CN111311690A - 一种深度相机的标定方法、装置、终端及计算机存储介质 - Google Patents
一种深度相机的标定方法、装置、终端及计算机存储介质 Download PDFInfo
- Publication number
- CN111311690A CN111311690A CN202010102387.7A CN202010102387A CN111311690A CN 111311690 A CN111311690 A CN 111311690A CN 202010102387 A CN202010102387 A CN 202010102387A CN 111311690 A CN111311690 A CN 111311690A
- Authority
- CN
- China
- Prior art keywords
- optical module
- calibration
- assembled
- calibration data
- depth camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000003287 optical effect Effects 0.000 claims abstract description 200
- 238000013507 mapping Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 239000007787 solid Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 9
- 238000011161 development Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012356 Product development Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06T7/85—Stereo 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本申请适用于相机技术领域,提供了一种深度相机的标定方法、装置、终端及计算机存储介质,该深度相机的标定方法包括:获取所述光学模组的标识信息;根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定;提高了深度相机的标定效率,促进了深度相机的产品化发展。
Description
技术领域
本申请属于相机技术领域,尤其涉及一种深度相机的标定方法、装置、终端及计算机存储介质。
背景技术
随着计算机视觉技术的发展,深度相机已经应用于众多行业,且越来越多地被集成到电子设备中。一般来说,在使用深度相机之前,需要对其进行标定。
然而,目前对深度相机进行标定的方式中,一般需要先对深度相机的光学模组进行标定,并在将深度相机的光学模组集成于电子设备后,重新对电子设备进行标定,即,二次标定,存在深度相机的标定效率低的问题。
申请内容
有鉴于此,本申请实施例提供了一种深度相机的标定方法、装置、终端及计算机存储介质,能够解决深度相机的标定效率低的问题。
本申请实施例的第一方面提供了一种深度相机的标定方法,所述深度相机包括光学模组和深度计算芯片;所述深度相机的标定方法包括:
获取所述光学模组的标识信息;
根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;
将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定。
本申请实施例的第二方面提供了一种深度相机的标定装置,包括:
获取单元,用于获取所述光学模组的标识信息;
查找单元,用于根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;
下载单元,用于将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定。
本申请实施例的第三方面提供了一种终端,应用于深度相机的标定,所述深度相机包括光学模组和深度计算芯片;所述终端包括存储器、处理器以及存储在所述存储器中并可在所述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上述所述方法的步骤。
本申请实施例的第四方面提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述所述方法的步骤。
本申请的实施方式中,通过获取深度相机的光学模组的标识信息,并根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据,使得在对集成了光学模组和深度计算芯片的深度相机进行标定时,只需要将所述标识信息对应的标定数据下载至所述深度相机的深度计算芯片,即可完成所述深度相机的标定,而不需要在完成深度计算芯片与光学模组的组装之后,对电子设备进行二次标定,提高了深度相机的标定效率,促进了深度相机的产品化发展。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种深度相机的标定方法的实现流程示意图;
图2是本申请实施例提供的建立光学模组与标定数据之间的映射关系的实现流程示意图;
图3是本申请实施例提供的棋盘格图像的示意图;
图4是本申请实施例提供的实心圆阵列图像的示意图;
图5是本申请实施例提供的步骤202的第一实现流程示意图;
图6是本申请实施例提供的步骤202的第二实现流程示意图;
图7是本申请实施例提供的步骤202的第三实现流程示意图;
图8是本申请实施例提供的一种深度相机的标定装置的示意框图;
图9是本申请实施例提供的一种终端的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
随着计算机视觉技术的发展,深度相机已经应用于众多行业,且越来越多地被集成到电子设备中。一般来说,在使用深度相机之前,需要对其进行标定。
然而,目前对深度相机进行标定的方式中,一般需要先对深度相机的光学模组进行标定,并在将深度相机的光学模组集成于电子设备后,重新对电子设备进行标定,即,二次标定,存在深度相机的标定效率低的问题。
基于此,本申请实施例提供了一种深度相机的标定方法、装置、终端及计算机存储介质,可以提高深度相机的标定效率。
其中,上述深度相机可以为基于结构光、双目定位或者TOF(时间飞行算法)技术的深度相机,该深度相机可以具体包括光学模组和深度计算芯片。
如图1所示,为本申请实施例提供的一种深度相机的标定方法的实现流程示意图,该深度相机的标定方法应用于终端,可以由终端上的深度相机的标定装置执行。该深度相机的标定方法可以包括:步骤101至步骤103。
步骤101,获取光学模组的标识信息。
其中,上述光学模组的标识信息可以包括光学模组的型号,或者光学模组的序列号(SerialNumber,SN)等用于标识不同光学模组的标识信息。
步骤102,根据标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到标识信息对应的标定数据。
在本申请的实施方式中,上述标定数据用于使深度计算芯片根据该标定数据对光学模组采集到的图像进行矫正处理,进而得到高精度的深度图像。
具体的,上述标定数据可以包括深度相机光学模组的内部参数、外部参数,以及畸变系数。
其中,光学模组的内部参数可以包括像素的物理尺寸dx和dy、图像物理坐标的扭曲因子r、图像原点相对于光心成像点的的纵横偏移量u和v,以及焦距f;光学模组的外部参数可以包括世界坐标系转换到相机坐标系的旋转矩阵R和平移矩阵T;光学模组的畸变系数可以包括相机的径向畸变系数k1、k2和k3与相机的切向畸变系数p1和p2。
需要说明的是,不同的光学模组对应不同的标定数据,因此,在获取到不同光学模组的标识信息之后,可以根据不同的标识信息查找预先建立的光学模组与标定数据之间的映射关系,并查找到不同标识信息分别对应的不同标定数据,进而,为配置了不同光学模组的深度相机准确地匹配该深度相机需要的不同标定数据,实现对深度相机进行标定。
步骤103,将标识信息对应的标定数据下载至深度计算芯片,完成深度相机的标定。
在本申请的一些实施方式中,在建立光学模组与标定数据之间的映射关系之后,可以利用多个光学模组与标定数据之间的映射关系形成映射表,并存储至存储器,或者上传至本地服务器或者云端服务器。
此时,在对深度相机进行标定时,只需要根据光学模组的标识信息,从映射表中找到该标识信息对应的标定数据,并将标识信息对应的标定数据从存储器或者服务器中下载至深度计算芯片,即可完成深度相机的标定。
本申请的实施方式中,通过获取深度相机的光学模组的标识信息,并根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据,使得在对集成了光学模组和深度计算芯片的深度相机进行标定时,只需要将所述标识信息对应的标定数据下载至所述深度相机的深度计算芯片,即可完成所述深度相机的标定,而不需要在完成深度计算芯片与光学模组的组装之后,对电子设备进行二次标定,提高了深度相机的标定效率,促进了深度相机的产品化发展。
在本申请的一些实施方式中,在上述根据标识信息查找预先建立的光学模组与标定数据之间的映射关系之前,可以包括:建立光学模组与标定数据之间的映射关系。
具体的,如图2所示,上述光学模组与标定数据之间的映射关系的建立,可以包括:步骤201至步骤203。
步骤201,获取待装配的光学模组采集的标定图像,并获取待装配的光学模组的标识信息。
其中,上述待装配的光学模组是指未集成到电子设备中的深度相机的光学模组。
上述标定图像可以为待装配的光学模组对标定物进行拍摄得到的标定图像。
例如,上述标定图像可以为待装配的光学模组对绘制有棋盘格的标定板进行拍摄得到的如图3所示的棋盘格图像,或者待装配的光学模组对绘制有实心圆阵列的标定板进行拍摄得到的如图4所示的实心圆阵列图像。
具体的,上述待装配的光学模组为基于结构光的光学模组时,该待装配的光学模组可以包括发射模组和接收模组;并且,该发射模组可以通过向标定物发射结构光光束;再由接收模组接收标定物对结构光光束进行反射得到的反射光;然后,对接收到的反射光进行处理,得到上述标定图像。
需要说明的是,在本申请的一些实施方式中,可以通过调整标定物和光学模组之间的位置关系,获取多组待装配的光学模组采集的标定图像。
具体的,上述标定图像可以是利用待装配的光学模组在多个预设距离处采集的同一标定物在不同角度下的多组标定图像。
例如,待装配的光学模组的拍摄距离为1m-2m时,可以以10~15cm为间隔在不同距离对标定物进行采集得到标定图像,从而实现待装配的光学模组在不同的距离下的标定。
在实际运用中,为了提高标定精度,往往需要在多个不同距离处进行多次测量,本申请的实施例只是为了更好的举例说明,因此选定待装配的光学模组的拍摄距离为1m-2m和间隔距离为10~15cm进行标定,但不能理解为对本申请的限制,具体的间隔距离可根据待装配的光学模组的拍摄距离设定。
为了避免环境光的干扰,进一步提高标定精度,在本申请的一些实施方式中,上述标定图像的采集过程可以在室内进行;并且,上述发射模组发射的结构光光束可以是图案为红外散斑图案的结构光光束,上述接收模组可以是能够接收标定物对该图案为红外散斑图案的结构光光束进行反射得到的反射光的红外相机。
步骤202,根据待装配的光学模组采集的标定图像计算得到待装配的光学模组的标定数据。
在本申请的一些实施方式中,在得到待装配的光学模组采集的标定图像之后,可以对标定图像进行边缘检测或者特征点提取,进而根据标定图像中的图形边缘或特征点计算得到待装配的光学模组的标定数据。
步骤203,根据待装配的光学模组的标定数据以及待装配的光学模组的标识信息得到光学模组与标定数据之间的映射关系。
在本申请的一些实施方式中,在得到待装配的光学模组的标定数据之后,可以根据待装配的光学模组的标定数据以及前述步骤201获取到的待装配的光学模组的标识信息,得到光学模组与标定数据之间的映射关系;使得终端在对深度相机进行标定时,可以根据获取到的标识信息,查找该映射关系,得到标识信息对应的标定数据。
例如,在得到待装配的光学模组的标定数据之后,可以根据获取到的待装配的光学模组的序列号,得到光学模组的序列号与标定数据之间的映射关系。在终端在对深度相机进行标定时,可以获取光学模组的序列号并查找光学模组的序列号与标定数据之间的映射关系,得到该光学模组的序列号对应的标定数据。此时,终端只需要将所述标识信息对应的标定数据下载至所述深度相机的深度计算芯片,即可完成所述深度相机的标定,而不需要在完成光学模组和深度计算芯片的组装后,再对深度相机进行标定,从而提高了深度相机的标定效率。
在本申请的一些实施方式中,当标定图像为棋盘格图像时,如图5所示,上述根据待装配的光学模组采集的标定图像计算得到待装配的光学模组的标定数据,可以包括:步骤501至步骤502;
步骤501,识别棋盘格图像的角点。
具体的,在获取待装配的光学模组采集的棋盘格图像之后,可以通过莫拉维克角点检测法、哈里斯角点检测法或者其他角点检测方法,识别棋盘格图像的角点。
步骤502,根据角点,计算待装配的光学模组的标定数据。
其中,上述标定数据可以包括待装配的光学模组的内部参数、外部参数以及畸变系数。
具体的,在识别出待装配的光学模组采集的标定图像的角点之后,可以计算角点的位置数据(如角点的坐标位置数据),并将角点的位置数据代入到单应性矩阵(Homography Matrix)中进行求解,得到待装配的光学模组的外部参数,然后,根据待装配的光学模组的外部参数,利用平方根法(Cholesky分解法)计算得到待装配的光学模组的内部参数,接着,根据待装配的光学模组的内部参数与外部参数,应用最小二乘法估算实际存在径向畸变下的畸变系数,得到待装配的光学模组的标定数据。
为了进一步提高标定数据的精度,在本申请的一些实施方式中,在获取所述角点之后,可以剔除角点中的噪声点;并且,在得到待装配的光学模组的标定数据,还可以根据极大似然估计策略,对标定数据进行优化处理,得到优化后的待装配的光学模组的标定数据。
当上述标定图像为实心圆阵列图像时,如图6所示,上述根据待装配的光学模组采集的标定图像计算得到待装配的光学模组的标定数据,可以包括:步骤601至步骤602。
步骤601,识别实心圆阵列图像中各个实心圆的质心位置。
具体的,在获取待装配的光学模组采集的实心圆阵列图像之后,可以通过霍夫变换圆检测法或者其他圆形检测方法,识别实心圆阵列图像中的各个实心圆,并根据识别到的实心圆,计算实心圆阵列图像中各个实心圆的质心位置。
步骤602,根据标定物的圆心位置计算得到待装配的光学模组的标定数据。
其中,上述标定数据同样可以包括待装配的光学模组的内部参数、外部参数以及畸变系数。
具体的,上述根据标定物的圆心位置计算得到待装配的光学模组的标定数据可以参考前述步骤502的描述,本申请在此不再赘述。
由于上述标定图像可能是对不具有角点、实心圆等特征点的背景进行采集得到的标定图像,为了提高标定数据的计算方法的普适性,在本申请的一些实施方式中,在获取待装配的光学模组采集的标定图像之后,可以移动待装配的光学模组并再次获取标定图像,通过分析两次前后两次获取到的标定图像,计算待装配的光学模组的标定数据。
具体的,如图7所示,上述计算待装配的光学模组的标定数据,可以包括:步骤701至步骤704。
步骤701,识别待装配的光学模组采集的标定图像中特征点的第一位置信息。
其中,上述特征点可以是前述角点、实心圆圆心等特征点,也可以是标定图像的中心点或者标定图像中的任一点。
相应的,上述识别待装配的光学模组采集的标定图像中特征点的过程中,可以采用前述角点检测方法、圆形检测方法进行识别;或者,采用索贝尔(Sobel)边缘检测方法等其他边缘检测方法进行识别。
步骤702,移动待装配的光学模组,并获取待装配的光学模组的运动信息。
具体的,上述移动待装配的光学模组可以是人为地将待装配的光学模组移动到预先设定的目标位置,或者利用机械结构将待装配的光学模组移动到预先设定的目标位置;而上述待装配的光学模组的运动信息可以直接对待装配的光学模组移动前的位置与目标位置之间的距离等参数进行测量得到,也可以直接利用机械结构获取待装配的光学模组的运动信息。
步骤703,重新获取待装配的光学模组采集的标定图像,识别特征点在重新获取到的标定图像中的第二位置信息,并根据第一位置信息和所述第二位置信息,得到特征点的位置变化信息。
在本申请的一些实施方式中,在将待装配的光学模组移动至预先设定的目标位置后,可以再次获取待装配的光学模组采集的标定图像,并识别在移动待装配的光学模组前采集的标定图像中识别到的特征点在重新获取到的标定图像中的位置信息,进而根据特征点在移动待装配的光学模组前后采集的标定图像的位置信息,得到特征点的位置变化信息。
步骤704,根据特征点的位置变化信息和待装配的光学模组的运动信息,计算得到待装配的光学模组的标定数据。
其中,标定数据包括所述待装配的光学模组的内部参数和外部参数。
具体的,上述根据特征点的位置变化信息和待装配的光学模组的运动信息,计算得到待装配的光学模组的标定数据,可以根据特征点的位置变化信息,计算待装配的光学模组平移运动的极点坐标,然后利用待装配的光学模组的运动信息以及待装配的光学模组平移运动的极点坐标建立方程,计算装配的光学模组的内部参数和外部参数,得到待装配的光学模组的标定数据。
需要说明的是,在本申请的其他实施方式中,还可以根据所述待装配的光学模组采集的标定图像,利用分层逐步标定法、基于Kruppa方程的自标定方法等其他方式计算得到所述待装配的光学模组的标定数据,本申请对此不进行限制。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为根据本申请,某些步骤可以采用其它顺序进行。
图8是本申请实施例提供的一种深度相机的标定装置800的示意图,所述深度相机的标定装置800包括:获取单元801、查找单元802和下载单元803。
获取单元801,用于获取所述光学模组的标识信息;
查找单元802,用于根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;
下载单元803,用于将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定。
在本申请一些实施方式中,上述深度相机的标定装置还可以包括:建立单元,用于建立光学模组与标定数据之间的映射关系。
其中,所述建立光学模组与标定数据之间的映射关系具体包括:获取待装配的光学模组采集的标定图像,并获取所述待装配的光学模组的标识信息;根据所述待装配的光学模组采集的标定图像计算得到所述待装配的光学模组的标定数据;根据所述待装配的光学模组的标定数据以及所述待装配的光学模组的标识信息得到所述光学模组与标定数据之间的映射关系。
在本申请一些实施方式中,上述标定图像为棋盘格图像,上述建立单元还具体用于:识别所述棋盘格图像的角点;根据所述角点,计算所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数、外部参数以及畸变系数。
在本申请一些实施方式中,上述标定图像为实心圆阵列图像,上述建立单元还具体用于:识别所述实心圆阵列图像中各个实心圆的质心位置;根据所述标定物的圆心位置计算得到所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数、外部参数以及畸变系数。
在本申请一些实施方式中,上述建立单元还具体用于:识别所述待装配的光学模组采集的标定图像中特征点的第一位置信息;移动所述待装配的光学模组,并获取所述待装配的光学模组的运动信息;重新获取所述待装配的光学模组采集的标定图像,识别所述特征点在重新获取到的标定图像中的第二位置信息,并根据所述第一位置信息和所述第二位置信息,得到所述特征点的位置变化信息;根据所述特征点的位置变化信息和所述待装配的光学模组的运动信息,计算得到所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数和外部参数。
需要说明的是,为描述的方便和简洁,上述描述的深度相机的标定装置800的具体工作过程,可以参考图1至图7所述方法的对应过程,在此不再赘述。
图9是本申请实施例提供的应用于深度相机的标定的终端的示意图。如图9所示,该终端9还可以包括:处理器90、存储器91以及存储在存储器91中并可在处理器90上运行的计算机程序92,例如,深度相机的标定的程序。并且,该深度相机可以包括光学模组和深度计算芯片。
处理器90执行计算机程序92时实现上述深度相机的标定方法实施例中的步骤,例如图1所示的步骤101至步骤103。或者,处理器90执行计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如,图8所示单元801至803的功能。
示例性的,计算机程序92可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器91中,并由处理器90执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序92在终端9中的执行过程。例如,计算机程序92可以被分割成获取单元、查找单元和下载单元(虚拟装置中的单元),各单元具体功能如下:获取单元,用于获取所述光学模组的标识信息;查找单元,用于根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;下载单元,用于将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定。
终端9可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是终端9的示例,并不构成对终端9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器91可以是终端9的内部存储单元,例如终端9的硬盘或内存。存储器91也可以是终端9的外部存储设备,例如终端9上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器91还可以既包括终端9的内部存储单元也包括外部存储设备。存储器91用于存储计算机程序以及终端设备所需的其他程序和数据。存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种深度相机的标定方法,其特征在于,所述深度相机包括光学模组和深度计算芯片;所述深度相机的标定方法包括:
获取所述光学模组的标识信息;
根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;
将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定。
2.如权利要求1所述的深度相机的标定方法,其特征在于,在根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系之前,包括:
建立光学模组与标定数据之间的映射关系;
所述建立光学模组与标定数据之间的映射关系包括:
获取待装配的光学模组采集的标定图像,并获取所述待装配的光学模组的标识信息;
根据所述待装配的光学模组采集的标定图像计算得到所述待装配的光学模组的标定数据;
根据所述待装配的光学模组的标定数据以及所述待装配的光学模组的标识信息得到所述光学模组与标定数据之间的映射关系。
3.如权利要求2所述的深度相机的标定方法,其特征在于,所述标定图像包括棋盘格图像,所述根据所述待装配的光学模组采集的标定图像计算得到所述待装配的光学模组的标定数据,包括:
识别所述棋盘格图像的角点;
根据所述角点,计算所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数、外部参数以及畸变系数。
4.如权利要求2所述的深度相机的标定方法,其特征在于,所述标定图像包括实心圆阵列图像,所述根据所述待装配的光学模组采集的标定图像计算得到所述待装配的光学模组的标定数据,包括:
识别所述实心圆阵列图像中各个实心圆的质心位置;
根据所述标定物的圆心位置计算得到所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数、外部参数以及畸变系数。
5.如权利要求2所述的深度相机的标定方法,其特征在于,所述根据所述待装配的光学模组采集的标定图像计算得到所述待装配的光学模组的标定数据,包括:
识别所述待装配的光学模组采集的标定图像中特征点的第一位置信息;
移动所述待装配的光学模组,并获取所述待装配的光学模组的运动信息;
重新获取所述待装配的光学模组采集的标定图像,识别所述特征点在重新获取到的标定图像中的第二位置信息,并根据所述第一位置信息和所述第二位置信息,得到所述特征点的位置变化信息;
根据所述特征点的位置变化信息和所述待装配的光学模组的运动信息,计算得到所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数和外部参数。
6.一种深度相机的标定装置,其特征在于,所述深度相机包括光学模组和深度计算芯片;所述深度相机的标定装置包括:
获取单元,用于获取所述光学模组的标识信息;
查找单元,用于根据所述标识信息查找预先建立的光学模组与标定数据之间的映射关系,得到所述标识信息对应的标定数据;
下载单元,用于将所述标识信息对应的标定数据下载至所述深度计算芯片,完成所述深度相机的标定。
7.如权利要求6所述的深度相机的标定装置,其特征在于,所述深度相机的标定装置还包括:建立单元,用于建立光学模组与标定数据之间的映射关系;
所述建立光学模组与标定数据之间的映射关系包括:
获取待装配的光学模组采集的标定图像,并获取所述待装配的光学模组的标识信息;
根据所述待装配的光学模组采集的标定图像计算得到所述待装配的光学模组的标定数据;
根据所述待装配的光学模组的标定数据以及所述待装配的光学模组的标识信息得到所述光学模组与标定数据之间的映射关系。
8.如权利要求7所述的深度相机的标定装置,其特征在于,所述标定图像包括棋盘格图像,所述建立单元,还用于:
识别所述棋盘格图像的角点;
根据所述角点,计算所述待装配的光学模组的标定数据;所述标定数据包括所述待装配的光学模组的内部参数、外部参数以及畸变系数。
9.一种终端,应用于深度相机的标定,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述深度相机包括光学模组和深度计算芯片;所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102387.7A CN111311690B (zh) | 2020-02-19 | 2020-02-19 | 一种深度相机的标定方法、装置、终端及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102387.7A CN111311690B (zh) | 2020-02-19 | 2020-02-19 | 一种深度相机的标定方法、装置、终端及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311690A true CN111311690A (zh) | 2020-06-19 |
CN111311690B CN111311690B (zh) | 2024-02-06 |
Family
ID=71148444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102387.7A Active CN111311690B (zh) | 2020-02-19 | 2020-02-19 | 一种深度相机的标定方法、装置、终端及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311690B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233189A (zh) * | 2020-12-14 | 2021-01-15 | 深圳普罗米修斯视觉技术有限公司 | 多深度相机外部参数标定方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447734A (zh) * | 2016-10-10 | 2017-02-22 | 贵州大学 | 一种采用人脸标定物的智能手机相机标定算法 |
CN106600649A (zh) * | 2016-12-07 | 2017-04-26 | 西安蒜泥电子科技有限责任公司 | 一种基于二维标记码的相机自标定方法 |
CN108010084A (zh) * | 2017-11-20 | 2018-05-08 | 深圳市云之梦科技有限公司 | 一种深度摄像机重建及自动标定的方法、系统、设备 |
CN109741384A (zh) * | 2018-12-18 | 2019-05-10 | 深圳奥比中光科技有限公司 | 深度相机的多距离检测装置及方法 |
CN110136209A (zh) * | 2019-05-21 | 2019-08-16 | Oppo广东移动通信有限公司 | 一种摄像头标定方法、装置及计算机可读存储介质 |
-
2020
- 2020-02-19 CN CN202010102387.7A patent/CN111311690B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447734A (zh) * | 2016-10-10 | 2017-02-22 | 贵州大学 | 一种采用人脸标定物的智能手机相机标定算法 |
CN106600649A (zh) * | 2016-12-07 | 2017-04-26 | 西安蒜泥电子科技有限责任公司 | 一种基于二维标记码的相机自标定方法 |
CN108010084A (zh) * | 2017-11-20 | 2018-05-08 | 深圳市云之梦科技有限公司 | 一种深度摄像机重建及自动标定的方法、系统、设备 |
CN109741384A (zh) * | 2018-12-18 | 2019-05-10 | 深圳奥比中光科技有限公司 | 深度相机的多距离检测装置及方法 |
CN110136209A (zh) * | 2019-05-21 | 2019-08-16 | Oppo广东移动通信有限公司 | 一种摄像头标定方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
江泽涛;吴文欢;: "基于本质矩阵的摄像机自标定方法", 中国图象图形学报, vol. 1, no. 04, pages 124 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233189A (zh) * | 2020-12-14 | 2021-01-15 | 深圳普罗米修斯视觉技术有限公司 | 多深度相机外部参数标定方法、装置及存储介质 |
CN112233189B (zh) * | 2020-12-14 | 2021-04-06 | 深圳普罗米修斯视觉技术有限公司 | 多深度相机外部参数标定方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111311690B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN111383279B (zh) | 外参标定方法、装置及电子设备 | |
CN112595323A (zh) | 机器人及其建图方法和装置 | |
CN112927306B (zh) | 拍摄装置的标定方法、装置及终端设备 | |
CN111950426A (zh) | 目标检测方法、装置及运载工具 | |
CN110807807B (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
CN108182708B (zh) | 一种双目相机的标定方法、标定装置及终端设备 | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN114067001B (zh) | 车载相机角度标定方法、终端及存储介质 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN113034612A (zh) | 一种标定装置、方法及深度相机 | |
CN110738703A (zh) | 定位方法及装置、终端、存储介质 | |
CN112613381A (zh) | 一种图像映射方法、装置、存储介质及电子装置 | |
CN110243339A (zh) | 一种单目摄像头定位方法、装置、可读存储介质及电子终端 | |
CN111311690B (zh) | 一种深度相机的标定方法、装置、终端及计算机存储介质 | |
CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
CN113050022B (zh) | 一种基于旋转天线的图像定位方法、装置及终端设备 | |
CN110838147B (zh) | 摄像模组检测方法及装置 | |
CN111656404B (zh) | 图像处理方法、系统及可移动平台 | |
CN117333367A (zh) | 基于图像局部特征的图像拼接方法、系统、介质及装置 | |
CN112102415A (zh) | 基于标定球的深度相机外参数标定方法、装置及设备 | |
CN115018922A (zh) | 畸变参数标定方法、电子设备和计算机可读存储介质 | |
CN115239816A (zh) | 一种相机标定方法、系统、电子设备及存储介质 | |
CN114897851A (zh) | 基于中心投影的坐标补偿方法、装置、设备及介质 | |
CN112163519A (zh) | 图像映射处理方法、装置、存储介质及电子装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |