CN108734738A - 相机标定方法及装置 - Google Patents

相机标定方法及装置 Download PDF

Info

Publication number
CN108734738A
CN108734738A CN201710254363.1A CN201710254363A CN108734738A CN 108734738 A CN108734738 A CN 108734738A CN 201710254363 A CN201710254363 A CN 201710254363A CN 108734738 A CN108734738 A CN 108734738A
Authority
CN
China
Prior art keywords
camera
image
parameter
target
group
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.)
Granted
Application number
CN201710254363.1A
Other languages
English (en)
Other versions
CN108734738B (zh
Inventor
浦世亮
王超
毛慧
任烨
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201710254363.1A priority Critical patent/CN108734738B/zh
Publication of CN108734738A publication Critical patent/CN108734738A/zh
Application granted granted Critical
Publication of CN108734738B publication Critical patent/CN108734738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30204Marker
    • G06T2207/30208Marker matrix

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请实施例公开了一种相机标定方法及装置,属于计算机视觉领域。所述方法包括:通过第一相机采集标靶的m组标定图像,m组标定图像中的每组标定图像包括:第一相机处于n个位姿时所采集到的标靶的标定图像,m为大于或等于2的整数,n为大于或等于3的整数;根据m组标定图像确定第一相机的m组参数;在m组参数中筛选出准确性最高的目标组参数;根据目标组参数以及目标组参数对应的一组标定图像,确定第一相机的n个目标位姿;根据n个目标位姿对与第一相机的类型相同的第二相机进行标定。本申请实施例解决了相机标定结果存在误差的问题,提高了相机标定结果的准确性。

Description

相机标定方法及装置
技术领域
本申请涉及计算机视觉技术领域,特别涉及一种相机标定方法及装置。
背景技术
在图像测量过程以及机器视觉应用中,为了确定空间物体表面某点的三维几何位置,必须建立相机成像的几何模型,这些几何模型参数就是相机的参数,而确定相机的参数的过程称之为相机标定。
相关技术中,在对相机标定时,工作人员通常是根据经验将相机置于多个位姿(位姿也即相对于标靶(如棋盘格图像)的位置和角度),并在相机处于每个位姿时通过相机采集标靶的图像,然后,对采集到的多个标靶的图像进行角点检测,从而得到相机的参数。经过测试发现:在相机标定过程中相机相对标靶的位置和角度不同时,经过角点检测得到的相机的参数不同。
由于相关技术中,在相机标定过程中工作人员根据经验无法将相机摆放在能够得到最准确相机的参数的位姿,因此,相机标定所得到的相机的参数存在误差。
发明内容
为了解决相机标定所得到的相机的参数存在误差的问题,本发明实施例提供了一种相机标定方法及装置。所述技术方案如下:
第一方面,提供了一种相机标定方法,所述方法包括:
通过第一相机采集标靶的m组标定图像,所述m组标定图像中的每组标定图像包括:所述第一相机处于n个位姿时所采集到的所述标靶的标定图像,所述m为大于或等于2的整数,所述n为大于或等于3的整数;
根据所述m组标定图像确定所述第一相机的m组参数,所述m组标定图像与所述m组参数一一对应;
在所述m组参数中筛选出准确性最高的目标组参数;
根据所述目标组参数以及所述目标组参数对应的一组标定图像,确定所述第一相机的n个目标位姿;
根据所述n个目标位姿对第二相机进行标定,所述第二相机的类型与所述第一相机的类型相同。
可选的,所述在所述m组参数中筛选出准确性最高的目标组参数,包括:
通过所述第一相机采集参考平面的图像;
根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,所述m组参数与所述m个三维点云一一对应;
确定所述m个三维点云中,坐标位于所述参考平面内的点在三维点云中所占的比例最大的目标三维点云;
确定所述目标三维点云对应的一组参数为所述目标组参数。
可选的,所述根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,包括:
根据所述m组参数对所述参考平面的图像进行处理,确定m个矫正图像;
对所述m个矫正图像进行立体匹配确定m个视差图像;
根据所述m个视差图像和所述m组参数,确定所述m个三维点云。
可选的,所述根据所述n个目标位姿对第二相机进行标定,包括:
在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像;
根据所述多个标定图像确定所述第二相机的参数。
可选的,每个所述目标位姿用于指示世界坐标系的三个坐标轴上的三个向量,以及中心点坐标,所述在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像,包括:
控制所述第二相机移动;
在所述第二相机移动的过程中,若所述第二相机的中心点坐标与第一目标位姿所指示的中心点坐标的距离小于预设距离阈值,则控制所述第二相机旋转,所述第一目标位姿属于所述n个目标位姿;
在所述第二相机旋转的过程中,若所述第二相机的三个投影向量分别与所述第一目标位姿所指示的三个向量相同,则通过所述第二相机采集所述标靶的标定图像,所述三个投影向量为:所述第二相机的相机坐标系的三个单位向量在世界坐标系的三个投影向量。
可选的,所述标定图像包含所述标靶的图像。
可选的,所述第一相机为双目相机,
所述m组标定图像中的每组标定图像包括:在所述第一相机处于n个位姿时,通过所述第一相机的两个摄像头分别采集到的所述标靶的标定图像。
可选的,所述n=8。
另一方面,提供了一种相机标定装置,所述相机标定装置包括:
采集模块,用于通过第一相机采集标靶的m组标定图像,所述m组标定图像中的每组标定图像包括:所述第一相机处于n个位姿时所采集到的所述标靶的标定图像,所述m为大于或等于2的整数,所述n为大于或等于3的整数;
第一确定模块,用于根据所述m组标定图像确定所述第一相机的m组参数,所述m组标定图像与所述m组参数一一对应;
筛选模块,用于在所述m组参数中筛选出准确性最高的目标组参数;
第二确定模块,用于根据所述目标组参数以及所述目标组参数对应的一组标定图像,确定所述第一相机的n个目标位姿;
标定模块,用于根据所述n个目标位姿对第二相机进行标定,所述第二相机的类型与所述第一相机的类型相同。
可选的,所述筛选模块包括:
第一采集单元,用于通过所述第一相机采集参考平面的图像;
第一确定单元,用于根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,所述m组参数与所述m个三维点云一一对应;
第二确定单元,用于确定所述m个三维点云中,坐标位于所述参考平面内的点在三维点云中所占的比例最大的目标三维点云;
第三确定单元,用于确定所述目标三维点云对应的一组参数为所述目标组参数。
可选的,所述第一确定单元还用于:
根据所述m组参数对所述参考平面的图像进行处理,确定m个矫正图像;
对所述m个矫正图像进行立体匹配确定m个视差图像;
根据所述m个视差图像和所述m组参数,确定所述m个三维点云。
可选的,所述标定模块包括:
第二采集单元,用于在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像;
第四确定单元,用于根据所述多个标定图像确定所述第二相机的参数。
可选的,每个所述目标位姿用于指示世界坐标系的三个坐标轴上的三个向量,以及中心点坐标,所述第二采集单元还用于:
控制所述第二相机移动;
在所述第二相机移动的过程中,若所述第二相机的中心点坐标与第一目标位姿所指示的中心点坐标的距离小于预设距离阈值,则控制所述第二相机旋转,所述第一目标位姿属于所述n个目标位姿;
在所述第二相机旋转的过程中,若所述第二相机的三个投影向量分别与所述第一目标位姿所指示的三个向量相同,则通过所述第二相机采集所述标靶的标定图像,所述三个投影向量为:所述第二相机的相机坐标系的三个单位向量在世界坐标系的三个投影向量。
可选的,所述标定图像包含所述标靶的图像。
可选的,所述第一相机为双目相机,
所述m组标定图像中的每组标定图像包括:在所述第一相机处于n个位姿时,通过所述第一相机的两个摄像头分别采集到的所述标靶的标定图像。
可选的,所述n=8。
第三方面,提供了一种相机标定装置,该相机标定装置包括:至少一个发射模块、至少一个接收模块、至少一个处理模块、至少一个存储模块以及至少一个总线,存储模块通过总线与处理模块相连;处理模块被配置为通过执行存储模块中存储的程序来实现:上述第一方面或第一方面中任意一种可能的实现方式所提供的相机标定方法。
本申请提供的技术方案带来的有益效果是:
本申请中根据每组标定图像所得到的第一相机的参数的准确性,对多组标定图像进行筛选,确定能够得到最准确的目标组参数对应的一组标定图像,进而根据该组标定图像以及目标组参数确定第一相机的n个目标位姿;在后续对与第一相机同类型的每个第二相机进行标定时,均可以将第二相机置于该预设好的n个目标位姿获取标靶的标定图像,进而根据获取到的标定图像确定出第二相机较准确的参数。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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为本发明实施例提供的一种相机标定场景示意图;
图2为本发明实施例提供的一种相机标定方法的方法流程图;
图3为本发明实施例提供的一组标定图像的示意图;
图4为本发明实施例提供的一种确定目标组参数的方法流程图;
图5-1为本发明实施例提供的两个三维点云的示意图;
图5-2为本发明实施例提供的一种相机坐标系与世界坐标系的示意图;
图6-1为本发明实施例提供的在第一个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-2为本发明实施例提供的在第二个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-3为本发明实施例提供的在第三个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-4为本发明实施例提供的在第四个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-5为本发明实施例提供的在第五个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-6为本发明实施例提供的在第六个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-7为本发明实施例提供的在第七个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图6-8为本发明实施例提供的在第八个目标位姿下第一相机和第二相机采集的标定图像的示意图;
图7为本发明实施例提供的一种相机标定装置的结构示意图;
图8为本发明实施例提供的一种筛选模块的结构示意图;
图9为本发明实施例提供的一种标定模块的结构示意图;
图10是本发明实施例提供的另一种相机标定装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1为本发明实施例提供的一种相机标定场景示意图,如图1所示,在对相机A标定时,通常需要将相机A置于至少3个位姿(图1中仅仅示出了3个位姿),并在相机A处于每个位姿时,通过相机采集标靶B(如棋盘格图像)的图像。然后,就可以根据在该至少3个位姿采集到的标靶B的至少3个图像,得到相机的参数。示例的,相机的参数可以包括(相机的焦距、主点和畸变系数等)。需要说明的是,图1中示出的是显示有棋盘格图像的显示屏的侧视图。
图2为本发明实施例提供的一种相机标定方法的方法流程图,本发明实施例提供的相机标定方法可以用于计算机、服务器或者其他具有处理功能的部件,如图2所示,该相机标定方法可以包括:
步骤201、通过第一相机采集标靶的m组标定图像,m组标定图像中的每组标定图像包括:第一相机处于n个位姿时所采集到的标靶的标定图像。
标靶可以为棋盘格图像,该棋盘格图像可以是纸质打印的棋盘格图像(棋盘格图像的精度可以为1毫米),也可以是显示屏显示的棋盘格图像(16:10分辨率的22寸显示屏中每个像素的大小为0.24825毫米,也即该棋盘格图像的精度可以为0.24825毫米)。为了得到较好的相机标定效果,可以将标靶置于一个不会发生镜面反射的位置,或者说,尽可能的保证射入标靶的表面的所有光线能够在标靶的表面发生漫反射,从而使得相机能够获取到清晰的标定图像。
步骤201中可以控制第一相机执行m组图像采集动作,示例的,在控制第一相机执行一组图像采集动作时,可以将第一相机随机置于n个不同的位姿(相对于标靶的位姿),并在第一相机处于每个位姿时,通过第一相机采集一个标靶的标定图像。在一组图像采集动作执行完毕后,共能够采集到n个标定图像;在m组图像采集动作执行完毕后,共能够采集到m×n个标定图像。可选的,m可以为大于或等于2的整数,n可以为大于或等于3的整数,如m等于10,n等于8。示例的,本发明实施例中以n等于8为例,实际应用中,n还可以等于6,或者其他大于或等于3的整数,本发明实施例对此不作限定。
由于在采集标靶的标定图像时,标靶的边缘的图像的畸变情况较严重,为了后续根据标定图像得到较准确的相机模型,需要尽量将整个标靶的图像涵盖在获取到的标定图像中,也即使得采集到的标定图像需要包含标靶的图像,使得标定图像包括标靶的所有边缘的图像。
可选的,本发明实施例中的第一相机可以为双目相机,也即第一相机具有两个摄像头。此时,步骤201中获取到的m组标定图像中的每组标定图像可以包括:第一相机处于n个位姿时,第一相机的两个摄像头分别采集到的标靶的标定图像。也即每组标定图像可以包括2n个标定图像,当n等于8时,每组标定图像可以包括16个标定图像,该16个标定图像可以如图3所示。
步骤202、根据m组标定图像确定第一相机的m组参数,m组标定图像与m组参数一一对应。
在获取到m组标定图像后,就可以对每组标定图像进行处理,如将每组标定图像输入opencv stereo Calibrate(一种开元计算机视觉库),得到每组标定图像对应的一组相机的参数。对m组标定图像进行处理共能够确定相机的m组参数。
步骤203、在m组参数中筛选出准确性最高的目标组参数。
在得到第一相机的m组参数后,可以根据一组参数得到的参考平面的三维点云,并通过判断三维点云中位于参考平面内的点所占的比例是否较大,来确定该组参数是否准确,进而确定m组参数中准确性最高的目标组参数。示例的,确定目标组参数的过程可以如图4所示,也即步骤203可以包括:
步骤2031、通过第一相机采集参考平面的图像。
可以控制第一相机对参考平面进行拍摄,采集参考平面的图像,该参考平面的图像可以是图片也可以是视频,该参考平面可以为天花板所在的平面,或者其他平面。
步骤2032、根据m组参数对参考平面的图像进行处理,确定m个三维点云,m组参数与m个三维点云一一对应。
在步骤2032中可以分别根据步骤202中得到的m组参数,对参考平面的图像进行处理,确定m个矫正图像,且每根据一组参数对参考平面的图像进行处理能够得到一个矫正图像。可选的,在得到矫正图像时,可以采用畸变模型对结合相机的参数对参考平面的图像进行处理。当一组参数中的焦距不同时,在得到矫正图像时所采用的畸变模型也不同,例如,对于焦距为4毫米的双目相机,可以采用四个畸变系数描述相机的畸变模型;对于焦距为2.8毫米的双目相机,可以采用5个畸变系数描述相机的畸变模型;对于焦距为2.0毫米的双目相机,可以采用6个畸变系数描述相机的畸变模型;对于畸变更大的鱼眼相机,可以采用14个畸变系数描述相机的畸变模型。
在本发明实施例中,可以对该m个矫正图像进行立体匹配确定m个视差图像,并根据m个视差图像和m组参数,确定m个三维点云。其中,根据每组参数对参考平面的图像进行处理能够确定一个矫正图像;根据一个矫正图像能够确定一个视差图像;根据一个视差图像和一组参数能够确定一个三维点云。如根据参数组X1对参考平面的图像进行处理能够确定矫正图像X2,对矫正图像X2进行立体匹配能够确定视差图像X3,根据视差图像X3和参数组X1能够确定三维点云X4。
步骤2033、确定m个三维点云中,坐标位于参考平面内的点在三维点云中所占的比例最大的目标三维点云。
在步骤2033中,可以分别确定m个三维点云中,坐标位于预设范围内(如参考平面内)的点在三维点云中所占的比例最大的三维点云,并将该三维点云作为目标三维点云。可选的,在步骤2033中位于预设范围内的点还可以为:坐标与参考平面的距离小于或等于一定距离的点。
图5-1为本发明实施例提供的m个三维点云中的两个三维点云的示意图,可以看出这两个三维点云中坐标位于预设范围内的点在三维点云中的比例不同,其中的三维点云1中位于预设范围内的点较少,三维点云2中位于预设范围内的点较多。示例的,在确定每个三维点云中位于预设范围内的点所占的比例时,可以将用于表征该三维点云的数据(表征三维点云中每个点的坐标)输入计算机,同时将用于表征预设范围的条件输入计算机,由计算机计算该三维点云中位于预设范围内的点的个数,以及位于预设范围内的点所占的比例(也称为内点比率),同时还能够得到三维点云中的多个点在垂直于参考平面方向上的坐标分量的均值和方差。
步骤2034、确定目标三维点云对应的一组参数为目标组参数。
在确定目标三维点云后,可以将目标三维点云对应的一组参数确定为目标组参数,也即根据该目标组参数对参考平面的图像进行处理,能够确定目标三维点云。
本发明实施例中通过判断根据多组参数得到的位于预设范围内(可以是参考平面内)的点在三维点云中所占的比例,以确定所得到的参数是否准确。根据一组参数得到的三维点云后,在该三维点云中,若在参考平面内的点的比例越高,则该组参数越准确。
步骤204、根据目标组参数以及目标组参数对应的一组标定图像,确定第一相机的n个目标位姿。
示例的,空间中的一个点在两个不同的坐标系下会有两个不同的坐标,且这两个坐标之间存在着刚体变换,也即:
其中,(X',Y',Z')和(X,Y,Z)分别为该点在两个不同的坐标系下的两个坐标,a、b和c分别为三个欧拉角,sin表示正弦,cos表示余弦,旋转矩阵
(也称为旋转矩阵R)与该三个欧拉角相关,为平移矩阵(也称为平移矩阵T),旋转矩阵和平移矩阵能够构成转换矩阵[RT]。
在已知世界坐标系中的至少四个点的坐标,以及该四个点在相机坐标系中的坐标,以及相机的参数的前提下,能够估计出相机坐标系相对于世界坐标系的位姿。同理,在已知标靶图像中的至少四个角点在世界坐标系中的坐标,以及该四个角点在相机坐标系中的坐标(能够根据标定图像得到),以及相机的参数的前提下,可以得到相机相对于标靶的姿态。
示例的,目标组参数可以包括第一相机的左摄像头的内参和右摄像头的内参,在得到目标组参数以及目标组参数对应的一组标定图像后,可以根据目标组参数中左摄像头的内参以及该一组标定图像中的某一标定图像输入solvePnP函数,得到第一相机在采集该某一标定图像时,第一相机世界坐标系中的坐标(Xw,Yw,Zw)相对于第一相机在相机坐标系中的坐标(Xc,Yc,Zc)的旋转矩阵Rw2c和平移矩阵Tw2c,且旋转矩阵Rw2c和平移矩阵Tw2c满足公式(1):
在将左摄像头的内参以及该一组标定图像中的每个标定图像输入solvePnP函数后,能够得到第一相机在采集该组标定图像中每个标定图像时,第一相机在世界坐标系中的坐标相对于第一相机在相机坐标系中的坐标的旋转矩阵Rw2c和平移矩阵Tw2c
进一步的,为了得到第一相机在世界坐标系中的n个目标位姿,我们需要得到第一相机在相机坐标系相对于世界坐标系的旋转矩阵Rc2w和平移矩阵Tc2w,且旋转矩阵Rw2c和平移矩阵Tw2c满足以下公式(2):
联立公式(1)和公式(2)可以得到以下公式:
Rc2w=Rw2c T
Tc2w=-Rw2c TTw2c
其中,Rw2c T代表Rw2c的转置,从得到的公式可以得出:第一相机在世界坐标系中的三个轴上的单位列向量(用于表征第一相机的偏转角度)也即是为旋转矩阵Rw2c的三个列向量,而第一相机在世界坐标系下的中心点坐标也即是平移矩阵Tc2w的三个行向量(也即平移矩阵在三个轴上的三个分量)。利用第一相机在世界坐标系中的三个轴上的单位列向量以及第一相机在世界坐标系下的中心点坐标,就可以画出在拍摄该一组标定图像中的每个标定图像时相机在世界坐标系中的位姿。根据第一相机的目标组参数,以及目标组参数对应的一组标定图像(共包括n个标定图像)中的每个标定图像,能够得到第一相机在拍摄该一组标定图像时的n个目标位姿。
在执行完毕步骤204之后,就可以确定在对与第一相机相同类型的相机进行标定时的n个目标位姿,在后续对与第一相机相同类型的相机进行标定时,就可以将与第一相机相同类型的相机分别置于n个目标位姿,从而能够得到较准确的相机的参数。
需要说明的是,两个相同类型的相机可以是两个相同型号的相机,该两个相同类型的相机的焦距相同,且相机的内参差异不大。另外,该两个焦距相同的相同型号的相机的内参或许有些许差别,但是这两个相机在获取到的标靶的标定图像相同的情况下,两个相机相对于标靶的位姿差异不大。且在对该两个相机中的每个相机进行标定时,当相机的位姿与目标位姿差异不大时,得到的相机的参数的差异较小。
步骤205、根据n个目标位姿对第二相机进行标定,第二相机的类型与第一相机的类型相同。
示例的,该第二相机为与第一相机相同类型的相机,该第二相机也可以为第一相机。在对第二相机标定时可以将第二相机分别置于n个目标位姿,并在第二相机处于每个目标位姿时,通过第二相机采集标靶的标定图像。
每个目标位姿用于指示世界坐标系的三个坐标轴上的三个向量,以及中心点坐标,在通过第二相机采集标定图像时,可以控制第二相机移动,且在第二相机移动的过程中,若第二相机的中心点坐标与第一目标位姿所指示的中心点坐标的距离小于预设距离阈值,则控制第二相机旋转,该第一目标位姿属于n个目标位姿。也即,在控制第二相机移动的过程中,可以实时的将第二相机的中心点坐标与n个目标位姿所指示的n个中心点坐标相比较,当第二相机的中心点坐标与某一目标位姿(第一目标位姿)所指示的中心点坐标的距离小于预设距离阈值,则停止控制第二相机移动并控制第二相机旋转。
第二相机的相机坐标系的三个单位向量在世界坐标系具有三个投影向量。示例的,图5-2为本发明实施例提供的一种相机坐标系与世界坐标系的示意图,如图5-2所示,在第一时刻,第二相机的相机坐标系的三个单位向量可以分别为在世界坐标系的Xw轴的投影向量为在世界坐标系的Yw轴的投影向量为在世界坐标系的Zw轴的投影向量为在第二时刻,第二相机的相机坐标系的三个单位向量可以分别为在世界坐标系的Xw轴的投影向量为在世界坐标系的Yw轴的投影向量为在世界坐标系的Zw轴的投影向量为
在第二相机旋转的过程中,若第二相机的三个投影向量分别与第一目标位姿所指示的三个向量相同(向量的方向和大小均相同),则确定第二相机当前处于n个目标位姿中的某一目标位姿(第一目标位姿),并通过第二相机采集标靶的标定图像。
在分别将第二相机分别调整至n个目标位姿,并通过第二相机采集标定图像后,共能够采集到n个标定图像。之后,就可以根据通过第二相机采集到的多个标定图像确定第二相机的参数。
图6-1至图6-8(共8幅图)为本发明实施例提供的目标位姿下第一相机的两个摄像头采集到的两个标定图像和第二相机的两个摄像头采集的两个标定图像的示意图,且该8幅图共示出了8个目标位姿下第一相机采集到的16张标定图像(第一相机的每个摄像头采集到8张标定图像),以及第二相机采集到的16张图像,且该8幅图中的每幅图包括在同一目标位姿下,第一相机和第二相机分别采集到的标定图像,可以看出,在同一目标位姿下,两个相机采集到的标定图像较相似。
也即,本发明实施例中通过对第一相机标定得到的第一相机的多组参数进行验证,从而得到最准确的目标组参数,以及确定出能够得到最准确的目标组参数对应的一组标定图像,并将相机在获取该组标定图像时的n个位姿作为目标位姿,在后续对同类型的每个第二相机进行标定时,均可以通过第二相机在该n个位姿采集标靶的标定图像,以得到第二相机的一组最准确的参数,提高相机标定的准确性。
采用本发明实施例提供的方法对分别确定焦距为2.0毫米、2.8毫米和4.0毫米的三个第一相机中的每个第一相机对应的n个目标位姿。2.0毫米焦距的第一相机在n个目标位姿时采集到的一组标定图像得到的相机的参数所得到的内点比率可以为0.86322,2.8毫米焦距的第一相机在n个目标位姿时采集到的一组标定图像得到的相机的参数所得到的内点比率可以为0.80881,4.0毫米焦距的第一相机在n个目标位姿时采集到的一组标定图像得到的相机的参数所得到的内点比率可以为0.89207。也即,得到的每个第一相机的参数所得到的内点比率均大于0.8,此时相机标定得到的参数较准确。另外,如表1所示,本发明实施例还对每个第一相机相同类型的第二相机进行了8次标定,且每次标定得到的参数所得到的内点比率均大于0.8。因此,能够确定在每次对第二相机进行标定所得到的第二相机的参数均较准确,所得到的第二相机的参数的鲁棒性较高。
表1
第二相机的焦距 2.0毫米 2.8毫米 4.0毫米
内点比率 0.8461 0.8452 0.89
内点比率 0.86419 0.85521 0.85556
内点比率 0.81856 0.86469 0.89431
内点比率 0.82082 0.85103 0.89283
内点比率 0.87271 0.8294 0.87066
内点比率 0.82086 0.86237 0.88072
内点比率 0.81378 0.85421 0.8682
内点比率 0.84763 0.86106 0.88923
在本发明实施例提供的相机标定方法中,根据每组标定图像所得到的第一相机的参数的准确性,对多组标定图像进行筛选,确定能够得到最准确的目标组参数对应的一组标定图像,进而根据该组标定图像以及目标组参数确定第一相机的n个目标位姿。在后续对与第一相机同类型的每个第二相机进行标定时,均可以将第二相机置于该预设好的n个目标位姿获取标靶的标定图像,进而根据获取到的标定图像确定出第二相机较准确的参数。
图7为本发明实施例提供的一种相机标定装置的结构示意图,如图7所示,该相机标定装置70可以包括:
采集模块701,用于通过第一相机采集标靶的m组标定图像,m组标定图像中的每组标定图像包括:在第一相机处于n个位姿时通过第一相机采集到的标靶的标定图像,m为大于或等于2的整数,n为大于或等于3的整数;
第一确定模块702,用于根据m组标定图像确定第一相机的m组参数,m组标定图像与m组参数一一对应;
筛选模块703,用于在m组参数中筛选出准确性最高的目标组参数;
第二确定模块704,用于根据目标组参数以及目标组参数对应的一组标定图像,确定第一相机的n个目标位姿;
标定模块705,用于根据n个目标位姿对第二相机进行标定,第二相机的类型与第一相机的类型相同。
在本发明实施例提供的相机标定装置中,筛选模块根据第一确定模块根据每组标定图像所得到的第一相机的参数的准确性,对多组标定图像进行筛选得到目标组参数,第二确定模块能够根据该组标定图像以及目标组参数确定第一相机的n个目标位姿。标定模块在后续对与第一相机同类型的每个第二相机进行标定时,均可以将第二相机置于该预设好的n个目标位姿获取标靶的标定图像,从而根据获取到的标定图像确定出第二相机较准确的参数。
图8为本发明实施例提供的一种筛选模块703的结构示意图,如图8所示,筛选模块703可以包括:
第一采集单元7031,用于通过第一相机采集参考平面的图像;
第一确定单元7032,用于根据m组参数对参考平面的图像进行处理,确定m个三维点云,m组参数与m个三维点云一一对应;
第二确定单元7033,用于确定m个三维点云中,坐标位于参考平面内的点在三维点云中所占的比例最大的目标三维点云;
第三确定单元7034,用于确定目标三维点云对应的一组参数为目标组参数。
可选的,第一确定单元7032还可以用于:
根据m组参数对参考平面的图像进行处理,确定m个矫正图像;
对m个矫正图像进行立体匹配确定m个视差图像;
根据m个视差图像和m组参数,确定m个三维点云。
图9为本发明实施例提供的一种标定模块705的结构示意图,如图9所示,该标定模块705可以包括:
第二采集单元7051,用于在第二相机处于n个目标位姿时,通过第二相机采集标靶的多个标定图像;
第四确定单元7052,用于根据多个标定图像确定第二相机的参数。
可选的,每个目标位姿用于指示世界坐标系的三个坐标轴上的三个单位向量,以及中心点坐标,第二采集单元7051还可以用于:
控制第二相机旋转;
在第二相机旋转的过程中,若第二相机的中心点坐标与n个目标位姿中的某一目标位姿所指示的中心点坐标的距离小于预设距离阈值,且第二相机在世界坐标系中的每个坐标轴上的单位向量均平行于:某一目标位姿所指示的相应坐标轴上的单位向量,则通过第二相机采集标靶的标定图像。
可选的,标定图像包含标靶的图像。
可选的,第一相机为双目相机,m组标定图像中的每组标定图像包括:在第一相机处于n个位姿时,通过第一相机的两个摄像头分别采集到的标靶的标定图像。
可选的,n=8。
在本发明实施例提供的相机标定装置中,筛选模块根据第一确定模块根据每组标定图像所得到的第一相机的参数的准确性,对多组标定图像进行筛选得到目标组参数,第二确定模块能够根据该组标定图像以及目标组参数确定第一相机的n个目标位姿。标定模块在后续对与第一相机同类型的每个第二相机进行标定时,均可以将第二相机置于该预设好的n个目标位姿获取标靶的标定图像,从而根据获取到的标定图像确定出第二相机较准确的参数。
图10是本发明实施例提供的另一种相机标定装置100的结构示意图,该相机标定装置100可以包括:
至少一个发射模块1001,至少一个接收模块1002,至少一个处理模块1003,至少一个存储模块1004,以及至少一个总线1005,发射模块、接收模块、处理模块和存储模块通过总线相连接。处理模块1003可以执行存储模块1004中存储的程序10041,来实现下述相机标定方法:
通过第一相机采集标靶的m组标定图像,所述m组标定图像中的每组标定图像包括:所述第一相机处于n个位姿时所采集到的所述标靶的标定图像,所述m为大于或等于2的整数,所述n为大于或等于3的整数;
根据所述m组标定图像确定所述第一相机的m组参数,所述m组标定图像与所述m组参数一一对应;
在所述m组参数中筛选出准确性最高的目标组参数;
根据所述目标组参数以及所述目标组参数对应的一组标定图像,确定所述第一相机的n个目标位姿;
根据所述n个目标位姿对第二相机进行标定,所述第二相机的类型与所述第一相机的类型相同。
可选的,所述在所述m组参数中筛选出准确性最高的目标组参数,包括:
通过所述第一相机采集参考平面的图像;
根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,所述m组参数与所述m个三维点云一一对应;
确定所述m个三维点云中,坐标位于所述参考平面内的点在三维点云中所占的比例最大的目标三维点云;
确定所述目标三维点云对应的一组参数为所述目标组参数。
可选的,所述根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,包括:
根据所述m组参数对所述参考平面的图像进行处理,确定m个矫正图像;
对所述m个矫正图像进行立体匹配确定m个视差图像;
根据所述m个视差图像和所述m组参数,确定所述m个三维点云。
可选的,所述根据所述n个目标位姿对第二相机进行标定,包括:
在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像;
根据所述多个标定图像确定所述第二相机的参数。
可选的,每个所述目标位姿用于指示世界坐标系的三个坐标轴上的三个单位向量,以及中心点坐标,所述在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像,包括:
控制所述第二相机旋转;
在所述第二相机旋转的过程中,若所述第二相机的中心点坐标与所述n个目标位姿中的某一目标位姿所指示的中心点坐标的距离小于预设距离阈值,且所述第二相机在世界坐标系中的每个坐标轴上的单位向量均平行于:所述某一目标位姿所指示的相应坐标轴上的单位向量,则通过所述第二相机采集所述标靶的标定图像。
可选的,所述标定图像包含所述标靶的图像。
可选的,所述第一相机为双目相机,
所述m组标定图像中的每组标定图像包括:在所述第一相机处于n个位姿时,通过所述第一相机的两个摄像头分别采集到的所述标靶的标定图像。
可选的,所述n=8。
在本发明实施例提供的相机标定装置中,根据每组标定图像所得到的第一相机的参数的准确性,对多组标定图像进行筛选,确定能够得到最准确的目标组参数对应的一组标定图像,进而根据该组标定图像以及目标组参数确定第一相机的n个目标位姿。在后续对与第一相机同类型的每个第二相机进行标定时,均可以将第二相机置于该预设好的n个目标位姿获取标靶的标定图像,进而根据获取到的标定图像确定出第二相机较准确的参数。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本发明实施例提供的相机标定方法实施例和相机标定装置实施例可以互相参考,本发明实施例对此不作限定。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (16)

1.一种相机标定方法,其特征在于,所述方法包括:
通过第一相机采集标靶的m组标定图像,所述m组标定图像中的每组标定图像包括:所述第一相机处于n个位姿时所采集到的所述标靶的标定图像,所述m为大于或等于2的整数,所述n为大于或等于3的整数;
根据所述m组标定图像确定所述第一相机的m组参数,所述m组标定图像与所述m组参数一一对应;
在所述m组参数中筛选出准确性最高的目标组参数;
根据所述目标组参数以及所述目标组参数对应的一组标定图像,确定所述第一相机的n个目标位姿;
根据所述n个目标位姿对第二相机进行标定,所述第二相机的类型与所述第一相机的类型相同。
2.根据权利要求1所述的方法,其特征在于,所述在所述m组参数中筛选出准确性最高的目标组参数,包括:
通过所述第一相机采集参考平面的图像;
根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,所述m组参数与所述m个三维点云一一对应;
确定所述m个三维点云中,坐标位于所述参考平面内的点在三维点云中所占的比例最大的目标三维点云;
确定所述目标三维点云对应的一组参数为所述目标组参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,包括:
根据所述m组参数对所述参考平面的图像进行处理,确定m个矫正图像;
对所述m个矫正图像进行立体匹配确定m个视差图像;
根据所述m个视差图像和所述m组参数,确定所述m个三维点云。
4.根据权利要求1至3任一所述的方法,其特征在于,所述根据所述n个目标位姿对第二相机进行标定,包括:
在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像;
根据所述多个标定图像确定所述第二相机的参数。
5.根据权利要求4所述的方法,其特征在于,每个所述目标位姿用于指示世界坐标系的三个坐标轴上的三个向量,以及中心点坐标,所述在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像,包括:
控制所述第二相机移动;
在所述第二相机移动的过程中,若所述第二相机的中心点坐标与第一目标位姿所指示的中心点坐标的距离小于预设距离阈值,则控制所述第二相机旋转,所述第一目标位姿属于所述n个目标位姿;
在所述第二相机旋转的过程中,若所述第二相机的三个投影向量分别与所述第一目标位姿所指示的三个向量相同,则通过所述第二相机采集所述标靶的标定图像,所述三个投影向量为:所述第二相机的相机坐标系的三个单位向量在世界坐标系的三个投影向量。
6.根据权利要求1所述的方法,其特征在于,
所述标定图像包含所述标靶的图像。
7.根据权利要求1所述的方法,其特征在于,所述第一相机为双目相机,
所述m组标定图像中的每组标定图像包括:在所述第一相机处于n个位姿时,通过所述第一相机的两个摄像头分别采集到的所述标靶的标定图像。
8.根据权利要求1所述的方法,其特征在于,
所述n=8。
9.一种相机标定装置,其特征在于,所述相机标定装置包括:
采集模块,用于通过第一相机采集标靶的m组标定图像,所述m组标定图像中的每组标定图像包括:所述第一相机处于n个位姿时所采集到的所述标靶的标定图像,所述m为大于或等于2的整数,所述n为大于或等于3的整数;
第一确定模块,用于根据所述m组标定图像确定所述第一相机的m组参数,所述m组标定图像与所述m组参数一一对应;
筛选模块,用于在所述m组参数中筛选出准确性最高的目标组参数;
第二确定模块,用于根据所述目标组参数以及所述目标组参数对应的一组标定图像,确定所述第一相机的n个目标位姿;
标定模块,用于根据所述n个目标位姿对第二相机进行标定,所述第二相机的类型与所述第一相机的类型相同。
10.根据权利要求9所述的相机标定装置,其特征在于,所述筛选模块包括:
第一采集单元,用于通过所述第一相机采集参考平面的图像;
第一确定单元,用于根据所述m组参数对所述参考平面的图像进行处理,确定m个三维点云,所述m组参数与所述m个三维点云一一对应;
第二确定单元,用于确定所述m个三维点云中,坐标位于所述参考平面内的点在三维点云中所占的比例最大的目标三维点云;
第三确定单元,用于确定所述目标三维点云对应的一组参数为所述目标组参数。
11.根据权利要求10所述的相机标定装置,其特征在于,所述第一确定单元还用于:
根据所述m组参数对所述参考平面的图像进行处理,确定m个矫正图像;
对所述m个矫正图像进行立体匹配确定m个视差图像;
根据所述m个视差图像和所述m组参数,确定所述m个三维点云。
12.根据权利要求9至11任一所述的相机标定装置,其特征在于,所述标定模块包括:
第二采集单元,用于在所述第二相机处于所述n个目标位姿时,通过所述第二相机采集所述标靶的多个标定图像;
第四确定单元,用于根据所述多个标定图像确定所述第二相机的参数。
13.根据权利要求12所述的相机标定装置,其特征在于,每个所述目标位姿用于指示世界坐标系的三个坐标轴上的三个向量,以及中心点坐标,所述第二采集单元还用于:
控制所述第二相机移动;
在所述第二相机移动的过程中,若所述第二相机的中心点坐标与第一目标位姿所指示的中心点坐标的距离小于预设距离阈值,则控制所述第二相机旋转,所述第一目标位姿属于所述n个目标位姿;
在所述第二相机旋转的过程中,若所述第二相机的三个投影向量分别与所述第一目标位姿所指示的三个向量相同,则通过所述第二相机采集所述标靶的标定图像,所述三个投影向量为:所述第二相机的相机坐标系的三个单位向量在世界坐标系的三个投影向量。
14.根据权利要求9所述的相机标定装置,其特征在于,
所述标定图像包含所述标靶的图像。
15.根据权利要求9所述的相机标定装置,其特征在于,所述第一相机为双目相机,
所述m组标定图像中的每组标定图像包括:在所述第一相机处于n个位姿时,通过所述第一相机的两个摄像头分别采集到的所述标靶的标定图像。
16.根据权利要求9所述的相机标定装置,其特征在于,
所述n=8。
CN201710254363.1A 2017-04-18 2017-04-18 相机标定方法及装置 Active CN108734738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710254363.1A CN108734738B (zh) 2017-04-18 2017-04-18 相机标定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710254363.1A CN108734738B (zh) 2017-04-18 2017-04-18 相机标定方法及装置

Publications (2)

Publication Number Publication Date
CN108734738A true CN108734738A (zh) 2018-11-02
CN108734738B CN108734738B (zh) 2021-10-29

Family

ID=63925339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710254363.1A Active CN108734738B (zh) 2017-04-18 2017-04-18 相机标定方法及装置

Country Status (1)

Country Link
CN (1) CN108734738B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493390A (zh) * 2018-11-23 2019-03-19 华勤通讯技术有限公司 双摄像头的标定夹具、设备及方法
CN110378963A (zh) * 2018-12-04 2019-10-25 北京京东振世信息技术有限公司 相机参数标定方法和装置
CN110853133A (zh) * 2019-10-25 2020-02-28 深圳奥比中光科技有限公司 重建人体三维模型的方法、装置、系统和可读存储介质
CN111275766A (zh) * 2018-12-05 2020-06-12 杭州海康威视数字技术股份有限公司 图像坐标系与gps坐标系的标定方法、装置及摄像机
CN111292379A (zh) * 2018-12-07 2020-06-16 财团法人工业技术研究院 深度相机校正装置及其方法
CN111595289A (zh) * 2020-05-25 2020-08-28 湖北三江航天万峰科技发展有限公司 一种基于图像处理的三维角度测量系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102003938A (zh) * 2010-10-11 2011-04-06 中国人民解放军信息工程大学 大型高温锻件热态在位检测方法
CN105014667A (zh) * 2015-08-06 2015-11-04 浙江大学 一种基于像素空间优化的相机与机器人相对位姿标定方法
CN105654502A (zh) * 2016-03-30 2016-06-08 广州市盛光微电子有限公司 一种基于多镜头多传感器的全景相机标定装置和方法
CN105931222A (zh) * 2016-04-13 2016-09-07 成都信息工程大学 用低精度二维平面靶标实现高精度相机标定的方法
CN106127789A (zh) * 2016-07-04 2016-11-16 湖南科技大学 结合神经网络与虚拟靶标的立体视觉标定方法
EP3138078A1 (en) * 2014-07-10 2017-03-08 Qualcomm Incorporated Speed-up template matching using peripheral information

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102003938A (zh) * 2010-10-11 2011-04-06 中国人民解放军信息工程大学 大型高温锻件热态在位检测方法
EP3138078A1 (en) * 2014-07-10 2017-03-08 Qualcomm Incorporated Speed-up template matching using peripheral information
CN105014667A (zh) * 2015-08-06 2015-11-04 浙江大学 一种基于像素空间优化的相机与机器人相对位姿标定方法
CN105654502A (zh) * 2016-03-30 2016-06-08 广州市盛光微电子有限公司 一种基于多镜头多传感器的全景相机标定装置和方法
CN105931222A (zh) * 2016-04-13 2016-09-07 成都信息工程大学 用低精度二维平面靶标实现高精度相机标定的方法
CN106127789A (zh) * 2016-07-04 2016-11-16 湖南科技大学 结合神经网络与虚拟靶标的立体视觉标定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
K.S. CHIDANAND KUMAR: "A strategy for selecting optimal vergence pose and calibration patterns for stereo-vision calibration", 《2015 IEEE INTERNATIONAL CONFERENCE ON COMPUTER GRAPHICS, VISION AND INFORMATION SECURITY (CGVIS)》 *
徐潺 等: "基于平面靶标的相机内部参数标定精度分析①", 《湖南科技大学学报( 自然科学版)》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493390A (zh) * 2018-11-23 2019-03-19 华勤通讯技术有限公司 双摄像头的标定夹具、设备及方法
CN109493390B (zh) * 2018-11-23 2021-08-06 华勤技术股份有限公司 双摄像头的标定夹具、设备及方法
CN110378963A (zh) * 2018-12-04 2019-10-25 北京京东振世信息技术有限公司 相机参数标定方法和装置
CN111275766A (zh) * 2018-12-05 2020-06-12 杭州海康威视数字技术股份有限公司 图像坐标系与gps坐标系的标定方法、装置及摄像机
CN111275766B (zh) * 2018-12-05 2023-09-05 杭州海康威视数字技术股份有限公司 图像坐标系与gps坐标系的标定方法、装置及摄像机
CN111292379A (zh) * 2018-12-07 2020-06-16 财团法人工业技术研究院 深度相机校正装置及其方法
CN111292379B (zh) * 2018-12-07 2023-08-11 财团法人工业技术研究院 深度相机校正装置及其方法
CN110853133A (zh) * 2019-10-25 2020-02-28 深圳奥比中光科技有限公司 重建人体三维模型的方法、装置、系统和可读存储介质
CN111595289A (zh) * 2020-05-25 2020-08-28 湖北三江航天万峰科技发展有限公司 一种基于图像处理的三维角度测量系统及方法

Also Published As

Publication number Publication date
CN108734738B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
CN108734738A (zh) 相机标定方法及装置
US11570423B2 (en) System and methods for calibration of an array camera
WO2018209968A1 (zh) 摄像机标定方法及系统
CN105957007B (zh) 基于特征点平面相似度的图像拼接方法
CN108230397A (zh) 多目摄像机标定与校正方法和装置、设备、程序和介质
CN107705252B (zh) 适用于双目鱼眼图像拼接展开校正的方法及系统
CN109035394B (zh) 人脸三维模型重建方法、装置、设备、系统及移动终端
CN106056620B (zh) 线激光相机测量系统标定方法
CN110717942B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN107886547B (zh) 一种鱼眼相机标定方法及系统
CN107358633A (zh) 一种基于三点标定物的多相机内外参标定方法
CN107767422A (zh) 一种鱼眼镜头的校正方法、装置及便携式终端
CN109767474A (zh) 一种多目相机标定方法、装置及存储介质
CN110349195A (zh) 一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质
KR20160116075A (ko) 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법
CN106910221B (zh) 一种全局标定的方法及装置
CN106169076B (zh) 一种基于透视变换的角度车牌图像库搭建方法
CN108629810B (zh) 双目相机的标定方法、装置及终端
CN106170086B (zh) 绘制三维图像的方法及其装置、系统
CN107798702A (zh) 一种用于增强现实的实时图像叠加方法以及装置
CN111445537B (zh) 一种摄像机的标定方法及系统
CN105959669A (zh) 一种基于重映射的集成成像微图像阵列快速生成方法
Nocerino et al. Experiments on calibrating tilt-shift lenses for close-range photogrammetry
CN105698751B (zh) 一种测距系统、测距方法、测距装置、以及拍摄装置
CN108269234A (zh) 一种全景相机镜头姿态估计方法及全景相机

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