CN110033492B - 摄像机标定方法及终端 - Google Patents
摄像机标定方法及终端 Download PDFInfo
- Publication number
- CN110033492B CN110033492B CN201910307755.9A CN201910307755A CN110033492B CN 110033492 B CN110033492 B CN 110033492B CN 201910307755 A CN201910307755 A CN 201910307755A CN 110033492 B CN110033492 B CN 110033492B
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- scaling factor
- calculating
- matrix
- 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.)
- Active
Links
Images
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)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种摄像机标定方法及终端，方法包括：获取摄像机的历史图像信息；根据历史图像信息建立图像坐标系；在图像坐标系中分别获取主点和三个的消失点的图像坐标；根据摄像机的焦距和主点的图像坐标计算得到摄像机的内部参数矩阵；根据内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；根据历史图像信息选择两条不平行的参考线段；分别获取两条的参考线段的端点图像坐标和真实长度信息；根据端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；根据摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。通过双缩放因子的计算使得标定矩阵更加准确，可以准确计算得到摄像机画面中的真实信息。
Description
技术领域
本发明涉及电子信息技术领域，尤其涉及一种摄像机标定方法及终端。
背景技术
随着相机和处理器的成本不断下降，基于视觉的感测正在成为传统传感器用于采集交通数据的替代方案。许多研究和商业系统都通过对视频的分析得到了一系列我们所感兴趣的信息，比如道路占有率、车速、车型和事件检测等。
为了基于视觉系统来测量车辆的速度等信息，必须有一个从图像中的像素到世界坐标的映射。图像坐标系与世界坐标系的映射关系是通过一系列的摄像机内外参数来定义的，因此，必须对摄像机进行标定，其标定的准确性将直接影响最终的测量结果。
现有技术中，在进行摄像机标定时通常将主点默认选在视频图片的中心，但是对应到真实世界中时主点不一定会落在马路中心，对于主点不在马路中心的监控场景不适用。且现有技术中有的采用Hough变换来检测直线，并利用投票法得到消失点方向，可能会出现消失点计算错误的情况，这将会严重影响最终计算结果。
发明内容
本发明所要解决的技术问题是：提供一种摄像机标定方法及终端，可以准确计算得到摄像机画面中的真实信息。
为了解决上述技术问题，本发明采用的技术方案为：
一种摄像机标定方法，包括：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。
本发明采用的另一技术方案为：
一种摄像机标定终端，包括存储器、处理器以及存储在所述存储器中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以下步骤：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。
本发明的有益效果在于：首先根据主点和三个消失点的图像坐标计算得到摄像机矩阵，然后根据已知实际长度的两条不平行线段计算得到两个缩放因子，根据摄像机矩阵和两个缩放因子就可以计算得到摄像机的标定矩阵，本发明通过双缩放因子的计算使得标定矩阵更加准确，可以准确计算得到摄像机画面中的真实信息；且主点可以自由标定，对于主点不在马路中心的场景也同样适用。
附图说明
图1为本发明实施例一的摄像机标定方法的流程图；
图2为本发明实施例二的摄像机标定终端的示意图。
标号说明：
100、摄像机标定终端；1、存储器；2、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于：根据已知真实长度的两条线段计算双缩放因子，使得标定矩阵更加准确，可以准确计算得到摄像机画面中的真实信息。
请参照图1，一种摄像机标定方法，包括：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。
从上述描述可知，本发明的有益效果在于：首先根据主点和三个消失点的图像坐标计算得到摄像机矩阵，然后根据已知实际长度的两条不平行线段计算得到两个缩放因子，根据摄像机矩阵和两个缩放因子就可以计算得到摄像机的标定矩阵，本发明通过双缩放因子的计算使得标定矩阵更加准确，可以准确计算得到摄像机画面中的真实信息；且主点可以自由标定，对于主点不在马路中心的场景也同样适用。
进一步的，所述根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵之后还包括：
获取摄像机的当前图像信息；
获取所述当前图像信息中一线段在图像坐标系中的端点坐标信息；
根据所述端点坐标信息和摄像机的标定矩阵计算得到所述一线段对应的真实长度。
由上述描述可知，对图像坐标系中线段的端点坐标分别通过标定矩阵进行变换，得到变换后的坐标，通过变换后的坐标即可得到线段的真实长度。
进一步的，所述根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子具体为：
根据摄像机矩阵对所述端点图像坐标进行转化，得到转化坐标；
根据所述转化坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。
进一步的，所述在所述图像坐标系中分别获取主点和三个的消失点的图像坐标之前还包括：
根据所述历史图像信息分别获取三对消失点方向；
根据三对的所述消失点方向计算得到三个的消失点。
进一步的，三对的所述消失点方向分别对应历史图像信息中马路的横向、纵向以及重力方向。
由上述描述可知，消失点即一对消失点方向的交点，当摄像机是往前下方看时，重力方向的一对消失点方向是没有交点的，为无穷大。
请参照图2，本发明涉及的另一技术方案为：
一种摄像机标定终端100，包括存储器1、处理器2以及存储在所述存储器1中并可在处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现以下步骤：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。
进一步的，所述处理器2执行所述计算机程序时还实现以下步骤：
所述根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵之后还包括：
获取摄像机的当前图像信息；
获取所述当前图像信息中一线段在图像坐标系中的端点坐标信息；
根据所述端点坐标信息和摄像机的标定矩阵计算得到所述一线段对应的真实长度。
进一步的，所述根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子具体为：
根据摄像机矩阵对所述端点图像坐标进行转化，得到转化坐标；
根据所述转化坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。
进一步的，所述处理器2执行所述计算机程序时还实现以下步骤：
所述在所述图像坐标系中分别获取主点和三个的消失点的图像坐标之前还包括：
根据所述历史图像信息分别获取三对消失点方向；
根据三对的所述消失点方向计算得到三个的消失点。
进一步的，三对的所述消失点方向分别对应历史图像信息中马路的横向、纵向以及重力方向。
实施例一
请参照图1，本发明的实施例一为：一种摄像机标定方法，包括如下步骤：
S1、获取摄像机的历史图像信息。本实施例中，假设摄像机拍摄的图像是没有径向扭曲的，且摄像机是往正前下方看的。摄像机型号确定后，其焦距是确定的，假设摄像机的焦距为f。
S2、根据所述历史图像信息建立图像坐标系。图像坐标系的坐标原点可以设置在图片的左上角，可以是左手直角坐标系，也可是右手直角坐标系。
S3、在所述图像坐标系中分别获取主点和三个的消失点的图像坐标。
本实施例中，步骤S3之前还包括：根据所述历史图像信息分别获取三对消失点方向；根据三对的所述消失点方向计算得到三个的消失点。三对的所述消失点方向分别对应历史图像信息中马路的横向、纵向以及重力方向，消失点即每一对消失点方向的交点，由于重力方向的两个消失点方向是平行的，那么重力方向的消失点为无穷大。假设主点为x0，三个消失点分别为x1、x2、x3，
S4、根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵。假设内部参数矩阵为K，
S5、根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵。假设摄像机矩阵为T，
T＝(KR)-1＝K-1R-1，其中，
S6、根据所述历史图像信息选择两条不平行的参考线段。两条参考线段可以根据需要进行选择，选择的两条参考线段需要知晓其真实长度信息，例如可以是正规斑马线的长度和马路间距，其他已知正规交通标识等，也可以是已知车型的长宽。
S7、分别获取两条的所述参考线段的端点图像坐标和真实长度信息。假设其中一条线段的端点图像坐标分别为(xa,ya)，(xb,yb)，真实长度为la，另一条线段的端点图像坐标分别为(xc,yc)，(xd,yd)，真实长度为lc；本实施例中，假设端点在图像坐标中的Z轴分量为1。
S8、根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。具体的：根据摄像机矩阵对所述端点图像坐标进行转化，得到转化坐标；根据所述转化坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。假设第一缩放因子为Sx，第二缩放因子为Sy。
本实施例中，假设有一个平面P与地面平行，并且等距同构，通过摄像机矩阵T就可以计算得到摄像机视野中任意一点在P平面上的位置，P平面上的点与真实世界中的点差一个缩放因子，P平面上的点的坐标即为转化坐标；
转化坐标的计算方式为：xa ～＝λTxa，xb ～＝λTxb，xc ～＝λTxc，xd ～＝λTxd，ya ～＝λTya，yb ～＝λTyb，yc ～＝λTyc，yd ～＝λTyd，λ是为了保证端点在P平面上Z轴的分量仍为1的参数，即za ～＝λTza，其中za ～、za均为1。
然而，la 2＝[Sx×(xa ～-xb ～)]2+[Sy×(ya ～-yb ～)]2，lc 2＝[Sx×(xc ～-xd ～)]2+[Sy×(yc ～-yd～)]2，根据这两个方程，即可求得Sx，Sy。
S9、根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。假设摄像机标定矩阵为Tb。
缩放因子矩阵为：
这样，通过Tb就可以对图像坐标系中的任意一个点进行标定转换。
本实施例中，步骤S9之后还包括：
S10、获取摄像机的当前图像信息。
S11、获取所述当前图像信息中一线段在图像坐标系中的端点坐标信息。
S12、根据所述端点坐标信息和摄像机的标定矩阵计算得到所述一线段对应的真实长度。计算时，首先将端点坐标分别通过摄像机标定矩阵进行标定转换，然后就可直接计算得到线段的真实长度。
实施例二
请参照图2，本发明的实施例二为：一种摄像机标定终端100，与实施例一的方法相对应，包括存储器1、处理器2以及存储在所述存储器1中并可在处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现以下步骤：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵。
进一步的，所述处理器2执行所述计算机程序时还实现以下步骤：
所述根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵之后还包括：
获取摄像机的当前图像信息；
获取所述当前图像信息中一线段在图像坐标系中的端点坐标信息；
根据所述端点坐标信息和摄像机的标定矩阵计算得到所述一线段对应的真实长度。
进一步的，所述根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子具体为：
根据摄像机矩阵对所述端点图像坐标进行转化，得到转化坐标；
根据所述转化坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。
进一步的，所述处理器2执行所述计算机程序时还实现以下步骤：
所述在所述图像坐标系中分别获取主点和三个的消失点的图像坐标之前还包括：
根据所述历史图像信息分别获取三对消失点方向；
根据三对的所述消失点方向计算得到三个的消失点。
进一步的，三对的所述消失点方向分别对应历史图像信息中马路的横向、纵向以及重力方向。
综上所述，本发明提供的一种摄像机标定方法及终端，通过双缩放因子的计算使得标定矩阵更加准确，可以准确计算得到摄像机画面中的真实信息；且主点可以自由标定，对于主点不在马路中心的场景也同样适用。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种摄像机标定方法，其特征在于，包括：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵；
其中，所述根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵之后还包括：
获取摄像机的当前图像信息；
获取所述当前图像信息中一线段在图像坐标系中的端点坐标信息；
根据所述端点坐标信息和摄像机的标定矩阵计算得到所述一线段对应的真实长度；
其中，所述根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子具体为：
根据摄像机矩阵对所述端点图像坐标进行转化，得到转化坐标；
根据所述转化坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。
2.根据权利要求1所述的摄像机标定方法，其特征在于，所述在所述图像坐标系中分别获取主点和三个的消失点的图像坐标之前还包括：
根据所述历史图像信息分别获取三对消失点方向；
根据三对的所述消失点方向计算得到三个的消失点。
3.根据权利要求2所述的摄像机标定方法，其特征在于，三对的所述消失点方向分别对应历史图像信息中马路的横向、纵向以及重力方向。
4.一种摄像机标定终端，包括存储器、处理器以及存储在所述存储器中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以下步骤：
获取摄像机的历史图像信息；
根据所述历史图像信息建立图像坐标系；
在所述图像坐标系中分别获取主点和三个的消失点的图像坐标；
根据摄像机的焦距和所述主点的图像坐标计算得到摄像机的内部参数矩阵；
根据所述内部参数矩阵和三个消失点的图像坐标计算得到摄像机矩阵；
根据所述历史图像信息选择两条不平行的参考线段；
分别获取两条的所述参考线段的端点图像坐标和真实长度信息；
根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子；
根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵；
其中，所述处理器执行所述计算机程序时还实现以下步骤：
所述根据所述摄像机矩阵、第一缩放因子和第二缩放因子计算得到摄像机的标定矩阵之后还包括：
获取摄像机的当前图像信息；
获取所述当前图像信息中一线段在图像坐标系中的端点坐标信息；
根据所述端点坐标信息和摄像机的标定矩阵计算得到所述一线段对应的真实长度；
其中，所述根据所述端点图像坐标和真实长度信息计算得到第一缩放因子和第二缩放因子具体为：
根据摄像机矩阵对所述端点图像坐标进行转化，得到转化坐标；
根据所述转化坐标和真实长度信息计算得到第一缩放因子和第二缩放因子。
5.根据权利要求4所述的摄像机标定终端，其特征在于，所述处理器执行所述计算机程序时还实现以下步骤：
所述在所述图像坐标系中分别获取主点和三个的消失点的图像坐标之前还包括：
根据所述历史图像信息分别获取三对消失点方向；
根据三对的所述消失点方向计算得到三个的消失点。
6.根据权利要求5所述的摄像机标定终端，其特征在于，三对的所述消失点方向分别对应历史图像信息中马路的横向、纵向以及重力方向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910307755.9A CN110033492B (zh) | 2019-04-17 | 2019-04-17 | 摄像机标定方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910307755.9A CN110033492B (zh) | 2019-04-17 | 2019-04-17 | 摄像机标定方法及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110033492A CN110033492A (zh) | 2019-07-19 |
| CN110033492B true CN110033492B (zh) | 2021-05-11 |
Family
ID=67238663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910307755.9A Active CN110033492B (zh) | 2019-04-17 | 2019-04-17 | 摄像机标定方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033492B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111223150A (zh) * | 2020-01-15 | 2020-06-02 | 电子科技大学 | 一种基于双消失点的车载摄像头外参数标定方法 |
| CN113393529B (zh) * | 2020-03-12 | 2024-05-10 | 浙江宇视科技有限公司 | 摄像机的标定方法、装置、设备和介质 |
| CN111462251B (zh) * | 2020-04-07 | 2021-05-11 | 深圳金三立视频科技股份有限公司 | 摄像机标定方法及终端 |
| CN112950725A (zh) * | 2021-03-22 | 2021-06-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种监控相机参数标定方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559351A (zh) * | 2018-11-28 | 2019-04-02 | 云南大学 | 分离圆的公共自极三角形及正交消失点标定针孔摄像机 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101488222B (zh) * | 2008-01-16 | 2011-02-09 | 中国科学院自动化研究所 | 一种基于运动目标表象和运动信息的摄像机自标定方法 |
| CN101814184B (zh) * | 2010-01-15 | 2012-05-30 | 北京智安邦科技有限公司 | 基于线段的标定方法和装置 |
| CN103903260B (zh) * | 2014-03-24 | 2017-01-11 | 大连理工大学 | 一种摄像机内参数快速标定的靶标方法 |
| CN104217435B (zh) * | 2014-09-11 | 2017-01-25 | 云南大学 | 两个相互遮挡的球线性确定拋物折反射摄像机内参数方法 |
| CN104778716B (zh) * | 2015-05-05 | 2018-03-13 | 西安电子科技大学 | 基于单幅图像的卡车车厢体积测量方法 |
| CN105046691B (zh) * | 2015-06-26 | 2018-04-10 | 浙江大学 | 一种基于正交消失点的相机自标定方法 |
| CN107977997B (zh) * | 2017-11-29 | 2020-01-17 | 北京航空航天大学 | 一种结合激光雷达三维点云数据的相机自标定方法 |
| CN108765328B (zh) * | 2018-05-18 | 2021-08-27 | 凌美芯（北京）科技有限责任公司 | 一种高精度多特征平面模板及其畸变优化和标定方法 |
-
2019
- 2019-04-17 CN CN201910307755.9A patent/CN110033492B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559351A (zh) * | 2018-11-28 | 2019-04-02 | 云南大学 | 分离圆的公共自极三角形及正交消失点标定针孔摄像机 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110033492A (zh) | 2019-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110033492B (zh) | 摄像机标定方法及终端 | |
| WO2019233286A1 (zh) | 视觉定位方法、装置、电子设备及系统 | |
| CN110910453B (zh) | 基于无重叠视域多相机系统的车辆位姿估计方法及其系统 | |
| CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
| JP4943034B2 (ja) | ステレオ画像処理装置 | |
| WO2013133129A1 (ja) | 移動物体位置姿勢推定装置及び移動物体位置姿勢推定方法 | |
| CN109948413B (zh) | 基于高精度地图融合的车道线检测方法 | |
| CN111678518B (zh) | 一种用于修正自动泊车路径的视觉定位方法 | |
| CN113029128B (zh) | 视觉导航方法及相关装置、移动终端、存储介质 | |
| CN110597249B (zh) | 一种机器人及其回充定位方法和装置 | |
| CN113205604A (zh) | 一种基于摄像机和激光雷达的可行区域检测方法 | |
| CN112862881A (zh) | 基于众包多车摄像头数据的道路地图构建与融合的方法 | |
| CN110197104B (zh) | 基于车辆的测距方法及装置 | |
| CN117333846A (zh) | 恶劣天气下基于传感器融合和增量学习的检测方法及系统 | |
| CN117152265A (zh) | 一种基于区域提取的交通图像标定方法及装置 | |
| CN112902911B (zh) | 基于单目相机的测距方法、装置、设备及存储介质 | |
| CN111079523B (zh) | 物体检测方法、装置、计算机设备和存储介质 | |
| CN109902695B (zh) | 一种面向像对直线特征匹配的线特征矫正与提纯方法 | |
| CN110033493B (zh) | 摄像机3d标定方法及终端 | |
| CN114091562A (zh) | 多传感数据融合方法、装置、系统、设备和存储介质 | |
| CN115100290B (zh) | 交通场景下的单目视觉定位方法及装置、设备、存储介质 | |
| CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
| CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
| CN115908581A (zh) | 一种车载相机俯仰角标定方法、装置、设备及存储介质 | |
| CN114415129A (zh) | 基于多项式模型的视觉与毫米波雷达联合标定方法及装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 518000 floor 101-5, building J, Shengli Industrial Park, No. 306, Xuegang North Road, Qinghu community, Longhua street, Longhua District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Jin made video Polytron Technologies Inc Address before: 518000 Longhua Guangdong New District, Longhua street, Qinghua Road, west side of the south side of the building J Industrial Park, building to 5 level 1 Applicant before: Shenzhen Jin made video Polytron Technologies Inc |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |