CN110889874A - 一种双目相机标定结果的误差评估方法 - Google Patents
一种双目相机标定结果的误差评估方法 Download PDFInfo
- Publication number
- CN110889874A CN110889874A CN201911229336.4A CN201911229336A CN110889874A CN 110889874 A CN110889874 A CN 110889874A CN 201911229336 A CN201911229336 A CN 201911229336A CN 110889874 A CN110889874 A CN 110889874A
- Authority
- CN
- China
- Prior art keywords
- calibration
- binocular camera
- calibration result
- binocular
- curve
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000012935 Averaging Methods 0.000 claims 1
- 230000001143 conditioned effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000009776 industrial production Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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 Analysis (AREA)
Abstract
本发明提供了一种双目相机标定结果的误差评估方法。在工业生产中，对于双目相机标定，需要一个稳定可靠的方法确定标定的质量，以帮助判断标定结果，确定是否需要重新标定。现有双目标定的精确度评价研究较少，而且具有明显的局限性，无法应用于工业环境。本发明提出一种专门针对双目相机标定结果的误差评估方法，通过角点检测和曲线检测，进一步计算左右角点校正后位置的匹配误差和曲线的曲率，用于判断双目标定是否合格。该方法简单准确，能够给出明确的标定评估结果，适用于工业场景下对于双目相机的标定结果评估的要求。
Description
技术领域
本发明涉及一种相机标定结果评估方法，特别涉及一种双目相机标定结果的误差评估方法。
背景技术
在双目立体视觉领域，双目相机标定是后续计算的基础，其标定精确度对于后续计算的精度有很大影响：标定误差较大会导致计算错误，从而导致整个视差图的计算精度降低，可靠性降低。
在工业生产中，对于双目相机标定，需要一个稳定可靠的方法确定标定的质量，以帮助判断标定结果，确定是否需要重新标定；
双目相机标定分为2个步骤：（1）单目相机标定；（2）双目校正，即将左右2个相机的图像进行校正，使得左右相机的图像共面且极点在无限远处，从而简化后续的视差计算；
现有双目相机标定的精确度评价研究较少；与单目相机标定的评估方法一样，通过世界坐标系下的角点重投影，计算与实际检测到的角点之间误差的评估方均根，作为标定结果。
对于双目相机标定，这种评价方法有以下局限性：
（1）由于标定流程和评价流程用的是同样的标定图像，容易出现过拟合现象却认为误差较小，而实际情况是，未被标定板覆盖到的位置，标定结果可能很差，因此这种评价结果不可靠；
（2）由于双目相机标定流程的局限，为了保证一组图像中角点能够一一匹配，对于左图，标定板无法覆盖偏左边的图像位置，对于右图，标定板无法覆盖偏右边的图像位置，导致标定结果对于上述无法覆盖的区域的标定误差较大，从而传统评价方法无法覆盖这部分图像的标定结果；
（3）对于图像的标定结果，标定后的左右图像角点匹配度没有被计算进去，而这对双目立体匹配算法精确度的影响最大。
发明内容
本发明提出一种专门针对双目相机标定结果的误差评估方法，主要步骤如下：
（1）在用于标定的图像之外，再次拍摄标定板，保证标定板覆盖图像的绝大部分位置，标定板边缘可以超出相机视野。此图像专门用于标定结果评价。为了确保评价结果的准确性，可以对标定板进行特殊定制，增加标定板上黑白块的密度，即增加直线和角点的密度，保证覆盖到相机的各个位置。
（2）双目标定之后，对步骤（1）得到的评价图像进行标定，得到标定后的图像。
（3）对标定后的评价图像，进行二值化操作，得到二值化后的评价图像。再对二值化后的评价图像，通过Hough变换检测曲线，从而得到多条近似直线的曲线，曲线通过一组点表示。
（4）对于标定后的评价图像，通过Harris角点检测，得到两组角点，然后通过亚像素细化，得到精确到亚像素的角点位置。
（5）对于每台相机图像检测到的多条曲线，通过贝塞尔曲线拟合，得到拟合后的曲线公式。计算每条曲线的曲率。曲线在某一点的曲率公式为：
通过公式mean(Max(k))得到平均最大曲率K，作为单个相机的标定结果畸变标定结果。
（5）对于两组角点，计算其在Y轴方向上的差别；通过公式mean(y_difference)得到平均Y轴偏差Diffavg，作为双目相机位置标定结果。
（6）同时判断步骤（4）和步骤（5）的值，是否分别在限定范围内。设限定的最大曲率为Kmax，限定的最大角点偏差为Diffmax。则判断是否满足以下判断：
K<Kmax
Diffavg<Diffmax
如果有一组判断不满足，则认为标定不合格。
附图说明
图1：双目标定评估流程。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
1.用于误差评估的标定板与用于双目标定的标定板可以有一定区别。由于误差评估的方法是通过角点对的Y轴坐标对比，以及曲线曲率的平均最大值，角点对的个数，和曲线的条数越多，误差评估就越准确稳定，因此，用于误差评估的标定板特别制作，标定板上角点的个数可以为30*30对，相应的曲线个数为30+30条。
2.图像二值化操作的流程，由于不同区域内的光线平均强度不一样，如果全局使用相同的阈值，容易导致某一块图像区域的曲线被过滤掉，或者某一块图像的区域的非曲线错误保留，从而导致错误判断。因此，图像二值化的算法，通过基于不同区域的局部自适应阈值来进行二值化操作。
局部自适应阈值根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小。不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。常用的局部自适应阈值有：1）局部邻域块的均值；2）局部邻域块的高斯加权和。这两种方法均可以使用。
3.传统的Hough变换主要用于检测直线，而通过双目标定后的图像由于具有误差，在误差较大的地方，直线可能被扭曲成曲线，因此使用一种改进的Hough变换原理，即Hough变换和邻域搜索的方法结合。具体步骤包括：
1、 通过传统Hough变换进行直线检测。
2、 对于步骤1检测到的直线，对其两端分别尝试进行延伸。首先对直线的斜率进行计算，然后根据直线斜率进行反方向延伸，做一条假想延伸线。对于其中一个端点的周围8个像素，选取最接近假想延伸线的像素点，然后再包括此像素点左右两个像素点，共3个比较接近假想延伸线的像素点，对此3个像素点进行延伸判断。
3、 对此3个像素点进行遍历，对每一个像素点，计算其梯度值G和梯度方向θ。然后对3个像素点的梯度值和梯度方向进行对比，对于梯度值较大，且梯度方向与直线斜率之差不超过某个阈值的像素点，作为该直线的延伸。
4、 以此像素点为基础，继续步骤2、3，直到找不到梯度值和梯度方向均符合要求的像素点，即结束搜索。
5、 将整个流程中检测到的直线和所有延伸像素点的组合，作为曲线通过的像素集合。
Claims (4)
1.一种双目相机标定结果的误差评估方法，其步骤包括角点检测和曲线检测，角点检测通过Harris角点检测方法得到，并通过亚像素细化获取更精确的角点位置，通过Hough变换检测曲线，并通过贝塞尔曲线拟合获取曲线公式，其特征在于，该方法通过对每一个角点对校正后位置的匹配误差，和对曲线曲率的判断作为评估双目相机标定结果误差的依据。
2.根据权利要求1所述的双目相机标定结果的误差评估方法，其特征在于，所述曲线曲率的计算结果，是通过计算每一条曲线最大曲率，然后将所有最大曲率取平均值作为评估结果。
3.根据权利要求1所述的双目相机标定结果的误差评估方法，其特征在于，所述所有角点对校正后位置的匹配误差，是通过所有角点对校正后位置的Y轴坐标偏差的方均根作为评估结果。
4.根据权利要求2和权利要求3所述的双目相机标定结果的误差评估方法，其特征在于，所述方法判定双目相机标定结果合格和条件为，曲线最大曲率平均值和角点对校正后位置Y轴坐标误差的方均根全部满足阈值条件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911229336.4A CN110889874B (zh) | 2019-12-04 | 2019-12-04 | 一种双目相机标定结果的误差评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911229336.4A CN110889874B (zh) | 2019-12-04 | 2019-12-04 | 一种双目相机标定结果的误差评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889874A true CN110889874A (zh) | 2020-03-17 |
| CN110889874B CN110889874B (zh) | 2024-01-02 |
Family
ID=69750428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911229336.4A Active CN110889874B (zh) | 2019-12-04 | 2019-12-04 | 一种双目相机标定结果的误差评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889874B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113205584A (zh) * | 2021-04-16 | 2021-08-03 | 北京航空航天大学 | 一种基于贝塞尔曲线的多视图投影方法 |
| CN113706499A (zh) * | 2021-08-25 | 2021-11-26 | 北京市商汤科技开发有限公司 | 误差检测方法和相关产品 |
| CN115383749A (zh) * | 2022-10-25 | 2022-11-25 | 国网瑞嘉(天津)智能机器人有限公司 | 带电作业设备的标定方法、装置、控制器及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150093042A1 (en) * | 2012-06-08 | 2015-04-02 | Huawei Technologies Co., Ltd. | Parameter calibration method and apparatus |
| CN105631853A (zh) * | 2015-11-06 | 2016-06-01 | 湖北工业大学 | 车载双目相机标定及参数验证方法 |
| CN109920003A (zh) * | 2017-12-12 | 2019-06-21 | 广东虚拟现实科技有限公司 | 相机标定检测方法、装置以及设备 |
| CN110533728A (zh) * | 2019-07-25 | 2019-12-03 | 长沙行深智能科技有限公司 | 基于张正友标定的双目立体视觉相机的标定方法、装置及介质 |
-
2019
- 2019-12-04 CN CN201911229336.4A patent/CN110889874B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150093042A1 (en) * | 2012-06-08 | 2015-04-02 | Huawei Technologies Co., Ltd. | Parameter calibration method and apparatus |
| CN105631853A (zh) * | 2015-11-06 | 2016-06-01 | 湖北工业大学 | 车载双目相机标定及参数验证方法 |
| CN109920003A (zh) * | 2017-12-12 | 2019-06-21 | 广东虚拟现实科技有限公司 | 相机标定检测方法、装置以及设备 |
| CN110533728A (zh) * | 2019-07-25 | 2019-12-03 | 长沙行深智能科技有限公司 | 基于张正友标定的双目立体视觉相机的标定方法、装置及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张裕等: "基于Harris算法的黑白棋盘格角点检测", 《计算机应用与软件》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113205584A (zh) * | 2021-04-16 | 2021-08-03 | 北京航空航天大学 | 一种基于贝塞尔曲线的多视图投影方法 |
| CN113205584B (zh) * | 2021-04-16 | 2022-04-26 | 北京航空航天大学 | 一种基于贝塞尔曲线的多视图投影方法 |
| CN113706499A (zh) * | 2021-08-25 | 2021-11-26 | 北京市商汤科技开发有限公司 | 误差检测方法和相关产品 |
| CN115383749A (zh) * | 2022-10-25 | 2022-11-25 | 国网瑞嘉(天津)智能机器人有限公司 | 带电作业设备的标定方法、装置、控制器及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889874B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
| CN108510530B (zh) | 一种三维点云匹配方法及其系统 | |
| CN110264525B (zh) | 一种基于车道线与目标车辆的相机标定方法 | |
| CN103411553B (zh) | 多线结构光视觉传感器的快速标定方法 | |
| CN110889874B (zh) | 一种双目相机标定结果的误差评估方法 | |
| CN110569704A (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
| CN103345755B (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
| CN105674880B (zh) | 基于双目原理的接触网几何参数测量方法及系统 | |
| CN112991369B (zh) | 基于双目视觉的行驶车辆外廓尺寸检测方法 | |
| CN109447908A (zh) | 一种基于立体视觉的钢卷识别定位方法 | |
| CN109801302A (zh) | 一种基于双目视觉的高压输电线路异物检测方法 | |
| CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量系统和方法 | |
| CN104899609B (zh) | 一种基于图像配准的机械式表计识别方法 | |
| WO2014031795A1 (en) | Systems and methods for parallax detection and correction in images captured using array cameras | |
| WO2015019526A1 (ja) | 画像処理装置およびマーカ | |
| CN117036641A (zh) | 一种基于双目视觉的公路场景三维重建与缺陷检测方法 | |
| CN108492282B (zh) | 基于线结构光与多任务级联卷积神经网络的三维涂胶检测 | |
| CN109919856B (zh) | 基于双目视觉的沥青路面构造深度检测方法 | |
| CN107490342A (zh) | 一种基于单双目视觉的手机外观检测方法 | |
| CN111047633A (zh) | 单目测距装置 | |
| CN107492080A (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
| CN105513074B (zh) | 一种羽毛球机器人相机以及车身到世界坐标系的标定方法 | |
| CN110992463A (zh) | 一种基于三目视觉的输电导线弧垂的三维重建方法及系统 | |
| CN112529792B (zh) | 一种免畸变模型的相机畸变校正方法 | |
| CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 |
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 |