CN110942482A - 一种镜头快速自标定方法及其电子设备 - Google Patents

一种镜头快速自标定方法及其电子设备 Download PDF

Info

Publication number
CN110942482A
CN110942482A CN201910973556.1A CN201910973556A CN110942482A CN 110942482 A CN110942482 A CN 110942482A CN 201910973556 A CN201910973556 A CN 201910973556A CN 110942482 A CN110942482 A CN 110942482A
Authority
CN
China
Prior art keywords
matching
area
calibration
corner
lens
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
Application number
CN201910973556.1A
Other languages
English (en)
Inventor
夏丽敏
邢彦文
张荃
蒋芳
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.)
Shenzhen Desay Microelectronic Technology Ltd Co
Original Assignee
Shenzhen Desay Microelectronic Technology Ltd Co
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 Shenzhen Desay Microelectronic Technology Ltd Co filed Critical Shenzhen Desay Microelectronic Technology Ltd Co
Priority to CN201910973556.1A priority Critical patent/CN110942482A/zh
Publication of CN110942482A publication Critical patent/CN110942482A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Studio Devices (AREA)

Abstract

本申请涉及一种镜头快速自标定方法，应用于具有至少包括两个摄像头的电子设备中，所述方法包括：根据历史标定结果，获得第一摄像头和第二摄像头采集的图像的重合区域角点对(A,B)的图像坐标以及重合区域角点对(A,B)实际物理坐标；将所述重合区域进行外扩，获得类重合区域，并将所述类重合区域划分成检测区域和匹配区域；对所述类重合区域进行俯视投影，获得俯视投影区域，并对所述俯视投影区域进行处理，生成匹配角点序列对(C,D)；根据所述匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式；根据所述变换关系式，对重合区域角点对(A,B)进行矫正处理。本申请提到的技术方案简单易行，计算量小，精度高。

Description

一种镜头快速自标定方法及其电子设备
技术领域
本申请涉及图像技术领域，特别涉及一种镜头快速自标定方法及其电子设备。
背景技术
随着移动电子功能的丰富，镜头等可视化文件越来越多出现在我们生活中。由于镜头在产线标定存在的不完美可能性，长时间的使用造成的镜头松动再固定，因承载压力的不同造成的镜头相对位置的变化等，这些场景都需要进行镜头再标定。在现有技术中，主要通过以下方法进行镜头标定：
方案一，基于特定标定场的标定，特定场地的标定一般需要在特定的场地，特定的光照环境，把特定的标定模板铺设或者刷制或者投影到特定的平面完成镜头的标定，此方案标定准确度高。其缺陷是对客观条件要求苛刻，无法及时的完成完成镜头的再标定。
方案二，基于道路线的标定，主要利用道路线平行且间距不变的特征，或者利用三平行线共用消失点的特点，都可以对相机进行再标定。此类算法是在畸变比较小的窄角镜头中进行再标定，广角镜头由于边缘的畸变，无法利用线条的线性几何性质完成标定，即使进行畸变矫正，由于处理后的分辨率下降，导致标定效果不理想，除此之外，对待标定摄像头的安装位置有特殊的要求。
方案三，主动视觉相机标定，基于主动视觉的相机标定法是指已知相机的某些运动信息对相机进行标定。该方法不需要标定物，但需要控制相机做某些特殊运动，利用这种运动的特殊性可以计算出相机内部参数。基于主动视觉的相机标定法的优点是算法简单，通常能够获得线性解，故鲁棒性较高。其方法不适合于摄像机运动参数未知或无法控制的场合。
发明内容
本申请为了解决上述技术问题，提供了一种镜头快速自标定方法，应用于至少包括两个摄像头的电子设备中，所述方法包括：
根据历史标定结果，获得第一摄像头和第二摄像头采集的图像的重合区域角点对(A,B)的图像坐标以及重合区域实际物理坐标；
将所述重合区域进行外扩，获得类重合区域，并将所述类重合区域划分成检测区域和匹配区域；
对所述类重合区域进行俯视投影，获得俯视投影区域，并对所述俯视投影区域进行处理，生成匹配角点序列对(C,D)；
根据所述匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式；
根据所述变换关系式，对重合区域角点对(A,B)进行矫正处理。
可选地，所述对所述类重合区域进行俯视投影，包括：
对所述类重合区域进行畸变矫正处理，
对畸变矫正处理后的类重合区域，进行透视投影，获得俯视投影区域。
可选地，所述对所述俯视投影区域进行处理，生成匹配角点序列对(C,D)，包括：
通过角点检测算法，对所述俯视投影区域进行特征选取，获取俯视投影区域的特征值；
根据所述俯视投影区域的特征值，通过角点匹配算法，生成匹配角点序列对(C,D)。
可选地，所述俯视投影区域的特征值包括Harris特征、ORB特征、SURF特征中任一种。
可选地，，角点匹配算法包括块匹配、RANSAN算法、暴力匹配任一种。
可选地，所述根据所述匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式，包括：
将所述匹配角点序列对(C,D)的第一匹配角点序列C的角点坐标序列、第二匹配角点序 列D的角点坐标序列分别代入变换公式，求得变换关系式：
Figure 100002_DEST_PATH_IMAGE001
。
可选地，所述变换公式为：
Figure 100002_DEST_PATH_IMAGE003
其中，
Figure 148702DEST_PATH_IMAGE004
、
Figure 100002_DEST_PATH_IMAGE005
、…
Figure 787625DEST_PATH_IMAGE006
为第一匹配角点序列C的角点坐标，
Figure 100002_DEST_PATH_IMAGE007
、
Figure 198752DEST_PATH_IMAGE008
…
Figure 100002_DEST_PATH_IMAGE009
为第二匹配角点序列D的角点坐标，F为可变参数。
可选地，所述根据所述变换关系式，对重合区域(A,B)进行矫正处理，包括：
根据所述变换关系式，将所述重合区域角点对(A,B)修正为(A,B’)。
可选地，所述历史标定结果为首次标定结果或非首次标定结果，其中，
首次标定结果，为本方法的初始的标定结果；
非首次标定结果，为上次产线的标定结果。
此外，本申请还提供了一种镜头快速自标定的电子设备，包括上述的一种镜头快速自标定方法。
本申请的一种镜头快速自标定方法及其电子设备，其有益效果在于：
（1）本申请可运用在车载环境中，对道路特征进行标记。其中，本申请的技术方案利用双目摄像机或其他多目摄像机拍摄所获得重合区域，充分利用道路上角点特性，实时的进行摄像机的再标定工作。在保证标定高精度的前提下，解决了背景技术的方案一对客观标定条件要求苛刻的限制；解决了背景技术的方案二在标定镜头精度低的问题；解决了背景技术的方案三摄像机运动参数未知或者不无法控制场景无法进行标的问题。且本申请无需定制模板，在摄像机运动参数未知的情况下，利用双目相机重合区域，基于道路现有角点纹理特征，实时的完成车载摄像机的再标定。本申请提到的技术方案简单易行，计算量小，精度高。
（2）本申请使用场景不限于车载环境，也可运用在其他非车载环境中，对指定的某个标定平面上的特征进行标定，其中，本申请的技术方案利用双目摄像机或其他多目摄像机拍摄所获得重合区域，充分利用指定的某个标定平面上的特征存在的角点特性，实时的进行摄像机的再标定工作。本申请涉及的方法及其电子设备可运用在无人机的标定、移动机器人的标定或者其他需进行镜头标定的环境下的标定，提高了本申请技术方案的适用性。
附图说明
图1为本申请实施例的图像矫正方法流程图；
图2为本申请实施例的第一摄像头、第二摄像头获取的图像示意图；
图3为本申请实施例的第一摄像头、第二摄像头获取的图像的俯视投影；
图4为本申请实施例的第一摄像头、第二摄像头获取的图像的俯视投影进行处理示意图。
图5为本申请实施例第一摄像头、第二摄像头获取的图像修正后的图像。
具体实施方式
下面结合附图对本申请的较佳实施例进行详细阐述，以使本申请的优点和特征更易被本领域技术人员理解，从而对本申请的保护范围作出更为清楚的界定。
在如图1所示的一种实施例中，本申请提供了一种车载镜头快速自标定方法，应用于至少包括两个摄像头的电子设备中，方法包括：
100，根据历史标定结果，获得第一摄像头和第二摄像头采集的图像的重合区域角点对(A,B)的图像坐标以及重合区域实际物理坐标；
在本实施例的一种实施方式中，
根据历史标定结果，历史标定结果保存在对应文件中，通过读取关键字，获得重合区域角点对(A,B)的图像坐标以及重合区域实际物理坐标。
如初次采用双目摄像头采集图像，无历史标定结果，则通过算法默认值或初始值获得重合区域角点对(A,B)的图像坐标以及重合区域实际物理坐标。
200，将重合区域进行外扩，获得类重合区域，并将类重合区域划分成检测区域和匹配区域；
在本实施例的一种实施方式中，
将重合区域进行外扩，包括：基于重合区域实际物理坐标外扩指定的尺寸。
将类重合区域划分成检测区域和匹配区域，其中，
检测区域，在此区域内利用Harris特征、ORB特征、SURF特征中任一种特征进行角点检测。
匹配区域：在此区域内，对检测区域检测的角点利用匹配算法进行匹配。
300，对类重合区域进行俯视投影，获得俯视投影区域，并对俯视投影区域进行处理，生成匹配角点序列对(C,D)；
在本实施例的一种实施方式中，
对类重合区域进行俯视投影，包括：
首先对重合区域角点序列A进行畸变矫正获得角点序列对A'，结合A'及角点序列A对应的实际物理坐标，获得变换关系H。
其次通过畸变参数表对类重合区域进行畸变矫正。
400，最后利用变换关系H，对矫正后类重合区域进行透视变换，从而获得俯视投影图。根据匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式；
在本实施例的一种实施方式中，根据匹配特征点序列对(C,D)确定检测区域和匹配区域新的变换关系式H。
其中第一匹配角点序列C的角点坐标为
Figure 290336DEST_PATH_IMAGE004
、
Figure 376104DEST_PATH_IMAGE005
、…
Figure 167736DEST_PATH_IMAGE006
，对应的第二匹配角点序列D的角点坐标为
Figure 313546DEST_PATH_IMAGE007
、
Figure 954743DEST_PATH_IMAGE008
…
Figure 313043DEST_PATH_IMAGE009
。
利用如下公式：
Figure 988875DEST_PATH_IMAGE010
；
令F=1，将另外的对应角点对按照相同的方式代入上式并整理求出变换关系式
Figure 538543DEST_PATH_IMAGE001
。
500，根据变换关系式，对重合区域角点对(A,B)进行矫正处理。
在本实施例的一种实施方式中，根据变换关系式，对重合区域(A,B)进行矫正处理，包括：根据变换关系式，将重合区域角点对(A,B)修正为(A,B’)。角点对(A,B’)保存了矫正后的镜头状态，从而完成待标定镜头的标定。
本申请的一种镜头快速自标定方法，本方法应用于至少包括两个摄像头的电子设备中，在本实施例中，本方法采用的双目摄像头。此外，本方法可以采用三目摄像头、四目摄像头等多个摄像头模组，进行图像和视频的采集；其中摄像头可以是广角摄像头、窄角摄像头、或其他常规摄像头。本申请不限于摄像头的数量，能够实现本申请技术方案的摄像头的数量和规格均落入本申请的保护范围中。本申请本方案利用双目摄像机重合区域，充分利用道路上角点特性，实时的进行摄像机的再标定工作。在保证标定高精度的前提下 ，解决了背景技术的方案一对客观标定条件要求苛刻的限制。解决了背景技术的方案二在标定镜头精度低的问题。解决了背景技术的方案三，摄像机运动参数未知或者不无法控制场景无法进行标的问题。且本申请无需定制模板，在摄像机运动参数未知的情况下，利用双目相机重合区域，基于道路现有角点纹理特征，实时的完成车载摄像机的再标定。本申请提到的技术方案简单易行，计算量小，精度高。
在一些实施例中，对类重合区域进行俯视投影，包括：
对类重合区域进行畸变矫正处理，
在本实施例的一种实施方式中，
畸变矫正处理包括：根据经纬矫正模型进行畸变矫正，或者根据畸变矫正表进行畸变矫正。
对畸变矫正处理后的类重合区域，进行透视投影，获得俯视投影区域。
在本实施例的一种实施方式中，
透视投影包括：
首先对重合区域角点序列A进行畸变矫正获得角点序列对A'，结合A'及角点序列A对应的实际物理坐标，获得变换关系H。
其次通过畸变参数表对类重合区域进行畸变矫正。
最后利用变换关系H，对矫正后类重合区域进行透视变换，从而获得俯视投影图。在一些实施例中，对俯视投影区域进行处理，生成匹配角点序列对(C,D)，包括：
通过角点检测算法，对俯视投影区域进行特征选取，获取俯视投影区域的特征值；
根据俯视投影区域的特征值，通过角点匹配算法，生成匹配角点序列对(C,D)。
在本实施例的一种实施方式中，
角点检测算法包括：
为获得尺度不变角点，构建N层图像金字塔。
对每一层图进行微分运算求梯度
Figure DEST_PATH_IMAGE011
，从而减少亮度变化对角点的影响。
利用角点附近区域灰度二阶矩阵M，使检测的角点具有选择不变性,其中
Figure DEST_PATH_IMAGE013
w为窗口内像素所对应的权重。
对二阶矩阵M进行求迹求行列式，结合非极大值抑制算法获得角点值。
通过检测N层图像的角点，形成最终的角点集合。角点匹配算法包括：
获得检测图的角点
Figure 807982DEST_PATH_IMAGE014
，以
Figure 235552DEST_PATH_IMAGE014
为中心形成模板图像。
计算模板图像和匹配图像的积分图。
利用积分图完归一化相关计算，通过保留最大值，完成归一化相关匹配法，获得匹 配角点序列
Figure DEST_PATH_IMAGE015
。
在一些实施例的一种实施例方式中，俯视投影区域的特征值包括Harris特征、ORB特征、SURF特征中任一种；在本实施例中，俯视投影区域的特征值主要是采用Harris特征，其步骤包括：通过高斯函数的导数对原始图像进行卷积计算；图像在水平方向和垂直方向的导数Ix和Iy；计算对应这些梯度外积即（Ix2 、Iy2、IxIy）三个图像如下图：使用高斯函数对以上图像进行卷积滤波；使用前面的公式计算角点响应函数R值；对计算到的角点图像进行局部极大值抑制。
在一些实施例的一种实施例方式中，角点匹配算法包括块匹配、RANSAN算法、暴力匹配任一种，在本实施例中，角点匹配算法主要采用块匹配算法，块匹配算法分两个步骤，两个步骤算法类似，第一步通过原图匹配进行简单去噪形成基础估计，第二步通过原图和基础估计进行更细致的去噪，将PSNR进一步提高。。
在一些实施例中，根据匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式，包括：
将匹配角点序列对(C,D)的第一匹配角点序列C的角点坐标序列、第二匹配角点序列D 的角点坐标序列分别代入变换公式，求得变换关系式：
Figure 939459DEST_PATH_IMAGE001
。
在本实施例中，变换公式为：
Figure 427072DEST_PATH_IMAGE016
其中，
Figure 777282DEST_PATH_IMAGE004
、
Figure 8543DEST_PATH_IMAGE005
、…
Figure 891923DEST_PATH_IMAGE006
为第一匹配角点序列C的角点坐标，
Figure 19279DEST_PATH_IMAGE007
、
Figure 122365DEST_PATH_IMAGE008
…
Figure 891737DEST_PATH_IMAGE009
为第二匹配角点序列D的角点坐标，F为可变参数；令F=1， 联立第一匹配角点序列C的角点坐标和第二匹配角点序列D的角点坐标的多个坐标，可求得 变换关系式：
Figure 396668DEST_PATH_IMAGE001
。
在一些实施例中，根据变换关系式，对重合区域(A,B)进行矫正处理，包括：
根据变换关系式，将重合区域角点对(A,B)修正为(A,B’)。角点对(A,B’)保存了矫正后的镜头状态，从而完成待标定镜头的标定。
此外，本申请还提供了一种镜头快速自标定的电子设备，包括上述的一种镜头快速自标定方法。本申请的电子设备可运用在车载环境中，对道路特征进行标记。其中，本申请的技术方案利用双目摄像机或其他多目摄像机拍摄所获得重合区域，充分利用道路上角点特性，实时的进行摄像机的再标定工作。在保证标定高精度的前提下，解决了背景技术的方案一对客观标定条件要求苛刻的限制；解决了背景技术的方案二在标定镜头精度低的问题；解决了背景技术的方案三摄像机运动参数未知或者不无法控制场景无法进行标的问题。且本申请无需定制模板，在摄像机运动参数未知的情况下，利用双目相机重合区域，基于道路现有角点纹理特征，实时的完成车载摄像机的再标定。本申请提到的技术方案简单易行，计算量小，精度高。本申请的电子设备也可运用在非车载环境中，对指定的某个标定平面上的特征进行标定，其中，本申请的技术方案利用双目摄像机或其他多目摄像机拍摄所获得重合区域，充分利用指定的某个标定平面上的特征存在的角点特性，实时的进行摄像机的再标定工作。本申请涉及的方法及其电子设备可运用在无人机的标定、移动机器人的标定或者其他需进行镜头标定的环境下的标定。
上面结合附图对本申请的实施方式作了详细说明，但是本申请并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。

Claims (10)

1.一种镜头快速自标定方法，应用于至少包括两个摄像头的电子设备中，其特征在于，所述方法包括：
根据历史标定结果，获得第一摄像头和第二摄像头采集的图像的重合区域角点对(A,B)的图像坐标以及重合区域实际物理坐标；
将所述重合区域进行外扩，获得类重合区域，并将所述类重合区域划分成检测区域和匹配区域；
利用角点对(A,B)的图像坐标以及重合区域实际物理坐标的对应关系对所述类重合区域进行俯视投影，获得俯视投影区域，并对所述俯视投影区域进行处理，生成匹配角点序列对(C,D)；
根据所述匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式；
根据所述变换关系式，对重合区域角点对(A,B)进行矫正处理。
2.根据权利要求1所述的一种镜头快速自标定方法，其特征在于，所述对所述类重合区域进行俯视投影，包括：
对所述类重合区域进行畸变矫正处理，
对畸变矫正处理后的类重合区域，进行透视投影，获得俯视投影区域。
3.根据权利要求2所述的一种镜头快速自标定方法，其特征在于，所述对所述俯视投影区域进行处理，生成匹配角点序列对(C,D)，包括：
通过角点检测算法，对所述俯视投影区域进行特征选取，获取俯视投影区域的特征值；
根据所述俯视投影区域的特征值，通过角点匹配算法，生成匹配角点序列对(C,D)。
4.根据权利要求3所述的一种镜头快速自标定方法，其特征在于，所述俯视投影区域的特征值包括Harris特征、ORB特征、SURF特征中任一种。
5.根据权利要求3所述的一种镜头快速自标定方法，其特征在于，角点匹配算法包括块匹配、RANSAN算法、暴力匹配任一种。
6.根据权利要求1所述的一种镜头快速自标定方法，其特征在于，所述根据所述匹配角点序列对(C,D)，获得检测区域和匹配区域的变换关系式，包括：
将所述匹配角点序列对(C,D)的第一匹配角点序列C的角点坐标序列、第二匹配角点序 列D的角点坐标序列分别代入变换公式，求得变换关系式：
Figure DEST_PATH_IMAGE001
。
7.根据权利要求6所述的一种镜头快速自标定方法，其特征在于，所述变换公式为：
Figure DEST_PATH_IMAGE003
其中，
Figure 900880DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
、…
Figure 376992DEST_PATH_IMAGE006
为第一匹配角点序列C的角点坐标，
Figure DEST_PATH_IMAGE007
、
Figure 981280DEST_PATH_IMAGE008
…
Figure DEST_PATH_IMAGE009
为第二匹配角点序列D的角点坐标，F为可变参数。
8.根据权利要求1所述的一种镜头快速自标定方法，其特征在于，所述根据所述变换关系式，对重合区域(A,B)进行矫正处理，包括：
根据所述变换关系式，将所述重合区域角点对(A,B)修正为(A,B’)。
9.根据权利要求1所述的一种镜头快速自标定方法，其特征在于，所述历史标定结果为首次标定结果或非首次标定结果，其中，
首次标定结果，为本方法的初始的标定结果；
非首次标定结果，为上次产线的标定结果。
10.一种镜头快速自标定的电子设备，其特征在于，包括权利要求1-9所述的一种镜头快速自标定方法。
CN201910973556.1A 2019-10-14 2019-10-14 一种镜头快速自标定方法及其电子设备 Pending CN110942482A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910973556.1A CN110942482A (zh) 2019-10-14 2019-10-14 一种镜头快速自标定方法及其电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910973556.1A CN110942482A (zh) 2019-10-14 2019-10-14 一种镜头快速自标定方法及其电子设备

Publications (1)

Publication Number Publication Date
CN110942482A true CN110942482A (zh) 2020-03-31

Family

ID=69905915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910973556.1A Pending CN110942482A (zh) 2019-10-14 2019-10-14 一种镜头快速自标定方法及其电子设备

Country Status (1)

Country Link
CN (1) CN110942482A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008172535A (ja) * 2007-01-11 2008-07-24 Sanyo Electric Co Ltd 運転支援システム、画像処理装置及びずれ検出方法
US20080181488A1 (en) * 2007-01-31 2008-07-31 Sanyo Electric Co., Ltd. Camera calibration device, camera calibration method, and vehicle having the calibration device
US20120287232A1 (en) * 2011-05-10 2012-11-15 Harman Becker Automotive Systems Gmbh Surround View System Camera Automatic Calibration
CN103177439A (zh) * 2012-11-26 2013-06-26 惠州华阳通用电子有限公司 一种基于黑白格角点匹配的自动标定方法
US20130215269A1 (en) * 2012-02-22 2013-08-22 Yi-Lin Hsieh Bird view system and compensating method thereof
KR101366112B1 (ko) * 2012-09-04 2014-02-24 전자부품연구원 카메라 네트워크를 분리하여 운용하는 차량용 ａｖｍ 시스템 및 방법
CN103854272A (zh) * 2012-11-28 2014-06-11 比亚迪股份有限公司 全景泊车系统自动找点匹配方法
CN110022459A (zh) * 2018-01-08 2019-07-16 联发科技股份有限公司 用于车辆的全景监控系统和全景监控校准方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008172535A (ja) * 2007-01-11 2008-07-24 Sanyo Electric Co Ltd 運転支援システム、画像処理装置及びずれ検出方法
US20080181488A1 (en) * 2007-01-31 2008-07-31 Sanyo Electric Co., Ltd. Camera calibration device, camera calibration method, and vehicle having the calibration device
US20120287232A1 (en) * 2011-05-10 2012-11-15 Harman Becker Automotive Systems Gmbh Surround View System Camera Automatic Calibration
US20130215269A1 (en) * 2012-02-22 2013-08-22 Yi-Lin Hsieh Bird view system and compensating method thereof
KR101366112B1 (ko) * 2012-09-04 2014-02-24 전자부품연구원 카메라 네트워크를 분리하여 운용하는 차량용 ａｖｍ 시스템 및 방법
CN103177439A (zh) * 2012-11-26 2013-06-26 惠州华阳通用电子有限公司 一种基于黑白格角点匹配的自动标定方法
CN103854272A (zh) * 2012-11-28 2014-06-11 比亚迪股份有限公司 全景泊车系统自动找点匹配方法
CN110022459A (zh) * 2018-01-08 2019-07-16 联发科技股份有限公司 用于车辆的全景监控系统和全景监控校准方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王礼田 等: "《基于双目视觉稀疏点云重建的输电线路弧垂测量方法》" *

Similar Documents

Publication Publication Date Title
CN109146980B (zh) 基于单目视觉的优化的深度提取和被动测距方法
CN109035320B (zh) 基于单目视觉的深度提取方法
WO2017092631A1 (zh) 鱼眼图像的畸变图像校正方法及鱼眼相机的标定方法
CN110969667B (zh) 基于边缘特征的多光谱相机外参自校正算法
CN106529587B (zh) 基于目标点识别的视觉航向识别方法
CN106996777B (zh) 一种基于地面图像纹理的视觉导航方法
CN107886547B (zh) 一种鱼眼相机标定方法及系统
CN110322485B (zh) 一种异构多相机成像系统的快速图像配准方法
CN110956661B (zh) 基于双向单应矩阵的可见光与红外相机动态位姿计算方法
CN109961485A (zh) 一种基于单目视觉进行目标定位的方法
CN112132874B (zh) 无标定板异源图像配准方法、装置、电子设备及存储介质
JP2003254748A (ja) ステレオ画像特性検査システム
CN103971375A (zh) 一种基于图像拼接的全景凝视相机空间标定方法
WO2021184302A1 (zh) 图像处理方法、装置、成像设备、可移动载体及存储介质
TW201403553A (zh) 自動校正鳥瞰影像方法
CN105809706B (zh) 一种分布式多像机系统的全局标定方法
CN110779491A (zh) 一种水平面上目标测距的方法、装置、设备及存储介质
CN113329179B (zh) 拍摄对位方法、装置、设备及存储介质
CN111080709A (zh) 基于轨迹特征配准的多光谱立体相机自标定算法
CN114022560A (zh) 标定方法及相关装置、设备
CN111383264B (zh) 一种定位方法、装置、终端及计算机存储介质
CN110488838A (zh) 一种室内自主导航机器人精确重复定位方法
CN108492282A (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
CN114998447A (zh) 多目视觉标定方法及系统
CN108520541B (zh) 一种广角摄像机的标定方法

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200331

Assignee: Shenzhen Dechi micro vision technology Co.,Ltd.

Assignor: SHENZHEN DESAY MICROELECTRONIC TECHNOLOGY Co.,Ltd.

Contract record no.: X2020980002081

Denomination of invention: Lens rapid self-calibration method and electronic equipment thereof

License type: Exclusive License

Record date: 20200509

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200331