CN109615659A - 一种车载多摄像机环视系统的摄像机参数获得方法及装置 - Google Patents

一种车载多摄像机环视系统的摄像机参数获得方法及装置 Download PDF

Info

Publication number
CN109615659A
CN109615659A CN201811307429.XA CN201811307429A CN109615659A CN 109615659 A CN109615659 A CN 109615659A CN 201811307429 A CN201811307429 A CN 201811307429A CN 109615659 A CN109615659 A CN 109615659A
Authority
CN
China
Prior art keywords
video camera
camera
characteristic point
coordinate
comers
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
CN201811307429.XA
Other languages
English (en)
Other versions
CN109615659B (zh
Inventor
赵冉阳
袁梓瑾
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.)
Chengdu Science And Technology Co Ltd
Original Assignee
Chengdu Science And 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 Chengdu Science And Technology Co Ltd filed Critical Chengdu Science And Technology Co Ltd
Priority to CN201811307429.XA priority Critical patent/CN109615659B/zh
Publication of CN109615659A publication Critical patent/CN109615659A/zh
Application granted granted Critical
Publication of CN109615659B publication Critical patent/CN109615659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种车载多摄像机环视系统的摄像机参数获得方法，包括：获取目标摄像机采集到的标定物图像，目标摄像机为多个摄像机中的任一摄像机，标定物图像中展示有预设数量的标定物，标定物为棋盘格；提取标定物图中的特征点，特征点为棋盘格中的棋盘格角点；获取特征点在标定物图像上的第一坐标，以及特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；将第一坐标和第二坐标输入到预设机器模型中，获得目标摄像机的内部参数与外部参数。本发明解决了现有技术中的车载环视系统，存在多摄像机标定过程效率低下，自动化程度不高的技术问题。同时，本发明还公开了一种车载多摄像机环视系统的摄像机参数获得装置。

Description

一种车载多摄像机环视系统的摄像机参数获得方法及装置
技术领域
本发明涉及车载多摄像机环视系统技术领域，尤其涉及一种车载多摄像机环视系统的摄像机参数获得方法及装置。
背景技术
近年来，随着对车辆安全驾驶意识的提升，消费者对“车载全景”等避险辅助类、视野改善类技术的需求越来越高，车载环视系统也在近年来逐渐普及起来。
车载环视系统包括：安装于车身前后左右的多个摄像头、信号转换部件、视频合成/处理部件、车载显示器；摄像头采集到同一时刻汽车前后左右的视频帧，输入到视频合成/处理部件中进行图像变换、拼接以及融合，最后在车载显示器上显示出环绕车身周围的全景影像。
目前，车载多摄像机环视系统的摄像机的标定(即：确定摄像机参数)方法，主要由如下几个部分有机结合而成：
A：标定场景的布置，包括标定物的设计、标定物的放置等；
B：多路摄像机同时对标定场景成像，特征点在各路图像中的提取；
C：各摄像机参数的计算，一般以A作为约束，B作为输入。
但是，上述方法存在如下缺陷：
(1)标定物特征点是通过人工标识和提取出来的。在实际标定中，车载系统会提供一个人机交互的界面，该界面包括某一路摄像机在标定场景中的成像以及一个可移动的光标，对每一路摄像机的标定图像，标定人员需要控制光标对标定物的特征点进行标识，这一操作同样非常繁琐。
(2)为了为上述C提供约束条件，要求在布置标定场景时，保证标定物与车辆之间、标定物与标定物之间按照既定的位置关系精确的摆放。如图1给出了一般的情况，在实际操作中，将车辆停放在平坦的路面上，车前和车后的标定物必须分别与车头与车尾保持平行，而左右两侧的标定物也必须满足与车身两边保持平行。此外，还必须通过测量确定图中的Width、Length1、Length2、Length3的值，以此作为上述C的输入，并且认为Width即车身的宽度，Length2为车身的长度(而车宽实际为Car_width，长实际为Car_height)，由此可见，在得到的环视图像中，车身的图像区域并不能真实的反映其实际的尺寸，而是存在一定的盲区。由此可见，标定物与标定物、标定物与车身的位置关系必须通过约束和测量得到，这使得整个布置过程相当繁琐，并且由于车型的不同，当换另外一种车进行标定时，标定人员需要重新手动调整标定物的位置，使标定物重新严格满足以上平行关系进行测量。
综上，现有技术中的车载环视系统，存在多摄像机标定过程效率低下，自动化程度不高的技术问题。
发明内容
本申请实施例通过提供一种车载多摄像机环视系统的摄像机参数获得方法及装置，解决了现有技术中的车载环视系统，存在多摄像机标定过程效率低下，自动化程度不高的技术问题。
第一方面，本申请通过本申请的一实施例提供如下技术方案：
一种车载多摄像机环视系统的摄像机参数获得方法，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述方法包括：
获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为棋盘格；
提取所述标定物图中的特征点；其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；
获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；
将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。
优选地，在所述车身周围放置有8个标定物，所述8个标定物分别位于所述车身的前方、后方、左方、右方、左前方、左后方、右前方、右后方。
优选地，所述车载多摄像机环视系统包括4个摄像机，分别安装在所述车身的前端、后端、左端、右端；且每个摄像机都能对其前方放置的3个标定物完全成像；所述预设数量为3。
优选地，所述提取所述标定物图中的特征点，还包括：
对所述特征点进行亚像素化处理，获得所述特征点的像素位置；
基于所述特征点的像素位置，利用区域增长法恢复所述棋盘格角点相似图像中棋盘格的结构，并找到漏检的棋盘格角点；
将所述漏检的棋盘格角点补充作为所述特征点。
优选地，所述获得所述目标摄像机的内部参数与外部参数之后，还包括：
获得每个摄像机的内部参数与外部参数；
在基于每个摄像机的内部参数与外部参数进行环视成像时，将所述第一坐标和所述第二坐标输入到鱼眼畸变模型中，以对所述内部参数与外部参数进行优化。
优选地，所述获得每个摄像机的内部参数与外部参数之后，还包括：
在获得每个摄像机的内部参数与外部参数之后，基于所述每个摄像机的内部参数与外部参数，确定所述每个摄像机在参考坐标系下的位置；
基于所述每个摄像机在参考坐标系下的位置，确定所述车身的尺寸与车头的朝向。
优选地，所述基于所述每个摄像机在参考坐标系下的位置，确定所述车身的尺寸与车头的朝向，包括：
基于车身前端的摄像机在所述参考坐标系下的位置坐标和车身后端的摄像机在所述参考坐标系下的位置坐标，确定车身的长度；
基于车身左端的摄像机在所述参考坐标系下的位置坐标和车身右端的摄像机在所述参考坐标系下的位置坐标，确定车身的宽度和车头的朝向角。
第二方面，基于同一发明构思，本申请通过本申请的一实施例，提供如下技术方案：
一种车载多摄像机环视系统的摄像机参数获得装置，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述装置包括：
第一获取单元，用于获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为黑白相间的棋盘格；
提取单元，用于提取所述标定物图中的特征点，所述特征点为所述棋盘格中的棋盘格角点；其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；
第二获取单元，用于获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；
输入单元，用于将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。
第三方面，基于同一发明构思，本申请通过本申请的一实施例，提供如下技术方案：
一种车载多摄像机环视系统的摄像机参数获得装置，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程序时实现上述第一方面中任一方法步骤。
第四方面，基于同一发明构思，本申请通过本申请的一实施例，提供如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述第一方面中任一方法步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
在本申请实施例中，公开了一种车载多摄像机环视系统的摄像机参数获得方法，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述方法包括：获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为黑白相间的棋盘格；提取所述标定物图中的特征点其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。由于利用预设角点模板，对所述标定物图像进行卷积，生成棋盘格角点相似图像，再对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所以无需通过人工标识和提取出特征点。故而，有效解决了现有技术中的车载环视系统，存在多摄像机标定过程效率低下，自动化程度不高的技术问题。实现了提高摄像机标定过程效率，提高了车载环视系统的自动化程度的技术效果。
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一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术中标定场景布置的示意图；
图2为本申请实施例中标定场景布置的示意图；
图3为本申请实施例中标定物的示意图；
图4为本申请实施例中供一种车载多摄像机环视系统的摄像机参数获得方法的流程图；
图5为本申请实施例中特征点自动提取的结果图；
图6a、图6b为本申请实施例中预设角点模板的示意图；
图7为本申请实施例中各个棋盘格坐标系的示意图；
图8为本申请实施例中车身的尺寸与车头的朝向的示意图；
图9为本申请实施例中一种车载多摄像机环视系统的摄像机参数获得装置的结构图；
图10为本申请实施例中一种车载多摄像机环视系统的摄像机参数获得装置的结构图。
具体实施方式
本申请实施例通过提供一种车载多摄像机环视系统的摄像机参数获得方法及装置，解决了现有技术中的车载环视系统，存在多摄像机标定过程效率低下，自动化程度不高的技术问题。
本申请实施例的技术方案为解决上述技术问题，总体思路如下：
一种车载多摄像机环视系统的摄像机参数获得方法，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述方法包括：获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为黑白相间的棋盘格；提取所述标定物图中的特征点其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
首先说明，本文中出现的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
实施例一
本实施例提供了一种车载多摄像机环视系统的摄像机参数获得方法，该车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置。
在具体实施过程中，如图2所示，该车载多摄像机环视系统具有4个摄像机，分别安装在车身的前端、后端、左端、右端。其中，位于车身前端的摄像机为Cam_Front，位于车身后端的摄像机为Cam_Back，位于车身左端的摄像机为Cam_Left，位于车身右端的摄像机为Cam_Right。
在具体实施过程中，可以将车辆停放在平坦的路边路面上，并在车身周围摆放8个标定物，这8个标定物分别位于车身的前方、后方、左方、右方、左前方、左后方、右前方、右后方。在图2中，位于车身的前方的标定物为S_F，位于车身的后方的标定物为S_B，位于车身的左方的标定物为S_L，位于车身的右方的标定物为S_R，位于车身的左前方的标定物为S_FL，位于车身的左后方的标定物为S_BL，位于车身的右前方的标定物为S_FR，位于车身的右后方的标定物为S_BR。
在具体实施过程中，如图3所示，每个标定物都为规格相同的黑白相间的棋盘格，其中，每个棋盘格共有ny行nx列格子，每个格子的长度为dx，宽度为dy。在图3中，nx＝ny＝6，也就是说，每个棋盘格有6*6＝36个格子。
在具体实施过程中，标定人员在上述八个方位随意上铺设标定物，只需保证每台相机都能对其前方放置的三块标定物完全成像即可，而无需刻意约束标定物与车的角度关系，也无需测量标定物与标定物之间的位置关系(例如：平行或者放置间隔)。其中，所谓“完全成像”是指，标定物可以完整地被摄像机拍摄到，并呈现在其拍摄画面中。
举例来讲，如图2所示，Cam_Front能够对S_FL、S_F、S_FR三个标定物完全成像；Cam_Back能够对S_BL、S_B、S_BR三个标定物完全成像；Cam_Left能够对S_FL、S_L、S_BL三个标定物完全成像；Cam_Right能够对S_FR、S_R、S_BR三个标定物完全成像。
其中，S_FL位于Cam_Front和Cam_Left的公共视野区域内，可以同时被Cam_Front和Cam_Left拍摄到；S_FR位于Cam_Front和Cam_Right的公共视野区域内，可以同时被Cam_Front和Cam_Right拍摄到；S_BL位于Cam_Back和Cam_Left的公共视野区域内，可以同时被Cam_Back和Cam_Left拍摄到；S_BR位于Cam_Back和Cam_Right的公共视野区域内，可以同时被Cam_Back和Cam_Right。
如图4所示，所述车载多摄像机环视系统的摄像机参数获得方法，包括：
步骤S401：获取目标摄像机采集到的标定物图像。
在具体实施过程中，目标摄像机为车载多摄像机环视系统中多个摄像机中的任一摄像机，该标定物图像中展示有位于目标摄像机前方的预设数量的标定物。由于每个摄像机都能对其前方放置的3个标定物完全成像，所以在本实施例中，所述预设数量为3。
步骤S402：提取标定物图中的特征点，特征点为棋盘格中的棋盘格角点。
作为一种可选的实施例，步骤S402，包括：
利用预设角点模板，与标定物图像进行卷积，生成棋盘格角点相似图像；对棋盘格角点相似图像进行非极大值抑制，并基于标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出棋盘格角点。
举例来讲，可以将标定物图像(其中包含3个标定物的完整图像)，输入到预设角点模板中，利用预设角点模板对标定物图像进行卷积，其中，如图6a和6b所示，提供了两套角点模板，各包含4个卷积核，设为第i(i＝1，2)套模板对输入的标定物图像的卷积结果，最终生成棋盘格角点相似图像C，具体按照如下公式得到：
然后，对棋盘格角点相似图像C进行非极大值抑制，并结合标定物图像对应的局部梯度方向直方图进行自适应阈值筛选(即：根据一个自适应阈值对该局部梯度方向直方图做二值化筛选，从而获得棋盘格角点的位置)，提取出棋盘格角点。
作为一种可选的实施例，步骤S402，还包括：
对特征点进行亚像素化处理，得到特征点的像素位置；基于特征点的像素位置，利用区域增长法恢复棋盘格角点相似图像中棋盘格的结构，并找到漏检的棋盘格角点；将漏检的棋盘格角点补充作为特征点。
在具体实施过程中，在提取出棋盘格角点之后，还可以对提取出的角点进行亚像素化，以得到其更精确的像素位置，再利用区域增长法恢复图像中棋盘格的结构，并找到漏检的角点，从而获得标定物图像中的全部棋盘格角点，并将这些棋盘格角点作为特征点。
在本实施例中，采用了一种健壮的棋盘格角点检测算法，该算法能够在严重畸变的图像中，自动地对包含的所有棋盘格角点进行准确提取。单个摄像机中角点提取结果，如图5所示。相比于现有技术，本实施例无需通过人工标识和提取出特征点，所以提高了特征点的提取效率，提高了车载环视系统的自动化程度。
在将标定物图中的全部棋盘格角点都提取出来作为特征点之后，即可继续执行步骤S403。
步骤S403：获取特征点在标定物图像上的第一坐标，以及特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标。
在具体实施过程中，可以在标定物图像上建立坐标系，并获得每个特征点的在标定物图像上的坐标(即：第一坐标)。
在具体实施过程中，可以利用提取出来的特征点，求取每个特征点在相应棋盘格坐标系上的三维坐标(即：第二坐标)。这里还需要对棋盘格坐标系进行特别约束，如图7所示，其中标识出了选定的各个棋盘格坐标系：
O_FL：位于车身左前方的棋盘格坐标系；
O_F：位于车身前的方的棋盘格坐标系；
O_FR：位于车身右前方的棋盘格坐标系；
O_R：位于车身右方的棋盘格坐标系；
O_BR：位于车身右后方的棋盘格坐标系；
O_B：位于车身后方的棋盘格坐标系；
O_BL：位于车身左后方的棋盘格坐标系；
O_L：位于车身左方的棋盘格坐标系；
其中，所有棋盘格坐标系都是以棋盘格的中间角点位置为原点，X、Y的方向为坐标轴的正方向，Z轴垂直于棋盘格平面向下，对于每个特征点而言，Z轴上的值都为0。
在获得每个特征点的在标定物图像上的第一坐标，以及每个特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标之后，即可执行步骤S404。
步骤S404：将第一坐标和第二坐标输入到预设机器模型中，获得目标摄像机的内部参数与外部参数。
在具体实施过程中，所述预设机器模型用于基于现有技术中的“三步”标定法(即：通过至少三个标定板的成像，确定相机的内部参数与到标定板的外部参数)，计算出目标摄像机的内部参数与外部参数。
在具体实施过程中，内部参数是指摄像机自身内在特性的参数，例如，焦距、像素尺寸、镜头畸变参数、光轴偏移量、等等。外部参数是指摄像机坐标系相对于世界坐标系的旋转和平移关系参数。
作为一种可选的实施例，在步骤S404之后，还包括：
获得每个摄像机的内部参数与外部参数；在基于每个摄像机的内部参数与外部参数进行环视成像时，将第一坐标和第二坐标输入到鱼眼畸变模型中，以对目标摄像机的内部参数与外部参数进行优化。
在具体实施过程中，上述目标摄像机具体为车载多摄像机环视系统中的任一摄像机，基于相同的方法，可以同时对车载多摄像机环视系统中的每个摄像机所采集到的标定物图像进行处理，获得每个摄像机的摄像机参数(即：内部参数与外部参数)。
在具体实施过程中，可以基于每个摄像机的内部参数与外部参数，对每个摄像机所采集到的标定物图像进行拼接、融合，以实现环视成像，并在车载显示器上显示出环绕车身周围的全景影像。并且，在成像过程中，可以针对每一个摄像机，将其对应的各个特征点在对应标定物图像上的坐标，以及各个特征点对应的棋盘格角点在棋盘格坐标系上的坐标作为输入，输入到鱼眼畸变模型中，从而对每一个摄像机的内部参数与外部参数进行优化。
作为一种可选的实施例，获得目标摄像机的内部参数与外部参数之后，还包括：
在获得每个摄像机的内部参数与外部参数之后，基于每个摄像机的内部参数与外部参数，确定每个摄像机在参考坐标系下的位置；基于每个摄像机在参考坐标系下的位置，确定车身的尺寸与车头的朝向。其中，这些内部参数与外部参数是指通过鱼眼畸变模型优化后的内部参数与外部参数。
在具体实施过程中，可以利用每个摄像机的外部参数，来计算各个摄像机之间的位姿关系。位姿关系包括每个摄像机在参考坐标系下的位置(X，Y，Z)与方向(Rx，Ry，Rz)。这里，首先将参考坐标系定为左前方的棋盘格坐标系O_FL，再通过三维坐标变换技术，得到参考坐标系O_FL下，Cam_Front的位置为(XF，YF，ZF)，方向为(RF，RF，RF)，Cam_Left的位置为(XL，YL，ZL)，方向为(RL，RL，RL)，Cam_Right的位置为(XR，YR，ZR)，方向为(RR，RR，RR)，Cam_Back的位置为(XB，YB，ZB)，方向为(RB，RB，RB)。
在具体实施过程中，可以利用上述得到的各相机在参考坐标系下的位置信息，计算得到车身尺寸(包括车身的长度和车身的宽度)与车头的朝向，而无需在布置标定场景时手动地对车辆尺寸进行测量，对车辆朝向进行约束(要求车头与前置标定物平行)。
在具体实施过程中，可以基于Cam_Front的位置坐标(XF，YF，ZF)和Cam_Back的位置坐标(XB，YB，ZB)，确定车身的长度；基于Cam_Left的位置坐标(XL，YL，ZL)和Cam_Right的位置坐标(XR，YR，ZR)，确定车身的宽度和车头的朝向角。
具体实施如图8所示，近似地认为Cam_Front和Cam_Back的坐标的连线与Cam_Left和Cam_Right的坐标连线相互垂直，则车身的长度CarLength、车身的宽度CarWidth、车头朝向角按照如下公式求得：
相比于现有技术，在本实施例中，可以更准确地获得车身的长度、车身的宽度、车头朝向角等数据，降低了出现盲区的几率。
相比于现有技术，在本实施例中，在布置标定场景时，无需手动对车辆尺寸进行测量，也无需对车辆朝向进行约束，无需要求车头与前置标定物平行，因此降低了布置标定场景的难度，提高了摄像机标定过程效率，提高了车载环视系统的自动化程度的技术效果。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
在本申请实施例中，公开了一种车载多摄像机环视系统的摄像机参数获得方法，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述方法包括：获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为黑白相间的棋盘格；提取所述标定物图中的特征点其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。由于利用预设角点模板，对所述标定物图像进行卷积，生成棋盘格角点相似图像，再对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所以无需通过人工标识和提取出特征点。故而，有效解决了现有技术中的车载环视系统，存在多摄像机标定过程效率低下，自动化程度不高的技术问题。实现了提高摄像机标定过程效率，提高了车载环视系统的自动化程度的技术效果。
实施例二
基于同一发明构思，如图9所示，本实施例提供了一种车载多摄像机环视系统的摄像机参数获得装置900，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述装置900，包括：
第一获取单元901，用于获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为棋盘格；
提取单元902，用于提取所述标定物图中的特征点，所述特征点为所述棋盘格中的棋盘格角点；其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；
第二获取单元903，用于获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；
第一输入单元904，用于将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。
作为一种可选的实施例，在所述车身周围的放置有8个标定物，所述8个标定物分别位于所述车身的前方、后方、左方、右方、左前方、左后方、右前方、右后方。
作为一种可选的实施例，所述车载多摄像机环视系统包括4个摄像机，分别安装在所述车身的前端、后端、左端、右端；且每个摄像机都能对其前方放置的3个标定物完全成像；所述预设数量为3。
作为一种可选的实施例，提取单元902，还用于：
对所述特征点进行亚像素化处理，得到所述特征点的像素位置；基于所述特征点的像素位置，利用区域增长法恢复所述棋盘格角点相似图像中棋盘格的结构，并找到漏检的棋盘格角点；将所述漏检的棋盘格角点补充作为所述特征点。
作为一种可选的实施例，所述装置900，还包括：
获得单元，用于在所述获得所述目标摄像机的内部参数与外部参数之后，获得每个摄像机的内部参数与外部参数；
第二输入单元，用于在基于每个摄像机的内部参数与外部参数进行环视成像时，将所述第一坐标和所述第二坐标输入到鱼眼畸变模型中，以对所述内部参数与外部参数进行优化。
作为一种可选的实施例，所述装置900，还用于：
第一确定单元，用于在获得每个摄像机的内部参数与外部参数之后，基于所述每个摄像机的内部参数与外部参数，确定所述每个摄像机在参考坐标系下的位置；
第二确定单元，用于基于所述每个摄像机在参考坐标系下的位置，确定所述车身的尺寸与车头的朝向。
作为一种可选的实施例，第二确定单元，具体用于：
基于车身前端的摄像机在参考坐标系下的位置坐标和车身后端的摄像机在所述参考坐标系下的位置坐标，确定车身的长度；基于车身左端的摄像机在参考坐标系下的位置坐标和车身右端的摄像机在参考坐标系下的位置坐标，确定车身的宽度和车头的朝向角。
作为一种可选的实施例，所述第二确定单元，具体用于：
基于如下公式，确定所述车身的尺寸与车头的朝向：
其中，CarLength为所述车身的长度，CarWidth为所述车身的宽度，为车头朝向角，XF、YF为位于车身前面的摄像机在所述参考坐标系下的位置坐标，XB、YB为位于车身后面的摄像机在所述参考坐标系下的位置坐标，XL、YL为位于车身左面的摄像机在所述参考坐标系下的位置坐标，XR、YR为位于车身右面的摄像机在所述参考坐标系下的位置坐标。
由于本实施例所介绍的车载多摄像机环视系统的摄像机参数获得装置为实施本申请实施例中车载多摄像机环视系统的摄像机参数获得方法所采用的装置，故而基于本申请实施例中所介绍的车载多摄像机环视系统的摄像机参数获得方法，本领域所属技术人员能够了解本实施例的车载多摄像机环视系统的摄像机参数获得装置的具体实施方式以及其各种变化形式，所以在此对于该装置如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中信息车载多摄像机环视系统的摄像机参数获得方法所采用的装置，都属于本申请所欲保护的范围。
实施例三
基于同一发明构思，如图10所示，为一种可能的车载多摄像机环视系统的摄像机参数获得装置100的示意图。在图10中，装置100为包括触摸式输入装置101的系统。然而，应当理解，该系统还可包括一个或多个其他物理用户接口设备，诸如物理键盘、鼠标和/或操纵杆。装置100的运行平台可适于运行一种或多种操作系统，例如Android(安卓)操作系统，Windows(视窗)操作系统，苹果IOS操作系统，BlackBerry(黑莓)操作系统，谷歌Chrome操作系统等通用型操作系统。然而，在其它实施例中，装置100也可以运行专用的操作系统而非通用操作系统。
在某些实施例中，装置100同时可支持运行一种或多种应用程序，包括但不限于以下应用程序中的一个或多个应用程序：磁盘管理应用程序、安全加密应用程序、权限管理应用程序、系统设置应用程序、文字处理应用程序、演示幻灯片应用程序、电子表格应用程序、数据库应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息应用程序、照片管理应用程序、数字相机应用程序、数字视频相机应用程序、web浏览应用程序、数字音乐播放器应用程序和数字视频播放器应用程序等等。
在装置100上运行的操作系统和各种应用程序可使用触摸式输入装置101作为用户的物理输入界面装置。触摸式输入装置101具有一触摸表面作为用户界面。可选的，触摸式输入装置101的触摸表面为一显示屏幕102表面，触摸式输入装置101和显示屏幕102共同形成了触敏显示屏120，然而在另一些实施例中，触摸式输入装置101具有一独立的，不与其他设备模块共用的触摸表面。触敏显示屏还进一步包括用于检测触摸式输入装置101上是否发生接触的一个或多个接触传感器106。
触敏显示屏120可选地使用LCD(液晶显示屏，Liquid Crystal Display)技术、LPD(发光聚合物显示器，Laser-powered Phosphor Display)技术或LED(发光二极管)技术，或其它任何可以实现图像显示的技术。触敏显示屏120进一步可使用现在已知或以后开发的多种触摸感测技术的任何一种来检测接触以及接触的任何移动或阻断，例如电容感测技术或电阻感测技术。在一些实施例中，触敏显示屏120可同时检测单个接触点或多个接触点及其移动变化状况。
除触摸式输入装置101与可选的显示屏幕102之外，装置100还可包括存储器103(其任选地包括一个或多个计算机可读存储介质)、存储器控制器104以及一个或多个处理器(Processor)105，以上组件可通过一个或多个信号总线107进行通信。
存储器103可包括缓存(Cache)、高速随机存取存储器(RAM)，例如常见的双倍数据率同步动态随机存取内存(DDR SDRAM)，并且还可包括非易失性存储器(NVRAM)，诸如一个或多个只读存储器(ROM)、磁盘存储设备、闪存(Flash)存储器设备、或其他非易失性固态存储器设备例如光盘(CD-ROM，DVD-ROM)，软盘或数据磁带等。存储器103可用于存储前述操作系统和应用程序软件，以及在系统工作过程中产生和接收的各种类型数据。存储控制器104可控制系统100的其他部件访问存储器103。
处理器105用于运行或执行被存储在内部存储器103中的操作系统，各种软件程序，以及自身的指令集，并用于处理来自于触摸式输入装置101或自其它外部输入途径接收到的数据和指令，以实现系统100的各种功能。处理器105可以包括但不限于中央处理器(CPU)、通用图像处理器(GPU)、微处理器(MCU)、数字信号处理器(DSP)、现场可编程逻辑门阵列(FPGA)，应用专用集成电路(ASIC)中的一种或多种。在一些实施例中，处理器105和存储器控制器104可在单个芯片上实现。在一些其他实施方案中，它们可分别在彼此独立的芯片上实现。
在图10中，信号总线107被配置为将装置100的各个组件连接进行通信。应该理解的是，图10所示的信号总线107的配置和连接方式是示例性的而非限制性的。视具体的应用环境和硬件配置要求，在其它实施例中，信号总线107可以采用其它不同但为本领域技术人员惯用的连接方式以及其常规组合或变化，以实现各个组件之间所需要的信号连接。
进一步的，在某些实施例中，装置100还可包含外围设备I/O接口111、RF电路112、音频电路113、扬声器114、麦克风115、摄像模块116。设备100还可包括一个或多个不同种类的传感器模块118。
RF(射频)电路112用于接收和发送射频信号以实现同其他通信设备进行通信。RF电路112可包括但不限于天线系统、RF收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、编解码芯片组、用户身份模块(SIM)卡、存储器等等。RF电路112任选地通过无线通信来与网络以及其他设备进行通信，该网络为诸如互联网(也被称为万维网(WWW))、内联网和/或无线网(诸如蜂窝电话网络、无线局域网(LAN)和/或城域网(MAN))。RF电路112还可包括用于检测近场通信(NFC)场的电路。无线通信可选用一种或多种通信标准、协议和技术，包括但不限于全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、高速下行链路分组接入(HSDPA)、高速上行链路分组接入(HSUPA)、演进、纯数据(EV-DO)、HSPA、HSPA+、双单元HSPA(DC-HSPDA)、长期演进(LTE)、近场通信(NFC)、宽带码分多址(W-CDMA)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、蓝牙低功耗、无线保真(Wi-Fi)(例如，IEEE802.11a、IEEE 802.11b、IEEE 802.11g、IEEE 802.11n和/或IEEE 802.11ac)、互联网协议语音(VoIP)、Wi-MAX、电子邮件协议(例如，互联网消息访问协议(IMAP)和/或邮局协议(POP))、即时消息(例如，可扩展消息处理和存在协议(XMPP)、用于即时消息和存在利用扩展的会话发起协议(SIMPLE)、即时消息和存在服务(IMPS))、和/或短消息服务(SMS)、或者包括在本申请提交日期时还未开发出的通信协议的任何其他适当的通信协议。
音频电路113、扬声器114和麦克风115提供用户与装置100之间的音频接口。音频电路113从外部I/O端口111接收音频数据，将音频数据转换为电信号，并将电信号传输到扬声器114。扬声器114将电信号转换为人类可听的声波。音频电路113还接收由麦克风115根据声波转换的电信号。音频电路113可进一步将电信号转换为音频数据，并将音频数据传输到外部I/O端口111以发送给外部设备处理。音频数据可在处理器105与存储控制器104的控制下，被传输至存储器103和/或RF电路112。在一些实施方案中，音频电路113还可连接到耳麦接口。
摄像模块116用于根据来自处理器105的指令，进行静态图像和视频拍摄。摄像模块116可具有镜片装置1161和影像传感器1162，能够由镜头装置1161接收来自外界的光信号，并由影像传感器1162，例如金属-氧化物互补型光电晶体管(CMOS)传感器或电荷耦合器件(CCD)传感器，将光信号转换为电信号。摄像模块116可进一步具有影像处理器(ISP)1163，用于将前述电信号进行处理校正，并转换成特定的图像格式文件，例如JPEG(联合图像专家小组)图像文件，TIFF(标签图像文件格式)图像文件等等。图像文件可根据处理器105和存储控制器104的指令，被送至存储器103进行存储，或送至RF电路112发送给外部设备。
外部I/O端口111为装置100同其它外部设备或系统表面物理输入模块提供接口。表面物理输入模块可以为按键，键盘，转盘等等，例如音量按键，电源按键，返回按键和摄像按键。外部I/O端口111所提供的接口还可包括通用串行总线(USB)接口(可包括USB、Mini-USB、Micro-USB、USB Type-C等等)、雷电(Thunderbolt)接口、耳麦接口、视频传输接口(例如高清晰度多媒体HDMI接口，移动高清连接MHL接口)、外部存储接口(例如外置存储卡SD卡接口)，用户身份模块卡(SIM卡)接口等等。
传感器模块118可具有一个或多个传感器或传感器阵列，包括但不限于：1、位置传感器，例如全球卫星定位系统(GPS)传感器，北斗卫星定位传感器或格罗洛斯(GLONASS)卫星定位系统传感器，用于检测设备当前地理位置；2、加速度传感器，重力传感器，陀螺仪，用于检测设备运动状态并辅助定位；3、光线传感器，用于检测外部环境光；4、距离传感器，用于检测外部物体同系统的距离；5、压力传感器，用于检测系统接触的压力情况；6、温度与湿度传感器，用于检测环境温度和湿度。传感器模块118还可以视应用需要，添加任何其他种类和数量的传感器或传感器阵列。
在本发明一些实施例中，可由处理器105通过指令调用装置100的各个组件，执行本发明的车载多摄像机环视系统的摄像机参数获得方法。处理器105执行本发明的车载多摄像机环视系统的摄像机参数获得方法所需要的程序由存储器103进行存储。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种车载多摄像机环视系统的摄像机参数获得方法，其特征在于，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述方法包括：
获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为棋盘格；
提取所述标定物图中的特征点；其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；
获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；
将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。
2.如权利要求1所述的方法，其特征在于，在所述车身周围放置有8个标定物，所述8个标定物分别位于所述车身的前方、后方、左方、右方、左前方、左后方、右前方、右后方。
3.如权利要求1所述的方法，其特征在于，所述车载多摄像机环视系统包括4个摄像机，分别安装在所述车身的前端、后端、左端、右端；且每个摄像机都能对其前方放置的3个标定物完全成像；所述预设数量为3。
4.如权利要求1所述的方法，其特征在于，所述提取所述标定物图中的特征点，还包括：
对所述特征点进行亚像素化处理，获得所述特征点的像素位置；
基于所述特征点的像素位置，利用区域增长法恢复所述棋盘格角点相似图像中棋盘格的结构，并找到漏检的棋盘格角点；
将所述漏检的棋盘格角点补充作为所述特征点。
5.如权利要求4所述的方法，其特征在于，所述获得所述目标摄像机的内部参数与外部参数之后，还包括：
获得每个摄像机的内部参数与外部参数；
在基于每个摄像机的内部参数与外部参数进行环视成像时，将所述第一坐标和所述第二坐标输入到鱼眼畸变模型中，以对所述内部参数与外部参数进行优化。
6.如权利要求5所述的方法，其特征在于，所述获得每个摄像机的内部参数与外部参数之后，还包括：
在获得每个摄像机的内部参数与外部参数之后，基于所述每个摄像机的内部参数与外部参数，确定所述每个摄像机在参考坐标系下的位置；
基于所述每个摄像机在参考坐标系下的位置，确定所述车身的尺寸与车头的朝向。
7.如权利要求6所述的方法，其特征在于，所述基于所述每个摄像机在参考坐标系下的位置，确定所述车身的尺寸与车头的朝向，包括：
基于车身前端的摄像机在所述参考坐标系下的位置坐标和车身后端的摄像机在所述参考坐标系下的位置坐标，确定车身的长度；
基于车身左端的摄像机在所述参考坐标系下的位置坐标和车身右端的摄像机在所述参考坐标系下的位置坐标，确定车身的宽度和车头的朝向角。
8.一种车载多摄像机环视系统的摄像机参数获得装置，其特征在于，所述车载多摄像机环视系统包括多个摄像机，分别安装在车身上的不同位置，所述装置包括：
第一获取单元，用于获取目标摄像机采集到的标定物图像，所述目标摄像机为所述多个摄像机中的任一摄像机，所述标定物图像中展示有预设数量的标定物，所述标定物为黑白相间的棋盘格；
提取单元，用于提取所述标定物图中的特征点，所述特征点为所述棋盘格中的棋盘格角点；其中，所述提取所述标定物图中的特征点，包括：利用预设角点模板，与所述标定物图像进行卷积，生成棋盘格角点相似图像；对所述棋盘格角点相似图像进行非极大值抑制，并基于所述标定物图像对应的局部梯度方向直方图进行自适应阈值筛选，提取出所述棋盘格角点，所述棋盘格角点即为所述特征点；
第二获取单元，用于获取所述特征点在所述标定物图像上的第一坐标，以及所述特征点对应的棋盘格角点在棋盘格坐标系上的第二坐标；
输入单元，用于将所述第一坐标和所述第二坐标输入到预设机器模型中，获得所述目标摄像机的内部参数与外部参数。
9.一种车载多摄像机环视系统的摄像机参数获得装置，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程序时实现如权利要求1～7任一权项所述的步骤。
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，所述程序被处理器执行时实现如权利要求1～7任一权项所述的步骤。
CN201811307429.XA 2018-11-05 2018-11-05 一种车载多摄像机环视系统的摄像机参数获得方法及装置 Active CN109615659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811307429.XA CN109615659B (zh) 2018-11-05 2018-11-05 一种车载多摄像机环视系统的摄像机参数获得方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811307429.XA CN109615659B (zh) 2018-11-05 2018-11-05 一种车载多摄像机环视系统的摄像机参数获得方法及装置

Publications (2)

Publication Number Publication Date
CN109615659A true CN109615659A (zh) 2019-04-12
CN109615659B CN109615659B (zh) 2023-05-05

Family

ID=66001859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811307429.XA Active CN109615659B (zh) 2018-11-05 2018-11-05 一种车载多摄像机环视系统的摄像机参数获得方法及装置

Country Status (1)

Country Link
CN (1) CN109615659B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160174A (zh) * 2019-12-19 2020-05-15 深圳市捷顺科技实业股份有限公司 网络训练方法、车头朝向识别方法、装置及终端设备
CN112150553A (zh) * 2019-06-27 2020-12-29 北京初速度科技有限公司 一种车载相机的标定方法和装置
CN112184723A (zh) * 2020-09-16 2021-01-05 杭州三坛医疗科技有限公司 图像处理方法及装置、电子设备、存储介质
CN112580391A (zh) * 2019-09-27 2021-03-30 北汽福田汽车股份有限公司 图像处理方法和装置、存储介质、电子设备
CN113066158A (zh) * 2019-12-16 2021-07-02 杭州海康威视数字技术股份有限公司 一种车载环视方法及装置
CN113218417A (zh) * 2021-04-20 2021-08-06 杭州思锐迪科技有限公司 数据处理方法、装置、扫描仪标定系统和扫描仪标定方法
CN113345031A (zh) * 2021-06-23 2021-09-03 地平线征程(杭州)人工智能科技有限公司 多摄像设备外参标定设备和方法、存储介质、电子设备
CN113516694A (zh) * 2021-04-13 2021-10-19 同济大学 一种基于多Kinect的远程医疗场景的动态可视化控制方法
CN114202588A (zh) * 2021-12-09 2022-03-18 纵目科技（上海）股份有限公司 一种车载环视相机快速自动标定方法和装置
TWI819641B (zh) * 2022-06-02 2023-10-21 威盛電子股份有限公司 影像拼接校正裝置及其方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007261463A (ja) * 2006-03-29 2007-10-11 Clarion Co Ltd 車載カメラのキャリブレーションシステム
CN102521816A (zh) * 2011-11-25 2012-06-27 浪潮电子信息产业股份有限公司 一种云数据中心机房实时宽场景监控合成方法
CN102930544A (zh) * 2012-11-05 2013-02-13 北京理工大学 一种车载摄像机的参数标定系统
CN103136720A (zh) * 2013-03-12 2013-06-05 中科院微电子研究所昆山分所 车载360度全景拼接方法
US20140071251A1 (en) * 2012-03-23 2014-03-13 Panasonic Corporation Image processing device, stereoscopic device, integrated circuit, and program for determining depth of object in real space using image processing
CN103985118A (zh) * 2014-04-28 2014-08-13 无锡观智视觉科技有限公司 一种车载环视系统摄像头参数标定方法
US20150332446A1 (en) * 2014-05-16 2015-11-19 GM Global Technology Operations LLC Surround-view camera system (vpm) and vehicle dynamic
CN105096317A (zh) * 2015-07-03 2015-11-25 吴晓军 一种复杂背景中的高性能相机全自动标定方法
CN106846409A (zh) * 2016-10-28 2017-06-13 北京鑫洋泉电子科技有限公司 鱼眼相机的标定方法及装置
CN107133988A (zh) * 2017-06-06 2017-09-05 科大讯飞股份有限公司 车载全景环视系统中摄像头的标定方法及标定系统
CN107845101A (zh) * 2017-09-20 2018-03-27 深圳市易成自动驾驶技术有限公司 车载环视图像的特征点标定方法、装置和可读存储介质
WO2018196391A1 (zh) * 2017-04-28 2018-11-01 华为技术有限公司 一种车载摄像机的外部参数标定方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007261463A (ja) * 2006-03-29 2007-10-11 Clarion Co Ltd 車載カメラのキャリブレーションシステム
CN102521816A (zh) * 2011-11-25 2012-06-27 浪潮电子信息产业股份有限公司 一种云数据中心机房实时宽场景监控合成方法
US20140071251A1 (en) * 2012-03-23 2014-03-13 Panasonic Corporation Image processing device, stereoscopic device, integrated circuit, and program for determining depth of object in real space using image processing
CN102930544A (zh) * 2012-11-05 2013-02-13 北京理工大学 一种车载摄像机的参数标定系统
CN103136720A (zh) * 2013-03-12 2013-06-05 中科院微电子研究所昆山分所 车载360度全景拼接方法
CN103985118A (zh) * 2014-04-28 2014-08-13 无锡观智视觉科技有限公司 一种车载环视系统摄像头参数标定方法
US20150332446A1 (en) * 2014-05-16 2015-11-19 GM Global Technology Operations LLC Surround-view camera system (vpm) and vehicle dynamic
CN105096317A (zh) * 2015-07-03 2015-11-25 吴晓军 一种复杂背景中的高性能相机全自动标定方法
CN106846409A (zh) * 2016-10-28 2017-06-13 北京鑫洋泉电子科技有限公司 鱼眼相机的标定方法及装置
WO2018196391A1 (zh) * 2017-04-28 2018-11-01 华为技术有限公司 一种车载摄像机的外部参数标定方法及装置
CN107133988A (zh) * 2017-06-06 2017-09-05 科大讯飞股份有限公司 车载全景环视系统中摄像头的标定方法及标定系统
CN107845101A (zh) * 2017-09-20 2018-03-27 深圳市易成自动驾驶技术有限公司 车载环视图像的特征点标定方法、装置和可读存储介质

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150553B (zh) * 2019-06-27 2024-03-29 北京魔门塔科技有限公司 一种车载相机的标定方法和装置
CN112150553A (zh) * 2019-06-27 2020-12-29 北京初速度科技有限公司 一种车载相机的标定方法和装置
CN112580391A (zh) * 2019-09-27 2021-03-30 北汽福田汽车股份有限公司 图像处理方法和装置、存储介质、电子设备
CN113066158A (zh) * 2019-12-16 2021-07-02 杭州海康威视数字技术股份有限公司 一种车载环视方法及装置
CN113066158B (zh) * 2019-12-16 2023-03-10 杭州海康威视数字技术股份有限公司 一种车载环视方法及装置
CN111160174B (zh) * 2019-12-19 2023-07-25 深圳市捷顺科技实业股份有限公司 网络训练方法、车头朝向识别方法、装置及终端设备
CN111160174A (zh) * 2019-12-19 2020-05-15 深圳市捷顺科技实业股份有限公司 网络训练方法、车头朝向识别方法、装置及终端设备
CN112184723A (zh) * 2020-09-16 2021-01-05 杭州三坛医疗科技有限公司 图像处理方法及装置、电子设备、存储介质
CN112184723B (zh) * 2020-09-16 2024-03-26 杭州三坛医疗科技有限公司 图像处理方法及装置、电子设备、存储介质
CN113516694A (zh) * 2021-04-13 2021-10-19 同济大学 一种基于多Kinect的远程医疗场景的动态可视化控制方法
CN113218417A (zh) * 2021-04-20 2021-08-06 杭州思锐迪科技有限公司 数据处理方法、装置、扫描仪标定系统和扫描仪标定方法
CN113218417B (zh) * 2021-04-20 2022-12-09 杭州思锐迪科技有限公司 数据处理方法、装置、扫描仪标定系统和扫描仪标定方法
CN113345031A (zh) * 2021-06-23 2021-09-03 地平线征程(杭州)人工智能科技有限公司 多摄像设备外参标定设备和方法、存储介质、电子设备
CN114202588A (zh) * 2021-12-09 2022-03-18 纵目科技（上海）股份有限公司 一种车载环视相机快速自动标定方法和装置
WO2023103679A1 (zh) * 2021-12-09 2023-06-15 纵目科技（上海）股份有限公司 一种车载环视相机快速自动标定方法和装置
CN114202588B (zh) * 2021-12-09 2022-09-23 纵目科技（上海）股份有限公司 一种车载环视相机快速自动标定方法和装置
TWI819641B (zh) * 2022-06-02 2023-10-21 威盛電子股份有限公司 影像拼接校正裝置及其方法

Also Published As

Publication number Publication date
CN109615659B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN109615659A (zh) 一种车载多摄像机环视系统的摄像机参数获得方法及装置
US10827140B2 (en) Photographing method for terminal and terminal
US9451173B2 (en) Electronic device and control method of the same
US9692959B2 (en) Image processing apparatus and method
WO2018137267A1 (zh) 图像处理方法和终端设备
US9065967B2 (en) Method and apparatus for providing device angle image correction
WO2019042216A1 (zh) 图像虚化处理方法、装置及拍摄终端
KR20190054890A (ko) 카메라 및 자이로스코프의 융합을 이용한 5차원 (5d) 비디오 안정화 장치 및 방법
CN109547699A (zh) 一种拍照的方法及装置
CN108419009B (zh) 图像清晰度增强方法和装置
US20220086360A1 (en) Big aperture blurring method based on dual cameras and tof
CN108171744A (zh) 一种双目虚化中视差图的确定方法、移动终端及存储介质
US20210168279A1 (en) Document image correction method and apparatus
CN112995467A (zh) 图像处理方法、移动终端及存储介质
CN108389165B (zh) 一种图像去噪方法、装置、终端系统和存储器
US11425355B2 (en) Depth image obtaining method, image capture device, and terminal
CN105210362B (zh) 图像调整设备、图像调整方法和图像捕获设备
US20230033956A1 (en) Estimating depth based on iris size
EP3639089B1 (en) Systems and methods for blocking a target in video monitoring
CN113096022A (zh) 图像虚化处理方法、装置、存储介质与电子设备
CN109727192A (zh) 一种图像处理的方法及装置
US11636708B2 (en) Face detection in spherical images
CN107665493A (zh) 一种基于超像素分割的图像处理方法及系统
WO2021164387A1 (zh) 目标物体的预警方法、装置和电子设备
US11350043B2 (en) Image processing method and terminal

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