CN109035346A - 一种相机颜色标定方法、装置与自动驾驶系统 - Google Patents
一种相机颜色标定方法、装置与自动驾驶系统 Download PDFInfo
- Publication number
- CN109035346A CN109035346A CN201810916250.8A CN201810916250A CN109035346A CN 109035346 A CN109035346 A CN 109035346A CN 201810916250 A CN201810916250 A CN 201810916250A CN 109035346 A CN109035346 A CN 109035346A
- Authority
- CN
- China
- Prior art keywords
- color
- formula
- rgb
- camera
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004737 colorimetric analysis Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000013507 mapping Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 abstract description 7
- 241000532370 Atla Species 0.000 abstract 1
- 230000001419 dependent effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种相机颜色标定方法、装置与自动驾驶系统,用于对相机的成像系统进行颜色标定。该相机颜色标定方法包括:获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。采用本发明的技术方案,在涉及颜色表示和色差测量的机器视觉应用中,可以将需要由相机得到的设备相关的RGB颜色空间数据转换为对应的设备无关的色度学颜色空间数据,即需要对成像系统进行颜色标定。
Description
技术领域
本发明涉及相机成像领域,特别涉及一种相机颜色标定方法、装置与自动驾驶系统。
背景技术
在机器视觉应用中,一般在色度学颜色空间进行颜色的表示以及色差的测量。色度学颜色空间是基于生理物理学实验定义的颜色空间系统,其主要包括:CIEXYZ颜色空间、CIE1976L*u*v*(也称CIELUV)颜色空间、CIE1976L*a*b*(也称CIELAB)颜色空间。
然而,相机输出的颜色数据为RGB颜色空间数据。在涉及颜色表示和色差测量的应用中,RGB颜色空间存在两点致命的不足:1)RGB颜色空间是设备相关的颜色空间;2)RGB颜色空间是非均匀颜色空间。作为设备相关的颜色空间,同一物体在不同成像设备、不同光源条件下成像得到的RGB颜色数据可能不同,给物体的颜色表示带来歧义。作为非均匀颜色空间,RGB颜色空间中的色差不仅与颜色坐标之间的欧氏距离相关,还与颜色坐标的具体位置有关,这给色差的测量带来了很多不便。
因此,在现有技术中存在因相机输出颜色会根据不同成像设备、不同光源条件下成像得到的RGB颜色数据可能不同而导致的色彩测量不准确的问题。
发明内容
本发明提供一种相机颜色标定方法、装置与自动驾驶系统,以解决在现有技术中则存在的因相机输出颜色会根据不同成像设备、不同光源条件下成像得到的RGB颜色数据可能不同而导致的色彩测量不准确的问题。
为了达到上述目的,根据本发明的第一个方面,提供一种相机颜色标定方法,并采用如下具体方案:
一种相机颜色标定方法包括:获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。
根据本发明的第二个方面,提供一种相机颜色标定装置,并采用如下技术方案:
该相机颜色标定装置包括:获取模块,用于获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;输入模块,用于将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;标定模块,用于根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。
根据本发明的第三个方面,提供一种自动驾驶系统,并采用如下技术方案:
一种自动驾驶系统包括上述的相机颜色标定装置。
综上,颜色标定的任务是确定由RGB颜色空间到CIELAB颜色空间或CIELUV颜色空间之间的转换系数,以CIELAB颜色空间举例,由RGB颜色空间到CIELAB颜色空间的转换可以分为两步:1)由RGB颜色空间到CIEXYZ颜色空间的转换,该变换是一个非线性映射关系;2)由CIE XYZ颜色空间到CIE LAB颜色空间的转换,该变换也是一个非线性映射关系。在应用中,为了兼顾转换精度和效率,也可以直接将设备相关的RGB颜色空间转换到设备无关的CIE LAB颜色空间,即将两个非线性映射(设备相关RGB颜色空间到CIEXYZ颜色空间非线性映射、CIEXYZ颜色空间到CIELAB颜色空间非线性映射)归并为一个非线性映射,由此实现相机成像系统的颜色标定。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述相机颜色标定任务示意图;
图2为本发明实施例所述颜色标定示意图;
图3为本发明实施例所述的机颜色标定方法流程图;
图4为本发明实施例所述的IT8色卡图片对应的灰度图;
图5为本发明实施例所述的计算色块RGB均值示意图的示意图;以及
图6为本发明实施例所述的相机颜色标定装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
颜色标定的任务是确定由RGB颜色空间到CIELAB颜色空间或CIELUV颜色空间之间的转换系数,参见图1所示。
本实施例实现由RGB颜色空间到CIELAB颜色空间之间的转换,具体参见如图2所示,由RGB颜色空间到CIELAB颜色空间的转换可以分为两步:1)由RGB颜色空间到CIEXYZ颜色空间的转换,该变换是一个非线性映射关系;2)由CIE XYZ颜色空间到CIE LAB颜色空间的转换,该变换也是一个非线性映射关系。在应用中,为了兼顾转换精度和效率,也可以直接将设备相关的RGB颜色空间转换到设备无关的CIE LAB颜色空间,即将两个非线性映射(设备相关RGB颜色空间到CIEXYZ颜色空间非线性映射、CIEXYZ颜色空间到CIELAB颜色空间非线性映射)归并为一个非线性映射。
具体参见图3所示,一种相机颜色标定方法包括:
S101:获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;
S103:将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;
S105:根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。
在本实施例的上述技术方案中,步骤S101,完成色卡颜色数据的提取,包括色卡CIE颜色数据和色卡图像RGB数据的提取;在步骤S103中,是将步骤S101中获取的数据输入颜色标定模型,步骤S105是对颜色标定模型进行选择及其求解。因此颜色标定本质上是一个参数估计的问题,在求解参数之前需要确定参数的模型以及模型的输入输出采样值。
更具体而言,色卡颜色数据分为色卡CIE颜色数据和色卡图像RGB颜色数据,前者由色卡厂家提供的数据文件直接给出,导入到系统即可,后者则需要对色卡图像进行处理得到。以IT8色卡举例,参见图4所示,包括三个颜色区域。(1)中性色块区域;(2)特定彩色色块区域;(3)厂家自定义区域:可以为中性色块、彩色色块、图像等。每批色卡都由对应的数据文件提供色卡中每个色块的参考值,包括:XYZ_X,XYZ_Y,XYZ_Z,LAB_L,LAB_A,LAB_B,STDEV_X,STDEV_Y,STDEV_Z,STDEV_DE等。在进行颜色标定的过程中直接从色卡数据文件中读取所需色块的CIE颜色数据即可。
对色卡图像进行处理得到色卡图像RGB颜色数据方法如下:
1)用户设置色卡角点
用户在色卡图像中设定彩色色块区域的4个角点的位置。
2)生成色块区域信息
根据色卡图像中由用户设置的4个角点的坐标可以计算得到色卡中每一个彩色色块的区域信息,即色块的高度和宽度,每一个色块的4个顶点坐标Pi(xi,yi)i=1,2,3,4,进而得到每一个色块的中心坐标Pc(xc,yc)。
3)计算色块RGB均值
如图5所示,由用户设定的色卡角点坐标可以计算得到每个色块在图像中的4个顶点坐标Pi(xi,yi)以及中心坐标Pc(xc,yc)。当色卡在图像中任意角度摆放时,即色块在图像中的角度也为任意的(如图5中两个大方框,设短边长为a)。不同角度色块之间的公共区域如图5中所示的圆形区域(半径为a/2)。取图5中虚线小方框(短边长为a/2)为求RGB均值的区域,最后在该区域内计算得到该色块的RGB颜色均值。色块区域(大方框区域)、色块公共区域(圆形区域)、计算RGB均值区域(虚线小方框区域)的中心点都为Pc(xc,yc)。
更进一步的,由RGB颜色空间到CIELAB颜色空间之间的转换关系是一个非线性映射关系,可以用多项式模型来近似该过程。
优选地,所述预设颜色标定模型包括:
即用公式1表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,
其中,表示色块的R、G、B颜色值组成的向量;表示该色块对应得到的X、Y、Z颜色值组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算;表示由向转换的CIE标准公式。
根据公式1,XYZ颜色值由RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到公式2:
其中,所述RGB颜色值组成的向量为:
V=(1,R,G,B,R2,RG,RB,G2,GB,B2,R3,R2G,R2B,RG2,RGB,RB2,G3,G2B,GB2,B3)T。
LAB颜色值则可由XYZ颜色值根据CIE公式计算得到:
其中,(Xn,Yn,Zn)为参考白点,根据公式3及公式4实现由CIEXYZ颜色空间到CIELAB颜色空间的转换。
优选地,所述预设颜色标定模型还包括:
直接用三阶多项式模型来表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,所述预设颜色标定模型由公式5表示;
其中,表示色块R、G、B颜色值的组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
根据公式5,LAB颜色值可由RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到,如公式6所示。
其中,RGB颜色值组成的向量:
V=(1,R,G,B,R2,RG,RB,G2,GB,B2,R3,R2G,R2B,RG2,RGB,RB2,G3,G2B,GB2,B3)T。
优选地,所述预设颜色标定模型还包括:
其中,表示色块R、G、B颜色值立方根的组成的向量;表示该色块计算得到的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
根据公式7,LAB颜色值可由经过开立方预处理后的RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到,如公式8、9所示。
其中,开立方预处理后的RGB颜色值组成的向量V=(1,r,g,b,r2,rg,rb,g2,gb,b2,r3,r2g,r2b,rg2,rgb,rb2,g3,g2b,gb2,b3)T。
其中,开立方预处理后的RGB颜色值组成的向量V=(1,r,g,b,r2,rg,rb,g2,gb,b2,r3,r2g,r2b,rg2,rgb,rb2,g3,g2b,gb2,b3)T。
优选地,对所述公式1、所述公式5以及所述公式7进行预处理后,将所述预设颜色标定模型均通过公式10进行表示:
C3×j=T3×20·V20×j (公式10)
其中,3×j矩阵C表示总共j个色块的CIELAB颜色值;20×j矩阵V表示总共j个色块经过预处理后的RGB颜色值;3×20的矩阵T为颜色标定需要求解的未知参数矩阵,j等于色卡的色块数量。
优选地,所述根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定包括:将所述RGB颜色数据分别带入所述公式1、所述公式5以及所述公式7进行计算,并分别得到第一计算结果,第二计算结果以及第三计算结果;将所述第一计算结果,所述第二计算结果以及所述第三计算结果分别与标准LAB进行计算,得到第一色差值、第二色差值以及第三色差值,将所述第一色差值、所述第二色差值以及所述第三色差值分别与预设阈值进行比较,并根据比较结果确定一预设颜色标定模型用于对所述目标相机进行颜色标定。
本实施例是将色度学颜色数据与所述RGB颜色数据分别带入所述公式1、所述公式5以及所述公式7进行计算,并择优选择一种模型的方案。
图6为本发明实施例所述的相机颜色标定装置结构示意图。
参见图6所示,一种相机颜色标定装置包括:获取模块60,用于获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;输入模块62,用于将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;标定模块64,根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。
优选的,所述预设颜色标定模型包括:
即用公式1表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,
其中,表示色块的R、G、B颜色值组成的向量;表示该色块对应得到的X、Y、Z颜色值组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算;表示由向转换的CIE标准公式。
优选地,所述计算模块64还用于:根据公式1,XYZ颜色值由RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到公式2:
其中,所述RGB颜色值组成的向量为:
V=(1,R,G,B,R2,RG,RB,G2,GB,B2,R3,R2G,R2B,RG2,RGB,RB2,G3,G2B,GB2,B3)T。
LAB颜色值则可由XYZ颜色值根据CIE公式计算得到:
其中,(Xn,Yn,Zn)为参考白点,根据公式3及公式4实现由CIEXYZ颜色空间到CIELAB颜色空间的转换。
优选地,所述预设颜色标定模型还包括:
直接用三阶多项式模型来表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,所述预设颜色标定模型由公式5表示;
其中,表示色块R、G、B颜色值的组成的向量;表示该色块对应得到的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
优选地,所述预设颜色标定模型还包括:
其中,表示色块R、G、B颜色值立方根的组成的向量;表示该色块对应得到的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
根据公式7,LAB颜色值可由经过开立方预处理后的RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到,如公式8、9所示。
其中,开立方预处理后的RGB颜色值组成的向量V=(1,r,g,b,r2,rg,rb,g2,gb,b2,r3,r2g,r2b,rg2,rgb,rb2,g3,g2b,gb2,b3)T。
优选地,所计算模块64包括:预处理模块(图中未示),用于对所述公式1、所述公式5以及所述公式7进行预处理后,将所述预设颜色标定模型均通过公式10进行表示:
C3×j=T3×20·V20×j (公式10)
其中,3×j矩阵C表示总共j个色块的CIELAB颜色值;20×j矩阵V表示总共j个色块经过预处理后的RGB颜色值;3×20的矩阵T为颜色标定需要求解的未知参数矩阵,j等于色卡的色块数量。
优选地,所述标定模块64包括:第一计算子模块,用于将所述RGB颜色数据分别带入所述公式1、所述公式5以及所述公式7进行计算,并分别得到第一计算结果,第二计算结果以及第三计算结果;第二计算子模块,用于将所述第一计算结果,所述第二计算结果以及所述第三计算结果分别与标准LAB进行计算,得到第一色差值、第二色差值以及第三色差值,比较模块,用于将所述第一色差值、所述第二色差值以及所述第三色差值分别与预设阈值进行比较,并根据比较结果确定一预设颜色标定模型用于对所述目标相机进行颜色标定。
本发明提供的一种自动驾驶系统包括上述的相机颜色标定装置。
采用本发明的技术方案,在涉及颜色表示和色差测量的机器视觉应用中,可以将需要由相机得到的设备相关的RGB颜色空间数据转换为对应的设备无关的色度学颜色空间数据,即需要对成像系统进行颜色标定。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种相机颜色标定方法,其特征在于,包括:
获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;
将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;
根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。
2.根据权利要求1所述的相机颜色标定方法,其特征在于,所述预设颜色标定模型包括:
即用公式1表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,其中,表示色块的R、G、B颜色值组成的向量;表示该色块对应得到的X、Y、Z颜色值组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算;表示由向转换的CIE标准公式。
3.根据权利要求2所述的相机颜色标定方法,其特征在于,所述根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定包括:
根据公式1,XYZ颜色值由RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到,用公式2表示:
其中,所述RGB颜色值组成的向量为:
V=(1,R,G,B,R2,RG,RB,G2,GB,B2,R3,R2G,R2B,RG2,RGB,RB2,G3,G2B,GB2,B3)T
LAB颜色值则可由XYZ颜色值根据CIE公式计算得到:
其中,(Xn,Yn,Zn)为参考白点,根据公式3及公式4实现由CIEXYZ颜色空间到CIELAB颜色空间的转换。
4.根据权利要求2所述的相机颜色标定方法,其特征在于,所述预设颜色标定模型还包括:
直接用三阶多项式模型来表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,所述预设颜色标定模型由公式5表示;
其中,表示色块R、G、B颜色值的组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
5.根据权利要求4所述的相机颜色标定方法,其特征在于,所述预设颜色标定模型还包括:
其中,表示色块R、G、B颜色值立方根的组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
6.根据权利要求5所述的相机颜色标定方法,其特征在于,所述预设颜色标定模型还包括:
对所述公式1、所述公式5以及所述公式7进行预处理后,将所述预设颜色标定模型均通过公式10进行表示:
C3×j=T3×20·V20×j (公式10)
其中,3×j矩阵C表示总共j个色块的CIELAB颜色值;20×j矩阵V表示总共j个色块经过预处理后的RGB颜色值;3×20的矩阵T为颜色标定需要求解的未知参数矩阵,j等于色卡的色块数量。
7.根据权利要求5所述的相机颜色标定方法,其特征在于,所述根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定包括:
将所述RGB颜色数据分别带入所述公式1、所述公式5以及所述公式7进行计算,并分别得到第一计算结果,第二计算结果以及第三计算结果;
将所述第一计算结果,所述第二计算结果以及所述第三计算结果分别与标准LAB进行计算,得到第一色差值、第二色差值以及第三色差值,
将所述第一色差值、所述第二色差值以及所述第三色差值分别与预设阈值进行比较,并根据比较结果确定一个预设颜色标定模型用于对目标相机进行颜色标定。
8.一种相机颜色标定装置,其特征在于,包括:
获取模块,用于获取目标色卡上每个色块的色度学颜色数据以及RGB颜色数据;
输入模块,用于将所述色度学颜色数据与所述RGB颜色数据输入至预设颜色标定模型;
标定模块,用于根据所述色度学颜色数据、所述RGB颜色数据及所述预设颜色标定模型对目标相机进行颜色标定。
9.根据权利要求8所述的相机颜色标定装置,其特征在于,所述预设颜色标定模型包括:
即用公式1表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,其中,表示色块的R、G、B颜色值组成的向量;表示该色块对应得到的X、Y、Z颜色值组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算;表示由向转换的CIE标准公式。
10.根据权利要求9所述的相机颜色标定方法,其特征在于,所述标定模块还用于包括:
根据公式1,XYZ颜色值由RGB颜色值组成的向量V与3×20的参数矩阵T相乘得到,用公式2表示:
其中,所述RGB颜色值组成的向量为:
V=(1,R,G,B,R2,RG,RB,G2,GB,B2,R3,R2G,R2B,RG2,RGB,RB2,G3,G2B,GB2,B3)T。
LAB颜色值则可由XYZ颜色值根据CIE公式计算得到:
其中,(Xn,Yn,Zn)为参考白点,根据公式3及公式4实现由CIEXYZ颜色空间到CIELAB颜色空间的转换。
11.根据权利要求9所述的相机颜色标定装置,其特征在于,所述预设颜色标定模型还包括:
直接用三阶多项式模型来表示由RGB颜色空间到CIELAB颜色空间的非线性映射关系,所述预设颜色标定模型由公式5表示;
其中,表示色块R、G、B颜色值的组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
12.根据权利要求11所述的相机颜色标定装置,其特征在于,所述预设颜色标定模型还包括:
其中,表示色块R、G、B颜色值立方根的组成的向量;表示该色块对应的L*、a*、b*颜色值组成的向量;表示与参数矩阵T进行乘运算。
13.根据权利要求12所述的相机颜色标定装置,其特征在于,还包括:
预处理模块,用于对所述公式1、所述公式5以及所述公式7进行预处理后,将所述预设颜色标定模型均通过公式10进行表示:
C3×j=T3×20·V20×j (公式10)
其中,3×j矩阵C表示总共j个色块的CIELAB颜色值;20×j矩阵V表示总共j个色块经过预处理后的RGB颜色值;3×20的矩阵T为颜色标定需要求解的未知参数矩阵,j等于色卡的色块数量。
14.根据权利要求12所述的相机颜色标定装置,其特征在于,所标定模块包括:
第一计算子模块,用于将所述RGB颜色数据分别带入所述公式1、所述公式5以及所述公式7进行计算,并分别得到第一计算结果,第二计算结果以及第三计算结果;
第二计算子模块,用于将所述第一计算结果,所述第二计算结果以及所述第三计算结果分别与标准LAB进行计算,得到第一色差值、第二色差值以及第三色差值,
比较模块,用于将所述第一色差值、所述第二色差值以及所述第三色差值分别与预设阈值进行比较,并根据比较结果确定一预设颜色标定模型用于对所述目标相机进行颜色标定。
15.一种自动驾驶系统,其特征在于,包括权利要去8-14任一项所述的相机颜色标定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810916250.8A CN109035346A (zh) | 2018-08-13 | 2018-08-13 | 一种相机颜色标定方法、装置与自动驾驶系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810916250.8A CN109035346A (zh) | 2018-08-13 | 2018-08-13 | 一种相机颜色标定方法、装置与自动驾驶系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109035346A true CN109035346A (zh) | 2018-12-18 |
Family
ID=64633806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810916250.8A Pending CN109035346A (zh) | 2018-08-13 | 2018-08-13 | 一种相机颜色标定方法、装置与自动驾驶系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035346A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516132A (zh) * | 2021-03-25 | 2021-10-19 | 杭州博联智能科技股份有限公司 | 基于机器学习的颜色校准方法、装置、设备及介质 |
WO2024082340A1 (zh) * | 2022-02-07 | 2024-04-25 | 深圳市奥拓电子股份有限公司 | 一种led显示屏的颜色校正方法、装置及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139591A (zh) * | 2013-03-24 | 2013-06-05 | 成都索贝数码科技股份有限公司 | 一种基于图形处理器的3d视频颜色自动校正方法 |
CN104574371A (zh) * | 2014-12-20 | 2015-04-29 | 中国科学院西安光学精密机械研究所 | 高动态彩色数字相机特性化标定方法 |
CN106023238A (zh) * | 2016-06-30 | 2016-10-12 | 北京大学 | 一种相机模组颜色数据标定方法 |
CN107197225A (zh) * | 2017-06-13 | 2017-09-22 | 浙江大学 | 基于色适应模型的彩色数码相机白平衡校正方法 |
-
2018
- 2018-08-13 CN CN201810916250.8A patent/CN109035346A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139591A (zh) * | 2013-03-24 | 2013-06-05 | 成都索贝数码科技股份有限公司 | 一种基于图形处理器的3d视频颜色自动校正方法 |
CN104574371A (zh) * | 2014-12-20 | 2015-04-29 | 中国科学院西安光学精密机械研究所 | 高动态彩色数字相机特性化标定方法 |
CN106023238A (zh) * | 2016-06-30 | 2016-10-12 | 北京大学 | 一种相机模组颜色数据标定方法 |
CN107197225A (zh) * | 2017-06-13 | 2017-09-22 | 浙江大学 | 基于色适应模型的彩色数码相机白平衡校正方法 |
Non-Patent Citations (1)
Title |
---|
JON HARDEBERG: "《Acquisition et reproduction d’images couleur : approches colorimétrique et multispectrale》", 《INTERFACE HOMME-MACHINE [CS.HC]. TÉLÉCOM PARISTECH》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516132A (zh) * | 2021-03-25 | 2021-10-19 | 杭州博联智能科技股份有限公司 | 基于机器学习的颜色校准方法、装置、设备及介质 |
CN113516132B (zh) * | 2021-03-25 | 2024-05-03 | 杭州博联智能科技股份有限公司 | 基于机器学习的颜色校准方法、装置、设备及介质 |
WO2024082340A1 (zh) * | 2022-02-07 | 2024-04-25 | 深圳市奥拓电子股份有限公司 | 一种led显示屏的颜色校正方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Molada‐Tebar et al. | Camera characterization for improving color archaeological documentation | |
US9721532B2 (en) | Color chart detection apparatus, color chart detection method, and color chart detection computer program | |
CN110675373B (zh) | 一种组件安装检测方法、装置和系统 | |
JP2017163593A (ja) | 画像キャプチャ装置のための色較正方法 | |
WO2020124316A1 (en) | Image processing method and apparatus | |
RU99126413A (ru) | Способ обработки изображений | |
US9438768B2 (en) | Image processing apparatus, image reading apparatus, image processing method and information storage medium | |
WO2005114641A2 (en) | Color characterization using nonlinear regression | |
US20140267782A1 (en) | Apparatus And Method For Automated Self-Training Of White Balance By Electronic Cameras | |
CN112562017A (zh) | 一种rgb图像的色彩还原方法及计算机可读存储介质 | |
CN109035346A (zh) | 一种相机颜色标定方法、装置与自动驾驶系统 | |
CN110738957B (zh) | 显示系统及颜色特性测量方法 | |
JP2008092565A (ja) | カラーマッチング方法及び撮像装置 | |
JP5006970B2 (ja) | 画像処理装置およびその方法 | |
CN114202590B (zh) | 基于标定模型的颜色标定方法、系统、智能终端和介质 | |
Fang et al. | Colour correction toolbox | |
CN107340296B (zh) | 变化程度导出设备、变化程度导出系统和已知颜色体 | |
CN114503097A (zh) | 使用移动设备进行颜色查找的方法和装置 | |
CN113670443B (zh) | 基于设备无关颜色空间的色差测量方法、系统和智能终端 | |
Shams-Nateri et al. | Computer vision techniques for measuring and demonstrating color of textile | |
CN111953949B (zh) | 判断面部肤色的影像拍摄用调色板、利用其的方法及装置 | |
Lee et al. | Design and implementation of color correction system for images captured by digital camera | |
Stamatopoulos | Orientation and calibration of long focal length cameras in digital close-range photogrammetry | |
JP2014525707A (ja) | HGlCl色空間に基づく色処理方法 | |
US9424801B2 (en) | Display control device, non-transitory computer readable medium storing display control program, and color value data structure |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |