CN111598954A - 一种快速高精度摄像头参数计算方法 - Google Patents
一种快速高精度摄像头参数计算方法 Download PDFInfo
- Publication number
- CN111598954A CN111598954A CN202010315791.2A CN202010315791A CN111598954A CN 111598954 A CN111598954 A CN 111598954A CN 202010315791 A CN202010315791 A CN 202010315791A CN 111598954 A CN111598954 A CN 111598954A
- Authority
- CN
- China
- Prior art keywords
- parameters
- camera
- formula
- parameter
- steps
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种快速高精度摄像头参数计算方法,所述方法包括如下步骤:步骤1、计算摄像头姿态参数;步骤2、计算摄像头内部结构参数;步骤3、在步骤1和步骤2已经求解出所需的摄像头参数后,将所求解出的参数作为初始化参数结合成像模型对参数做进一步的非线性优化。本发明所述方法计算简单并且精度高,通过将非线性求解转换成线性求解来降低计算复杂度,并同时提高了结果的精度。
Description
技术领域
本发明属于摄像头参数计算技术领域,特别是涉及一种快速高精度摄像头参数计算方法。
背景技术
摄像头作为计算机视觉中的重要传感器被广泛应用于目标检测、目标识别等领域。由于每个摄像头在出厂时无法保证各元器件结构的一致性,因此在使用之前需要进行摄像头参数的计算,并根据计算出的参数和摄像头的成像模型来对摄像头进行标定。对于一些畸变较小的摄像头通常采用小孔成像模型,成像模型比较简单且呈线性,但视场角较小;对于一些大视场角需求的场景,通常采用广角摄像头,此时成像模型比较复杂且呈非线性,在计算摄像头参数时计算过程复杂、耗时较长、计算精度较低。
发明内容
本发明目的是为了解决现有技术中的问题,提出了一种快速高精度摄像头参数计算方法。本发明所述方法计算简单并且精度高,通过将非线性求解转换成线性求解来降低计算复杂度,并同时提高了结果的精度。
本发明是通过以下技术方案实现的,本发明提出一种快速高精度摄像头参数计算方法,摄像头的成像模型如公式(1)所示:
其中,(u,v)是图像坐标,(X,Y)是真实世界物理坐标,(α0...αN)是摄像头内部结构参数,(r,t)是摄像头在真实世界的姿态参数,r是摄像头在真实世界姿态的旋转参数,t 是摄像头在真实世界姿态的平移参数;
所述方法包括如下步骤:
步骤1、计算摄像头姿态参数;
步骤2、计算摄像头内部结构参数;
步骤3、在步骤1和步骤2已经求解出所需的摄像头参数后,将所求解出的参数作为初始化参数结合公式(1)对参数做进一步的非线性优化。
进一步地,所述步骤1具体为:
根据公式(1)得到如下公式:
vj.(r31Xj+r32Yj+t3)-f(ρ).(r21Xj+r22Yj+t2)=0 (2.1)
f(ρ).(r11Xj+r12Yj+t1)-uj.(r31Xj+r32Yj+t3)=0 (2.2)
uj.(r21Xj+r22Yj+t2)-vj.(r11Xj+r12Yj+t1)=0 (2.3)
其中,Xj,Yj是已知的真实世界物理坐标,uj,vj是已知的图像坐标,在公式(2.3)中H=[r11,r12,r21,r22,t1,t2]为待求解参数,将L点坐标代入公式(2.3)中得到方程组M·H=0,其中
参数矩阵H的线性解采用最小二乘法||M·H||2,其中||H||2=1,最后利用奇异值分解计算出参数矩阵H;由于r1,r2,r3向量的正交性,能够计算出r31和r32。
进一步地,所述步骤2具体为:
在步骤1中根据公式(2.3)计算出摄像头的姿态参数,在此基础上根据公式(2.1)和 (2.2)以及K组点来计算摄像头的内部结构参数及每组点所对应的t3;将K组点的坐标依次代入公式(2.1)和(2.2),得到如下方程:
由于方程(3)为线性方程组因此可以采用与步骤1相同的方法求解参数矩阵,至此摄像头的姿态参数与内部结构参数均已求出。
进一步地,所述步骤3具体为:
建立优化目标函数将图像坐标转换成真实世界的物理坐标,并计算物理坐标的累积误差;利用优化目标函数对各个参数求解偏导数并建立雅各比矩阵,所建立的优化目标函数如公式(4)所示:
其中,E表示真实物理坐标与计算得到的物理坐标的累积误差,mij是真实的物理坐标,是通过公式(1)将图像坐标转换后的物理坐标, R=[r1 r2 r3],通过公式(4)依次求解各个参数的偏导数得到雅各比矩阵,利用梯度下降优化算法逐渐进行迭代,当连续迭代10次累积误差变化不超过 1%时停止迭代,非线性优化完成,优化后的参数即是最终的参数。
附图说明
图1为本发明所述快速高精度摄像头参数计算方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
结合图1,本发明提出一种快速高精度摄像头参数计算方法,摄像头成像原理主要是将真实世界的物理坐标通过成像模型转换成图像坐标,摄像头参数的精确性直接关系到坐标转换的精度,广角摄像头的成像模型如公式(1)所示:
其中,(u,v)是图像坐标,(X,Y)是真实世界物理坐标,(α0...αN)是摄像头内部结构参数,(r,t)是摄像头在真实世界的姿态参数,r是摄像头在真实世界姿态的旋转参数,t 是摄像头在真实世界姿态的平移参数;
通过公式(1)可以看出成像模型中含有明显的非线性,如果直接将数据代入虽然可以建立方程组,但是由于方程数目明显多于未知参数数目加之非线性原因,导致方程组的复杂性增加。因此本发明通过分步线性化的方法依次求解摄像头的姿态参数以及内部结构参数,并将求出的参数作为初始值再次进行优化的方法来求解最终的高精度参数。
所述方法包括如下步骤:
步骤1、计算摄像头姿态参数;
所述步骤1具体为:
根据公式(1)得到如下公式:
vj.(r31Xj+r32Yj+t3)-f(ρ).(r21Xj+r22Yj+t2)=0 (2.1)
f(ρ).(r11Xj+r12Yj+t1)-uj.(r31Xj+r32Yj+t3)=0 (2.2)
uj.(r21Xj+r22Yj+t2)-vj.(r11Xj+r12Yj+t1)=0 (2.3)
其中,Xj,Yj是已知的真实世界物理坐标,uj,vj是已知的图像坐标,在公式(2.3)中H=[r11,r12,r21,r22,t1,t2]为待求解参数,将L点坐标代入公式(2.3)中得到方程组M·H=0,其中
参数矩阵H的线性解采用最小二乘法||M·H||2,其中||H||2=1,最后利用奇异值分解计算出参数矩阵H;由于r1,r2,r3向量的正交性,能够计算出r31和r32。
步骤2、计算摄像头内部结构参数;
所述步骤2具体为:
在步骤1中根据公式(2.3)计算出摄像头的姿态参数,在此基础上根据公式(2.1)和 (2.2)以及K组点来计算摄像头的内部结构参数及每组点所对应的t3;将K组点的坐标依次代入公式(2.1)和(2.2),得到如下方程:
由于方程(3)为线性方程组因此可以采用与步骤1相同的方法求解参数矩阵,至此摄像头的姿态参数与内部结构参数均已求出。
步骤3、在步骤1和步骤2已经求解出所需的摄像头参数后,将所求解出的参数作为初始化参数结合公式(1)对参数做进一步的非线性优化。
所述步骤3具体为:
建立优化目标函数将图像坐标转换成真实世界的物理坐标,并计算物理坐标的累积误差;利用优化目标函数对各个参数求解偏导数并建立雅各比矩阵,在计算雅各比矩阵中均是线性计算因此降低了计算的复杂度,所建立的优化目标函数如公式(4)所示:
其中,E表示真实物理坐标与计算得到的物理坐标的累积误差,mij是真实的物理坐标,是通过公式(1)将图像坐标转换后的物理坐标,R=[r1 r2 r3],在未进行优化时真实的物理坐标与转换后的物理坐标之间存在较大的累积误差,通过公式(4)依次求解各个参数的偏导数得到雅各比矩阵,利用梯度下降优化算法逐渐进行迭代,当连续迭代10次累积误差变化不超过1%时停止迭代,非线性优化完成,优化后的参数即是最终的参数。
以上对本发明所提出的一种快速高精度摄像头参数计算方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315791.2A CN111598954A (zh) | 2020-04-21 | 2020-04-21 | 一种快速高精度摄像头参数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315791.2A CN111598954A (zh) | 2020-04-21 | 2020-04-21 | 一种快速高精度摄像头参数计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598954A true CN111598954A (zh) | 2020-08-28 |
Family
ID=72183324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010315791.2A Pending CN111598954A (zh) | 2020-04-21 | 2020-04-21 | 一种快速高精度摄像头参数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598954A (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004184236A (ja) * | 2002-12-03 | 2004-07-02 | Sumitomo Rubber Ind Ltd | 球体の回転特性と飛行特性の測定方法 |
EP1975556A1 (en) * | 2007-03-30 | 2008-10-01 | Mitutoyo Corporation | Global calibration for stereo vision probe |
JP2009017480A (ja) * | 2007-07-09 | 2009-01-22 | Nippon Hoso Kyokai <Nhk> | カメラキャリブレーション装置およびそのプログラム |
CN102034238A (zh) * | 2010-12-13 | 2011-04-27 | 西安交通大学 | 基于光学成像测头和视觉图结构的多摄像机系统标定方法 |
CN103426168A (zh) * | 2013-07-18 | 2013-12-04 | 北京航空航天大学 | 基于一维标定杆的普通、广角、鱼眼立体摄像机的通用标定方法 |
GB201319095D0 (en) * | 2013-10-29 | 2013-12-11 | Imp Innovations Ltd | Method of, and apparatus for, full waveform inversion |
WO2015154601A1 (zh) * | 2014-04-08 | 2015-10-15 | 中山大学 | 一种基于无特征提取的紧致sfm三维重建方法 |
CN105160673A (zh) * | 2015-08-28 | 2015-12-16 | 山东中金融仕文化科技股份有限公司 | 一种物体的定位方法 |
CN107103293A (zh) * | 2017-04-13 | 2017-08-29 | 西安交通大学 | 一种基于相关熵的注视点估计方法 |
CN107507246A (zh) * | 2017-08-21 | 2017-12-22 | 南京理工大学 | 一种基于改进畸变模型的摄像机标定方法 |
CN108942942A (zh) * | 2018-08-16 | 2018-12-07 | 居鹤华 | 一种基于轴不变量的多轴机器人逆运动学建模与解算方法 |
WO2019050417A1 (en) * | 2017-09-06 | 2019-03-14 | Auckland Uniservices Limited | METHOD FOR CALIBRATING STEREOSCOPIC SYSTEM |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及系统 |
CN109615664A (zh) * | 2018-12-12 | 2019-04-12 | 亮风台(上海)信息科技有限公司 | 一种用于光学透视增强现实显示器的标定方法与设备 |
CN109727292A (zh) * | 2018-12-29 | 2019-05-07 | 哈尔滨拓博科技有限公司 | 基于多摄像头-投影仪的互动投影系统及自动化标定方法 |
CN109765613A (zh) * | 2019-03-04 | 2019-05-17 | 太原理工大学 | 基于最速梯降叠前精确方程流体反演的页岩气识别方法 |
CN109978958A (zh) * | 2019-03-27 | 2019-07-05 | 哈尔滨拓博科技有限公司 | 一种互动投影系统标定误差补偿方法 |
CN109993113A (zh) * | 2019-03-29 | 2019-07-09 | 东北大学 | 一种基于rgb-d和imu信息融合的位姿估计方法 |
CN110740331A (zh) * | 2019-08-05 | 2020-01-31 | 辽宁师范大学 | 基于自适应步长和Levenberg-Marquardt优化的视频弹性运动估计方法 |
CN110826500A (zh) * | 2019-11-08 | 2020-02-21 | 福建帝视信息科技有限公司 | 基于运动链接空间的对抗性网络估计3d人体姿态的方法 |
CN110988991A (zh) * | 2019-12-16 | 2020-04-10 | 中国石油大学(北京) | 一种弹性参数反演方法、装置及系统 |
-
2020
- 2020-04-21 CN CN202010315791.2A patent/CN111598954A/zh active Pending
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004184236A (ja) * | 2002-12-03 | 2004-07-02 | Sumitomo Rubber Ind Ltd | 球体の回転特性と飛行特性の測定方法 |
EP1975556A1 (en) * | 2007-03-30 | 2008-10-01 | Mitutoyo Corporation | Global calibration for stereo vision probe |
JP2009017480A (ja) * | 2007-07-09 | 2009-01-22 | Nippon Hoso Kyokai <Nhk> | カメラキャリブレーション装置およびそのプログラム |
CN102034238A (zh) * | 2010-12-13 | 2011-04-27 | 西安交通大学 | 基于光学成像测头和视觉图结构的多摄像机系统标定方法 |
CN103426168A (zh) * | 2013-07-18 | 2013-12-04 | 北京航空航天大学 | 基于一维标定杆的普通、广角、鱼眼立体摄像机的通用标定方法 |
GB201319095D0 (en) * | 2013-10-29 | 2013-12-11 | Imp Innovations Ltd | Method of, and apparatus for, full waveform inversion |
WO2015154601A1 (zh) * | 2014-04-08 | 2015-10-15 | 中山大学 | 一种基于无特征提取的紧致sfm三维重建方法 |
CN105160673A (zh) * | 2015-08-28 | 2015-12-16 | 山东中金融仕文化科技股份有限公司 | 一种物体的定位方法 |
CN107103293A (zh) * | 2017-04-13 | 2017-08-29 | 西安交通大学 | 一种基于相关熵的注视点估计方法 |
CN107507246A (zh) * | 2017-08-21 | 2017-12-22 | 南京理工大学 | 一种基于改进畸变模型的摄像机标定方法 |
WO2019050417A1 (en) * | 2017-09-06 | 2019-03-14 | Auckland Uniservices Limited | METHOD FOR CALIBRATING STEREOSCOPIC SYSTEM |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及系统 |
CN108942942A (zh) * | 2018-08-16 | 2018-12-07 | 居鹤华 | 一种基于轴不变量的多轴机器人逆运动学建模与解算方法 |
CN109615664A (zh) * | 2018-12-12 | 2019-04-12 | 亮风台(上海)信息科技有限公司 | 一种用于光学透视增强现实显示器的标定方法与设备 |
CN109727292A (zh) * | 2018-12-29 | 2019-05-07 | 哈尔滨拓博科技有限公司 | 基于多摄像头-投影仪的互动投影系统及自动化标定方法 |
CN109765613A (zh) * | 2019-03-04 | 2019-05-17 | 太原理工大学 | 基于最速梯降叠前精确方程流体反演的页岩气识别方法 |
CN109978958A (zh) * | 2019-03-27 | 2019-07-05 | 哈尔滨拓博科技有限公司 | 一种互动投影系统标定误差补偿方法 |
CN109993113A (zh) * | 2019-03-29 | 2019-07-09 | 东北大学 | 一种基于rgb-d和imu信息融合的位姿估计方法 |
CN110740331A (zh) * | 2019-08-05 | 2020-01-31 | 辽宁师范大学 | 基于自适应步长和Levenberg-Marquardt优化的视频弹性运动估计方法 |
CN110826500A (zh) * | 2019-11-08 | 2020-02-21 | 福建帝视信息科技有限公司 | 基于运动链接空间的对抗性网络估计3d人体姿态的方法 |
CN110988991A (zh) * | 2019-12-16 | 2020-04-10 | 中国石油大学(北京) | 一种弹性参数反演方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
喻夏琼;高岩;陈向宁;: "基于非线性优化的摄像机2D标定法" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460779B (zh) | 一种动态环境下的移动机器人图像视觉定位方法 | |
CN114399554B (zh) | 一种多相机系统的标定方法及系统 | |
CN106558080B (zh) | 一种单目相机外参在线标定方法 | |
CN107516326B (zh) | 融合单目视觉和编码器信息的机器人定位方法和系统 | |
CN111784778B (zh) | 基于线性求解非线性优化的双目相机外参标定方法和系统 | |
CN106780576A (zh) | 一种面向rgbd数据流的相机位姿估计方法 | |
CN110276768B (zh) | 图像分割方法、图像分割装置、图像分割设备及介质 | |
WO2022206020A1 (zh) | 图像场景深度的估计方法、装置、终端设备和存储介质 | |
CN107358633A (zh) | 一种基于三点标定物的多相机内外参标定方法 | |
CN113393522A (zh) | 一种基于单目rgb相机回归深度信息的6d位姿估计方法 | |
CN111881773A (zh) | 一种基于位置偏移的事件相机人体姿态估计方法及系统 | |
CN112581544B (zh) | 基于参数优化的无公共视场相机标定方法 | |
CN112200157A (zh) | 一种降低图像背景干扰的人体3d姿态识别方法及其系统 | |
CN114494388B (zh) | 一种大视场环境下图像三维重建方法、装置、设备及介质 | |
CN112150561A (zh) | 一种多相机标定方法 | |
CN102903092A (zh) | 一种基于四点变换的图像自适应校正方法 | |
CN113409399B (zh) | 一种双相机联合标定方法、系统及装置 | |
US20240169584A1 (en) | Neural network-based pose estimation and registration method and device for heterogeneous images, and medium | |
CN111553954A (zh) | 一种基于直接法单目slam的在线光度标定方法 | |
CN117274333A (zh) | 一种基于多尺度深度特征图融合的多光谱图像配准方法 | |
CN111598954A (zh) | 一种快速高精度摄像头参数计算方法 | |
CN114399547B (zh) | 一种基于多帧的单目slam鲁棒初始化方法 | |
CN112991445B (zh) | 模型训练方法、姿态预测方法、装置、设备及存储介质 | |
CN110047032B (zh) | 一种基于径向基函数拟合的局部自适应误匹配点剔除方法 | |
CN114299477A (zh) | 一种车辆视觉定位方法、系统、设备及可读存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200828 |
|
WD01 | Invention patent application deemed withdrawn after publication |