理模块303用于执行前述方法实施例中的步骤S13～S17。

本领域技术人员应当理解，标定系统300的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个或多个物理实体上。且这些模块可以全部以软件通过处理元件调用的形式实现，也可以全部以硬件的形式实现，还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，数据处理模块303可以为单独设立的处理元件，也可以集成在某一个芯片中实现，此外，也可以以程序代码的形式存储于存储器中，由某一个处理元件调用并执行数据处理模块303的功能。其它模块的实现与之类似。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)，或，一个或多个微处理器(digitalsingnalprocessor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammableGateArray，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessingUnit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

除此之外，本发明还包括一种存储介质和一种电子设备，由于前述实施例中的技术特征可以应用于存储介质实施例、电子设备实施例，因而不再重复赘述。

所述存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质，其中存储有计算机程序，该计算机程序在被处理器加载执行时，实现前述实施例所介绍的多相机标定方法的全部或部分步骤。

所述电子设备为包括处理器(CPU/MCU/SOC)、存储器(ROM/RAM)、通信模块(有线/无线网络)、显示模块的设备，优选为计算机。特别的，该存储器中存储有计算机程序，该处理器在加载执行所述计算机程序时，实现前述实施例的工业机器人多相机标定方法的全部或部分步骤。

综上所述，本发明的多相机标定方法、标定系统、存储介质、及电子设备，有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (9)

1.一种多相机标定方法，其特征在于，包括：

同步待标定的多个相机的时间；

令一标定板在由各所述相机的视野区域所组成的场景范围内随机运动直至覆盖整个场景；在此期间，令同步后的所述多个相机同步执行拍摄以获取采样图像；

对所述采样图像加以分析，以从中提取所述标定板的特征点像素坐标；

根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态；

构建二部图模型；所述二部图模型的顶点集包括：由各所述相机的初始参数集合分别作为顶点所构成的第一顶点子集、及由各所述位置姿态分别作为顶点所构成的第二顶点子集；所述二部图模型的边集包括：各所述相机与其在某一时刻所拍摄的该时刻的标定板之间的对应关系所构成的边；

分析所述二部图模型，以得到所述第一顶点子集中各顶点的绝对位置姿态，以及所述第二顶点子集中各顶点所对应的绝对位置姿态，包括：

以所述第一顶点子集中的某一顶点作为根节点并将在同一时刻拍摄到所述标定板的相机所对应的顶点之间通过边相连接，从而创建由所述第一顶点子集中的各顶点所构成的生成树；

为所述生成树内的每一对父子节点：首先，创建第一布尔变量数组和第二布尔变量数组，若每一对父子节点中的父节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第一布尔变量数组中对应添加一表示真的元素；若每一对父子节点中的子节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第二布尔变量数组中对应添加一表示真的元素；其次，将所述第一布尔变量数组和所述第二布尔变量数组的对应元素进行逻辑与运算，并选出运算结果为真所对应的位置姿态顶点，进而输出从各所述父节点到这些位置姿态顶点再到各所述子节点的所有路径；再次，利用运动均值优化所述所有路径，以得出各所述子节点的绝对位置姿态；

根据各所述子节点的绝对位置姿态及每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态，计算得到每一时刻的所述标定板的绝对位置姿态；

基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数，并将所述全局优化函数的最优值作为所述多个相机的标定值。

2.根据权利要求1所述的方法，其特征在于，所述令同步后的所述多个相机同步执行拍摄以获取采样图像，包括：当每个所述相机都能采集到预设数量的具有所述标定板的有效图片时，停止各所述相机的拍摄。

3.根据权利要求1所述的方法，其特征在于，所述根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态，包括：

利用张氏标定法分别计算各所述相机的K，R_i，t_i的初始值；所述K代表相机的内参数矩阵，(R_i，t_i)代表第i个时刻标定板坐标系与相机坐标系的相对变换；

优化如下目标函数以将最优值作为所述位置姿态：

其中，x_ij代表所述特征点像素坐标，

代表x_ij对应的三维点在参数K，R_i，t_i，d下的投影点的坐标，d代表畸变参数，q代表所述采样图像的张数，m代表每张所述采样图像中三维点的数目。

4.根据权利要求1所述的方法，其特征在于，所述基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数如下：

其中，所述特征点像素坐标由x_p代表，

代表x_p对应的三维点在参数K_i，

d_i下的投影点的坐标，K_i代表第i个相机的内参数矩阵，

分别代表所述第一顶点子集中各顶点的绝对位置姿态中的旋转参数和平移参数，

分别代表所述第二顶点子集中各顶点的绝对位置姿态中的旋转参数和平移参数，d代表畸变参数，|V^c|代表待标定的相机的个数，|V^b|代表所述采样图像的张数，m代表每张所述采样图像中三维点的数目。

5.根据权利要求1所述的方法，其特征在于，所述初始参数集合包括：相机的六自由度姿态、内参数、及畸变参数。

6.根据权利要求1所述的方法，其特征在于，所述标定板的特征点像素坐标为所述标定板的棋盘格的黑格子和白格子的交错点。

7.一种多相机标定系统，其特征在于，包括：

时间同步模块，用于同步待标定的多个相机的时间；

图像采样模块，用于在一标定板在由各所述相机的视野区域所组成的场景范围内随机运动直至覆盖整个场景期间，令同步后的所述多个相机同步执行拍摄以获取采样图像；

数据处理模块，用于对所述采样图像加以分析，以从中提取所述标定板的特征点像素坐标；根据所述特征点像素坐标及各所述相机的初始参数集合计算每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态；构建二部图模型；所述二部图模型的顶点集包括：由各所述相机的初始参数集合分别作为顶点所构成的第一顶点子集、及由各所述位置姿态分别作为顶点所构成的第二顶点子集；所述二部图模型的边集包括：各所述相机与其在某一时刻所拍摄的该时刻的标定板之间的对应关系所构成的边；分析所述二部图模型，以得到所述第一顶点子集中各顶点的绝对位置姿态，以及所述第二顶点子集中各顶点所对应的绝对位置姿态，包括：以所述第一顶点子集中的某一顶点作为根节点并将在同一时刻拍摄到所述标定板的相机所对应的顶点之间通过边相连接，从而创建由所述第一顶点子集中的各顶点所构成的生成树；为所述生成树内的每一对父子节点：首先，创建第一布尔变量数组和第二布尔变量数组，若每一对父子节点中的父节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第一布尔变量数组中对应添加一表示真的元素；若每一对父子节点中的子节点与所述二部图模型中的各所述位置姿态顶点之间存在边，则在所述第二布尔变量数组中对应添加一表示真的元素；其次，将所述第一布尔变量数组和所述第二布尔变量数组的对应元素进行逻辑与运算，并选出运算结果为真所对应的位置姿态顶点，进而输出从各所述父节点到这些位置姿态顶点再到各所述子节点的所有路径；再次，利用运动均值优化所述所有路径，以得出各所述子节点的绝对位置姿态；根据各所述子节点的绝对位置姿态及每个时刻的标定板相对于拍摄到该时刻的标定板的相机的位置姿态，计算得到每一时刻的所述标定板的绝对位置姿态；基于各所述绝对位置姿态中的旋转参数和平移参数建立所述二部图模型的全局优化函数，并将所述全局优化函数的最优值作为所述多个相机的标定值。

8.一种存储介质，其中存储有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1至6中任一所述的多相机标定方法。

9.一种电子设备，其特征在于，包括：处理器、及存储器；其中，

所述存储器用于存储计算机程序；

所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1至6中任一所述的多相机标定方法。

Images