CN109166152A - 全景相机标定的校正方法、系统、计算机设备和存储介质 - Google Patents
全景相机标定的校正方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109166152A CN109166152A CN201810845145.XA CN201810845145A CN109166152A CN 109166152 A CN109166152 A CN 109166152A CN 201810845145 A CN201810845145 A CN 201810845145A CN 109166152 A CN109166152 A CN 109166152A
- Authority
- CN
- China
- Prior art keywords
- panoramic picture
- panorama camera
- calibrating parameters
- registration
- calibrating
- 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 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种全景相机标定的校正方法、系统、计算机设备和存储介质。所述方法包括:获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数,获取标定平台返回的第二标定参数,第二标定参数由标定平台根据多个原始图像进行标定处理后所得到。根据第一标定参数将原始图像进行处理,得到第一全景图像,根据第二标定参数将原始图像进行处理,得到第二全景图像。将第一全景图像对应的第一重合度和第二全景图像对应的第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,以使全景相机根据标定参数对全景相机中的图像进行拼接。采用本方法能够实现提高在对全景相机的重新标定的效率,节约了人力以及时间成本。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种全景相机标定的校正方法、系统、计算机设备和存储介质。
背景技术
目前,随着全景相机的技术发展,全景相机的消费者也越来越多。全景相机的生产制造过程,需要对全景相机进行标定,并将标定结果参数写入全景相机中存储。然而,消费者在使用的过程中难免会出现使用不当、跌落等意外情况,导致全景相机内部结构发生不可逆的微量变化,则会使得全景图像出现拼接不齐,甚至会出现明显的重影,需要对全景相机进行重新标定。
在传统技术中,当消费者需要对全景相机进行重新标定时,需要消费者将全景相机送往制造厂家,通过厂家进行全景相机标定的校正,浪费了大量的人力以及时间成本。
发明内容
基于此,有必要针对上述技术问题,提供一种可以有效提高标定效率的全景相机标定的校正方法、系统、计算机设备和存储介质。
一种全景相机标定的校正方法,所述方法包括:
获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数;
将所述多个原始图像发送至标定平台,获取标定平台返回的第二标定参数,所述第二标定参数由所述标定平台根据所述多个原始图像进行标定处理后所得到;
根据所述第一标定参数将原始图像进行处理,得到第一全景图像;根据所述第二标定参数将原始图像进行处理,得到第二全景图像;
计算所述第一全景图像对应的第一重合度以及所述第二全景图像对应的第二重合度;
将所述第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,以使所述全景相机根据所述标定参数对全景相机中的图像进行拼接。
在其中一个实施例中,在所述获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数之后包括:
根据所述第一标定参数对多个原始图像进行处理,得到第一全景图像;
计算所述第一全景图像的重合度;
若所述第一全景图像的重合度低于阈值,则将所述多个原始图像发送至标定平台。
在其中一个实施例中,所述根据所述第一标定参数将原始图像进行处理,得到第一全景图像包括:
根据所述第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像;
将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像。
在其中一个实施例中,在所述将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像之后包括:
计算所述多个投影结果图像中重叠区域图像的特征点,对所述特征点进行特征匹配;
在所述坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值;
根据所述特征点的距离平均值得到第一全景图像对应的第一重合度。
一种全景相机标定的校正方法,所述方法包括:
获取用户终端发送的全景相机标定的校正请求,所述校正请求包括多个原始图像以及第一标定参数;
根据所述多个原始图像对全景相机进行标定,得到第二标定参数;
根据所述第一标定参数将原始图像进行处理,得到第一全景图像;根据所述第二标定参数将原始图像进行处理,得到第二全景图像;
计算所述第一全景图像对应的第一重合度以及所述第二全景图像对应的第二重合度;
将所述第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定发送至用户终端,所述用户终端用于将所述标定参数发送至全景相机,以使全景相机根据所述标定参数对全景相机中的图像进行拼接。
在其中一个实施例中,所述根据所述第一标定参数将原始图像进行处理,得到第一全景图像包括:
根据所述第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像;
将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像。
在其中一个实施例中,在所述将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像之后包括:
计算所述多个投影结果图像中重叠区域图像的特征点,对所述特征点进行特征匹配;
在所述坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值;
根据所述特征点的距离平均值得到第一全景图像对应的第一重合度。
一种全景相机标定的校正系统,所述系统包括:
用户终端,所述用户终端用于获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数;
所述用户终端还用于将所述多个原始图像发送至标定平台,所述标定平台根据所述多个原始图像进行标定处理得到所述第二标定参数,所述用户终端还用于获取标定平台返回的第二标定参数;
所述用户终端还用于根据所述第一标定参数将原始图像进行处理,得到第一全景图像,根据所述第二标定参数将原始图像进行处理,得到第二全景图像;
所述用户终端还用于计算所述第一全景图像对应的第一重合度以及所述第二全景图像对应的第二重合度;
所述用户终端还用于将所述第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,所述全景相机根据所述标定参数对全景相机中的图像进行拼接。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项方法的步骤。
上述全景相机标定的校正方法、系统、计算机设备和存储介质,用户终端获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数,将多个原始图像发送至标定平台,标定平台根据多个原始图像进行标定处理后得到第二标定参数。根据第一标定参数将原始图像进行处理,得到第一全景图像,根据第二标定参数将原始图像进行处理,得到第二全景图像。将第一全景图像对应的第一重合度和第二全景图像对应的第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,以使全景相机根据对应的标定参数对全景相机中的图像进行拼接。实现了在线对全景相机标定的校正功能,使得全景相机不需要通过线下的售后返回厂家重新进行标定,节约了大量的人力和时间成本,有效提高了对全景相机进行重新标定的效率。
附图说明
图1为一个实施例中全景相机标定的校正的应用场景图;
图2为一个实施例中全景相机标定的校正的流程示意图;
图3为一个实施例中根据第一标定参数将原始图像进行处理,得到第一全景图像的步骤的流程示意图;
图4为一个实施例中计算第一全景图像对应的第一重合度的步骤的流程示意图;
图5为另一个实施例中全景相机标定的校正的流程示意图;
图6为一个实施例中全景相机标定的校正系统的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一标定参数称为第二标定参数,且类似地,可将第二标定参数称为第一标定参数。第一标定参数和第二标定参数两者都是标定参数,但其不是同一标定参数。
本发明实施例所提供的全景相机标定的校正方法可应用到如图1所示的应用环境中。全景相机110通过网络与用户终端120本地连接,网络连接的方式包括USB连接或无线局域网连接等任意一种。用户终端120通过网络与标定平台130远程连接,该标定平台130可以同时跟多个用户终端120同时连接。其中,用户终端包括智能手机、移动平板或者个人计算机等其中任意一种,标定平台130包括大型计算机或者服务器等其中任意一种。用户终端120获取全景相机110采集的多个原始图像以及全景相机110存储的第一标定参数。用户终端120将多个原始图像发送至标定平台130。标定平台130根据获取到的多个原始图像,通过标定算法得到第二标定参数,将第二标定参数发送至对应的用户终端120。用户终端120根据第一标定参数将原始图像进行处理,得到第一全景图像,根据第二标定参数将原始图像进行处理,得到第二全景图像,通过将第一全景图像对应的第一重合度和第二全景图像对应的第二重合度进行比对,将重合度高的全景图像130对应的标定参数发送至全景相机130,以使全景相机130根据对应的标定参数对全景相机130进行标定。
在一个实施例中,如图2所示,提供了一种全景相机标定的校正方法,以该方法应用于图1中的全景相机标定的校正系统中为例进行说明,该方法包括:
步骤202,获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数。
用户终端通过网络与全景相机本地连接,网络连接的方式包括USB连接、蓝牙或无线网络连接等任意一种。全景相机中通常包括多个镜头,通过多个镜头采集多个对应的原始图像,该对应的原始图像是指全景相机未进行拼接的图像。全景相机中还存储了本地存储的第一标定参数。用户终端通过网络获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数。
步骤204,将多个原始图像发送至标定平台,获取标定平台返回的第二标定参数,第二标定参数由标定平台根据多个原始图像进行标定处理后所得到。
用户终端通过网络与标定平台远程连接,可以理解的,该标定平台可以与多个用户终端同时连接,以实现同时对多个全景相机进行标定处理。用户终端通过网络将多个原始图像发送至标定平台,该标定平台通过运行全景标定程序,根据用户终端发送的多个原始图像进行标定处理得到第二标定参数。由于该原始图像是通过全景相机重新采集得到的,此时全景相机的内参相较于出厂时,可能发生细微的变化,因此,通过重新采集的原始图像进行处理后得到的第二标定参数与全景相机内存储的第一标定参数是不同的。此外,由于标定平台在标定过程中使用的原始图像数量不同,因此,在每次运行标定程序得到的第二标定参数与第一标定参数可能不同。具体地,在标定过程中,可以按照预设的规则对获取的原始图像进行筛选,利用筛选后的原始图像进行标定,得到第二标定参数。可以理解的是,由于每次得到的第二标定参数有区别,可以通过标定平台进行多次标定处理,得到多个标定参数,将多个标定参数返回到用户终端,以供用户终端进行相应的处理以及筛选。
步骤206,根据第一标定参数将原始图像进行处理,得到第一全景图像;根据第二标定参数将原始图像进行处理,得到第二全景图像。
用户终端根据第一标定参数将多个原始图像进行处理,得到第一全景图像。该第一全景图像是通过多个原始图像按照相应的参数在坐标系中进行投影,然后在拼接得到的。由于多个原始图像在拼接的过程中会有重叠区,因此,可以通过判断重叠区的重合度,来判断得到的全景图像中的重影是否明显。
步骤208,计算第一全景图像对应的第一重合度以及第二全景图像对应的第二重合度。
用户终端计算第一全景图像对应的第一重合度以及第二全景图像对应的第二重合度。由于全景图像是通过多个原始图像拼接而成的,因此会产生重叠区。具体地,第一原始图像与第二原始图像中有部分重叠,在拼接过程中形成重叠区,该重叠区的重合度就是指第一原始图像与第二原始图像对应的图像特征点在相机坐标空间的位置重合度。因此,该重合度可以反映全景图像在重叠区的显示效果,重合度高即表示全景图像重叠区的重影不明显,重合度低即表示全景图像重叠区的重影较为明显。
步骤210,将第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,以使全景相机根据标定参数对全景相机进行标定。
用户终端将第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机。全景相机获取用户终端发送的标定参数,若该标定参数与本地存储的标定参数不一致,则将获取得到的该标定参数写入全景相机中,若该标定参数与本地存储的标定参数一致,则不需要对本都存储的标定参数进行更新。
在本实施例中,用户终端获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数,将多个原始图像发送至标定平台,标定平台根据多个原始图像进行标定处理后得到第二标定参数。根据第一标定参数将原始图像进行处理,得到第一全景图像,根据第二标定参数将原始图像进行处理,得到第二全景图像。将第一全景图像对应的第一重合度和第二全景图像对应的第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,以使全景相机根据对应的标定参数全景相机中的图像进行拼接。实现了在线对全景相机标定的校正功能,使得全景相机不需要通过线下的售后进行重新标定,节约了大量的人力和时间成本。
在一个实施例中,提供了一种全景相机标定的校正方法,该方法在获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数之后还包括:根据第一标定参数对多个原始图像进行处理,得到第一全景图像,计算第一全景图像的重合度,若第一全景图像的重合度低于阈值,则将多个原始图像发送至标定平台。
用户终端可以预先根据第一标定参数的标定效果进行判断,判断是否需要对当前连接的全景相机中的第一标定参数进行校正。具体地,用户终端根据获取到的全景相机存储的第一标定参数对多个原始图像进行处理,得到第一全景图像,然后计算第一全景图像的重合度,若第一全景图像的重合度高于预设的阈值,则不需要对当前连接的全景相机的第一标定参数进行校正,直接返回校验通过提示信息即可。若第一全景图像的重合度低于预设的阈值,则可以理解为,需要对当前连接的全景相机的第一标定参数进行校正,则将多个原始图像发送至标定平台,以使标定平台完成对全景相机的重新标定。
在本实施例中,实现了通过对当前连接的全景相机进行校验,根据校验的结果判断是否需要对当前连接的全景相机进行校验。
在一个实施例中,提供了一种全景相机标定的校正方法,如图3所示,该方法还包括根据第一标定参数将原始图像进行处理,得到第一全景图像的步骤:
步骤302,根据第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像。
步骤304,将多个投影结果图像在坐标系内进行拼接得到第一全景图像。
用户终端根据第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像。将多个投影结果图像在坐标系内进行拼接得到第一全景图像。可以理解的,用户终端还可以根据第二标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像。将多个投影结果图像在坐标系内进行拼接得到第二全景图像。
在本实施例中,通过在同一坐标系内对多个原始图像进行投影拼接得到全景图像,通过判断该全景图像的重合度来判断标定参数的标定效果,进而达到了提高标定结果的可靠性。
在一个实施例中,提供了一种全景相机标定的校正方法,如图4所示,该方法还包括计算第一全景图像对应的第一重合度的步骤:
步骤402,计算多个投影结果图像中重叠区域图像的特征点,对特征点进行特征匹配。
步骤404,在坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值。
步骤406,根据特征点的距离平均值得到第一全景图像对应的第一重合度。
用户终端计算多个投影结果图像中重叠区域图像的特征点,对特征点进行特征匹配。在坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值。根据特征点的距离平均值得到第一全景图像对应的第一重合度。可以理解的是,用户终端可以通过上述方法计算第二全景图像对应的第二重合度。
具体地,例如全景相机中包括两个镜头:第一镜头和第二镜头。分别取第一镜头对应的重叠区图像和第二镜头对应的重叠区图像,具体的重叠区可以是个矩形的重叠区。通过OpenCV(一种跨平台计算机视觉库)中的surf特征点算法,分别找出两个重叠区图像中的所有特征点。针对两个重叠区图像的特征点,找出两个重叠区图像中初步匹配点,针对初步匹配点,运行随机抽样一致性算法过滤出最佳匹配点,最后通过最佳匹配点的坐标位置的计算所有最佳匹配点的两两之间的距离,得到总的距离,然后用总距离和匹配点的个数计算距离平均值,距离平均值越小,得到的重合度就越高。
在本实施例中,通过计算全景图像对应的重合度,实现了可以根据该重合度判断标定参数的标定效果,进而达到了提高标定结果的可靠性。
在一个实施例中,如图5所示,提供了一种全景相机标定的校正方法,该方法包括:
步骤502,获取用户终端发送的全景相机标定的校正请求,校正请求包括多个原始图像以及第一标定参数。
步骤504,根据多个原始图像对全景相机进行标定,得到第二标定参数。
步骤506,根据第一标定参数将原始图像进行处理,得到第一全景图像;根据第二标定参数将原始图像进行处理,得到第二全景图像。
步骤508,计算第一全景图像对应的第一重合度以及第二全景图像对应的第二重合度。
步骤510,将第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定发送至用户终端,用户终端用于将标定参数发送至全景相机,以使全景相机根据标定参数对全景相机进行标定。
标定平台获取用户终端发送的全景相机标定的校正请求,校正请求包括多个原始图像以及第一标定参数。标定平台根据多个原始图像对全景相机进行标定,得到第二标定参数。标定平台根据第一标定参数将原始图像进行处理,得到第一全景图像;根据第二标定参数将原始图像进行处理,得到第二全景图像。标定平台计算第一全景图像对应的第一重合度以及第二全景图像对应的第二重合度。标定平台将第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定发送至用户终端,用户终端用于将标定参数发送至全景相机,以使全景相机根据标定参数对全景相机中的图像进行拼接。
在本实施例中,标定平台通过用户终端发送的多个原始图像,对相应的全景相机进行标定,得到第二标定参数,并将第一标定参数和第二标定参数对应的标定效果进行比对,将标定效果更好的标定参数返回给用户终端,用户终端将标定参数发送给对应的全景相机,以使全景相机根据标定参数对全景相机进行标定。实现了在线对全景相机标定的校正功能,使得全景相机不需要通过线下的售后返回厂家重新进行标定,节约了大量的人力和时间成本,有效提高了对全景相机进行重新标定的效率。
在一个实施例中,提供了一种全景相机标定的校正方法,该方法还包括根据第一标定参数将原始图像进行处理,得到第一全景图像的步骤:标定平台根据第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像。标定平台将多个投影结果图像在坐标系内进行拼接得到第一全景图像。
在一个实施例中,提供了一种全景相机标定的校正方法,该方法还包括计算第一全景图像对应的第一重合度的步骤:标定平台计算多个投影结果图像中重叠区域图像的特征点,对特征点进行特征匹配。标定平台在坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值。标定平台根据特征点的距离平均值得到第一全景图像对应的第一重合度。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种全景相机标定的校正系统,该系统包括:
用户终端602,用户终端602用于获取全景相机604采集的多个原始图像以及全景相机604存储的第一标定参数。
用户终端602还用于将多个原始图像发送至标定平台606,标定平台606根据多个原始图像进行标定处理得到第二标定参数,用户终端602还用于获取标定平台606返回的第二标定参数。
用户终端602还用于根据第一标定参数将原始图像进行处理,得到第一全景图像,根据第二标定参数将原始图像进行处理,得到第二全景图像。
用户终端602还用于计算第一全景图像对应的第一重合度以及第二全景图像对应的第二重合度。
用户终端602还用于将第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机604,全景相机604根据标定参数对全景相机604进行标定。
在一个实施例中,用户终端602还用于根据第一标定参数对多个原始图像进行处理,得到第一全景图像,计算第一全景图像的重合度,若第一全景图像的重合度低于阈值,则将多个原始图像发送至标定平台606。
在一个实施例中,用户终端602还用于根据第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像。将多个投影结果图像在坐标系内进行拼接得到第一全景图像。
在一个实施例中,用户终端602还用于计算多个投影结果图像中重叠区域图像的特征点,对特征点进行特征匹配。在坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值。根据特征点的距离平均值得到第一全景图像对应的第一重合度。
关于全景相机标定的校正系统的具体限定可以参见上文中对于全景相机标定的校正方法的限定,在此不再赘述。
在一个实施例中,提供了一种计算机设备,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器及网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种全景相机标定的校正方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以上各个方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以上各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种全景相机标定的校正方法,所述方法包括:
获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数;
将所述多个原始图像发送至标定平台,获取标定平台返回的第二标定参数,所述第二标定参数由所述标定平台根据所述多个原始图像进行标定处理后所得到;
根据所述第一标定参数将原始图像进行处理,得到第一全景图像;根据所述第二标定参数将原始图像进行处理,得到第二全景图像;
计算所述第一全景图像对应的第一重合度以及所述第二全景图像对应的第二重合度;
将所述第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,以使所述全景相机根据所述标定参数对全景相机中的图像进行拼接。
2.根据权利要求1所述方法,其特征在于,在所述获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数之后包括:
根据所述第一标定参数对多个原始图像进行处理,得到第一全景图像;
计算所述第一全景图像的重合度;
若所述第一全景图像的重合度低于阈值,则将所述多个原始图像发送至标定平台。
3.根据权利要求1所述方法,其特征在于,所述根据所述第一标定参数将原始图像进行处理,得到第一全景图像包括:
根据所述第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像;
将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像。
4.根据权利要求3所述方法,其特征在于,在所述将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像之后包括:
计算所述多个投影结果图像中重叠区域图像的特征点,对所述特征点进行特征匹配;
在所述坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值;
根据所述特征点的距离平均值得到第一全景图像对应的第一重合度。
5.一种全景相机标定的校正方法,所述方法包括:
获取用户终端发送的全景相机标定的校正请求,所述校正请求包括多个原始图像以及第一标定参数;
根据所述多个原始图像对全景相机进行标定,得到第二标定参数;
根据所述第一标定参数将原始图像进行处理,得到第一全景图像;根据所述第二标定参数将原始图像进行处理,得到第二全景图像;
计算所述第一全景图像对应的第一重合度以及所述第二全景图像对应的第二重合度;
将所述第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定发送至用户终端,所述用户终端用于将所述标定参数发送至全景相机,以使全景相机根据所述标定参数对全景相机中的图像进行拼接。
6.根据权利要求5所述方法,其特征在于,所述根据所述第一标定参数将原始图像进行处理,得到第一全景图像包括:
根据所述第一标定参数对多个原始图像在同一坐标系内进行投影,得到多个投影结果图像;
将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像。
7.根据权利要求6所述方法,其特征在于,在所述将所述多个投影结果图像在所述坐标系内进行拼接得到第一全景图像之后包括:
计算所述多个投影结果图像中重叠区域图像的特征点,对所述特征点进行特征匹配;
在所述坐标系中,根据特征点对应的坐标计算所有匹配成功的特征点的距离平均值;
根据所述特征点的距离平均值得到第一全景图像对应的第一重合度。
8.一种全景相机标定的校正系统,其特征在于,所述系统包括:
用户终端,所述用户终端用于获取全景相机采集的多个原始图像以及全景相机存储的第一标定参数;
所述用户终端还用于将所述多个原始图像发送至标定平台,所述标定平台根据所述多个原始图像进行标定处理得到所述第二标定参数,所述用户终端还用于获取标定平台返回的第二标定参数;
所述用户终端还用于根据所述第一标定参数将原始图像进行处理,得到第一全景图像,根据所述第二标定参数将原始图像进行处理,得到第二全景图像;
所述用户终端还用于计算所述第一全景图像对应的第一重合度以及所述第二全景图像对应的第二重合度;
所述用户终端还用于将所述第一重合度和第二重合度进行比对,将重合度高的全景图像对应的标定参数发送至全景相机,所述全景相机根据所述标定参数对全景相机中的图像进行拼接。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810845145.XA CN109166152A (zh) | 2018-07-27 | 2018-07-27 | 全景相机标定的校正方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810845145.XA CN109166152A (zh) | 2018-07-27 | 2018-07-27 | 全景相机标定的校正方法、系统、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109166152A true CN109166152A (zh) | 2019-01-08 |
Family
ID=64898462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810845145.XA Pending CN109166152A (zh) | 2018-07-27 | 2018-07-27 | 全景相机标定的校正方法、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166152A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942486A (zh) * | 2019-12-12 | 2020-03-31 | 展讯通信(上海)有限公司 | 相机标定参数的保存方法、装置及存储介质 |
CN111667398A (zh) * | 2019-03-07 | 2020-09-15 | 株式会社理光 | 图像处理方法、装置和计算机可读存储介质 |
CN112991453A (zh) * | 2019-12-17 | 2021-06-18 | 杭州海康机器人技术有限公司 | 双目相机标定参数的校验方法、装置及电子设备 |
CN113282317A (zh) * | 2019-06-18 | 2021-08-20 | Oppo广东移动通信有限公司 | 光学指纹参数升级方法及相关产品 |
CN113570502A (zh) * | 2021-06-30 | 2021-10-29 | 影石创新科技股份有限公司 | 图像拼接方法、装置、计算机设备和存储介质 |
CN113884123A (zh) * | 2021-09-23 | 2022-01-04 | 广州小鹏汽车科技有限公司 | 一种传感器校验方法及装置、车辆、存储介质 |
CN115953485A (zh) * | 2023-03-15 | 2023-04-11 | 中国铁塔股份有限公司 | 一种摄像机标定方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004106856A1 (ja) * | 2003-05-29 | 2004-12-09 | Olympus Corporation | ステレオカメラ支持装置、ステレオカメラ支持方法及びキャリブレーション検出装置及びキャリブレーション補正装置並びにステレオカメラシステム |
EP1507407A2 (en) * | 2003-08-13 | 2005-02-16 | Topcon Corporation | Electronic image pickup apparatus with image correction function and method thereof |
CN102436660A (zh) * | 2011-11-08 | 2012-05-02 | 北京新岸线网络技术有限公司 | 3d相机图像自动校正方法及装置 |
CN105608693A (zh) * | 2015-12-18 | 2016-05-25 | 上海欧菲智能车联科技有限公司 | 车载全景环视的标定系统及方法 |
CN105678740A (zh) * | 2015-12-30 | 2016-06-15 | 完美幻境(北京)科技有限公司 | 一种相机几何标定处理方法及装置 |
CN106303283A (zh) * | 2016-08-15 | 2017-01-04 | Tcl集团股份有限公司 | 一种基于鱼眼摄像头的全景图像合成方法及系统 |
CN106600644A (zh) * | 2016-11-16 | 2017-04-26 | 深圳六滴科技有限公司 | 全景摄像机的参数矫正方法及装置 |
CN106886976A (zh) * | 2017-03-14 | 2017-06-23 | 成都通甲优博科技有限责任公司 | 一种基于内参数修正鱼眼像机的图像生成方法 |
CN107146255A (zh) * | 2017-04-05 | 2017-09-08 | 纵目科技(上海)股份有限公司 | 全景图像误差校正方法及装置 |
CN107274453A (zh) * | 2017-06-12 | 2017-10-20 | 哈尔滨理工大学 | 一种结合标定与校正的摄像机三维测量装置、系统及方法 |
CN107464263A (zh) * | 2016-06-02 | 2017-12-12 | 维森软件技术(上海)有限公司 | 汽车标定系统及其标定方法 |
CN107464218A (zh) * | 2016-06-02 | 2017-12-12 | 维森软件技术(上海)有限公司 | 汽车标定系统及其标定方法 |
CN108109111A (zh) * | 2018-01-12 | 2018-06-01 | 深圳市粒视界科技有限公司 | 通过软硬件结合组装调试多鱼眼镜头全景相机的方法 |
-
2018
- 2018-07-27 CN CN201810845145.XA patent/CN109166152A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004106856A1 (ja) * | 2003-05-29 | 2004-12-09 | Olympus Corporation | ステレオカメラ支持装置、ステレオカメラ支持方法及びキャリブレーション検出装置及びキャリブレーション補正装置並びにステレオカメラシステム |
EP1507407A2 (en) * | 2003-08-13 | 2005-02-16 | Topcon Corporation | Electronic image pickup apparatus with image correction function and method thereof |
CN102436660A (zh) * | 2011-11-08 | 2012-05-02 | 北京新岸线网络技术有限公司 | 3d相机图像自动校正方法及装置 |
CN105608693A (zh) * | 2015-12-18 | 2016-05-25 | 上海欧菲智能车联科技有限公司 | 车载全景环视的标定系统及方法 |
CN105678740A (zh) * | 2015-12-30 | 2016-06-15 | 完美幻境(北京)科技有限公司 | 一种相机几何标定处理方法及装置 |
CN107464263A (zh) * | 2016-06-02 | 2017-12-12 | 维森软件技术(上海)有限公司 | 汽车标定系统及其标定方法 |
CN107464218A (zh) * | 2016-06-02 | 2017-12-12 | 维森软件技术(上海)有限公司 | 汽车标定系统及其标定方法 |
CN106303283A (zh) * | 2016-08-15 | 2017-01-04 | Tcl集团股份有限公司 | 一种基于鱼眼摄像头的全景图像合成方法及系统 |
CN106600644A (zh) * | 2016-11-16 | 2017-04-26 | 深圳六滴科技有限公司 | 全景摄像机的参数矫正方法及装置 |
CN106886976A (zh) * | 2017-03-14 | 2017-06-23 | 成都通甲优博科技有限责任公司 | 一种基于内参数修正鱼眼像机的图像生成方法 |
CN107146255A (zh) * | 2017-04-05 | 2017-09-08 | 纵目科技(上海)股份有限公司 | 全景图像误差校正方法及装置 |
CN107274453A (zh) * | 2017-06-12 | 2017-10-20 | 哈尔滨理工大学 | 一种结合标定与校正的摄像机三维测量装置、系统及方法 |
CN108109111A (zh) * | 2018-01-12 | 2018-06-01 | 深圳市粒视界科技有限公司 | 通过软硬件结合组装调试多鱼眼镜头全景相机的方法 |
Non-Patent Citations (4)
Title |
---|
GUOQIANG HU等: ""Quaternion-based visual servo control in the presence of camera calibration error"", 《INTERNATIONAL JOURNAL OF ROBUST AND NONLINEAR CONTROL》 * |
RUI MELO, JO˜AO P. BARRETO,GABRIEL FALC˜AO: ""A New Solution for Camera Calibration and Real-Time Image Distortion Correction in Medical Endoscopy - Initial Technical Evaluation"", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 * |
凡芳等: ""面向视觉测量的相机标定误差分析"", 《实验科学与技术》 * |
孙曦,汪增福: ""一种基于校正误差的立体相机标定算法"", 《小型微型计算机系统》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667398A (zh) * | 2019-03-07 | 2020-09-15 | 株式会社理光 | 图像处理方法、装置和计算机可读存储介质 |
CN111667398B (zh) * | 2019-03-07 | 2023-08-01 | 株式会社理光 | 图像处理方法、装置和计算机可读存储介质 |
CN113282317A (zh) * | 2019-06-18 | 2021-08-20 | Oppo广东移动通信有限公司 | 光学指纹参数升级方法及相关产品 |
CN110942486A (zh) * | 2019-12-12 | 2020-03-31 | 展讯通信(上海)有限公司 | 相机标定参数的保存方法、装置及存储介质 |
CN110942486B (zh) * | 2019-12-12 | 2023-02-28 | 展讯通信(上海)有限公司 | 相机标定参数的保存方法、装置及存储介质 |
CN112991453A (zh) * | 2019-12-17 | 2021-06-18 | 杭州海康机器人技术有限公司 | 双目相机标定参数的校验方法、装置及电子设备 |
CN113570502A (zh) * | 2021-06-30 | 2021-10-29 | 影石创新科技股份有限公司 | 图像拼接方法、装置、计算机设备和存储介质 |
WO2023273888A1 (zh) * | 2021-06-30 | 2023-01-05 | 影石创新科技股份有限公司 | 图像拼接方法、装置、计算机设备和存储介质 |
CN113570502B (zh) * | 2021-06-30 | 2023-08-01 | 影石创新科技股份有限公司 | 图像拼接方法、装置、计算机设备和存储介质 |
CN113884123A (zh) * | 2021-09-23 | 2022-01-04 | 广州小鹏汽车科技有限公司 | 一种传感器校验方法及装置、车辆、存储介质 |
CN115953485A (zh) * | 2023-03-15 | 2023-04-11 | 中国铁塔股份有限公司 | 一种摄像机标定方法及装置 |
CN115953485B (zh) * | 2023-03-15 | 2023-06-02 | 中国铁塔股份有限公司 | 一种摄像机标定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166152A (zh) | 全景相机标定的校正方法、系统、计算机设备和存储介质 | |
CN106851122B (zh) | 基于双摄像头系统的自动曝光参数的标定方法和装置 | |
CN106537908B (zh) | 相机标定 | |
CN107948733B (zh) | 视频图像处理方法及装置、电子设备 | |
CN110473159A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110213494A (zh) | 拍摄方法和装置、电子设备、计算机可读存储介质 | |
CN110021071B (zh) | 一种增强现实应用中的渲染方法、装置及设备 | |
CN113079325A (zh) | 暗光条件下的十亿级像素成像方法、装置、介质及设备 | |
CN109191530A (zh) | 全景相机标定方法、系统、计算机设备和存储介质 | |
CN110689476A (zh) | 全景图像拼接方法及其装置、可读存储介质和电子设备 | |
CN111951180A (zh) | 图像抖动校正方法、装置、计算机设备和存储介质 | |
CN114640833A (zh) | 投影画面调整方法、装置、电子设备和存储介质 | |
CN113344789B (zh) | 图像拼接方法及装置、电子设备、计算机可读存储介质 | |
CN109166151A (zh) | 全景相机的远程标定方法、装置、计算机设备和存储介质 | |
JP2001148012A (ja) | 対応点探索方法および装置 | |
CN109788199A (zh) | 一种适用于具有双摄像头终端的对焦方法 | |
CN114219725A (zh) | 一种图像处理方法、终端设备及计算机可读存储介质 | |
CN113538318A (zh) | 图像处理方法、装置、终端设备以及可读存储介质 | |
CN110049299B (zh) | 梯形校正方法、装置、计算机设备和存储介质 | |
CN112911130A (zh) | 辅助取景方法、装置、终端和存储介质 | |
CN110490233A (zh) | 众包任务处理方法、装置、计算机设备和存储介质 | |
CN113112610B (zh) | 一种信息处理方法、装置和电子设备 | |
CN112116705B (zh) | 基于三维建模的城市模型构建方法、装置、设备和介质 | |
CN114596413B (zh) | 一种影像时序拼接方法、三维影像模型建立方法和装置 | |
CN112954369B (zh) | 户型预览方法、装置、设备及计算机可读存储介质 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220311 |
|
AD01 | Patent right deemed abandoned |