CN109934874A - 摄像头标定中基于同心圆环模板进行求点的方法和装置 - Google Patents
摄像头标定中基于同心圆环模板进行求点的方法和装置 Download PDFInfo
- Publication number
- CN109934874A CN109934874A CN201711361262.0A CN201711361262A CN109934874A CN 109934874 A CN109934874 A CN 109934874A CN 201711361262 A CN201711361262 A CN 201711361262A CN 109934874 A CN109934874 A CN 109934874A
- Authority
- CN
- China
- Prior art keywords
- image
- straight line
- midpoint
- gray level
- level image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种车辆、摄像头标定中基于同心圆环模板进行求点的方法和装置,所述方法包括以下步骤:通过摄像头采集带有同心圆环模板的图像;将图像转换成灰度图,并对灰度图进行处理以获得二值化灰度图;对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点,从而提高了检测角点的准确性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种摄像头标定中基于同心圆环模板进行求点的方法、一种摄像头标定中基于同心圆环模板进行求点的装置以及一种具有该装置的车辆。
背景技术
随着科学技术的不断发展,车辆驾驶智能化已经从想象逐渐变成了现实,基于交通信号灯的检测、识别与跟踪算法,为当前的机动车人员的驾驶甚至无人驾驶的实现提供了很大的帮助。其中,摄像头起到很大的作用,获取车辆外面的图像信息,计算出空间物体的位置、形状等几何信息,达到描述和识别环境中的空间物体的目的。若要达到这个目的,首先必须解决的是确定空间环境中物体表面上某点的位置信息与其在图像上相对应点之间的映射关系,所以要构造几何模型,而其中的模型参数就是摄像头标定所要的结果,称之为摄像头参数,求解过程称作标定过程。其中检测角点是一个重要的过程,它直接关系到摄像头参数的获取。
相关技术中,提出了一种SUSAN(Smallest Univalve Segment AssimilatingNucleus,最小核值相似区)角点检测算子的方法,下面以一个简单的二值图像为例,简要介绍一下SUSAN算子。采用的模板如图1所示,采用的是半径为R=3.4(pixel)的圆形模板(由于图像是有像素点组成,无法实现真正意义上的圆形模板,所以采用近似圆代替,通常可取5*5或37像素模板),包含37个像素,将位于圆形模板中心的像素点称为核心点。如图2所示,一个矩形窗口①置于背景②上。圆形模板位于背景②中的五个不同的位置。比较模板内像素点灰度值与核心点灰度值大小关系,将与核心点灰度值相似的区域定义为核值相似区USAN(Univalve Segment Assimilating Nucleus,核值相似区)。而图中的a、b、c、d、e圆形模板位于五种不同位置时的情况,通过图3可以发现以下情况:(1)当核心点全位于背景②(或者区域①,图中未具体示出)中时(即模板e),USAN面积最大;(2)
当核心点位于一侧区域边缘附近时(即模板c),USAN面积减少;(3)当核心点恰好位于黑色区域边缘上时(即模板b),USAN面积减半;(4)当核心点恰好位于角点上时(即模板a),USAN面积最小。因此,USAN的面积越小,表示当前像素点是角点的可能性就越大,基于这种思想的算法称为SUSAN算法。
但是,上述技术存在以下缺点:
a、USAN的三种典型形状只是理想的情况,而在实际情况下,图像边缘的灰度也是渐变的,因此在边缘较平滑的区域,很容易提取出伪角点,并且这些伪角点在噪声严重的情况下表现更为明显,这也就制约着SUSAN算法的性能。
b、SUSAN算子对阈值选取的依赖性较大,如果阈值选择不当,则会影响检测结果的准确率。
发明内容
本发明旨在至少从一定程度上解决上述技术中的技术问题之一。为此,本发明的第一个目的在于提出一种摄像头标定中基于同心圆环模板进行求点的方法,能够提高检测角点的准确性。
本发明的第二个目的在于提出一种非临时性计算机可读存储介质。
本发明的第三个目的在于提出一种摄像头标定中基于同心圆环模板进行求点的装置。
本发明的第四个目的在于提出一种车辆。
为达到上述目的,本发明第一方面实施例提出的一种摄像头标定中基于同心圆环模板进行求点的方法,包括以下步骤:通过摄像头采集带有同心圆环模板的图像;将所述图像转换成灰度图,并对所述灰度图进行处理以获得二值化灰度图;对所述二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得所述双曲线的中心点位置,并将所述双曲线的中心点位置作为所述摄像头标定时的角点。
根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的方法,通过摄像头采集带有同心圆环模板的图像,并将图像转换成灰度图,以及对灰度图进行处理以获得二值化灰度图,对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点,从而提高了检测角点的准确性。
另外,根据本发明上述实施例提出的摄像头标定中基于同心圆环模板进行求点的方法还可以具有如下附加的技术特征:
根据本发明的一个实施例,对所述灰度图进行处理以获得二值化灰度图,包括:对所述灰度图进行直方图均衡化处理以获得第一灰度图像;对所述第一灰度图像进行滤波处理以获得第二灰度图像;对所述第二灰度图像进行二值化处理以获得所述二值化灰度图。
根据本发明的一个实施例,采用高斯平滑的方式对所述第一灰度图像进行滤波处理。
根据本发明的一个实施例,对所述第二灰度图像进行二值化处理的步骤具体包括:A、获取所述第二灰度图像的直方图,并计算所述直方图的中值作为第一初始中值;B、采用所述第一初始中值将所述第二灰度图像中的所有像素的灰度值分成两组;C、分别获取两组灰度值的平均灰度值u1和u2;D、根据所述平均灰度值u1和u2获取第一阈值;E、将所述第一阈值作为第二初始中值,重复执行步骤B~D,直至所述第一阈值小于所述第一初始中值;F、将每个像素与小于所述第一初始中值的第一阈值进行比较,以对所述第二灰度图像进行二值化处理。
根据本发明的一个实施例,对所述二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得所述双曲线的中心点位置,包括:获取穿过双曲线的第一条直线,并获取所述第一条直线的中点;获取穿过所述第一条直线的中点且与双曲线相交的第二条直线,并获取所述第二条直线的中点;获取穿过所述第二条直线的中点且与双曲线相交的第三条直线,并获取所述第三条直线的中点;依此类推,直至当前直线的中点与前一条直线的中点之间的距离小于等于预设值时,将当前直线的中点作为所述双曲线的中心点位置。
为达到上述目的,本发明第二方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的摄像头标定中基于同心圆环模板进行求点的方法。
本发明实施例的非临时性计算机可读存储介质,通过执行上述的摄像头标定中基于同心圆环模板进行求点的方法,能够提高检测角点的准确性。
为达到上述目的,本发明第三方面实施例提出了一种摄像头标定中基于同心圆环模板进行求点的装置,包括:采集模块,用于通过摄像头采集带有同心圆环模板的图像;图像处理模块,用于将所述图像转换成灰度图,并对所述灰度图进行处理以获得二值化灰度图;标定模块,用于对所述二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得所述双曲线的中心点位置,并将所述双曲线的中心点位置作为所述摄像头标定时的角点。
根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的装置,采集模块通过摄像头采集带有同心圆环模板的图像,图像处理模块将图像转换成灰度图,并对灰度图进行处理以获得二值化灰度图,标定模块对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点,从而提高了检测角点的准确性。
另外,根据本发明上述实施例提出的摄像头标定中基于同心圆环模板进行求点的装置还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述图像处理模块进一步用于,对所述灰度图进行直方图均衡化处理以获得第一灰度图像;对所述第一灰度图像进行滤波处理以获得第二灰度图像;对所述第二灰度图像进行二值化处理以获得所述二值化灰度图。
根据本发明的一个实施例,所述图像处理模块采用高斯平滑的方式对所述第一灰度图像进行滤波处理。
根据本发明的一个实施例,所述图像处理模块对所述第二灰度图像进行二值化处理的步骤具体包括:A、获取所述第二灰度图像的直方图,并计算所述直方图的中值作为第一初始中值;B、采用所述第一初始中值将所述第二灰度图像中的所有像素的灰度值分成两组;C、分别获取两组灰度值的平均灰度值u1和u2;D、根据所述平均灰度值u1和u2获取第一阈值;E、将所述第一阈值作为第二初始中值,重复执行步骤B~D,直至所述第一阈值小于所述第一初始中值;F、将每个像素与小于所述第一初始中值的第一阈值进行比较,以对所述第二灰度图像进行二值化处理。
根据本发明的一个实施例,所述标定模块进一步用于,获取穿过双曲线的第一条直线,并获取所述第一条直线的中点;获取穿过所述第一条直线的中点且与双曲线相交的第二条直线,并获取所述第二条直线的中点;获取穿过所述第二条直线的中点且与双曲线相交的第三条直线,并获取所述第三条直线的中点;依此类推,直至当前直线的中点与前一条直线的中点之间的距离小于等于预设值时,将当前直线的中点作为所述双曲线的中心点位置。
为达到上述目的,本发明第四方面实施例提出了一种车辆,其包括上述的摄像头标定中基于同心圆环模板进行求点的装置。
本发明实施例的车辆,通过上述的摄像头标定中基于同心圆环模板进行求点的装置,能够提高检测角点的准确性。
附图说明
图1是相关技术中SUSAN算子角点检测近似圆形模板;
图2是相关技术中SUSAN算子中圆形模板在图中的不同区域的示意图;
图3是相关技术中SUSAN算子不同区域下圆形模板所对应的USAN区域示意图;
图4是根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的方法的流程图;
图5是根据本发明一个实施例的采用同心圆环模型作为摄像头标定板的示意图;
图6是根据本发明一个实施例的同心圆的几何特性示意图;
图7是根据本发明一个实施例的投影图像的同心圆的几何特性示意图;
图8是根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面结合附图来描述本发明实施例的
图4是根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的方法的流程图。
如图4所示,本发明实施例的摄像头标定中基于同心圆环模板进行求点的方法可包括以下步骤:
S1,通过摄像头采集带有同心圆环模板的图像。
具体地,在ADAS(Advanced Driver Assistant Systems,高级驾驶辅助系统)系统开启后,通过摄像头采集带有同心圆环的图像,例如,如图5所示,采用同心圆环作为模板的摄像头的标定板可以为5x4。
S2,将图像转换成灰度图,并对灰度图进行处理以获得二值化灰度图。
根据本发明的一个实施例,对灰度图进行处理以获得二值化灰度图,包括:
S21,对灰度图进行直方图均衡化处理以获得第一灰度图像。
具体地,在将采集的图像转换成灰度图后,对灰度图进行直方图均衡化处理,其中,直方图均衡化处理是一种将数值范围变化较小的图像范围拉伸变大的方法。假设,灰度图的表达式为G(x,y),取值范围在[0,L],直方图表达式为HG(z),灰度图的总的像素点数为:
归一化后概率函数为:
分布函数为:
由此,可获得第一灰度图像。
S22,对第一灰度图像进行滤波处理以获得第二灰度图像。
在本发明的一个实施例中,可采用高斯平滑的方式对第一灰度图像进行滤波处理。
具体地,将采集的图像转换成灰度图,虽然可以让图像中的信息更加丰富,但是有可能放大了图像中的噪音,因此需要对第一灰度图像进行去噪。噪音可以用一个很小的图像信号函数s(x,y)表示,随机噪声信号函数用r(x,y)表示,得到的图像信号用函数g(x,y)表示,可以得到加性噪声为:
g(x,y)=s(x,y)+r(x,y)
模型的乘性噪声为:
g(x,y)=s(x,y)*[1+r(x,y)]=s(x,y)+s(x,y)*r(x,y)
因为,我们需要保留源图像的总体特征,所以采用高斯平滑的方法进行去噪,具体公式为:
其中,i,j分别表示图像特征的坐标,δ为标准偏差。经过滤波处理后可获得第二灰度图像,并且棋盘格图像的总体信息保存的更加完整。
S23,对第二灰度图像进行二值化处理以获得二值化灰度图。
根据本发明的一个实施例,对第二灰度图像进行二值化处理的步骤具体包括:A、获取第二灰度图像的直方图,并计算直方图的中值作为第一初始中值;B、采用第一初始中值将第二灰度图像中的所有像素的灰度值分成两组;C、分别获取两组灰度值的平均灰度值u1和u2;D、根据平均灰度值u1和u2获取第一阈值;E、将第一阈值作为第二初始中值,重复执行步骤B~D,直至第一阈值小于第一初始中值;F、将每个像素与小于第一初始中值的第一阈值进行比较,以对第二灰度图像进行二值化处理。
具体地,对第二灰度图像进行直方图均衡化处理,并求出直方图的中值Gmean(x,y),以作为第一初始中值Tinit,然后,采用第一初始中值Tinit将第二灰度图像中的所有像素的灰度值分成两组,G1=G(x,y)≥Tinit,G2=G(x,y)≤Tinit,并分别求出G1和G2范围内的平均灰度值u1和u2。根据平均灰度值u1和u2获取第一阈值T,例如,可根据公式T=(u1+u2)/2,计算获得第一阈值T,并将第一阈值T作为第二初始中值。采用第二初始中值将第二灰度图像中的所有像素的灰度值分成两组,并分别求出两组范围内的平均灰度值,根据平均灰度值获取第一阈值T',并将第一阈值T'作为第三初始中值。重复执行,直至第一阈值小于第一初始中值。在得到小于第一初始中值的第一阈值后,将每个像素与其进行比较,以对第二灰度图像进行二值化处理,最终获得二值化灰度图。
S3,对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点。
根据本发明的一个实施例,对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,包括:获取穿过双曲线的第一条直线,并获取第一条直线的中点,获取穿过第一条直线的中点且与双曲线相交的第二条直线,并获取第二条直线的中点,获取穿过第二条直线的中点且与双曲线相交的第三条直线,并获取第三条直线的中点,依此类推,直至当前直线的中点与前一条直线的中点之间的距离小于等于预设值时,将当前直线的中点作为双曲线的中心点位置。其中,预设值可根据实际情况进行标定。
具体而言,由于摄像头对同心圆环进行不同角度的捕获,所以同心圆环的投影为一对曲线(两个椭圆),分别求出各个投影曲线的中心点。根据调和分割在投影几何中具有不变的性质,先做一条穿过双曲线的直线,求出直线的中点p1,再做一条穿过直线中点p1与两曲线相交的直线,再求出此直线的中点p2,以此类推进行计算,直至直线的中点pi与上一条直线的中点p(i-1)之间的距离小于一定值,停止计算,此时pi无限逼近同心圆环中心点,取最后一条直线的中点pi作为摄像头标定时的角点。
具体地,依次对每个同心圆环进行处理计算,如图6所示(这里两个同心圆之间灰色表示,便于划线描述)。首先,做一条通过第一个同心圆环的直线(一般第一条直线通过最里面的圆,以减少求直线的中点的次数,减少计算量),分别交同心圆圆环的外圆环于A1、A2,交同心圆圆环的内圆环于B1、B2,可得到线段A1A2和B1B2的中心点P1、无穷远点Q1,由交比概念可知,P1、Q1两点分别为线段A1A2、B1B2的内调和分割以及外调和分割,当满足下述公式(1)时,称为是一对调和共轭点:
{A1,A2;P1,Q1}={B1,B2;P1,Q1}=-1 (1)
同理,做一条过P1点的直线,分别交外圆环于A3、A4,交内圆环于B3、B4,可得到线段A3A4和B3B4的中心点P2、无穷远点Q2,当满足上述公式(1)时,称为一对调和共轭点,其中,A3、A4、P2、Q2、B3和B4分别对应公式(1)中的A1、A2、P1、Q1、B1和B2。由图6中P1和P2两点的位置,可以直观的看出,相较于P1,P2更加接近同心圆环的中心点,如此做直线相交于同心圆环的外圆环和内圆环,可求出直线中心点P将无限接近于同心圆环的中心点,从而可求得同心圆环的中心点的位置。
由于摄像头在实际拍摄标定板时,需要使用不同的角度,这样得到的标定板的图像上的同心圆环会变成同心椭圆形(双曲线),例如,如图7所示,图7表示图6情况下的投影。同样地,由调和分割在投影几何中具有不变的性质,可得到下述公式(2)中的关系式:
{a1,a2;p1,q1}={b1,b2;p1,q1}=-1 (2)
通过上述公式(2)可得一个二次方程式,该方程式的解为点p1和点q1,在此基础上,通过将解约束在线段a1a2上,可得到中心点p1的值,同理,可求出p2的值。再通过p2做一条直线求出直线中点p3,以此类推,重复求取直线中心点p(i),当p(i)与p(i-1)相差值小于预设值时,停止循环计算,可认为p(i)为同心圆环投影对应的曲线的中心点。依次求取每个同心圆环投影后对应的曲线的中心点,标记并存储,以用于标定的内外参数的计算。
由上述分析可知,同心圆环求中心点以作为摄像头标定时的角点,不会出现伪角点,提高了角点的准确性,且采用同心圆环模板求其中心点作为角点,对象明确,目标性强,无需考虑其它的误差,同时,对阈值的选择要求不高,提高了检测结果的准确率。
综上所述,根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的方法,通过摄像头采集带有同心圆环模板的图像,并将图像转换成灰度图,以及对灰度图进行处理以获得二值化灰度图,对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点,从而提高了检测角点的准确性。
图8是根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的装置的方框示意图。如图8所示,本发明实施例的摄像头标定中基于同心圆环模板进行求点的装置可包括:采集模块10、图像处理模块20和标定模块30。
其中,采集模块10用于通过摄像头采集带有同心圆环模板的图像。图像处理模块20用于将图像转换成灰度图,并对灰度图进行处理以获得二值化灰度图。标定模块30用于对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点。
根据本发明的一个实施例,图像处理模块20进一步用于,对灰度图进行直方图均衡化处理以获得第一灰度图像,对第一灰度图像进行滤波处理以获得第二灰度图像,对第二灰度图像进行二值化处理以获得二值化灰度图。
根据本发明的一个实施例,图像处理模块20可采用高斯平滑的方式对第一灰度图像进行滤波处理。
根据本发明的一个实施例,图像处理模块20对第二灰度图像进行二值化处理的步骤具体包括:A、获取第二灰度图像的直方图,并计算直方图的中值作为第一初始中值;B、采用第一初始中值将第二灰度图像中的所有像素的灰度值分成两组;C、分别获取两组灰度值的平均灰度值u1和u2;D、根据平均灰度值u1和u2获取第一阈值;E、将第一阈值作为第二初始中值,重复执行步骤B~D,直至第一阈值小于第一初始中值;F、将每个像素与小于第一初始中值的第一阈值进行比较,以对第二灰度图像进行二值化处理。
根据本发明的一个实施例,标定模块30进一步用于,获取穿过双曲线的第一条直线,并获取第一条直线的中点,获取穿过第一条直线的中点且与双曲线相交的第二条直线,并获取第二条直线的中点,获取穿过第二条直线的中点且与双曲线相交的第三条直线,并获取第三条直线的中点,依此类推,直至当前直线的中点与前一条直线的中点之间的距离小于等于预设值时,将当前直线的中点作为双曲线的中心点位置。
需要说明的是,本发明实施例的摄像头标定中基于同心圆环模板进行求点的装置中未披露的细节,请参照本发明实施例的摄像头标定中基于同心圆环模板进行求点的方法中所披露的细节,具体这里不再赘述。
根据本发明实施例的摄像头标定中基于同心圆环模板进行求点的装置,采集模块通过摄像头采集带有同心圆环模板的图像,图像处理模块将图像转换成灰度图,并对灰度图进行处理以获得二值化灰度图,标定模块对二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得双曲线的中心点位置,并将双曲线的中心点位置作为摄像头标定时的角点,从而提高了检测角点的准确性。
另外,本发明的实施例还提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的摄像头标定中基于同心圆环模板进行求点的方法。
本发明实施例的非临时性计算机可读存储介质,通过执行上述的摄像头标定中基于同心圆环模板进行求点的方法,能够提高检测角点的准确性。
此外,本发明的实施例还提出了一种车辆,其包括上述的摄像头标定中基于同心圆环模板进行求点的装置。
本发明实施例的车辆,通过上述的摄像头标定中基于同心圆环模板进行求点的装置,能够提高检测角点的准确性。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是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,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种摄像头标定中基于同心圆环模板进行求点的方法,其特征在于,包括以下步骤:
通过摄像头采集带有同心圆环模板的图像;
将所述图像转换成灰度图,并对所述灰度图进行处理以获得二值化灰度图;
对所述二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得所述双曲线的中心点位置,并将所述双曲线的中心点位置作为所述摄像头标定时的角点。
2.如权利要求1所述的方法,其特征在于,对所述灰度图进行处理以获得二值化灰度图,包括:
对所述灰度图进行直方图均衡化处理以获得第一灰度图像;
对所述第一灰度图像进行滤波处理以获得第二灰度图像;
对所述第二灰度图像进行二值化处理以获得所述二值化灰度图。
3.如权利要求2所述的方法,其特征在于,采用高斯平滑的方式对所述第一灰度图像进行滤波处理。
4.如权利要求2所述的方法,其特征在于,对所述第二灰度图像进行二值化处理的步骤具体包括:
A、获取所述第二灰度图像的直方图,并计算所述直方图的中值作为第一初始中值;
B、采用所述第一初始中值将所述第二灰度图像中的所有像素的灰度值分成两组;
C、分别获取两组灰度值的平均灰度值u1和u2;
D、根据所述平均灰度值u1和u2获取第一阈值;
E、将所述第一阈值作为第二初始中值,重复执行步骤B~D,直至所述第一阈值小于所述第一初始中值;
F、将每个像素与小于所述第一初始中值的第一阈值进行比较,以对所述第二灰度图像进行二值化处理。
5.如权利要求1-4中任一项所述的方法,其特征在于,对所述二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得所述双曲线的中心点位置,包括:
获取穿过双曲线的第一条直线,并获取所述第一条直线的中点;
获取穿过所述第一条直线的中点且与双曲线相交的第二条直线,并获取所述第二条直线的中点;
获取穿过所述第二条直线的中点且与双曲线相交的第三条直线,并获取所述第三条直线的中点;
依此类推,直至当前直线的中点与前一条直线的中点之间的距离小于等于预设值时,将当前直线的中点作为所述双曲线的中心点位置。
6.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的摄像头标定中基于同心圆环模板进行求点的方法。
7.一种摄像头标定中基于同心圆环模板进行求点的装置,其特征在于,包括:
采集模块,用于通过摄像头采集带有同心圆环模板的图像;
图像处理模块,用于将所述图像转换成灰度图,并对所述灰度图进行处理以获得二值化灰度图;
标定模块,用于对所述二值化灰度图中同心圆环对应的双曲线进行中心点计算以获得所述双曲线的中心点位置,并将所述双曲线的中心点位置作为所述摄像头标定时的角点。
8.如权利要求7所述的装置,其特征在于,所述图像处理模块进一步用于,
对所述灰度图进行直方图均衡化处理以获得第一灰度图像;
对所述第一灰度图像进行滤波处理以获得第二灰度图像;
对所述第二灰度图像进行二值化处理以获得所述二值化灰度图。
9.如权利要求8所述的装置,其特征在于,所述图像处理模块采用高斯平滑的方式对所述第一灰度图像进行滤波处理。
10.如权利要求8所述的装置,其特征在于,所述图像处理模块对所述第二灰度图像进行二值化处理的步骤具体包括:
A、获取所述第二灰度图像的直方图,并计算所述直方图的中值作为第一初始中值;
B、采用所述第一初始中值将所述第二灰度图像中的所有像素的灰度值分成两组;
C、分别获取两组灰度值的平均灰度值u1和u2;
D、根据所述平均灰度值u1和u2获取第一阈值;
E、将所述第一阈值作为第二初始中值,重复执行步骤B~D,直至所述第一阈值小于所述第一初始中值;
F、将每个像素与小于所述第一初始中值的第一阈值进行比较,以对所述第二灰度图像进行二值化处理。
11.如权利要求7-10中任一项所述的装置,其特征在于,所述标定模块进一步用于,
获取穿过双曲线的第一条直线,并获取所述第一条直线的中点;
获取穿过所述第一条直线的中点且与双曲线相交的第二条直线,并获取所述第二条直线的中点;
获取穿过所述第二条直线的中点且与双曲线相交的第三条直线,并获取所述第三条直线的中点;
依此类推,直至当前直线的中点与前一条直线的中点之间的距离小于等于预设值时,将当前直线的中点作为所述双曲线的中心点位置。
12.一种车辆,其特征在于,包括如权利要求7-11中任一项所述的摄像头标定中基于同心圆环模板进行求点的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711361262.0A CN109934874A (zh) | 2017-12-18 | 2017-12-18 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711361262.0A CN109934874A (zh) | 2017-12-18 | 2017-12-18 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109934874A true CN109934874A (zh) | 2019-06-25 |
Family
ID=66982241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711361262.0A Pending CN109934874A (zh) | 2017-12-18 | 2017-12-18 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934874A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693801A (zh) * | 2022-03-04 | 2022-07-01 | 信利光电股份有限公司 | 一种标定板、标定方法及系统 |
WO2022171003A1 (zh) * | 2021-02-09 | 2022-08-18 | 深圳市汇顶科技股份有限公司 | 相机标定方法、装置及电子设备 |
WO2023028955A1 (en) * | 2021-09-02 | 2023-03-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for measurement |
CN117495860A (zh) * | 2024-01-02 | 2024-02-02 | 江苏圣点世纪科技有限公司 | 一种静脉设备摄像头模组异常检测的方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999895A (zh) * | 2011-09-16 | 2013-03-27 | 云南大学 | 利用两个同心圆线性求解摄像机内参数 |
CN103106650A (zh) * | 2011-11-14 | 2013-05-15 | 云南大学 | 利用三个两两不同心圆求解摄像机内参数 |
CN105809685A (zh) * | 2016-03-09 | 2016-07-27 | 四川巨源科技有限公司 | 一种基于单幅同心圆图像的摄像机定标方法 |
CN106340044A (zh) * | 2015-07-09 | 2017-01-18 | 上海振华重工电气有限公司 | 摄像机外参自动标定方法及标定装置 |
-
2017
- 2017-12-18 CN CN201711361262.0A patent/CN109934874A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999895A (zh) * | 2011-09-16 | 2013-03-27 | 云南大学 | 利用两个同心圆线性求解摄像机内参数 |
CN103106650A (zh) * | 2011-11-14 | 2013-05-15 | 云南大学 | 利用三个两两不同心圆求解摄像机内参数 |
CN106340044A (zh) * | 2015-07-09 | 2017-01-18 | 上海振华重工电气有限公司 | 摄像机外参自动标定方法及标定装置 |
CN105809685A (zh) * | 2016-03-09 | 2016-07-27 | 四川巨源科技有限公司 | 一种基于单幅同心圆图像的摄像机定标方法 |
Non-Patent Citations (2)
Title |
---|
徐仙伟 等: ""基于同心圆环模板的摄像机标定方法"", 《科学技术与工程》 * |
徐科 等: "《金属表面质量在线检测技术》", 31 October 2016, 北京冶金工业出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022171003A1 (zh) * | 2021-02-09 | 2022-08-18 | 深圳市汇顶科技股份有限公司 | 相机标定方法、装置及电子设备 |
WO2023028955A1 (en) * | 2021-09-02 | 2023-03-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for measurement |
CN114693801A (zh) * | 2022-03-04 | 2022-07-01 | 信利光电股份有限公司 | 一种标定板、标定方法及系统 |
CN117495860A (zh) * | 2024-01-02 | 2024-02-02 | 江苏圣点世纪科技有限公司 | 一种静脉设备摄像头模组异常检测的方法和系统 |
CN117495860B (zh) * | 2024-01-02 | 2024-04-12 | 江苏圣点世纪科技有限公司 | 一种静脉设备摄像头模组异常检测的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934874A (zh) | 摄像头标定中基于同心圆环模板进行求点的方法和装置 | |
Chupin et al. | Automatic segmentation of the hippocampus and the amygdala driven by hybrid constraints: method and validation | |
CN108416802B (zh) | 一种基于深度学习的多模医学图像非刚性配准方法及系统 | |
Pizer et al. | Deformable m-reps for 3D medical image segmentation | |
Pizer et al. | Multiscale medial shape-based analysis of image objects | |
Röhl et al. | Dense GPU‐enhanced surface reconstruction from stereo endoscopic images for intraoperative registration | |
CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像系统 | |
US8538109B2 (en) | Method and system for dynamic pulmonary trunk modeling and intervention planning | |
Zhuge et al. | An abdominal aortic aneurysm segmentation method: Level set with region and statistical information | |
CN109300104A (zh) | 角点检测方法、装置 | |
Lee et al. | Feature-guided shape-based image interpolation | |
Grove et al. | From CT to NURBS: contour fitting with B-spline curves | |
Dawant | Non-rigid registration of medical images: purpose and methods, a short survey | |
CN109903319A (zh) | 一种基于多分辨率的快速迭代最近点配准算法 | |
Marijanović et al. | A systematic overview of recent methods for non-contact chronic wound analysis | |
Jakubicek et al. | Learning–based vertebra localization and labeling in 3D CT data of possibly incomplete and pathological spines | |
Lurie et al. | Automated mosaicing of feature-poor optical coherence tomography volumes with an integrated white light imaging system | |
CN110070537A (zh) | 静态图像颗粒的粒度与球形度的智能识别方法和装置 | |
CN103345741A (zh) | 一种非刚性多模医学图像精确配准方法 | |
CN113362360B (zh) | 基于流体速度场的超声颈动脉斑块分割方法 | |
Fatemizadeh et al. | Automatic landmark extraction from image data using modified growing neural gas network | |
Shi et al. | Pulmonary nodule registration in serial CT scans based on rib anatomy and nodule template matching | |
Pizer et al. | Object models in multiscale intrinsic coordinates via m-reps | |
Hong | Classification of neuroanatomical structures based on non-Euclidean geometric object properties |
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: 20190625 |