CN111489398A - 一种成像设备标定方法以及装置 - Google Patents
一种成像设备标定方法以及装置 Download PDFInfo
- Publication number
- CN111489398A CN111489398A CN201911317019.8A CN201911317019A CN111489398A CN 111489398 A CN111489398 A CN 111489398A CN 201911317019 A CN201911317019 A CN 201911317019A CN 111489398 A CN111489398 A CN 111489398A
- Authority
- CN
- China
- Prior art keywords
- data
- linear motion
- reference object
- calibration reference
- obtaining
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请公开了一种成像设备标定方法以及装置,该方法包括:获得标定参照物在真实空间中的第一运动轨迹数据、以及该标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,该第二运动轨迹数据与第一运动轨迹数据相匹配,并根据第一运动轨迹数据和第二运动轨迹数据,对待标定成像设备进行标定。该方法将现有的采用真实空间坐标与图像坐标之间的关联点相匹配的方式进行相机标定、转换为采用真实空间中的轨迹与图像坐标的轨迹相匹配的方式进行相机标定,由于轨迹匹配的过程相较于关联点的匹配过程更加简单高效,且对时间精度的要求较低,因此可使得相机标定过程更加简单高效,相机标定结果更加准确。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种成像设备标定方法。本申请同时涉及一种成像设备标定装置以及一种电子设备。
背景技术
在计算机视觉、图像测量、三维场景重建等应用中,为了校正相机的镜头畸变、确定三维空间中的物理尺寸与图像的像素尺寸之间的换算关系、以及确定空间物体(或空间物体表面某点)的三维几何位置与该空间物体(或空间物体表面某点)在图像中对应的像素点的坐标之间的相互关系,需建立相机成像的几何模型,该几何模型的参数即为相机参数,求解该参数的过程即为相机标定或摄像机标定,标定结果的精度及算法的稳定性直接影响相机工作的准确性。
现有的标定方法需使用尺寸已知的标定参照物,通过建立标定参照物上坐标已知的点与其在图像上的像素点之间的对应关系,利用预定算法获得相机模型的内外参数。该过程按照标定参照物的不同,可分为基于三维立体标靶的相机标定、基于二维平面靶标的相机标定、以及基于径向约束的相机标定等。
然而,上述标定方案存在以下问题:
现有的相机标定过程需针对每个待标定相机预先选取真实空间坐标与图像坐标之间的关联点,选取关联点的过程对时间精度的要求较高,并且选取过程较为复杂,导致相机标定过程的复杂度较高、且较易受到人为因素的影响,难以保证相机标定的准确性。
发明内容
本申请提供一种成像设备标定方法,以解决现有相机标定复杂度较高、易受到人为因素的影响、难以保证相机标定的准确性的问题。本申请另外提供一种成像设备标定装置以及一种电子设备。
本申请提供一种成像设备标定方法,包括:
获得标定参照物在真实空间中的第一运动轨迹数据;
获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
可选的,所述获得标定参照物在真实空间中的第一运动轨迹数据,包括:获得标定参照物在真实空间中的第一直线运动轨迹数据;
所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,包括:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据;
所述根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定,包括:根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。可选的,所述根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定,包括:
获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据;
获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据;
根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定。
可选的,所述根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定,包括:
采用所述至少两个空间点的空间坐标数据与所述待标定成像设备的待求解参数矩阵,表示所述第二直线轨迹数据上的与所述至少两个空间点相匹配的目标平面点的图像坐标数据;
采用所述至少两个平面点的图像坐标数据表示所述第二直线运动轨迹数据的法向量;
根据所述目标平面点的图像坐标数据和所述第二直线运动轨迹数据的法向量,获得所述第二直线运动轨迹数据对应的直线方程;
根据所述第二直线运动轨迹数据对应的直线方程,对所述待求解参数矩阵进行求解,获得所述待标定成像设备的标定参数。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中与所述第一直线运动轨迹数据在时间上相匹配的第二直线运动轨迹数据。
可选的,所述获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据,包括:
采用随机方式获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据。
可选的,所述获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据,包括:
采用随机方式获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据。
可选的,所述获得标定参照物在真实空间中的第一直线运动轨迹数据,包括:
获得标定参照物的空间运动轨迹数据;
获得所述空间运动轨迹数据中的第一直线运动轨迹数据。
可选的,所述获得标定参照物的空间运动轨迹数据,包括:
在所述标定参照物按照可获得多个直线运动轨迹的方式运动时,获得标定参照物的空间运动轨迹数据。
可选的,所述标定参照物按照可获得多个直线运动轨迹的方式运动,包括:
所述标定参照物在预设场景中沿直线方向运动,并多次转向,以此获得多个直线运动轨迹。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据;
获得所述图像轨迹数据中的与所述第一直线运动轨迹数据相匹配的第二直线运动轨迹数据。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据,包括:
获得所述待标定成像设备摄取的视频数据;
在所述视频数据中检测所述标定参照物;
对所述标定参照物进行跟踪,获得所述标定参照物在所述视频数据的每帧图像信息中的坐标信息;
根据所述标定参照物在所述视频数据的每帧图像信息中的坐标信息,获得所述标定参照物在所述待标定成像设备所摄取的视频数据中的图像轨迹数据。
可选的,所述标定参照物的数量为多个。
可选的,所述第一直线运动轨迹数据的数量为多个。
本申请还提供一种成像设备标定装置,包括:
第一运动轨迹数据获得单元,用于获得标定参照物在真实空间中的第一运动轨迹数据;
第二运动轨迹数据获得单元,用于获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
标定单元,用于根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
可选的,所述第一运动轨迹数据获得单元具体用于:获得标定参照物在真实空间中的第一直线运动轨迹数据;
所述第二运动轨迹数据获得单元具体用于:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,所述第二直线运动轨迹数据与所述第一直线运动轨迹数据相匹配;
所述标定单元具体用于:根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。
本申请还提供一种电子设备,包括:
处理器;
存储器,用于存储成像设备标定程序,所述程序在被所述处理器读取执行时,执行如下操作:
获得标定参照物在真实空间中的第一运动轨迹数据;
获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
与现有技术相比,本申请具有以下优点:
本申请提供的成像设备标定方法,分别获得标定参照物在真实空间中的第一运动轨迹数据、以及该标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,该第二运动轨迹数据与第一运动轨迹数据相匹配,并根据第一运动轨迹数据和第二运动轨迹数据,对待标定成像设备进行标定。该方法将现有的采用真实空间坐标与图像坐标之间的关联点相匹配的方式进行相机标定,转换为采用真实空间中的轨迹与图像坐标的轨迹相匹配的方式进行相机标定。通过使用该方法,由于轨迹匹配的过程相较于关联点的匹配过程更加简单高效,且对时间精度的要求较低,因此可使得相机标定过程更加简单高效,相机标定结果更加准确。
附图说明
图1是本申请第一实施例提供的成像设备标定方法的流程图;
图1-A是本申请第一实施例提供的标定示意图;
图1-B是本申请第一实施例提供的场景示意图;
图2是本申请第二实施例提供的成像设备标定装置的单元框图;
图3是本申请第三实施例提供的电子设备的逻辑结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
针对成像设备的标定场景,为了降低成像设备标定过程中三维空间点与图像像素点之间的匹配过程的复杂度,提升成像设备的标定效率和准确性,本申请提供了一种成像设备标定方法、与该方法相对应的成像设备标定装置以及电子设备。以下提供实施例对所述方法、装置以及电子设备进行详细说明。
本申请第一实施例提供一种成像设备标定方法,该方法的应用主体可以为用于对成像设备进行标定的计算设备应用,图1为本申请第一实施例提供的成像设备标定方法的流程图,以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理,不是实际使用的限定。
如图1所示,本实施例提供的成像设备标定方法包括如下步骤:
S101,获得标定参照物在真实空间中的第一运动轨迹数据。
在计算机视觉、图像测量、三维场景重建等应用中,为了校正相机的镜头畸变、确定三维空间中的物理尺寸与图像的像素尺寸之间的换算关系、以及确定空间物体(或空间物体表面某点)的三维几何位置与该空间物体(或空间物体表面某点)在图像中对应的像素点的坐标之间的相互关系,需建立相机成像的几何模型,该几何模型的参数即为相机参数,求解该参数的过程即为相机标定或摄像机标定。
标定参照物指的是预先确定的处于待标定成像设备的摄取范围内的可移动对象,其用于在成像设备标定过程中获得相匹配的空间信息和图像信息,例如,待标定成像设备为摄像机,该摄像机安置在机场,则该标定参照物可以为已确定航班信息的处于运动中的飞机;如图1-B中所示,该摄像机安置在公路,则该标定参照物可以为行驶中的车辆;该摄像机安置在商场,则该标定参照物可以为安装有定位传感器的可移动机器人或佩戴有定位传感器的人。
上述第一运动轨迹数据可以是指直线运动轨迹数据或曲线运动轨迹数据,在本实施例中,上述获得标定参照物在真实空间中的第一运动轨迹数据,优选为获得标定参照物在真实空间中的第一直线运动轨迹数据(如图1-B中所示),该过程具体包括如下内容:
首先,获得标定参照物的空间运动轨迹数据。当上述标定参照物处于运动中时,根据其真实位置信息的变化过程可实时产生相应的空间运动轨迹数据,即,随着标定参照物的真实空间位置的变化,其在每个时间点所对应的空间坐标信息也随之变化,关联后的空间坐标信息即为该标定参照物的空间运动轨迹数据。
然后,获得所述空间运动轨迹数据中的第一直线运动轨迹数据。在本实施例中,所述标定参照物的数量为多个,且每个所述标定参照物所对应的所述第一直线运动轨迹数据的数量为多个。
在本实施例中,获得标定参照物的空间运动轨迹数据,可以是指:在所述标定参照物按照可获得多个直线运动轨迹的方式运动时,获得标定参照物的空间运动轨迹数据。例如,所述标定参照物在预设场景中沿直线方向运动,并多次转向,以此获得多个直线运动轨迹。
S102,获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,该第二运动轨迹数据与上述第一运动轨迹数据相匹配。
对于处于运动状态的标定参照物,当待标定成像设备摄取到该标定参照物的运动过程后,所摄取的视频数据中同样包含该标定参照物的运动轨迹,且该视频数据中的运动轨迹与标定参照物在真实空间中的运动轨迹的形状相一致。
上述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,具体可以是指:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据。在本实施例中,该过程包括如下内容:获得标定参照物在待标定成像设备所摄取的视频数据中与所述第一直线运动轨迹数据在时间上相匹配的第二直线运动轨迹数据。例如,针对同一标定参照物,如果第一直线运动轨迹数据与第二直线运动轨迹数据对应相同时间范围,或者第一直线运动轨迹数据与第二直线运动轨迹数据对应相同的时间点,则表明第一直线运动轨迹数据与第二直线运动轨迹数据在时间上相匹配。
在本实施例中,获得第二直线运动轨迹数据的过程为:获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据;获得所述图像轨迹数据中的与所述第一直线运动轨迹数据相匹配的第二直线运动轨迹数据。
在本实施例中,上述获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据,具体包括如下过程:
首先,获得所述待标定成像设备摄取的视频数据。
例如,获得待标定摄像机所摄取的车辆行驶过程中的视频数据。在本实施例中,基于可获取标定参照物的空间坐标信息的难易程度的差异,获得待标定成像设备摄取的视频数据的方式有所不同。
针对机场、公路等室外场景,由于借助机场雷达、GPS定位技术等现有定位导航技术可较容易获取飞机、车辆等标定参照物的空间坐标信息,因此,可在飞机、车辆等标定参照物的真实运动场景中摄取视频数据,例如,当预知航班信息的飞机在飞机跑道行驶时,通过安置于机场的待标定摄像机摄取针对该飞机的视频数据。
针对商场、交通枢纽站等室内场景,可针对标定参照物预先设定运动方式,当所述标定参照物在预设场景中按照预定运动方式运动时,获得所述待标定成像设备摄取的视频数据,以此实现后续针对该标定参照物的准确定位。具体的,上述预定运动方式可以为:标定参照物在商场、医院等预设场景中按照可获得多条直线轨迹的方式进行运动,例如,指示安装有定位传感器的移动机器人在室内场景中的待标定摄像机的摄取范围内沿直线方向运动,并多次转向,以此获得多条直线轨迹。
在本实施例中,上述预定运动方式还可以为:标定参照物在预设场景中按照可获得多个运动起始时间点的方式进行运动。具体的,上述安装有定位传感器的移动机器人在预设场景中的所述待标定成像设备的摄取范围内运动时,按照预定时间间隔停止运动,以此获得多个运动起始时间点,并获得多个运动起始时间点所对应的移动机器人的位置坐标,按照预定时间间隔停止运动,其目的是为了针对多种设备做时间戳上的同步,例如,移动机器人每行走一段距离即停顿5-7秒,匹配时间窗口为5-7秒,即使设备之间存在5秒以下的时间延时,算法也可以容忍。
其次,在所述视频数据中检测所述标定参照物。
在上述获取待标定摄像机所摄取的视频数据之后,还需针对该视频数据进行目标检测,以此识别出视频数据中的标定参照物。在本实施例中,该过程具体包含如下内容:
视频数据预处理:对上述视频数据进行预处理,消除视频数据的图像帧中的无关信息,简化图像数据,从而提高视频数据中标定参照物的可检测性。例如,采用颜色空间变换、图像消噪以及图像增强等方式对视频数据进行预处理。颜色空间变换指的是图像处理过程中进行颜色模型间的转换,有利于提取视频图像的有效特征,例如,将RGB图像转换为灰度图像进行处理,可节省计算资源。图像消噪指的是采用高斯滤波、中值滤波、小波变换以及DCT变换滤波等方式消除视频图像中的噪声信息,避免因待标定摄像机的抖动、图像数字化、光线抖动等因素导致视频图像质量降低。图像增强指的是将视频数据中不清晰的图像帧变得清晰,以使该图像帧能够突出显示标定参照物,加强图像判读和识别的效果,可分为空域法和频域法,对于摄像机的在线标定场景,为了满足实时性的要求,采用空域内的直方图修正法做图像增强处理,用于改善图像的视觉效果,突出包含标定参照物的图像部分,便于后续的分析和处理。
运动目标检测:对上述预处理之后的视频数据进行运动目标检测。例如,采用光流法、帧差法以及背景差法等运动目标检测方法中的一种或多种检测获得视频数据中的标定参照物。其中,光流法利用灰度梯度不变或亮度恒定的约束假设来检测运动中的标定参照物,可在无需场景信息的情况下,检测独立运动的标定参照物。帧差法利用视频数据中相邻图像帧是否存在运动中的标定参照物时对应像素的变化情况实现标定参照物的检测。背景差法针对视频数据构造出背景图像,将当前待检测的图像帧与背景图像相减,将变化的区域判定为目标区域,并采用图像二值化处理方式将图像帧中标定参照物和背景图像分离出来,以此检测获得标定参照物。
然后,对所述标定参照物进行跟踪,获得所述标定参照物在所述视频数据的每帧图像信息中的坐标信息。
在上述检测获得视频数据中的标定参照物之后,在连续的图像帧之间建立基于目标色彩、形状、纹理等有关特征的对应匹配,可用于跟踪获得运动中的标定参照物在视频数据的每帧图像中的坐标信息。例如,标定参照物为行驶的车辆,通过将该车辆的车牌信息在视频数据的连续的图像帧之间进行匹配,可实现对该车辆的跟踪,并通过运动目标搜索定位的方式获得该车辆在视频数据的每帧图像信息中的坐标信息,并且基于时间戳信息,可获得该车辆在在每个时间点所对应的坐标信息。
最后,根据所述标定参照物在所述视频数据的每帧图像信息中的坐标信息,获得所述标定参照物在所述待标定成像设备所摄取的视频数据中的图像轨迹数据。例如,将上述车辆在视频数据的每帧图像信息中的坐标信息进行关联拟合,具体可采用三次样条曲线拟合该车辆在视频数据的每帧图像信息中的坐标数据,获得该车辆在待标定摄像机所摄取的视频数据中的图像轨迹数据。
在本实施例中,可基于时间和轨迹分析实现真实世界与相机坐标的匹配关系,上述获取直线轨迹的过程和获得多个运动起始时间点所对应的移动机器人的位置坐标的过程可混合使用,在该种情况下,运动轨迹中有两个明显特征,分别为直线运动轨迹和停顿点,具体可利用轨迹分析的手段找到停顿点(例如利用速度分析的方法获得停顿点),利用卡尔曼滤波器(kalmanfilter)可提取出直线运动轨迹,以此实现停顿点和直线运动轨迹的匹配,该种匹配方式对时间同步的要求较低。
需要说明的是,在实施过程中,上述步骤S101和步骤S102的顺序并未限定,即,也可先获得第二直线运动轨迹数据,再获得第一直线运动轨迹数据,只需两者在时间上相匹配即可。
S103,根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定,具体可以是指:根据第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。在本实施例中,该过程如图1-A所示,其具体包括如下内容:
首先,获取第一直线运动轨迹数据上的至少两个空间点的空间坐标数据。例如,采用随机方式获取第一直线运动轨迹数据上的至少两个空间点的空间坐标数据。如图1-A所示,标定参照物在真实空间中的第一直线运动轨迹数据l1上的两个空间点分别为点和点点和点为l1上的任意两点。
其次,获取第二直线运动轨迹数据上的至少两个平面点的图像坐标数据。例如,采用随机方式获取第二直线运动轨迹数据上的至少两个平面点的图像坐标数据。如图1-A所示,标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据l2上的两个平面点分别为点和点点和点为l2上的任意两点。
最后,根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定。
在本实施例中,该过程具体包括以下内容:
A:采用上述至少两个空间点的空间坐标数据与待标定成像设备的待求解参数矩阵,表示第二直线轨迹数据上的与所述至少两个空间点相匹配的目标平面点的图像坐标数据。
由于第二直线运动轨迹数据l2与第一直线运动轨迹数据l1在时间上相匹配,因此,l2上存在目标平面点与l1上的空间点相匹配,l2上存在目标平面点与l1上的空间点相匹配,预设待标定成像设备的待求解参数矩阵为H,H用于表示目标平面点与空间点的映射关系,以及用于表示目标平面点与空间点的映射关系,因此,可通过H和表示可通过H和表示例如以下公式(1)和公式(2)所示:
C:根据所述目标平面点的图像坐标数据和所述第二直线运动轨迹数据的法向量,获得所述第二直线运动轨迹数据对应的直线方程。
D:根据所述第二直线运动轨迹数据对应的直线方程,对所述待求解参数矩阵进行求解,获得所述待标定成像设备的标定参数。
由待求解参数矩阵H所包含参数的数量可知,对待求解参数矩阵进行求解的过程中,需要两对以上的直线进行匹配,即,需要至少两对在时间上相匹配的第一直线轨迹数据和第二直线轨迹数据,并重复执行上述过程,具体可使用最小二乘法进行求解。例如,待求解参数矩阵H为3*3的参数矩阵,求解该参数矩阵的过程为:将上述公式
代入匹配好的图像坐标和真实空间坐标,利用最小二乘法即可求解得到H。
在大型商场、交通枢纽、机场等安装有多个成像设备(摄像头)的场景中,利用计算机视觉做结构化分析或者事件分析时,需要了解目标对象或者事件的真实空间位置信息,例如图1-B中所示,通过多个摄像头对目标对象或者事件的空间位置做全局分析。为了实现上述过程,可在摄像头未安装前对摄像头进行手工标定,或者在摄像头上安装精密的位置和姿态传感器,以实时感知摄像头的精确地理位置和相机实时姿态,上述手工标定的过程对于新安装的摄像头是有效的,然而,对多个摄像头进行人工标定的复杂度过高、易受到人为因素的影响,难以保证相机标定的准确性;在摄像头上安装精密的位置和姿态传感器,其实现过程同样较为复杂,且投入成本较高。使用本实施例提供的方案,在利用多个摄像头对目标对象或者事件的空间位置做全局分析的过程中,可快速构建多个摄像头的视频数据和真实空间之间的对应关系,从而辅助业务系统构建事件发生、或者目标对象出现的真实地理信息,关联目标对象在多个摄像头下的轨迹,并做多个摄像头之间的事件联动,可高效准确地实现上述针对大型商场、交通枢纽、机场等通过多个成像设备(摄像头)对目标对象或者事件的空间位置做全局分析的场景中。
本实施例提供的成像设备标定方法,分别获得标定参照物在真实空间中的第一直线运动轨迹数据、以及该标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,该第二直线运动轨迹数据与第一直线运动轨迹数据相匹配,(例如在时间上相匹配)并根据第一直线运动轨迹数据和第二直线运动轨迹数据,对待标定成像设备进行标定,具体为,获取第一直线运动轨迹数据上的至少两个空间点的空间坐标数据,并获得第二直线运动轨迹数据上的至少两个平面点的图像坐标数据,根据上述空间坐标数据、图像坐标数据以及上述第二直线运动轨迹数据对应的直线方程,对待标定成像设备进行标定。该方法将现有的采用真实空间坐标与图像坐标之间的关联点相匹配的方式进行相机标定,转换为采用真实空间中的直线轨迹与图像坐标的直线轨迹相匹配的方式进行相机标定。通过使用该方法,由于直线轨迹匹配的过程相较于关联点的匹配过程更加简单高效,且对时间精度的要求较低,因此可使得相机标定过程更加简单高效,相机标定结果更加准确。
上述第一实施例提供了一种成像设备标定方法,与之相对应的,本申请第二实施例还提供了一种成像设备标定装置,由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可,下述对装置实施例的描述仅仅是示意性的。
请参考图2理解该实施例,图2为本实施例提供的装置的单元框图,如图2所示,本实施例提供的装置包括:
第一运动轨迹数据获得单元201,用于获得标定参照物在真实空间中的第一运动轨迹数据;
第二运动轨迹数据获得单元202,用于获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
标定单元203,用于根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
可选的,所述第一运动轨迹数据获得单元具体用于:获得标定参照物在真实空间中的第一直线运动轨迹数据;
所述第二运动轨迹数据获得单元具体用于:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,所述第二直线运动轨迹数据与所述第一直线运动轨迹数据相匹配;
所述标定单元具体用于:根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。
可选的,所述根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定,包括:
获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据;
获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据;
根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定。
可选的,所述根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定,包括:
采用所述至少两个空间点的空间坐标数据与所述待标定成像设备的待求解参数矩阵,表示所述第二直线轨迹数据上的与所述至少两个空间点相匹配的目标平面点的图像坐标数据;
采用所述至少两个平面点的图像坐标数据表示所述第二直线运动轨迹数据的法向量;
根据所述目标平面点的图像坐标数据和所述第二直线运动轨迹数据的法向量,获得所述第二直线运动轨迹数据对应的直线方程;
根据所述第二直线运动轨迹数据对应的直线方程,对所述待求解参数矩阵进行求解,获得所述待标定成像设备的标定参数。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中与所述第一直线运动轨迹数据在时间上相匹配的第二直线运动轨迹数据。
可选的,所述获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据,包括:
采用随机方式获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据。
可选的,所述获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据,包括:
采用随机方式获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据。
可选的,所述获得标定参照物在真实空间中的第一直线运动轨迹数据,包括:
获得标定参照物的空间运动轨迹数据;
获得所述空间运动轨迹数据中的第一直线运动轨迹数据。
可选的,所述获得标定参照物的空间运动轨迹数据,包括:
在所述标定参照物按照可获得多个直线运动轨迹的方式运动时,获得标定参照物的空间运动轨迹数据。
可选的,所述标定参照物按照可获得多个直线运动轨迹的方式运动,包括:
所述标定参照物在预设场景中沿直线方向运动,并多次转向,以此获得多个直线运动轨迹。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据;
获得所述图像轨迹数据中的与所述第一直线运动轨迹数据相匹配的第二直线运动轨迹数据。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据,包括:
获得所述待标定成像设备摄取的视频数据;
在所述视频数据中检测所述标定参照物;
对所述标定参照物进行跟踪,获得所述标定参照物在所述视频数据的每帧图像信息中的坐标信息;
根据所述标定参照物在所述视频数据的每帧图像信息中的坐标信息,获得所述标定参照物在所述待标定成像设备所摄取的视频数据中的图像轨迹数据。
可选的,所述标定参照物的数量为多个。
可选的,所述第一直线运动轨迹数据的数量为多个。
在上述的实施例中,提供了一种成像设备标定方法以及一种成像设备标定装置,此外,本申请第三实施例还提供一种电子设备,由于电子设备实施例基本相似于方法实施例,所以描述得比较简单,相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可,下述对电子设备实施例的描述仅仅是示意性的。该电子设备实施例如下:
请参考图3理解本实施例,图3为本实施例提供的电子设备的示意图。
如图3所示,所述电子设备包括:处理器301;存储器302;
所述存储器302,用于存储成像设备标定程序,所述程序在被所述处理器读取执行时,执行如下操作:
获得标定参照物在真实空间中的第一运动轨迹数据;
获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
可选的,所述获得标定参照物在真实空间中的第一运动轨迹数据,包括:获得标定参照物在真实空间中的第一直线运动轨迹数据;
所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,包括:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据;
所述根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定,包括:根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。
可选的,所述根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定,包括:
获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据;
获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据;
根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定。
可选的,所述根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定,包括:
采用所述至少两个空间点的空间坐标数据与所述待标定成像设备的待求解参数矩阵,表示所述第二直线轨迹数据上的与所述至少两个空间点相匹配的目标平面点的图像坐标数据;
采用所述至少两个平面点的图像坐标数据表示所述第二直线运动轨迹数据的法向量;
根据所述目标平面点的图像坐标数据和所述第二直线运动轨迹数据的法向量,获得所述第二直线运动轨迹数据对应的直线方程;
根据所述第二直线运动轨迹数据对应的直线方程,对所述待求解参数矩阵进行求解,获得所述待标定成像设备的标定参数。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中与所述第一直线运动轨迹数据在时间上相匹配的第二直线运动轨迹数据。
可选的,所述获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据,包括:
采用随机方式获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据。
可选的,所述获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据,包括:
采用随机方式获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据。
可选的,所述获得标定参照物在真实空间中的第一直线运动轨迹数据,包括:获得标定参照物的空间运动轨迹数据;获得所述空间运动轨迹数据中的第一直线运动轨迹数据。
所述获得标定参照物的空间运动轨迹数据,包括:在所述标定参照物按照可获得多个直线运动轨迹的方式运动时,获得标定参照物的空间运动轨迹数据。
标定参照物按照可获得多个直线运动轨迹的方式运动,包括:标定参照物在预设场景中沿直线方向运动,并多次转向,以此获得多个直线运动轨迹。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据;获得所述图像轨迹数据中的与所述第一直线运动轨迹数据相匹配的第二直线运动轨迹数据。
可选的,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据,包括:获得所述待标定成像设备摄取的视频数据;在所述视频数据中检测所述标定参照物;对所述标定参照物进行跟踪,获得所述标定参照物在所述视频数据的每帧图像信息中的坐标信息;根据所述标定参照物在所述视频数据的每帧图像信息中的坐标信息,获得所述标定参照物在所述待标定成像设备所摄取的视频数据中的图像轨迹数据。
可选的,标定参照物的数量为多个。第一直线运动轨迹数据的数量为多个。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (17)
1.一种成像设备标定方法,其特征在于,包括:
获得标定参照物在真实空间中的第一运动轨迹数据;
获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
2.根据权利要求1所述的方法,其特征在于,所述获得标定参照物在真实空间中的第一运动轨迹数据,包括:获得标定参照物在真实空间中的第一直线运动轨迹数据;
所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,包括:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据;
所述根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定,包括:根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定,包括:
获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据;
获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据;
根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定。
4.根据权利要求3所述的方法,其特征在于,所述根据所述至少两个空间点的空间坐标数据、所述至少两个平面点的图像坐标数据以及所述第二直线运动轨迹数据对应的直线方程,对所述待标定成像设备进行标定,包括:
采用所述至少两个空间点的空间坐标数据与所述待标定成像设备的待求解参数矩阵,表示所述第二直线轨迹数据上的与所述至少两个空间点相匹配的目标平面点的图像坐标数据;
采用所述至少两个平面点的图像坐标数据表示所述第二直线运动轨迹数据的法向量;
根据所述目标平面点的图像坐标数据和所述第二直线运动轨迹数据的法向量,获得所述第二直线运动轨迹数据对应的直线方程;
根据所述第二直线运动轨迹数据对应的直线方程,对所述待求解参数矩阵进行求解,获得所述待标定成像设备的标定参数。
5.根据权利要求2所述的方法,其特征在于,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中与所述第一直线运动轨迹数据在时间上相匹配的第二直线运动轨迹数据。
6.根据权利要求3所述的方法,其特征在于,所述获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据,包括:
采用随机方式获取所述第一直线运动轨迹数据上的至少两个空间点的空间坐标数据。
7.根据权利要求3所述的方法,其特征在于,所述获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据,包括:
采用随机方式获取所述第二直线运动轨迹数据上的至少两个平面点的图像坐标数据。
8.根据权利要求2所述的方法,其特征在于,所述获得标定参照物在真实空间中的第一直线运动轨迹数据,包括:
获得标定参照物的空间运动轨迹数据;
获得所述空间运动轨迹数据中的第一直线运动轨迹数据。
9.根据权利要求8所述的方法,其特征在于,所述获得标定参照物的空间运动轨迹数据,包括:
在所述标定参照物按照可获得多个直线运动轨迹的方式运动时,获得标定参照物的空间运动轨迹数据。
10.根据权利要求9所述的方法,其特征在于,所述标定参照物按照可获得多个直线运动轨迹的方式运动,包括:
所述标定参照物在预设场景中沿直线方向运动,并多次转向,以此获得多个直线运动轨迹。
11.根据权利要求2所述的方法,其特征在于,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,包括:
获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据;
获得所述图像轨迹数据中的与所述第一直线运动轨迹数据相匹配的第二直线运动轨迹数据。
12.根据权利要求11所述的方法,其特征在于,所述获得所述标定参照物在待标定成像设备所摄取的视频数据中的图像轨迹数据,包括:
获得所述待标定成像设备摄取的视频数据;
在所述视频数据中检测所述标定参照物;
对所述标定参照物进行跟踪,获得所述标定参照物在所述视频数据的每帧图像信息中的坐标信息;
根据所述标定参照物在所述视频数据的每帧图像信息中的坐标信息,获得所述标定参照物在所述待标定成像设备所摄取的视频数据中的图像轨迹数据。
13.根据权利要求1所述的方法,其特征在于,所述标定参照物的数量为多个。
14.根据权利要求2所述的方法,其特征在于,所述第一直线运动轨迹数据的数量为多个。
15.一种成像设备标定装置,其特征在于,包括:
第一运动轨迹数据获得单元,用于获得标定参照物在真实空间中的第一运动轨迹数据;
第二运动轨迹数据获得单元,用于获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
标定单元,用于根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
16.根据权利要求15所述的装置,其特征在于,所述第一运动轨迹数据获得单元具体用于:获得标定参照物在真实空间中的第一直线运动轨迹数据;
所述第二运动轨迹数据获得单元具体用于:获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二直线运动轨迹数据,所述第二直线运动轨迹数据与所述第一直线运动轨迹数据相匹配;
所述标定单元具体用于:根据所述第一直线运动轨迹数据和所述第二直线运动轨迹数据,对所述待标定成像设备进行标定。
17.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储成像设备标定程序,所述程序在被所述处理器读取执行时,执行如下操作:
获得标定参照物在真实空间中的第一运动轨迹数据;
获得所述标定参照物在待标定成像设备所摄取的视频数据中的第二运动轨迹数据,所述第二运动轨迹数据与所述第一运动轨迹数据相匹配;
根据所述第一运动轨迹数据和所述第二运动轨迹数据,对所述待标定成像设备进行标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911317019.8A CN111489398B (zh) | 2019-12-19 | 2019-12-19 | 一种成像设备标定方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911317019.8A CN111489398B (zh) | 2019-12-19 | 2019-12-19 | 一种成像设备标定方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111489398A true CN111489398A (zh) | 2020-08-04 |
CN111489398B CN111489398B (zh) | 2023-06-20 |
Family
ID=71811539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911317019.8A Active CN111489398B (zh) | 2019-12-19 | 2019-12-19 | 一种成像设备标定方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489398B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963058A (zh) * | 2021-09-07 | 2022-01-21 | 于留青 | 预定轨道ct在线标定方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604448A (zh) * | 2009-03-16 | 2009-12-16 | 北京中星微电子有限公司 | 一种运动目标的测速方法和系统 |
CN101833791A (zh) * | 2010-05-11 | 2010-09-15 | 成都索贝数码科技股份有限公司 | 一种单摄像机下的场景建模方法及系统 |
CN102722894A (zh) * | 2012-05-23 | 2012-10-10 | 浙江捷尚视觉科技有限公司 | 一种基于摄像机自动标定的智能视频监控方法 |
US20120293663A1 (en) * | 2011-05-16 | 2012-11-22 | Sony Corporation | Device for determining disappearing direction and method thereof, apparatus for video camera calibration and method thereof |
CN104036496A (zh) * | 2014-05-25 | 2014-09-10 | 浙江大学 | 一种鱼眼镜头相机径向畸变的自标定方法 |
GB201720289D0 (en) * | 2016-12-05 | 2018-01-17 | Bosch Gmbh Robert | Method for calibrating a camera and calibration system |
CN110111394A (zh) * | 2019-05-16 | 2019-08-09 | 湖南三一快而居住宅工业有限公司 | 基于机械手特征对摄像机自动标定的方法及装置 |
-
2019
- 2019-12-19 CN CN201911317019.8A patent/CN111489398B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604448A (zh) * | 2009-03-16 | 2009-12-16 | 北京中星微电子有限公司 | 一种运动目标的测速方法和系统 |
CN101833791A (zh) * | 2010-05-11 | 2010-09-15 | 成都索贝数码科技股份有限公司 | 一种单摄像机下的场景建模方法及系统 |
US20120293663A1 (en) * | 2011-05-16 | 2012-11-22 | Sony Corporation | Device for determining disappearing direction and method thereof, apparatus for video camera calibration and method thereof |
CN102722894A (zh) * | 2012-05-23 | 2012-10-10 | 浙江捷尚视觉科技有限公司 | 一种基于摄像机自动标定的智能视频监控方法 |
CN104036496A (zh) * | 2014-05-25 | 2014-09-10 | 浙江大学 | 一种鱼眼镜头相机径向畸变的自标定方法 |
GB201720289D0 (en) * | 2016-12-05 | 2018-01-17 | Bosch Gmbh Robert | Method for calibrating a camera and calibration system |
CN108156450A (zh) * | 2016-12-05 | 2018-06-12 | 罗伯特·博世有限公司 | 用于校准摄像机的方法、校准设备、校准系统以及机器可读的存储介质 |
CN110111394A (zh) * | 2019-05-16 | 2019-08-09 | 湖南三一快而居住宅工业有限公司 | 基于机械手特征对摄像机自动标定的方法及装置 |
Non-Patent Citations (2)
Title |
---|
YIWEN WAN 等: "Camera calibration and vehicle tracking: Highway traffic video analytics" * |
于之靖 等: "一种基于非参数模型的相机内参校准方法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963058A (zh) * | 2021-09-07 | 2022-01-21 | 于留青 | 预定轨道ct在线标定方法、装置、电子设备及存储介质 |
CN113963058B (zh) * | 2021-09-07 | 2022-11-29 | 于留青 | 预定轨道ct在线标定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111489398B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11915502B2 (en) | Systems and methods for depth map sampling | |
CN111462200B (zh) | 一种跨视频行人定位追踪方法、系统及设备 | |
CN111436216B (zh) | 用于彩色点云生成的方法和系统 | |
GB2503328B (en) | Tire detection for accurate vehicle speed estimation | |
JP6095018B2 (ja) | 移動オブジェクトの検出及び追跡 | |
CN106204595B (zh) | 一种基于双目摄像机的机场场面三维全景监视方法 | |
US9483839B1 (en) | Occlusion-robust visual object fingerprinting using fusion of multiple sub-region signatures | |
US10909395B2 (en) | Object detection apparatus | |
CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
EP2901236B1 (en) | Video-assisted target location | |
CN104704384A (zh) | 具体用于装置的基于视觉的定位的图像处理方法 | |
WO2020106329A1 (en) | System and method for camera commissioning beacons | |
CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
Cvišić et al. | Recalibrating the KITTI dataset camera setup for improved odometry accuracy | |
CN106504274A (zh) | 一种基于红外摄像头下的视觉跟踪方法及系统 | |
CN116978009A (zh) | 基于4d毫米波雷达的动态物体滤除方法 | |
Ke et al. | Roadway surveillance video camera calibration using standard shipping container | |
US9648211B2 (en) | Automatic video synchronization via analysis in the spatiotemporal domain | |
CN111489398B (zh) | 一种成像设备标定方法以及装置 | |
CN111489397A (zh) | 一种成像设备标定方法以及装置 | |
CN116151320A (zh) | 一种抗动态目标干扰的视觉里程计方法及视觉里程计装置 | |
US10776928B1 (en) | Efficient egomotion estimation using patch-based projected correlation | |
CN116917936A (zh) | 双目相机外参标定的方法及装置 | |
CN113450415A (zh) | 一种成像设备标定方法以及装置 | |
CN116051628B (zh) | 一种无人机定位方法、装置、电子设备以及存储介质 |
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 |