CN110458898A - 相机标定板、标定数据采集方法、畸变校正方法及装置 - Google Patents

相机标定板、标定数据采集方法、畸变校正方法及装置 Download PDF

Info

Publication number
CN110458898A
CN110458898A CN201910755435.XA CN201910755435A CN110458898A CN 110458898 A CN110458898 A CN 110458898A CN 201910755435 A CN201910755435 A CN 201910755435A CN 110458898 A CN110458898 A CN 110458898A
Authority
CN
China
Prior art keywords
camera
camera calibration
angle point
parameter
distortion
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
CN201910755435.XA
Other languages
English (en)
Other versions
CN110458898B (zh
Inventor
胡刚
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.)
Beijing Megvii Technology Co Ltd
Beijing Maigewei Technology Co Ltd
Original Assignee
Beijing Maigewei 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 Beijing Maigewei Technology Co Ltd filed Critical Beijing Maigewei Technology Co Ltd
Priority to CN201910755435.XA priority Critical patent/CN110458898B/zh
Publication of CN110458898A publication Critical patent/CN110458898A/zh
Application granted granted Critical
Publication of CN110458898B publication Critical patent/CN110458898B/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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Abstract

本发明涉及提供了一种相机标定板、标定数据采集方法、畸变校正方法及装置，涉及机器视觉技术领域，包括：采用本文的相机标定数据采集方法来采集棋盘格图像，获取所述棋盘格图像内的所有图像角点的序号及其对应的三维坐标；在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标；对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。本发明只需采集一幅棋盘格图像，通过特殊固定角点完成采集图像角点和三维坐标的一一对应。并获取理想图像角点来计算相机的初始畸变参数，通过优化后得到准确的畸变参数进行矫正。本发明提高了畸变矫正的准确性，且简化了操作流程，适应快速化生产。

Description

相机标定板、标定数据采集方法、畸变校正方法及装置
技术领域
本发明涉及机器视觉技术领域，具体而言，涉及一种相机标定板、标定数据采集方法、畸变校正方法及装置。
背景技术
随着计算机科学与技术的发展，机器视觉(Machine Vision)已成为图像处理领域中的研究热点之一。人类的视觉系统可以从二维图像中感知三维世界，获取三维世界的信息。机器视觉的研究目标就是使得计算机通过一幅或多幅图像来认知周围环境信息。随着机器视觉理论的不断发展，其应用领域也在迅速拓宽，已广泛应用于交通导航、现场勘测、自动化生产以及虚拟现实等领域。
从二维图像中恢复物体的三维信息，就需要知道空间坐标系中的物体点与其在图像平面上的像点之间的对应关系，而这个对应关系是有摄像机的成像几何模型所决定的，这些几何模型参数就是摄像机参数。确定这些参数的过程称为摄像机标定。摄像机标定是机器视觉中的重要组成部分。
理论上定义的摄像机透镜是不引入任何畸变的，然而实际应用中，由于透镜制造精度以及组装工艺的偏差会引入畸变。摄像机镜头畸变会导致摄像机成像平面上的坐标失准，导致原始图像的失真，直观上看就是拍摄出来的物体会产生变形。而图像坐标的准确性会直接影响图像的配准以及三维坐标重建等问题。
现在常用的摄像机标定采用张正友标定算法，通过采集多张图像，能够有效的解算出多项式畸变参数。另外就是利用平面网格模型实现畸变矫正。但上述方法中，张正友标定算法需要采集多幅图像，一般用于少量相机标定较为常用。但是要进行工厂化生产的时候，由于操作步骤较多导致人力成本大幅增加，且效率低下。而平面网格模型中对于理想点的求解是依靠中心部分扩散得到，因而精度得不到保证。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题，提供一种相机标定板，其包括：所述相机标定板上设有棋盘格图案，其特征在于，所述棋盘格图案中具有三个特殊方格，包括两个相连方格和一个孤立方格，所述特殊方格的图案类型与其他方格的图案类型不同，其中，所述两个相连方格分别位于所述棋盘格图案的相邻两行，且同时分别位于所述棋盘格图案的相邻两列，所述孤立方格不与所述两个相连方格中的任一个相连。
在一些实施例中，所述三个特殊方格的颜色不同于所述棋盘格图案中其他方格的颜色，或所述三个特殊方格具有不同于所述棋盘格图案中其他方格的图案标识。
在一些实施例中，所述两个相连方格位于所述相机标定板的中心区域。
在一些实施例中，所述孤立方格位于所述两个相连方格的附近。
使用本发明的相机标定板，通过其包含特殊方格的设置，能够实现任意角点的排序，完成和世界坐标点的一一对应关系。只需采集所述相机标定板的单幅棋盘格图像即可实现对相机的标定，提高了标定效率。
为达上述目的，本发明第一方面的实施例还提供了一种相机标定数据采集方法，其包括：
根据相机标定板建立世界坐标系，计算所述相机标定板中所有棋盘格角点在所述世界坐标系下的三维坐标，其中所述相机标定板为权利要求1-4中任一项所述的相机标定板；
采集所述相机标定板的棋盘格图像，其中，所述棋盘格图像覆盖相机视场，且所述三个特殊方格均在所述相机视场内；
提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应；
根据所述对应结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应。
在一些实施例中，所述提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应包括：将所述相机标定板中棋盘格角点按照第一规则进行排序，以所述两个相连方格相接的角点的序号为固定序号，依次完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应。
在一些实施例中，所述采集所述相机标定板的棋盘格图像包括：所述相机镜头平面与所述相机标定板的法线夹角小于预设的第一角度。
在一些实施例中，所述根据所述对应结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应包括：
采集的所述棋盘格图像内的所有角点的对应三维坐标为与所述相机标定板中的相同序号的角点对应的所述三维坐标。
为达上述目的，本发明第一方面的实施例还提供了一种相机标定数据采集装置，其包括：
计算模块，用于根据相机标定板建立世界坐标系，计算所述相机标定板中所有棋盘格角点在所述世界坐标系下的三维坐标，其中所述相机标定板为如上所述的相机标定板；
采集模块，用于采集所述相机标定板的棋盘格图像，其中，所述棋盘格图像覆盖相机视场，且所述三个特殊方格均在所述相机视场内；
映射模块，用于提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应；
转换模块，用于根据所述对应结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应。
使用本发明的相机标定数据采集方法或装置，通过采集单幅占满相机视场的单平面棋盘格图像，利用其中的特殊方格进行固定角点索引，完成采集图像内棋盘格角点与三维坐标的一一对应，作为相机标定数据进行相机参数计算。本发明的相机标定数据采集方法或装置只需采集一幅图像即可，步骤简单易于操作，可适用于批量化生产流程，有效提高效率。
为达上述目的，本发明第二方面的实施例提供了一种相机畸变矫正方法，其包括：
采用如上所述的相机标定数据采集方法来采集棋盘格图像，获取所述棋盘格图像内的所有图像角点的序号及其对应的三维坐标；
在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标；
根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数；
对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。
在一些实施例中，所述在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标包括：在所述棋盘格图像中心选取m×n个角点，其中m×n≥6。
在一些实施例中，所述根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数包括：
根据所述多个角点对应的三维坐标和所述相机的内参数，计算所述相机的外参数；
根据计算的所述外参数将所述三维坐标重映射到所述棋盘格图像得到理想角点；
根据所述图像角点、所述理想角点和所述外参数，计算所述初始畸变参数。
在一些实施例中，所述根据所述多个角点对应的三维坐标和相机内参数，计算所述相机的外参数包括：
将选取的所述多个角点根据所述内参数进行逆变换，得到所述图像角点在相机坐标系下的坐标；
根据相机投影公式以选取的所述多个角点的对应点坐标得到多个方程组，求解所述方程组估算出所述相机的外参数的初值；
将所述相机的外参数的初值以反投影残差公式带入优化算法进行优化，得到准确的所述外参数。
在一些实施例中，所述根据所述图像角点、所述理想角点和所述外参数，计算所述初始畸变参数包括：
根据所述内参数，将所述图像角点和理想角点进行逆变换，得到相机坐标系下对应坐标值；
将所述相机坐标系下对应坐标值带入畸变参数模型构建方程组，解算出所述初始畸变参数。
在一些实施例中，所述对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正包括：以反投影残差为误差方程，使用非线性优化算法对所初始述畸变参数进行优化。
为达上述目的，本发明第二方面的实施例还提供了一种相机畸变矫正装置，其包括：
获取模块，用于采用如上所述的相机标定数据采集方法来采集棋盘格图像，获取所述棋盘格图像内的所有图像角点的序号及其对应的三维坐标；
提取模块，用于在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标；
畸变参数计算模块，用于根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数；
优化矫正模块，用于对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。
使用本发明的相机畸变矫正方法或装置，只需采集一幅棋盘格图像，通过特殊固定角点完成采集图像角点和世界坐标点的一一对应。并基于图像中心畸变最小原则完成理想图像角点的重映射，据此计算相机的初始畸变参数，提升了初始畸变参数的准确性，进而提高了畸变矫正的准确性。且本发明引入较少的优化参数变量，可保证优化解的稳定性，使畸变校正具有更高的可靠性。
为达上述目的，本发明第三方面的实施例提供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，所述计算机程序被处理器执行时，实现根据本发明第一方面所述的相机标定数据采集方法，或者实现根据本发明第二方面所述的相机畸变矫正方法。
为达上述目的，本发明第四方面的实施例提供了一种计算设备，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程序时，实现根据本发明第一方面所述的相机标定数据采集方法，或者实现根据本发明第二方面所述的相机畸变矫正方法。
根据本发明的非临时性计算机可读存储介质和计算设备，具有与根据本发明第一方面的相机标定数据采集方法以及第二方面的相机畸变矫正方法具有类似的有益效果，在此不再赘述。
附图说明
图1为根据本发明实施例的相机标定板的结构示意图；
图2为根据本发明实施例的构建坐标系的原理示意图；
图3为根据本发明实施例的坐标系转换的原理示意图；
图4为根据本发明实施例的相机标定数据采集方法的流程示意图；
图5为根据本发明实施例的相机标定板建立世界坐标系的原理示意图；
图6为根据本发明实施例的相机畸变矫正方法的原理示意图；
图7为根据本发明实施例的计算相机的初始畸变参数的流程示意图；
图8为根据本发明实施例的本发明实施例计算相机的外参数的流程示意图；
图9为根据本发明实施例的计算初始畸变参数的流程示意图；
图10为根据本发明实施例的相机标定数据采集装置100的结构示意图；
图11为根据本发明实施例的相机畸变矫正装置110的结构示意图；
图12为根据本发明实施例的畸变参数计算模块113的结构示意图；
图13为根据本发明实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图详细描述根据本发明的实施例，描述涉及附图时，除非另有表示，不同附图中的相同附图标记表示相同或相似的要素。要说明的是，以下示例性实施例中所描述的实施方式并不代表本发明的所有实施方式。它们仅是与如权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子，本发明的范围并不局限于此。在不矛盾的前提下，本发明各个实施例中的特征可以相互组合。
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。
图1所示为根据本发明实施例的相机标定板的结构示意图，所述相机标定板为一块平面标定板，其具有棋盘格图案，为使图像对比较为显著，所述棋盘格图案为黑白相间的方格图案。其中，所述棋盘格图案中具有三个特殊方格，包括两个相连方格和一个孤立方格，所述特殊方格的图案类型与其他方格的图案类型不同，其中，两个相连方格分别位于棋盘格图案的相邻两行，且同时分别位于棋盘格图案的相邻两列，即两个相连方格有且只有一个相交的共同角点，使用所述两个相连方格的中间角点作为固定索引角点；孤立方格不与两个相连方格中的任一个相连，可用于判断图像方向是否正确或者是否发生镜面翻转。
所述特殊方格有别于棋盘格图案中其他方格，通过鉴别所述特殊方格的位置来进行角点定位和排序。在一些实施例中，所述三个特殊方格的颜色不同于所述棋盘格图案中其他方格的颜色，例如特殊方格可采用绿色作为标记，通过判断采集图像的灰度值即可鉴别出所述特殊方格。或所述三个特殊方格具有不同于棋盘格图案中其他方格的图案标识，例如棋盘格图案中其他方格均为纯色，即为纯黑或纯白色，三个特殊方格中采用圆形图案作为标记，例如白色方格内具有一黑色圆形图案，或黑色方格内具有一白色圆形图案，从而与其他方格区分开来。
在一些实施例中，两个相连方格位于所述相机标定板的中心区域，这样便于相机进行棋盘格图像采集，可较为容易保证棋盘格图案覆盖相机视场。孤立方格位于两个相连方格的附近，即所述孤立方格与两个相连方格的距离较小，例如相隔不超过6个棋盘格方格的距离，这样可较为容易保证在相机采集图像时，三个特殊方格均在相机视场内。
在一些实施例中，所述相机标定板图案可打印在纸上进行使用。在其他对于精度要求更高的场合，为避免所述相机标定板本身的形变而引入的畸变，可选用其他更为坚硬的材质例如亚克力、金属等作为标定板材质，在其上制作如上所述的包含特殊方格的棋盘格图案即可。
相机的成像过程实质上是坐标系的转换过程。首先是空间中的点由世界坐标系转换到相机坐标系，然后再将其投影到成像平面(图像物理坐标系)，最后再将成像平面上的数据转换到图像像素坐标系，其中：
图像像素坐标系和图像物理坐标系：摄像机采集的每一幅数字图像在计算机内,其存储形式都是M×N行的数组，M×N行的图像中每一个元素(称为像素，pixel)的数值称为图像的灰度(亮度)。如图2所示，在图像上定义直角坐标系u，v。任意一个像素的坐标(u，v)分别是该像素在数组中所在的行数和列数。所以(u，v)是以像素为单位的图像像素坐标系。而(u，v)只是以像素在数组中的行和列表示出了该像素的位置，并没有用物理单位表示出该像素在图像中的位置。因此，接下来需要建立图像物理坐标系，以物理单位表示像素的位置。图像物理坐标系的原点为摄像机的光轴和图像平面的交点，其X轴和Y轴分别和图像坐标系的u轴和v轴平行。
若O1在uv坐标系中的坐标为(u0，v0)，每一个像素在X轴和Y轴上的物理尺寸为dX和dY，则图像中任意一个像素在图像像素坐标系和图像物理坐标系中的坐标有如下关系：
为了方便可用齐次坐标形式表示为：
摄像机坐标系：定义摄像机坐标系的原点在摄像机的光心上，x轴和y轴和图像物理坐标系中X轴和Y轴平行，z为摄像机的光轴，其与图像平面垂直。光轴和图像平面的交点即为图像物理坐标系的原点。摄像机成像几何关系如图3所示，其形式为针孔成像模型。图中Oxy即为摄像机坐标系，OO1为摄像机的焦距。
世界坐标系：由于摄像机可以安装在环境中的任意位置，所以在环境中还应该选取一个基准坐标来描述摄像机的位置，并用于描述环境中其他任何物体的位置，该坐标系称为世界坐标系。由Xw、Yw和Zw轴组成,如
图3所示,摄像机坐标系和世界坐标系之间的关系可以用旋转矩阵R和平移矩阵T来描述。若空间某点P在世界坐标系和摄像机坐标系下的齐次坐标如果分别是(Xw,Yw,Zw,1)T和(x,y,z,1)T,则存在如下关系：
其中，R为3×3的正交单位矩阵，T为平移矩阵。
摄像机标定是为了确定摄像机的位置、属性参数和建立成像模型，以便于确定空间坐标系中物点同它在图像平面上像点之间的对应关系。摄像机模型是对真实摄像机的几何抽象，其成像过程是对空间点的摄影变换。而摄像机参数则决定了变换的具体映射方式，只要知道了这些参数和空间点的坐标就能够计算出相应的像点坐标。因此，准确完成图像中像点与世界坐标系中三维坐标的一一对应是相机标定中的重要环节。
图4所示为根据本发明实施例的相机标定数据采集方法的流程示意图，包括步骤S41～S44。
在步骤S41中，根据相机标定板建立世界坐标系，计算所述相机标定板中所有棋盘格角点在所述世界坐标系下的三维坐标，其中所述相机标定板为如上所述的相机标定板。在本发明实施例中，打印如上所述的相机标定板的棋盘格图像卡，其尺寸为800mm×600mm，每一方格大小为25mm×25mm，其中具有3个特殊方格，均采用绿色作为标记。其中，相连的2个特殊方格的中间角点作为固定索引角点，另一个孤立方格用于判断图像的方向是否正确以及是否发生镜面翻转。在本发明实施例中，可将所述相机标定板中的所有棋盘格角点按照第一规则进行排序，所述第一规则包括：先沿所述世界坐标系X轴方向，再沿所述世界坐标系Y轴方向的顺序对所述相机标定板中的所有棋盘格角点进行排序。
如图5所示根据该相机标定板建立世界坐标系，以所述相机标定板平面的水平方向为x轴、竖直方向为y轴、垂直于所述相机标定板平面的方向为z轴建立所述世界坐标系，所述世界坐标系的原点位于所述相机标定板的一个顶点。在本发明实施例中，以相机标定板左上角为原点，水平向右为x轴，竖直向下为y轴，垂直相机标定板方向为z轴，建立世界坐标系。并计算所有棋盘格角点的三维坐标X，例如原点的坐标为(0,0,0)，其右侧第一个角点坐标为(25,0,0)，原点下方第一个角点坐标为(0,25,0)，以此类推。计算所有角点的三维坐标后，按照从左向右，从上到下的顺序将所有角点进行排序，记录固定索引角点(即相连的2个特殊方格的中间角点)的序号为M。
在步骤S42中，采集所述相机标定板的棋盘格图像，其中，所述棋盘格图像覆盖相机视场，且所述三个特殊方格均在所述相机视场内。在本发明实施例中，所述相机镜头平面与所述相机标定板的法线夹角小于预设的第一角度(例如3°)。在本发明实施例中，固定相机在相机标定板的中央正前方，相机镜头平面与相机标定板平面的夹角小于3°。同时调节相机与相机标定板之间的距离，使得相机标定板覆盖相机视场，即相机所采集的棋盘格图像占满相机视场，且保证3个特殊方格均在相机视场内。
在步骤S43中，提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应。在本发明实施例中，采用Harris角点提取算法提取所采集的图像内的所有棋盘格角点U。角点是图像亮度变化与邻点变化程度相差很大的点。Harris角点检测算法是基于图像灰度的角点提取算法，即对图像中像素点的灰度值进行处理，避免了基于边缘轮廓的角点提取算法中提取轮廓的误差，提高了本发明中棋盘格角点提取的准确度。
完成采集图像中所有棋盘格角点的提取后，确定采集的所述棋盘格图像内所述两个相连方格相接的角点的序号作为固定序号，并根据所述第一规则依次确定采集的所述棋盘格图像内的其余角点的序号。在本发明实施例中，基于上述进行角点排序的第一规则，根据其中固定索引角点的序号M，完成采集图像中其余棋盘格角点的排序。例如固定索引角点M的右侧相邻角点的序号依次为M+1、M+2…，固定索引角点M的左侧相邻角点的序号依次为M-1、M-2…，以此类推完成采集图像中提取的所有棋盘格角点的排序。在本发明其他实施例中，还可根据相机标定板棋盘格角点的拓扑结构等方式完成采集的棋盘格图像内的所有角点与相机标定板中棋盘格角点的对应。
在本发明实施例中，采集图像不必完全包含相机标定板的所有棋盘格角点，只需完成采集图像内所包含的所有棋盘格角点的排序即可。
在步骤S44中，根据排序结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应。在本发明实施例中，采集的棋盘格图像内提取的所有角点的对应三维坐标为与所述相机标定板中的相同序号的角点对应的三维坐标。例如采集棋盘格图像中，序号为M的角点对应的三维坐标即为步骤S41中确定的相机标定板中序号为M的角点所对应的三维坐标，即例如相机标定板中序号为M的角点所对应的三维坐标为(400，300，0)，则采集图像中序号为M的角点对应的三维坐标也为(400，300，0)。这样即可实现任意角点与世界坐标点的一一对应，保证了坐标转换的准确性。
在本发明实施例中，将相机标定板的角点排序后，会记录特殊方格角点的固定排序方式。在提取采集图像的角点并根据固定索引角点完成排序后，对特殊方格对应角点进行固定结构判定，就可知道所采集图像方向是否正确或者是否发生镜面翻转。如果所采集的图像不符合要求，则需要检查调整后重新采集棋盘格图像。
采用本发明实施例的相机标定数据采集方法，通过采集单幅占满相机视场的单平面棋盘格图像，利用其中的特殊方格进行固定角点索引，完成采集图像的棋盘格角点与三维坐标的一一对应，作为相机标定数据进行相机参数计算。本发明的相机标定数据采集方法只需采集一幅图像即可，步骤简单易于操作，可适用于批量化生产流程，有效提高效率。
本发明实施例还提出了一种相机畸变矫正方法，图6所示为本发明实施例的相机畸变矫正方法的原理示意图，包括步骤S61～S64。
在步骤S61中，采用如上所述的相机标定数据采集方法来采集标定板的棋盘格图像，获取采集的棋盘格图像内的所有图像角点的序号及其对应的三维坐标。在本发明实施例中，所采集的棋盘格图像不必包括整个相机标定板的全部大小，只需该相机标定板占满相机视场即可，且需包含3个特殊方格在相机视场内。因此对采集动作不需要特别高的精确度，易于流水线操作和实现。且只需采集一幅相机标定板的棋盘格图像，提升了工作效率。
在步骤S62中，依据图像中心畸变最小原则，在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标，其中所述多个角点为至少6个角点。在本发明实施例中，选取采集图像中心区域的相邻的m行和n列的m×n个角点，m、n为正整数，且m×n≥6。因为下文计算相机的外参数即旋转矩阵R和平移矩阵T时，至少需要6个点，其中旋转矩阵R(要转成欧拉角)和平移矩阵T是各三个量。但m、n值也不宜取太大，否则引入的畸变影响会增大。在本发明实施例中，取m＝n＝3，即在所采集的棋盘格图像中心处选取3×3个角点，并确定其对应的三维坐标X0。
在步骤S63中，根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数。图7所示为本发明实施例计算相机的初始畸变参数的流程示意图，包括步骤S631～S633。
在步骤S631中，根据所述多个角点对应的三维坐标和所述相机的内参数，计算所述相机的外参数。其中相机内参数K可根据相关说明书获得，或者可通过实验得到。图8所示为本发明实施例计算相机的外参数的流程示意图，包括步骤S6311～S6313。
在步骤S6311中，将选取的所述多个角点根据所述内参数进行逆变换，得到所述图像角点在相机坐标系下的坐标。在本发明实施例中，在图像中心部分选取3×3个角点U0，并找到其对应的三维坐标X0。将所述3×3个角点U0根据相机内参数K进行逆变换(U1＝K-1U0)，得到图像角点在相机坐标系下的三维坐标X0＝(x，y，-f)T，其中f表示相机的焦距。
在步骤S6312中，根据相机投影公式以选取的所述多个角点的对应点坐标得到多个方程组，求解所述方程组估算出所述相机的外参数的初值。在本发明实施例中，根据相机投影公式U＝K[R T]X可知X0＝R*X0+T，以选取的9个对应角点的三维坐标可以得到9个方程组，利用最小二乘法A*X＝B＝>X＝(ATA)TA-1B直接解线性方程组，估算出R和T的初值，其中R表示旋转矩阵，T表示平移矩阵。
在步骤S6313中，将所述相机的外参数的初值以反投影残差公式带入优化算法进行优化，得到准确的所述外参数。在本发明实施例中，将估算得到的相机外参数旋转矩阵R和平移矩阵T的初值，以反投影残差公式带入非线性优化算法进行优化，例如Lederberg-Marquardt算法，得到准确的相机外参数R和T。
在步骤S632中，根据计算的所述外参数将所述多个角点对应的三维坐标重映射到所述棋盘格图像得到理想角点。在本发明实施例中，将采集棋盘格图像内的角点的三维坐标X根据计算得到的外参数R和T重映射到棋盘格图像上，得到理想图像角点U’＝K[R T]X。
在步骤S633中，根据所述图像角点、所述理想角点和所述外参数，计算所述初始畸变参数。已知内参数K，再根据图像角点U和理想图像角点U’，计算出相机的径向畸变参数k1、k2和切向畸变参数p1、p2。图9所示为本发明实施例计算初始畸变参数的流程示意图，包括步骤S6331～S6332。
在步骤S6331中，根据所述内参数，将所述图像角点和理想角点进行逆变换，得到相机坐标系下对应坐标值。在本发明实施例中，根据内参数K将图像角点U和理想图像角点U’进行逆变换(U1＝K-1U0)到相机坐标系下对应坐标值PU＝(u′，v′，1)T和PU’＝(x′，y′，1)T。
在步骤S6332中，将所述相机坐标系下对应坐标值带入畸变参数模型构建方程组，解算出所述初始畸变参数。在本发明实施例中，已知畸变参数模型如下所示：
其中r2＝x′2+y′2。改写为矩阵形式为：
带入步骤S6331中得到的对应坐标值构建方程组，根据最小二乘法A*X＝B＝>X＝(ATA)TA-1B即可解算出畸变系数，其中k1、k2表示径向畸变参数，p1、p2表示切向畸变参数。此时得到的畸变参数值作为初始的畸变参数。
在步骤S64中，对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。在本发明实施例中，以反投影残差为误差方程：
其中，distortion{}是如上公式(1)所示的畸变参数模型。将外参数R、T和畸变参数k1、k2、p1、p2作为优化参数，内参数K、图像角点和对应三维坐标为已知条件，带入非线性优化算法，例如Lederberg-Marquardt算法，进行优化，得到准确的畸变参数，并基于该优化的畸变参数进行畸变矫正。
根据本发明的方法，只需采集一幅棋盘格图像，通过特殊固定角点完成采集图像角点和世界坐标点的一一对应。并基于图像中心畸变最小原则完成理想图像角点的重映射，据此计算相机的初始畸变参数，提升了初始畸变参数的准确性，进而提高了畸变矫正的准确性。且本发明引入较少的优化参数变量，可保证优化解的稳定性，使畸变校正具有更高的可靠性。本发明只需采集一幅图像即可完成较高精度的畸变校正，简化了操作流程，提升了工作效率。
图10所示为本发明实施例的相机标定数据采集装置100的结构示意图，包括计算模块101、采集模块102、映射模块103以及转换模块104，其中：
计算模块101用于根据相机标定板建立世界坐标系，计算所述相机标定板中所有棋盘格角点在所述世界坐标系下的三维坐标，其中所述相机标定板为如上所述的相机标定板。在一些实施例中，以所述相机标定板平面的水平方向为X轴、竖直方向为Y轴、垂直于所述相机标定板平面的方向为Z轴建立所述世界坐标系，所述世界坐标系的原点位于所述相机标定板的一个顶点。在本发明实施例中，计算模块101还用于将所述相机标定板中的所有棋盘格角点按照第一规则进行排序。在一些实施例中，所述第一规则包括：先沿所述世界坐标系X轴方向，再沿所述世界坐标系Y轴方向的顺序对所述相机标定板中的所有棋盘格角点进行排序。
采集模块102用于采集所述相机标定板的棋盘格图像，其中，所述棋盘格图像覆盖相机视场，且所述三个特殊方格均在所述相机视场内。在一些实施例中，所述相机镜头平面与所述相机标定板的法线夹角小于预设的第一角度。
映射模块103用于提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应。
转换模块104用于根据排序结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应。
所述相机标定数据采集装置100的各个模块的更具体实现方式可以参见对于本发明的相机标定数据采集方法的描述，且具有与之相似的有益效果，在此不再赘述。
图11所示为本发明实施例的相机畸变矫正装置110的结构示意图，包括获取模块111、提取模块112、畸变参数计算模块113以及优化矫正模块114，其中：
获取模块111用于采用如上文所述的相机标定数据采集方法来采集棋盘格图像，获取所述棋盘格图像内的所有图像角点的序号及其对应的三维坐标。
提取模块112用于在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标。
畸变参数计算模块113用于根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数。图12所示为本发明实施例的畸变参数计算模块113的结构示意图，包括外参数计算模块1131、重映射模块1132以及初始畸变参数计算模块1133，其中：
外参数计算模块1131用于根据所述多个角点对应的三维坐标和所述相机的内参数，计算所述相机的外参数。
重映射模块1132用于根据计算的所述外参数将所述三维坐标重映射到所述棋盘格图像得到理想角点。
初始畸变参数计算模块1133用于根据所述图像角点、所述理想角点和所述外参数，计算所述初始畸变参数。
优化矫正模块114用于对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。
所述相机畸变矫正装置110的各个模块的更具体实现方式可以参见对于本发明的相机畸变矫正方法的描述，且具有与之相似的有益效果，在此不再赘述。
本发明第三方面的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，实现根据本发明第一方面实施例所述的相机标定数据采集方法；或者是实现根据本发明第二方面实施例所述的相机畸变矫正方法。
一般来说，用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的Python语言和基于tensorflow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明第四方面的实施例提供了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现根据本发明第一方面实施例所述的相机标定数据采集相机标定数据采集方法；或者实现根据本发明第二方面实施例所述的相机畸变矫正方法。
本发明第五方面的实施例提供了一种计算设备，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程序时，实现根据本发明第一方面所述的相机标定数据采集方法；或者实现根据本发明第二方面实施例所述的相机畸变矫正方法。
根据本发明第三到五方面的非临时性计算机可读存储介质，计算机程序产品和计算设备，可以参照根据本发明第一方面实施例具体描述的内容实现，并具有与根据本发明第一方面的相机标定数据采集方法以及第二方面的相机畸变矫正方法具有类似的有益效果，在此不再赘述。
图13示出了适于用来实现本公开的实施方式的示例性计算设备的框图。图13显示的计算设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图13所示，计算设备12可以通用计算设备的形式实现。计算设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性的计算机可读存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图中未显示，通常称为“硬盘驱动器”)。尽管图13中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算设备12的其它模块通信。要说明的是，尽管图中未示出，可以结合计算设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
本发明的计算设备可以是服务器，也可以有限算力的终端设备，本发明的轻量级网络结构尤其适用于后者。所述终端设备的基体实现包括但不限于：智能移动通信终端、无人机、机器人、便携式图像处理设备、安防设备等等。
尽管上面已经示出和描述了本发明的实施例，应当理解的是，上述实施例是示例性的，不能解释为对本发明的限制，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 (18)

1.一种相机标定板，所述相机标定板上设有棋盘格图案，其特征在于，所述棋盘格图案中具有三个特殊方格，包括两个相连方格和一个孤立方格，所述特殊方格的图案类型与其他方格的图案类型不同，其中，所述两个相连方格分别位于所述棋盘格图案的相邻两行，且同时分别位于所述棋盘格图案的相邻两列，所述孤立方格不与所述两个相连方格中的任一个相连。
2.根据权利要求1所述的相机标定板，其特征在于，所述三个特殊方格的颜色不同于所述棋盘格图案中其他方格的颜色，或所述三个特殊方格具有不同于所述棋盘格图案中其他方格的图案标识。
3.根据权利要求1所述的相机标定板，其特征在于，所述两个相连方格位于所述相机标定板的中心区域。
4.根据权利要求1-3中任一项所述的相机标定板，其特征在于，所述孤立方格位于所述两个相连方格的附近。
5.一种相机标定数据采集方法，其特征在于，包括：
根据相机标定板建立世界坐标系，计算所述相机标定板中所有棋盘格角点在所述世界坐标系下的三维坐标，其中所述相机标定板为权利要求1-4中任一项所述的相机标定板；
采集所述相机标定板的棋盘格图像，其中，所述棋盘格图像覆盖相机视场，且所述三个特殊方格均在所述相机视场内；
提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应；
根据所述对应结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应。
6.根据权利要求5所述的相机标定数据采集方法，其特征在于，所述提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应包括：将所述相机标定板中棋盘格角点按照第一规则进行排序，以所述两个相连方格相接的角点的序号为固定序号，依次完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应。
7.根据权利要求5所述的相机标定数据采集方法，其特征在于，所述采集所述相机标定板的棋盘格图像包括：所述相机镜头平面与所述相机标定板的法线夹角小于预设的第一角度。
8.根据权利要求5所述的相机标定数据采集方法，其特征在于，所述根据所述对应结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应包括：
采集的所述棋盘格图像内的所有角点的对应三维坐标为与所述相机标定板中的相同序号的角点对应的所述三维坐标。
9.一种相机畸变矫正方法，其特征在于，包括：
采用如权利要求5-8中任一项所述的相机标定数据采集方法来采集棋盘格图像，获取所述棋盘格图像内的所有图像角点的序号及其对应的三维坐标；
在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标；
根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数；
对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。
10.根据权利要求9所述的相机畸变矫正方法，其特征在于，所述在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标包括：在所述棋盘格图像中心选取相邻的m行和n列的m×n个角点，其中m×n≥6。
11.根据权利要求9所述的相机畸变矫正方法，其特征在于，所述根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数包括：
根据所述多个角点对应的三维坐标和所述相机的内参数，计算所述相机的外参数；
根据计算的所述外参数将所述多个角点对应的三维坐标重映射到所述棋盘格图像得到理想角点；
根据所述图像角点、所述理想角点和所述外参数，计算所述初始畸变参数。
12.根据权利要求11所述的相机畸变矫正方法，其特征在于，所述根据所述多个角点对应的三维坐标和相机内参数，计算所述相机的外参数包括：
将选取的所述多个角点根据所述内参数进行逆变换，得到所述图像角点在相机坐标系下的坐标；
根据相机投影公式以选取的所述多个角点的对应点坐标得到多个方程组，求解所述方程组估算出所述相机的外参数的初值；
将所述相机的外参数的初值以反投影残差公式带入优化算法进行优化，得到准确的所述外参数。
13.根据权利要求11所述的相机畸变矫正方法，其特征在于，所述根据所述图像角点、所述理想角点和所述外参数，计算所述初始畸变参数包括：
根据所述内参数，将所述图像角点和所述理想角点进行逆变换，得到相机坐标系下对应坐标值；
将所述相机坐标系下对应坐标值带入畸变参数模型构建方程组，解算出所述初始畸变参数。
14.根据权利要求9所述的相机畸变矫正方法，其特征在于，所述对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正包括：以反投影残差为误差方程，使用非线性优化算法对所初始述畸变参数进行优化。
15.一种相机标定数据采集装置，其特征在于，包括：
计算模块，用于根据相机标定板建立世界坐标系，计算所述相机标定板中所有棋盘格角点在所述世界坐标系下的三维坐标，其中所述相机标定板为权利要求1-4中任一项所述的相机标定板；
采集模块，用于采集所述相机标定板的棋盘格图像，其中，所述棋盘格图像覆盖相机视场，且所述三个特殊方格均在所述相机视场内；
映射模块，用于提取采集的所述棋盘格图像内的所有角点，根据所述三个特殊方格的角点完成采集的所述棋盘格图像内的所有角点与所述相机标定板中棋盘格角点的对应；
转换模块，用于根据所述对应结果完成采集的所述棋盘格图像内的所有角点和所述三维坐标的对应。
16.一种相机畸变矫正装置，其特征在于，包括：
获取模块，用于采用如权利要求5-8中任一项所述的相机标定数据采集方法来采集棋盘格图像，获取所述棋盘格图像内的所有图像角点的序号及其对应的三维坐标；
提取模块，用于在所述棋盘格图像中心选取多个角点，并确定所述多个角点对应的所述三维坐标；
畸变参数计算模块，用于根据所述多个角点对应的三维坐标和相机内参数计算相机的初始畸变参数；
优化矫正模块，用于对所述初始畸变参数进行优化得到优化畸变参数，并根据计算出的所述优化畸变参数进行畸变矫正。
17.一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，所述计算机程序被处理器执行时，实现根据权利要求5-8中任意一项所述的相机标定数据采集方法，或者实现根据权利要求9-14中任意一项所述的相机畸变矫正方法。
18.一种计算设备，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程序时，实现根据权利要求5-8中任意一项所述的相机标定数据采集方法，或者实现根据权利要求9-14中任意一项所述的相机畸变矫正方法。
CN201910755435.XA 2019-08-15 2019-08-15 相机标定板、标定数据采集方法、畸变校正方法及装置 Active CN110458898B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910755435.XA CN110458898B (zh) 2019-08-15 2019-08-15 相机标定板、标定数据采集方法、畸变校正方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910755435.XA CN110458898B (zh) 2019-08-15 2019-08-15 相机标定板、标定数据采集方法、畸变校正方法及装置

Publications (2)

Publication Number Publication Date
CN110458898A true CN110458898A (zh) 2019-11-15
CN110458898B CN110458898B (zh) 2022-03-22

Family

ID=68486955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910755435.XA Active CN110458898B (zh) 2019-08-15 2019-08-15 相机标定板、标定数据采集方法、畸变校正方法及装置

Country Status (1)

Country Link
CN (1) CN110458898B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930336A (zh) * 2019-11-29 2020-03-27 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN111028297A (zh) * 2019-12-11 2020-04-17 凌云光技术集团有限责任公司 面结构光三维测量系统的标定方法
CN111047650A (zh) * 2019-12-02 2020-04-21 北京深测科技有限公司 一种用于飞行时间相机的参数标定方法
CN111047651A (zh) * 2019-12-12 2020-04-21 中航华东光电有限公司 畸变图像的矫正方法
CN111145111A (zh) * 2019-12-16 2020-05-12 中国计量大学 一种基于红外视频的矫正方法
CN111508032A (zh) * 2020-04-17 2020-08-07 易思维（杭州）科技有限公司 相机标定过程中的特征点排序方法
CN111882657A (zh) * 2020-06-29 2020-11-03 杭州易现先进科技有限公司 三维重建的尺度恢复方法、装置、系统和计算机设备
CN112862895A (zh) * 2019-11-27 2021-05-28 杭州海康威视数字技术股份有限公司 一种鱼眼摄像头标定方法、装置及系统
CN112907677A (zh) * 2019-12-04 2021-06-04 杭州海康威视数字技术股份有限公司 一种单帧图像的相机标定方法、装置及存储介质
CN112907462A (zh) * 2021-01-28 2021-06-04 黑芝麻智能科技(上海)有限公司 超广角摄像器件畸变校正方法、系统及包括其的拍摄装置
CN112991459A (zh) * 2021-03-09 2021-06-18 北京百度网讯科技有限公司 一种相机标定方法、装置、设备以及存储介质
CN113112552A (zh) * 2021-04-23 2021-07-13 上汽大通汽车有限公司 一种基于深度学习语义分割的棋盘格检查方法
CN113140008A (zh) * 2020-01-17 2021-07-20 上海途擎微电子有限公司 标定方法、图像校准方法以及标定系统
CN113240752A (zh) * 2021-05-21 2021-08-10 中科创达软件股份有限公司 一种内参和外参协同标定方法和装置
CN113409262A (zh) * 2021-06-15 2021-09-17 苏州芯迈智能科技有限公司 Pcb探针定位方法、装置、图形处理器及存储介质
CN113409450A (zh) * 2021-07-09 2021-09-17 浙江大学 一种包含rgbdt信息的鸡只三维重建方法
CN113436272A (zh) * 2021-05-21 2021-09-24 中国科学院自动化研究所 水下立体视觉系统球面折射矫正方法、电子设备
CN113516721A (zh) * 2021-09-13 2021-10-19 中科慧远视觉技术(北京)有限公司 一种基于多相机的测量方法、装置及存储介质
CN113706632A (zh) * 2021-08-31 2021-11-26 上海景吾智能科技有限公司 基于三维视觉标定板的标定方法和系统
CN114708164A (zh) * 2022-04-08 2022-07-05 四川焱飞科技有限公司 机器视觉测量中物体倾斜引起的图像大小头畸变校正方法
CN115272110A (zh) * 2022-07-21 2022-11-01 四川大学 一种结构光三维重建中投影机畸变校正方法及装置
CN115457147A (zh) * 2022-09-16 2022-12-09 北京的卢深视科技有限公司 相机标定方法、电子设备及存储介质
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010004233B3 (de) * 2010-01-08 2011-07-07 Deutsches Zentrum für Luft- und Raumfahrt e.V., 51147 Verfahren zur Bestimmung der Lage eines Kamerasystems bezüglich eines Objekts
CN104867160A (zh) * 2015-06-17 2015-08-26 合肥工业大学 一种用于摄像机内外参数标定的方向性标定靶标
CN104933717A (zh) * 2015-06-17 2015-09-23 合肥工业大学 基于方向性标定靶标的摄像机内外参数自动标定方法
US9342883B2 (en) * 2013-12-27 2016-05-17 The United States Of America, As Represented By The Secretary Of The Air Force Omnibus resolution assessment target for sensors
CN105981074A (zh) * 2014-11-04 2016-09-28 深圳市大疆创新科技有限公司 相机标定
CN206892938U (zh) * 2017-03-03 2018-01-16 北京国承万通信息科技有限公司 一种摄像头标定器具

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010004233B3 (de) * 2010-01-08 2011-07-07 Deutsches Zentrum für Luft- und Raumfahrt e.V., 51147 Verfahren zur Bestimmung der Lage eines Kamerasystems bezüglich eines Objekts
US9342883B2 (en) * 2013-12-27 2016-05-17 The United States Of America, As Represented By The Secretary Of The Air Force Omnibus resolution assessment target for sensors
CN105981074A (zh) * 2014-11-04 2016-09-28 深圳市大疆创新科技有限公司 相机标定
CN104867160A (zh) * 2015-06-17 2015-08-26 合肥工业大学 一种用于摄像机内外参数标定的方向性标定靶标
CN104933717A (zh) * 2015-06-17 2015-09-23 合肥工业大学 基于方向性标定靶标的摄像机内外参数自动标定方法
CN206892938U (zh) * 2017-03-03 2018-01-16 北京国承万通信息科技有限公司 一种摄像头标定器具

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
STRAUSS, T.,: "Calibrating multiple cameras with non-overlapping views using coded checkerboard targets", 《IN 17TH INTERNATIONAL IEEE CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》 *
刘剑霜;等: "一种高分辨力电镜放大倍率的校准方法", 《计量技术》 *
张浩鹏: "摄像机标定的棋盘格模板的改进和自动识别", 《仪器仪表学报》 *
杨富池: "基于机器视觉的LED质检装备精度标定方法研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862895A (zh) * 2019-11-27 2021-05-28 杭州海康威视数字技术股份有限公司 一种鱼眼摄像头标定方法、装置及系统
CN112862895B (zh) * 2019-11-27 2023-10-10 杭州海康威视数字技术股份有限公司 一种鱼眼摄像头标定方法、装置及系统
CN110930336B (zh) * 2019-11-29 2023-11-28 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110930336A (zh) * 2019-11-29 2020-03-27 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN111047650A (zh) * 2019-12-02 2020-04-21 北京深测科技有限公司 一种用于飞行时间相机的参数标定方法
CN111047650B (zh) * 2019-12-02 2023-09-01 北京深测科技有限公司 一种用于飞行时间相机的参数标定方法
CN112907677A (zh) * 2019-12-04 2021-06-04 杭州海康威视数字技术股份有限公司 一种单帧图像的相机标定方法、装置及存储介质
CN111028297A (zh) * 2019-12-11 2020-04-17 凌云光技术集团有限责任公司 面结构光三维测量系统的标定方法
CN111028297B (zh) * 2019-12-11 2023-04-28 凌云光技术股份有限公司 面结构光三维测量系统的标定方法
CN111047651A (zh) * 2019-12-12 2020-04-21 中航华东光电有限公司 畸变图像的矫正方法
CN111047651B (zh) * 2019-12-12 2023-04-18 中航华东光电有限公司 畸变图像的矫正方法
CN111145111A (zh) * 2019-12-16 2020-05-12 中国计量大学 一种基于红外视频的矫正方法
CN113140008A (zh) * 2020-01-17 2021-07-20 上海途擎微电子有限公司 标定方法、图像校准方法以及标定系统
CN111508032A (zh) * 2020-04-17 2020-08-07 易思维（杭州）科技有限公司 相机标定过程中的特征点排序方法
CN111508032B (zh) * 2020-04-17 2022-09-27 易思维（杭州）科技有限公司 相机标定过程中特征点的排序方法
CN111882657B (zh) * 2020-06-29 2024-01-26 杭州易现先进科技有限公司 三维重建的尺度恢复方法、装置、系统和计算机设备
CN111882657A (zh) * 2020-06-29 2020-11-03 杭州易现先进科技有限公司 三维重建的尺度恢复方法、装置、系统和计算机设备
CN112907462A (zh) * 2021-01-28 2021-06-04 黑芝麻智能科技(上海)有限公司 超广角摄像器件畸变校正方法、系统及包括其的拍摄装置
CN112991459A (zh) * 2021-03-09 2021-06-18 北京百度网讯科技有限公司 一种相机标定方法、装置、设备以及存储介质
CN112991459B (zh) * 2021-03-09 2023-12-12 阿波罗智联(北京)科技有限公司 一种相机标定方法、装置、设备以及存储介质
CN113112552B (zh) * 2021-04-23 2022-05-27 上汽大通汽车有限公司 一种基于深度学习语义分割的棋盘格检查方法
CN113112552A (zh) * 2021-04-23 2021-07-13 上汽大通汽车有限公司 一种基于深度学习语义分割的棋盘格检查方法
CN113240752A (zh) * 2021-05-21 2021-08-10 中科创达软件股份有限公司 一种内参和外参协同标定方法和装置
CN113240752B (zh) * 2021-05-21 2024-03-22 中科创达软件股份有限公司 一种内参和外参协同标定方法和装置
CN113436272A (zh) * 2021-05-21 2021-09-24 中国科学院自动化研究所 水下立体视觉系统球面折射矫正方法、电子设备
CN113409262A (zh) * 2021-06-15 2021-09-17 苏州芯迈智能科技有限公司 Pcb探针定位方法、装置、图形处理器及存储介质
CN113409450A (zh) * 2021-07-09 2021-09-17 浙江大学 一种包含rgbdt信息的鸡只三维重建方法
CN113706632A (zh) * 2021-08-31 2021-11-26 上海景吾智能科技有限公司 基于三维视觉标定板的标定方法和系统
CN113706632B (zh) * 2021-08-31 2024-01-16 上海景吾智能科技有限公司 基于三维视觉标定板的标定方法和系统
CN113516721A (zh) * 2021-09-13 2021-10-19 中科慧远视觉技术(北京)有限公司 一种基于多相机的测量方法、装置及存储介质
CN113516721B (zh) * 2021-09-13 2021-11-12 中科慧远视觉技术(北京)有限公司 一种基于多相机的测量方法、装置及存储介质
CN114708164A (zh) * 2022-04-08 2022-07-05 四川焱飞科技有限公司 机器视觉测量中物体倾斜引起的图像大小头畸变校正方法
CN115272110A (zh) * 2022-07-21 2022-11-01 四川大学 一种结构光三维重建中投影机畸变校正方法及装置
CN115457147A (zh) * 2022-09-16 2022-12-09 北京的卢深视科技有限公司 相机标定方法、电子设备及存储介质
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
CN110458898B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN110458898A (zh) 相机标定板、标定数据采集方法、畸变校正方法及装置
US10872439B2 (en) Method and device for verification
CN111473739B (zh) 一种基于视频监控的隧道塌方区围岩变形实时监测方法
CN109416744B (zh) 改进的相机校准系统、目标和过程
US10924729B2 (en) Method and device for calibration
CN111380502B (zh) 标定方法、位置确定方法、装置、电子设备及存储介质
CN113963044B (zh) 一种基于rgbd相机的货物箱智能装载方法及系统
CN111872544B (zh) 激光出光指示点的标定方法、装置和振镜同轴视觉系统
CN110363116A (zh) 基于gld-gan的不规则人脸矫正方法、系统及介质
WO2015197019A1 (zh) 一种测量透镜畸变的方法及系统
CN105741290B (zh) 一种基于增强现实技术的印制电路板信息指示方法及装置
CN103353941B (zh) 基于视角分类的自然标志物注册方法
CN110337674A (zh) 三维重建方法、装置、设备及存储介质
CN108537844A (zh) 一种融合几何信息的视觉slam回环检测方法
CN112657176A (zh) 一种结合人像行为信息的双目投影人机交互方法
CN112505663A (zh) 用于多线激光雷达与相机联合标定的标定方法
CN115187612A (zh) 一种基于机器视觉的平面面积测量方法、装置及系统
CN111694534A (zh) 拼接屏的显示单元信息的获取方法及装置
CN109284407B (zh) 一种用于智能售货柜训练自动标注数据集的装置
CN112907973B (zh) 机动车打刻编码的高精度完整信息采集与真实3d形貌复原比对系统及方法
CN106023723A (zh) 一种教育玩具套件及其凸面镜成像校正方法
CN105590103B (zh) 眼球识别方法及系统
CN113240736A (zh) 基于yolo6d改进网络的位姿估计方法及装置
CN112433640A (zh) 一种多图像传感器的自动校准互动投影系统及其实现方法
CN110599587A (zh) 一种基于单张图像的3d场景重构技术

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