CN109194954A - 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 - Google Patents

鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 Download PDF

Info

Publication number
CN109194954A
CN109194954A CN201811104997.XA CN201811104997A CN109194954A CN 109194954 A CN109194954 A CN 109194954A CN 201811104997 A CN201811104997 A CN 201811104997A CN 109194954 A CN109194954 A CN 109194954A
Authority
CN
China
Prior art keywords
fish
eye camera
gradient
exposure mask
value
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
CN201811104997.XA
Other languages
English (en)
Other versions
CN109194954B (zh
Inventor
李昂
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.)
Shanghai Weimeng Enterprise Development Co.,Ltd.
Original Assignee
Shanghai Xiaomeng 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 Shanghai Xiaomeng Technology Co Ltd filed Critical Shanghai Xiaomeng Technology Co Ltd
Priority to CN201811104997.XA priority Critical patent/CN109194954B/zh
Publication of CN109194954A publication Critical patent/CN109194954A/zh
Application granted granted Critical
Publication of CN109194954B publication Critical patent/CN109194954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00Diagnosis, testing or measuring for television systems or their details
    • H04N17/002Diagnosis, testing or measuring for television systems or their details for television cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于检测技术领域,提供了一种鱼眼摄像头性能参数测试方法、装置、计算机设备及可存储介质,所述方法包括:接收鱼眼摄像头所采集的彩色棋盘格图像;对所述彩色棋盘格图像进行色度处理,转换为灰度图像;获取所述灰度图像的最大梯度掩膜的轮廓信息;对所述最大梯度掩膜的轮廓信息进行圆形拟合处理,并获取所述圆形的圆心位置;判断所述圆形的圆心位置是否与所述彩色棋盘格的中心位置一致;当所述圆形的圆心位置与所述彩色棋盘格的中心位置一致时,则确定所述鱼眼摄像头中心点位置无偏差,可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得所有参数信息,对相机中心点参数是否偏差进行准确判断,操作简单、检测速度快,成本低。

Description

鱼眼摄像头性能参数测试方法、装置、设备及可存储介质
技术领域
本发明涉及检测技术领域,特别是涉及一种鱼眼摄像头性能参数测试方法、装置、计算机设备和存储介质。
背景技术
鱼眼摄像机可以独立实现大范围无死角监控的全景摄像机,其概念与初级成品诞生已久,但成熟商用产品直到08年才正式出现。量产中的鱼眼摄像头存在一些参数偏差,比如,相机中心偏置、畸变、颜色响应不一致等。
现有的鱼眼摄像头的参数偏差验证方法需要拍摄多张图片,并使用多种不同的检验图案来获得不同的参数信息,另外,量产中的组装误差会导致镜头的光轴和传感器的中心点位置发生偏差,具体表现在成像圆的位置不一致,同一位置的物体在图像上的位置不同,造成对参数偏差检测效果不佳。
由此可见,现有的鱼眼摄像头的参数偏差验证方法存在操作复杂程度高、检测耗时长、生产成本高以及整体检测效果不佳的问题。
发明内容
本发明实施例提供一种鱼眼摄像头性能参数测试方法,旨在解决现有的鱼眼摄像头的参数偏差验证方法存在操作复杂程度高、检测耗时长、生产成本高以及整体检测效果不佳的问题。
本发明实施例是这样实现的,一种鱼眼摄像头性能参数测试方法,所述方法包括:
接收鱼眼摄像头所采集的彩色棋盘格图像,所述鱼眼摄像头与彩色棋盘格按预设位置固定;
对所述彩色棋盘格图像进行色度处理,转换为灰度图像;
获取所述灰度图像的最大梯度掩膜的轮廓信息;
对所述最大梯度掩膜的轮廓信息进行圆形拟合处理,并获取所述圆形的圆心位置;
判断所述圆形的圆心位置是否与所述彩色棋盘格的中心位置一致;
当所述圆形的圆心位置与所述彩色棋盘格的中心位置一致时,则确定所述鱼眼摄像头中心点位置无偏差;
当所述圆形的圆心位置与所述彩色棋盘格的中心位置不一致时,则确定所述鱼眼摄像头中心点位置偏差。
本发明实施例中,通过接收鱼眼摄像头所采集的彩色棋盘格图像,鱼眼摄像头与彩色棋盘格按预设位置固定;对所述彩色棋盘格图像进行色度处理,转换为灰度图像;获取所述灰度图像的最大梯度掩膜的轮廓信息;对所述最大梯度掩膜的轮廓信息进行圆形拟合处理,并获取所述圆形的圆心位置,以此判断鱼眼摄像头中心点位置是否存在偏差;一方面,可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得所有参数信息,对相机中心点参数是否偏差进行准确判断,操作简单、检测速度快,成本低;另一方面,本发明针对鱼眼摄像头的参数偏差检测方法能极大提升商品检验的稳定性。
附图说明
图1是本发明实施例一提供的一种鱼眼摄像头性能参数测试方法的实现流程图;
图2是本发明实施例一提供的一种彩色棋盘格的图案示意图;
图3是本发明实施例一提供的一种灯箱装置的结构示意图;
图4是本发明实施例一提供的一种灯箱装置剖面结构的俯视图;
图5是本发明实施例一提供的一种鱼眼摄像头所采集的彩色棋盘格图像的示意图;
图6是本发明实施例一提供的另一种鱼眼摄像头性能参数测试方法的实现流程图;
图7是本发明实施例一提供的一种灰度图像的梯度范式示意图;
图8是本发明实施例一提供的一种梯度掩膜的示意图;
图9是本发明实施例一提供的再一种鱼眼摄像头性能参数测试方法的实现流程图;
图10是本发明实施例一提供的一种圆形拟合处理后图像的示意图;
图11是本发明实施例二提供的一种鱼眼摄像头性能参数测试方法的实现流程图;
图12是本发明实施例三提供的一种鱼眼摄像头性能参数测试方法的实现流程图;
图13是本发明实施例三提供的另一种鱼眼摄像头性能参数测试方法的实现流程图;
图14是本发明实施例三提供的一种色块掩膜的示意图;
图15是本发明实施例四提供的一种鱼眼摄像头性能参数测试方法的实现流程图;
图16是本发明实施例五提供的一种鱼眼摄像头性能参数测试方法的实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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发明,并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和 / 或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。
为了进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,根据如下实施例,对本发明实施例提供的鱼眼摄像头性能参数测试方法进行详细说明。
本发明提供的鱼眼摄像头性能参数测试方法,通过接收鱼眼摄像头所采集的彩色棋盘格图像,并对所述彩色棋盘格图像进行色度处理,转换为灰度图像,通过其最大梯度掩膜的轮廓信息对鱼眼摄像头的中心位置参数偏差进行检测;一方面,可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得所有参数信息,操作简单、检测速度快,成本低;另一方面,本发明针对鱼眼摄像头的参数偏差检测方法能极大提升商品检验的稳定性。
实施例一
图1示出了本发明实施例一提供的一种鱼眼摄像头性能参数测试方法的实现流程,详述如下:
在步骤S101中,接收鱼眼摄像头所采集的彩色棋盘格图像,所述鱼眼摄像头与彩色棋盘格按预设位置固定。
在本发明实施例中,彩色棋盘格与传统的黑白棋盘格的区别仅仅在于加入了颜色的信息,如图2所示的彩色棋盘格的图案示意图,这种彩色棋盘格的图案的创建过程是:首先,通过将色调(Hue)的取值范围平均分为20份;其次,其是将一个2×2田字形方块的色调按照上述色调中提取,其中, 2×2田字形方块的左上方块和右下方块的饱和度为最大值、亮度值为最大值得一半;右上方块和左下方块的饱和度为最大值的五分之一、亮度值为最大值;将此步骤重复20次,即得由田字形方块组成的四行5列彩色棋盘格,形成一个8×10的棋盘格。
在本发明实施例中,鱼眼摄像头与彩色棋盘格按预设位置固定,具体是指:如图3所示的灯箱的结构,是一个长、宽、高都为40厘米的木质灯箱。灯箱的前面板中心部分有一个3厘米×4厘米的数据线开口,待测相机(即鱼眼摄像头)放置于灯箱内部卡槽(用虚线方块表示),数据线经此开口连到外面的计算机以获取测试图片。灯箱的左侧面板的左下角有一个三角形的开口,灯箱内部光源的电源线由此开口出。而灯箱内部结构的俯视图如图4所示,两个35cm高的LED灯板安装在前面板内侧的左右两侧,倾斜45度放置。相机卡槽固定于前面板内侧的中央,卡槽前方放置检验图案(彩色棋盘格)。
在本发明实施例中,鱼眼摄像头所采集的彩色棋盘格图像如图5所示。
在步骤S102中,对所述彩色棋盘格图像进行色度处理,转换为灰度图像。
在本发明实施例中,灰度图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的。
在步骤S103中,获取所述灰度图像的最大梯度掩膜的轮廓信息。
在本发明实施例中,如图6所示,所述步骤S103,具体包括:
在步骤S601中,获取所述灰度图像的水平梯度以及垂直梯度。
本发明实施例中,水平梯度和垂直梯度是指水平方向和垂直方向的灰度变化率,可由索贝尔算子求得。
在步骤S602中,根据所述灰度图像的水平梯度以及垂直梯度,确定所述灰度图像的梯度范式。
在本发明实施例中,梯度范式是一个描述每个图像像素梯度的单维度参数,同时包含水平和垂直方向的梯度信息。
在本发明实施例中,根据所述灰度图像的水平梯度以及垂直梯度,确定所述灰度图像的梯度范式,具体包括:根据上述灰度图像的水平梯度Gx以及垂直梯度Gy,通过G=√(G_x^2+G_y^2 ) 求得图像的梯度范式,如图7所示。
在步骤S603中,根据所述灰度图像的梯度范式以及预设阈值,获取所述灰度图像的最大梯度掩膜以及所述最大梯度掩膜的轮廓信息。
在本发明实施例中,掩膜(mask)就是一个二值化图像,像素为正的区域对应轮廓区域,像素为负区域代表非轮廓区域。通过这个掩膜可以定位出轮廓区域。
在本发明实施例中,预设阈值是指通过多样本重复操作,得出一个效果比较理想的数值,超过这个数值的图像区域被认为最有可能构成圆形轮廓,小于这个阈值一般不会形成轮廓。
在本发明实施例中,根据所述灰度图像的梯度范式以及预设阈值,获取所述灰度图像的最大梯度掩膜,具体包括:根据一个给定阈值得到较大梯度掩膜,如图8所示,即通过上述实验获得一个阈值,梯度超过这个阈值的图像区域被认为更有可能构成成像区域的圆形轮廓,梯度小于这个阈值的图像区域被认为暂无构成圆形轮廓的可能。
在步骤S104中,对所述最大梯度掩膜的轮廓信息进行圆形拟合处理,并获取所述圆形的圆心位置。
在本发明实施例中,如图9所示,所述步骤S104,具体包括:
在步骤S901中,获取所述最大梯度掩膜的轮廓信息的轮廓点。
在本发明实施例中,最大梯度掩膜的轮廓信息由众多轮廓点组合而成。
在步骤S902中,对所述轮廓点进行抛物线拟合处理,并去除离群值。
在本发明实施例中,对所述轮廓点进行抛物线拟合处理,具体包括:首先假设左右轮廓中的任意一个轮廓可以用二次函数(抛物线)来拟合,即:;其中,x和y分别是轮廓像素的横纵坐标。a、b和c分别是需要拟合的二阶、一阶和常数系数。然后构建一个输入样本矩阵: ;其中,分别是第i个样本的横、纵坐标,n是样本的数量。最后使用最小二乘法得到拟合系数: ;其中
在步骤S903中,对所述去除离群值的轮廓点进行圆形拟合,并获取所述圆形的圆心位置。
在本发明实施例中,对所述去除离群值的轮廓点进行圆形拟合,并获取所述圆形的圆心位置,具体包括:利用抛物线拟合左右轮廓,去除离群值后,对所剩余的轮廓点进行圆形拟合处理,如图10所示,根据图形即可获得其圆心位置信息。
在步骤S105中,判断所述圆形的圆心位置是否与所述彩色棋盘格的中心位置一致,若是,则进入步骤S106中;若否,则进入步骤S107中。
在步骤S106中,当所述圆形的圆心位置与所述彩色棋盘格的中心位置一致时,则确定所述鱼眼摄像头中心点位置无偏差。
在步骤S107中,当所述圆形的圆心位置与所述彩色棋盘格的中心位置不一致时,则确定所述鱼眼摄像头中心点位置偏差。
本发明提供的鱼眼摄像头性能参数测试方法,通过接收鱼眼摄像头所采集的彩色棋盘格图像,并对所述彩色棋盘格图像进行色度处理,转换为灰度图像,通过其最大梯度掩膜的轮廓信息对鱼眼摄像头的中心位置参数偏差进行检测;一方面,可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得鱼眼摄像头的中心位置参数信息,操作简单、检测速度快,成本低;另一方面,本发明针对鱼眼摄像头的参数偏差检测方法能极大提升商品检验的稳定性。
实施例二
图11示出了本发明实施例二提供的鱼眼摄像头性能参数测试方法的实现流程,其与实施例一类似,不同之处在于,所述方法还包括:
在步骤S1101中,判断所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值是否大于预设的标准畸变阈值;若是,则进入步骤S1102中;若否,则进入步骤S1103中。
在本发明实施例中,彩色棋盘格的角点是指棋盘格中亮暗方块相邻处的特征点,包含由两个亮块和两个暗块的一角。
在本发明实施例中,判断所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值是否大于预设的标准畸变阈值,具体包括:畸变较大的镜头,棋盘格角点会更靠近图像中心,畸变较小的镜头,角点会远离图像中心,由此确定鱼眼摄像头的畸变参数,具体畸变结果由预设的标准畸变阈值为准进行判断,即需要首先通过上述多样本重复操作实验设定畸变正常的数值范围,以此判断畸变是否过大或过小。
在步骤S1102中,当所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值大于预设的标准畸变阈值时,则确定所述鱼眼摄像头的畸变正常。
在步骤S1103中,当所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值不大于预设的标准畸变阈值时,则确定所述鱼眼摄像头的畸变异常。
本发明提供的鱼眼摄像头性能参数测试方法,通过判断所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值与预设的标准畸变阈值的比较,而对鱼眼摄像头的畸变误差进行分析,可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得该鱼眼摄像头的畸变信息,操作简单、检测速度快,成本低。
实施例三
图12示出了本发明实施例三提供的鱼眼摄像头性能参数测试方法的实现流程,其与实施例二类似,不同之处在于,所述方法还包括:
在步骤S1201中,对所述彩色棋盘格进行角点检测。
在本发明实施例中,对所述彩色棋盘格进行角点检测具体涉及关键点检测和通过计算关键点的梯度直方图判断其是否为棋盘格角点,具体检测方式可参考现有技术,在此不再赘述。
在步骤S1202中,根据预设的畸变中等的相机内部参数标准,对所述角点进行反畸变处理。
在本发明实施例中,畸变中等的相机内部参数标准是由传统方法获得,即使用同一张棋盘格,拍摄多张不同角度的图片,然后使用张正友相机标定算法(Zhang’s cameracalibration algorithm)得到所有内参包括畸变系数。这种方法可以获得精确的相机参数,但是每次操作需要拍摄多张图片,并且需要调整棋盘格角度和姿态,不适合应用于量产。本发明通过实验定义了畸变中等的标准:首先使用传统方法得到一些相机的畸变参数,然后在它们当中找到中位数来作为中等的畸变标准。
在本发明实施例中,对所述角点进行反畸变处理具体涉及计算目标像素坐标对应的畸变像素坐标,具体处理方式可参考现有技术,在此不再一一赘述。
在步骤S1203中,根据所述反畸变处理后的角点,生成色块掩膜,并获取所述色块掩膜的颜色数据。
在本发明实施例中,如图13所示,所述步骤S1203,具体包括:
在步骤S1301中,将所述反畸变处理后的角点,以四个相邻的角点为基础进行分组处理。
在步骤S1302中,将所述分组后的角点进行多边形贴图处理,生成相应的色块掩膜。
在本发明实施例中,将所述分组后的角点进行多边形贴图处理,生成相应的色块掩膜,具体包括:首先使用四个角点绘制四条边;再填充四条边包围的像素。被填充的部分(色块内部)为掩膜的正像素,没有填充的部分(色块外部)为掩膜的负像素,如图14所示。
在步骤S1303中,基于HSV空间模型,分析并获取所述色块掩膜的颜色数据。
在本发明实施例中,HSV (Hue,Saturation,Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间,也称六角锥体模型(HexconeModel)。这个模型中颜色的参数分别是:色调(H),饱和度(S),亮度(V);其中,色调(H)是指用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°,补色是:黄色为60°,青色为180°,品红为300°;饱和度S是指取值范围为0.0~1.0,值越大,颜色越饱和;亮度V是指取值范围为0(黑色)~255(白色)。
在本发明实施例中,HSV的Hue维度记录了颜色种类的信息,从这个参数可以判断目标相机是否偏暖或偏冷。Saturation反映了颜色的饱和度,过饱和的图像颜色过于鲜艳,欠饱和的图像颜色过于暗淡,使用这个参数可以判断目标相机是否存在饱和度异常的情况。Value即图像的亮度,可以用于评估相机的自动曝光。
在步骤S1204中,判断所述色块掩膜的颜色数据是否与所述彩色棋盘格的色调一致,若是,则进入步骤S1205;若否,则进入步骤S1206。
在步骤S1205中,当所述色块掩膜的颜色数据与所述彩色棋盘格的色调一致时,则确定所述鱼眼摄像头的颜色响应正常。
在步骤S1206中,当所述色块掩膜的颜色数据与所述彩色棋盘格的色调不一致时,则确定所述鱼眼摄像头的颜色响应异常。
本发明提供的鱼眼摄像头性能参数测试方法,通过对所述彩色棋盘格进行角点检测,并将角点进行反畸变处理,在反畸变的图像上使用多边形贴图法获得色块掩膜,进而实现对鱼眼摄像头的颜色信息参数进行分析;可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得鱼眼摄像头的颜色响应程度,操作简单、检测速度快,成本低。
实施例四
图15示出了本发明实施例四提供的鱼眼摄像头性能参数测试方法的实现流程,其与实施例三类似,不同之处在于,所述方法还包括:
在步骤S1501中,获取以角点为中心的色块掩膜的平均梯度值。
在本发明实施例中,获取以角点为中心的色块掩膜的平均梯度值,具体包括:首先获取以角点为中心的图像区域;然后使用步骤S602方法计算每个像素的梯度范式,最后求这些梯度的平均值。
在步骤S1502中,根据所述平均梯度值以及预设梯度阈值,判断所述平均梯度值是否高于预设梯度阈值,若是,则进入步骤S1503中;若否,则进入步骤S1504中。
在步骤S1503中,确定所述鱼眼摄像头的对焦清晰。
在步骤S1504中,确定所述鱼眼摄像头的对焦模糊。
在本发明实施例中,根据所述平均梯度值以及预设梯度阈值,确定所述鱼眼摄像头的对焦模糊度,具体是指:同上,可以通过上述实验方式可获得一个确定梯度高低的阈值;当梯度高于预设阈值,则对焦清晰,当梯度低于预设阈值,则对焦模糊。
本发明提供的鱼眼摄像头性能参数测试方法,通过获取以角点为中心的色块掩膜的平均梯度值,进而根据所述平均梯度值以及预设梯度阈值,确定所述鱼眼摄像头的对焦模糊度,可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得鱼眼摄像头的对焦模糊度信息,操作简单、检测速度快,成本低。
实施例五
图16示出了本发明实施例五提供的鱼眼摄像头性能参数测试方法的实现流程,其与实施例一类似,不同之处在于,所述方法还包括:
在步骤S1601中,获取所述圆形的半径参数。
在步骤S1602中,判断所述圆形的半径参数是否大于预设标准半径值,若是,则进入步骤S1603中,若否,则进入步骤S1604中。
在步骤S1603中,当所述圆形的半径参数大于预设标准半径值,则确定所述鱼眼摄像头的焦距偏大;
在步骤S1604中,当所述圆形的半径参数小于预设标准半径值,则确定所述鱼眼摄像头的焦距偏小。
在本发明实施例中,预设标准半径值是指正常相机参数值或者是通过上述实验方式所获得的标准值。
本发明提供的鱼眼摄像头性能参数测试方法,通过获取上述圆形的半径参数,与预设正常相机标准半径值进行比较分析,可以快速得出该鱼眼摄像头的焦距是否正常,即可以实现每个量产的鱼眼摄像头只需拍摄一张图片即可获得鱼眼摄像头的焦距信息,操作简单、检测速度快,成本低。
本发明实施例还提供了一种计算机设备,该计算机设备包括处理器,处理器用于执行存储器中存储的计算机程序时实现上述各个方法实施例提供的鱼眼摄像头性能参数测试方法的步骤。
本发明的实施例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/指令,该计算机程序/指令被上述处理器执行时实现上述各个方法实施例提供的鱼眼摄像头性能参数测试方法的步骤。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。例如,所述计算机程序可以被分割成上述各个方法实施例提供的鱼眼摄像头性能参数测试方法的步骤。
本领域技术人员可以理解,上述计算机装置的描述仅仅是示例,并不构成对计算机装置的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种鱼眼摄像头性能参数测试方法,其特征在于,所述方法包括:
接收鱼眼摄像头所采集的彩色棋盘格图像,所述鱼眼摄像头与彩色棋盘格按预设位置固定;
对所述彩色棋盘格图像进行色度处理,转换为灰度图像;
获取所述灰度图像的最大梯度掩膜的轮廓信息;
对所述最大梯度掩膜的轮廓信息进行圆形拟合处理,并获取所述圆形的圆心位置;
判断所述圆形的圆心位置是否与所述彩色棋盘格的中心位置一致;
当所述圆形的圆心位置与所述彩色棋盘格的中心位置一致时,则确定所述鱼眼摄像头中心点位置无偏差;
当所述圆形的圆心位置与所述彩色棋盘格的中心位置不一致时,则确定所述鱼眼摄像头中心点位置偏差。
2.根据权利要求1所述的鱼眼摄像头性能参数测试方法,其特征在于,所述方法还包括:
判断所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值是否大于预设的标准畸变阈值;
当所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值大于预设的标准畸变阈值时,则确定所述鱼眼摄像头的畸变正常;
当所述圆形的圆心位置与所述彩色棋盘格的角点位置之间的距离值不大于预设的标准畸变阈值时,则确定所述鱼眼摄像头的畸变异常。
3.根据权利要求2所述的鱼眼摄像头性能参数测试方法,其特征在于,所述方法还包括:
对所述彩色棋盘格进行角点检测;
根据预设的畸变中等的相机内部参数标准,对所述角点进行反畸变处理;
根据所述反畸变处理后的角点,生成色块掩膜,并获取所述色块掩膜的颜色数据;
判断所述色块掩膜的颜色数据是否与所述彩色棋盘格的色调一致;
当所述色块掩膜的颜色数据与所述彩色棋盘格的色调一致时,则确定所述鱼眼摄像头的颜色响应正常;
当所述色块掩膜的颜色数据与所述彩色棋盘格的色调不一致时,则确定所述鱼眼摄像头的颜色响应异常。
4.根据权利要求3所述的鱼眼摄像头性能参数测试方法,其特征在于,所述方法还包括:
获取以角点为中心的色块掩膜的平均梯度值;
根据所述平均梯度值以及预设梯度阈值,判断所述平均梯度值是否高于预设梯度阈值;
当所述平均梯度值高于预设梯度阈值时,则确定所述鱼眼摄像头的对焦清晰;
当所述平均梯度值低于预设梯度阈值时,则确定所述鱼眼摄像头的对焦模糊。
5.根据权利要求1所述的鱼眼摄像头性能参数测试方法,其特征在于,所述方法还包括:
获取所述圆形的半径参数;
判断所述圆形的半径参数是否大于预设标准半径值;
当所述圆形的半径参数大于预设标准半径值,则确定所述鱼眼摄像头的焦距偏大;
当所述圆形的半径参数小于预设标准半径值,则确定所述鱼眼摄像头的焦距偏小。
6.根据权利要求1所述的鱼眼摄像头参数测试方法,其特征在于,所述获取所述灰度图像的最大梯度掩膜的轮廓信息,具体包括:
获取所述灰度图像的水平梯度以及垂直梯度;
根据所述灰度图像的水平梯度以及垂直梯度,确定所述灰度图像的梯度范式;
根据所述灰度图像的梯度范式以及预设阈值,获取所述灰度图像的最大梯度掩膜以及所述最大梯度掩膜的轮廓信息。
7.根据权利要求1所述的鱼眼摄像头参数测试方法,其特征在于,所述对所述最大梯度掩膜的轮廓信息进行圆形拟合处理,并获取所述圆形的圆心位置,具体包括:
获取所述最大梯度掩膜的轮廓信息的轮廓点;
对所述轮廓点进行抛物线拟合处理,并去除离群值;
对所述去除离群值的轮廓点进行圆形拟合,并获取所述圆形的圆心位置。
8.根据权利要求3所述的鱼眼摄像头参数测试方法,其特征在于,所述根据所述反畸变处理后的角点,生成色块掩膜,并获取所述色块掩膜的颜色数据,具体包括:
将所述反畸变处理后的角点,以四个相邻的角点为基础进行分组处理;
将所述分组后的角点进行多边形贴图处理,生成相应的色块掩膜;
基于HSV空间模型,分析并获取所述色块掩膜的颜色数据。
9.根据权利要求1所述的鱼眼摄像头参数测试方法,其特征在于,所述彩色棋盘格由多个2x2田字形方块组成,所述多个2x2田字形方块的色调按照色调的取值范围依次确定。
10.根据权利要求1所述的鱼眼摄像头参数测试方法,其特征在于,所述2x2田字形方块的左上方块和右下方块的饱和度为最大值、亮度值为最大值得一半;右上方块和左下方块的饱和度为最大值的五分之一、亮度值为最大值。
CN201811104997.XA 2018-09-21 2018-09-21 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 Active CN109194954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811104997.XA CN109194954B (zh) 2018-09-21 2018-09-21 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811104997.XA CN109194954B (zh) 2018-09-21 2018-09-21 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质

Publications (2)

Publication Number Publication Date
CN109194954A true CN109194954A (zh) 2019-01-11
CN109194954B CN109194954B (zh) 2020-07-14

Family

ID=64909119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811104997.XA Active CN109194954B (zh) 2018-09-21 2018-09-21 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质

Country Status (1)

Country Link
CN (1) CN109194954B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418226A (zh) * 2020-10-23 2021-02-26 济南信通达电气科技有限公司 一种鱼眼分合闸状态识别的方法及装置
CN112762896A (zh) * 2020-12-30 2021-05-07 凌云光技术股份有限公司 一种大景深镜头相机水平度判定调整的装置及方法
CN113834638A (zh) * 2021-09-03 2021-12-24 大连中科创达软件有限公司 视场角确定方法、装置、设备及存储介质
CN113873223A (zh) * 2021-09-03 2021-12-31 大连中科创达软件有限公司 相机清晰度确定方法、装置、设备及存储介质
CN116030450A (zh) * 2023-03-23 2023-04-28 摩尔线程智能科技(北京)有限责任公司 棋盘格角点识别方法、装置、设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240236A (zh) * 2014-08-26 2014-12-24 中山大学 一种鱼眼镜头标定后鱼眼图像校正的方法
CN107833255A (zh) * 2017-11-17 2018-03-23 广州市安晓科技有限责任公司 一种鱼眼镜头的快速标定方法
WO2018076154A1 (zh) * 2016-10-25 2018-05-03 成都通甲优博科技有限责任公司 一种基于鱼眼摄像机空间位姿标定的全景视频生成方法
US9990739B1 (en) * 2017-03-13 2018-06-05 National Chiao Tung University Method and device for fisheye camera automatic calibration

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240236A (zh) * 2014-08-26 2014-12-24 中山大学 一种鱼眼镜头标定后鱼眼图像校正的方法
WO2018076154A1 (zh) * 2016-10-25 2018-05-03 成都通甲优博科技有限责任公司 一种基于鱼眼摄像机空间位姿标定的全景视频生成方法
US9990739B1 (en) * 2017-03-13 2018-06-05 National Chiao Tung University Method and device for fisheye camera automatic calibration
CN107833255A (zh) * 2017-11-17 2018-03-23 广州市安晓科技有限责任公司 一种鱼眼镜头的快速标定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MARTIN RUFLI ET AL: "Automatic Detection of Checkerboards on Blurred and Distorted Images", 《2008 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 *
SIXIAN CHAN ET AL: "An Improved Method for Fisheye Camera Calibration and Distortion Correction", 《2016 INTERNATIONAL CONFERENCE ON ADVANCED ROBOTICS AND MECHATRONICS》 *
宋阳 等: "鱼眼镜头径向畸变的校正方法", 《仪器仪表学报》 *
黄岩岩 等: "鱼眼镜头的标定和畸变校正研究", 《计算机工程与设计》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418226A (zh) * 2020-10-23 2021-02-26 济南信通达电气科技有限公司 一种鱼眼分合闸状态识别的方法及装置
CN112762896A (zh) * 2020-12-30 2021-05-07 凌云光技术股份有限公司 一种大景深镜头相机水平度判定调整的装置及方法
CN113834638A (zh) * 2021-09-03 2021-12-24 大连中科创达软件有限公司 视场角确定方法、装置、设备及存储介质
CN113873223A (zh) * 2021-09-03 2021-12-31 大连中科创达软件有限公司 相机清晰度确定方法、装置、设备及存储介质
CN113873223B (zh) * 2021-09-03 2023-07-21 大连中科创达软件有限公司 相机清晰度确定方法、装置、设备及存储介质
CN116030450A (zh) * 2023-03-23 2023-04-28 摩尔线程智能科技(北京)有限责任公司 棋盘格角点识别方法、装置、设备和介质
CN116030450B (zh) * 2023-03-23 2023-12-19 摩尔线程智能科技(北京)有限责任公司 棋盘格角点识别方法、装置、设备和介质

Also Published As

Publication number Publication date
CN109194954B (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN109194954A (zh) 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质
TWI699117B (zh) 標定成安裝在全光相機之感測器,被濾色器陣列部份罩覆的微影像區至少一個再聚焦影像色彩組成份之決定方法,光場資料獲取裝置,電腦程式製品,以及非暫態電腦可讀式載波媒體
US9305375B2 (en) High-quality post-rendering depth blur
Dirik et al. New features to identify computer generated images
CN108734697A (zh) 形状测量设备和方法
EP2356614B1 (en) A constraint generator for use in image segregation
US8483480B2 (en) Method and system for factoring an illumination image
US9396411B2 (en) Method and system for generating intrinsic images using a single reflectance technique
CN102484721A (zh) 四通道滤色片阵列图案
EP2638508B1 (en) System and method for identifying complex tokens in an image
US20110052047A1 (en) System and method for generating an intrinsic image using tone mapping and log chromaticity
CN107392234A (zh) 一种基于单张4d光场图像的物体表面材质类型识别方法
CN101983510A (zh) 自适应局部白平衡调节的系统与方法
CN110520768B (zh) 高光谱光场成像方法和系统
US20190110028A1 (en) Method for correcting aberration affecting light-field data
JP6479666B2 (ja) 視野の深度を推定する能力があるパッシブシングルチャネルイメージャの設計方法
US20160180148A1 (en) Method and system for generating intrinsic images using a single reflectance technique
CN104041021B (zh) 图像处理装置及方法以及摄像装置
CN109300186A (zh) 图像处理方法和装置、存储介质、电子设备
Zhan et al. PSF estimation method of simple-lens camera using normal sinh-arcsinh model based on noise image pairs
CN109040598A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
US20220294968A1 (en) Systems and methods for high dynamic range image reconstruction
TW202220427A (zh) 圖像解析方法、圖像解析裝置、程式及記錄媒體
US9041815B2 (en) Digital camera imaging evaluation module
US8331684B2 (en) Color and intensity based meaningful object of interest detection

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
TR01 Transfer of patent right

Effective date of registration: 20210901

Address after: Room b1-8008, building 3, 258 Changjiang Road, Baoshan District, Shanghai 200441

Patentee after: Shanghai Weimeng Enterprise Development Co.,Ltd.

Address before: Room b1-4002, building 3, No. 258, Changjiang Road, Baoshan District, Shanghai 201900

Patentee before: SHANGHAI XIAOMENG TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right