CN111612849A - 一种基于流动车辆的摄像机标定方法及系统 - Google Patents

一种基于流动车辆的摄像机标定方法及系统 Download PDF

Info

Publication number
CN111612849A
CN111612849A CN202010397752.1A CN202010397752A CN111612849A CN 111612849 A CN111612849 A CN 111612849A CN 202010397752 A CN202010397752 A CN 202010397752A CN 111612849 A CN111612849 A CN 111612849A
Authority
CN
China
Prior art keywords
camera
vehicle
point
calibration
vanishing
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
CN202010397752.1A
Other languages
English (en)
Inventor
曹泉
何小晨
刘绍兵
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 Hit Traffic Electronic Technology Co ltd
Original Assignee
Shenzhen Hit Traffic Electronic Technology Co ltd
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 Hit Traffic Electronic Technology Co ltd filed Critical Shenzhen Hit Traffic Electronic Technology Co ltd
Priority to CN202010397752.1A priority Critical patent/CN111612849A/zh
Publication of CN111612849A publication Critical patent/CN111612849A/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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种摄像机标定技术领域，一种基于流动车辆的摄像机标定方法及系统，所述的一种基于流动车辆的摄像机标定方法包括：对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；识别视频帧中车辆特征点的图像坐标位置；构建成像模型；将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。所述的一种基于流动车辆的摄像机标定方法及系统，可以在不影响正常车辆通行的情况下进行摄像机标定，且准确度高。

Description

一种基于流动车辆的摄像机标定方法及系统
技术领域
本发明涉及一种摄像机标定技术领域，具体涉及一种基于流动车辆的摄像机标定方法及系统。
背景技术
视频监控领域里面很多应用都需要进行摄像机外部参数的标定。具体到交通应用场景中，包括视频测速、车辆长宽高测量、交通目标位置或距离测量等等都依赖于摄像机标定。
标定的方式方法多种多样，需要的特征点个数也各有不同，但大多数都需要事先准备好的标定模板，或者对现场的参照物进行实际测距，标定过程通常会影响道路的正常通行。
现有技术中，如专利号CN201210162324中描述的方法：首先在测量场景建立三维坐标系，选择至少6个空间中的点用于计算摄像机的三维透视模型，然后手动选择视频的任意两帧中的同一车辆的同一个点，或者视频中某一帧运动车辆上的某一个点进行速度测量。该方法的主要缺陷是：其一手动选择的点需要已知三维坐标其中的某一维，在实际测速应用中这种手动交互的方式难以实用化；其二标定参考点需要已知三维坐标的六个以上的点，实际应用中获取的难度较大。
又例如专利号CN201510469779中涉及的单消失点标定法和双消失点标定法都需要使用道路标线的四个顶点作为标定参考点，而且需要对标定点之间的距离进行测量。该方法的优势是：大部分采用国家标准规范的高速公路道路标线实线长度6米，实线间隔长度9米，车道宽度3.75米，对很多标定精度要求不高的场景来说，不需要实际测量就可以完成摄像机标定。但该方法也有局限性，其一，不同路段的道路标线的长度和宽度略有不同，不实际测量很难准确标定；其二，道路标线会因为各种原因老化缺损，造成标定误差；其三，道路标线的顶点需要人工标注，当云台相机预置位改变或者固定相机方向变化的时候，需要重新人工进行标定；其四，在没有道路标线的场景下无法进行标定。
所以为了解决上述问题，本发明提出一种基于流动车辆的摄像机标定方法及系统。
发明内容
本发明解决的技术问题是，提供了一种基于流动车辆的摄像机标定方法及系统。所述的一种基于流动车辆的摄像机标定方法及系统，可以在不影响正常车辆通行的情况下进行摄像机标定，且准确度高。
为了解决上述技术问题，本发明提供的技术方案为：
一种基于流动车辆的摄像机标定方法，包括：
对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；
识别视频帧中车辆特征点的图像坐标位置；
构建成像模型；
将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
优选地，所述的对标记车辆进行特征点标记的方法为：
在特定车辆的显著位置喷涂特定颜色或纹理，作为特征点，或在车头加装标记杆，在标记杆上设置有特征点；
所述特征点至少为两个，且至少两个特征点在一个水平平面上，以及在标记车辆行驶方向正交的方向排列。
优选地，所述的识别视频帧中车辆特征点的图像坐标位置时还包括：设车速为v，两帧时间间隔为t，计算车辆行驶距离：
Figure 155680DEST_PATH_IMAGE001
。
优选地，所述的特征点经过预先测量，并获取其离地高
Figure 116682DEST_PATH_IMAGE002
，彼此之间的距离W。
优选地，所述的通过双消失点标定法标定通过下列公式完成：
Figure 640199DEST_PATH_IMAGE003
；
Figure 712060DEST_PATH_IMAGE004
；
Figure 886689DEST_PATH_IMAGE005
；
Figure 956277DEST_PATH_IMAGE006
；
Figure 481936DEST_PATH_IMAGE007
；其中，s为旋转角，t为俯仰角，f为焦距，p为转动角，h为摄像机到特征点的高度。
优选地，所述的通过单消失点标定法通过下列公式完成：
Figure 295171DEST_PATH_IMAGE008
；
Figure 75039DEST_PATH_IMAGE009
；
najia；
Figure 643424DEST_PATH_IMAGE010
；
其中，s为旋转角，t为俯仰角，f为焦距，p为转动角，h为摄像机到特征点的高度。
进一步优选地，所述摄像机到特征点的高度与特征点的高度之和为摄像机的离地高度，即：
Figure 328483DEST_PATH_IMAGE011
；
一种基于流动车辆的摄像机标定系统，包括：
视频帧获取模块：所述的视频帧获取模块用于对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；
识别模块：所述识别模块用于识别视频帧中车辆特征点的图像坐标位置；
成像模型构建模块：所述成像模型构建模块用于构建成像模型；
参数计算模块：所述参数计算模块用于将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，该程序指令适于由处理器加载并执行一种基于流动车辆的摄像机标定方法。
一种移动终端，包括处理器以及存储器，所述的处理器用于执行存储器中存储的程序，以实现一种基于流动车辆的摄像机标定方法。
与现有技术相比，本发明具有的有益效果为：本发明提供一种基于流动车辆的摄像机标定方法及系统，该方法使用专用车辆作为标定车辆在道路上匀速行驶，利用车辆上事先进行测量的一组特征点在视频多帧中出现的位置进行摄像机标定。该方法准确度高，可以在不影响正常车辆通行的情况下进行标定，标定成本较低。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明所述的一种基于流动车辆的摄像机标定方法的流程示意图；
图2是本发明所述的特征点标记示意图；
图3是本发明所述的图像坐标位置的示意图；
图4是本发明所述的构建的成像模型示意图；
图5是本发明所述的标定模板示意图；
图6是本发明所述的种基于流动车辆的摄像机标定系统的结构图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本流程图，因此其仅显示与本发明有关的流程。
实施例1
如图1所示，本发明是一种基于流动车辆的摄像机标定方法，所述的方法具体为：
S1.对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；
S2.识别视频帧中车辆特征点的图像坐标位置；
S3.构建成像模型；
S4.将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
步骤S1：对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧。所述的对标记车辆进行特征点标记的方法为：在特定车辆的显著位置喷涂特定颜色或纹理，作为特征点，或在车头加装标记杆，在标记杆上设置有特征点；所述特征点至少为两个，且至少两个特征点在一个水平平面上，以及在标记车辆行驶方向正交的方向排列。
在具体实施时，通常是使用专用车辆作为标定车辆，在车辆的前保险杠处加装一根标记杆，在标记杆的两端位置喷涂特定颜色或者纹理以供视频识别算法自动定位特征点，标记杆的特征点在一个水平平面上，并且以和行驶方向正交的方向排列，如图2所示。理论上标记杆距离越大，标定误差越小，所以标记杆做成可以伸缩的形式，在不影响道路正常通行的情况下尽量扩大两端的距离。标记杆两个特征点预先进行测量，离地高度为
Figure 7726DEST_PATH_IMAGE012
，两端彼此距离为W 。
标定过程中，让标定车辆在道路中沿着行进方向匀速行驶，然后在待标定摄像机视野范围内经过时，截取两帧或以上视频帧，在视频帧中自动识别车辆特征点的图像坐标位置，如图2所示。
步骤S2：识别视频帧中车辆特征点的图像坐标位置。
标定过程中，让标定车辆在道路中沿着行进方向匀速行驶，然后在待标定摄像机视野范围内经过时，截取两帧或以上视频帧，在视频帧中自动识别车辆特征点的图像坐标位置，如图2所示，分别记为
Figure 891369DEST_PATH_IMAGE013
,
Figure 115808DEST_PATH_IMAGE014
,
Figure 288163DEST_PATH_IMAGE015
Figure 239938DEST_PATH_IMAGE016
。设车速为v，两帧时间间隔为t，计算车辆行驶距离：
Figure 243667DEST_PATH_IMAGE017
。所述的特征点经过预先测量，并获取其离地高
Figure 153854DEST_PATH_IMAGE018
，彼此之间的距离W。
步骤S3：构建成像模型。本发明使用的成像模型如图4所示，该模型使用了焦距f和摄像机高度h，俯仰角t，转动角p，旋转角s等几个参数定义了图像平面和实际三维世界坐标的关系。其中，焦距是f指从图像平面沿光轴到摄像机镜片中心的距离；摄像机高度h是指从摄像机镜头中心到X-Y平面的垂直高度；俯仰角t是摄像机光轴相对于三维世界坐标中X-Y平面的垂直夹角；转动角p是从三维坐标系中的Y轴沿逆时针方向到摄像机光轴在X-Y平面投影线上的水平夹角；旋转角s是指摄像机沿着它的光轴的旋转角度。
假设
Figure 813505DEST_PATH_IMAGE019
是三维世界坐标中的任意一点，它在二维图像坐标中的对应点为
Figure 319704DEST_PATH_IMAGE020
。 一个从三维世界坐标中的点到图像坐标的正向映射函数
Figure 177939DEST_PATH_IMAGE021
可以由以下公式给出：
Figure 993448DEST_PATH_IMAGE022
(1);
其中旋转矩阵R和平移矩阵T用来表征摄像机的外部参数，而3×3的上三角矩阵K 用来表征摄像机的内部参数，它们具有以下形式：
Figure 937133DEST_PATH_IMAGE023
;
Figure 981444DEST_PATH_IMAGE024
;
Figure 959764DEST_PATH_IMAGE025
;
其中
Figure 680595DEST_PATH_IMAGE026
,
Figure 314839DEST_PATH_IMAGE027
，
Figure 677687DEST_PATH_IMAGE028
。f为焦距，
Figure 261246DEST_PATH_IMAGE029
为纵横比（通常为1），
Figure 356241DEST_PATH_IMAGE030
为倾斜因子（通常设为0），
Figure 540098DEST_PATH_IMAGE031
为光轴与图像平面相交的原点坐标（通常设为（0, 0））。通过以上公式，可以推导出：
Figure 441058DEST_PATH_IMAGE032
（2）；
以及
Figure 66074DEST_PATH_IMAGE033
（3）。
如果Q 点位于X-Y 平面，那么ZQ 等于零，XQ 和YQ 可以由
Figure 394287DEST_PATH_IMAGE034
计算得到：
Figure 550593DEST_PATH_IMAGE035
（4）；
Figure 255244DEST_PATH_IMAGE036
（5）。
步骤S4：将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
所述的通过双消失点标定法标定通过下列公式完成：
Figure 797084DEST_PATH_IMAGE037
；
Figure 499461DEST_PATH_IMAGE038
；
Figure 392330DEST_PATH_IMAGE039
；
Figure 385825DEST_PATH_IMAGE040
；
Figure 985434DEST_PATH_IMAGE041
其中，s为旋转角，t为俯仰角，f为焦距，p为转动角，h为摄像机到特征点的高度。
所述的通过单消失点标定法通过下列公式完成：
Figure 655450DEST_PATH_IMAGE042
；
Figure 770036DEST_PATH_IMAGE043
；
Figure 550910DEST_PATH_IMAGE044
；
Figure 818075DEST_PATH_IMAGE045
；
其中，s为旋转角，t为俯仰角，f为焦距，p为转动角，h为摄像机到特征点的高度。
所述摄像机到特征点的高度与特征点的高度之和为摄像机的离地高度，即：
Figure 924571DEST_PATH_IMAGE046
。
实施例2
实施例2中，包括实施例1中的所有技术特征，且在步骤4：将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。具体为：当摄像机为侧装时，使用双消失点标定法，即公式（7）至公式（11）计算摄像机参数。这种情况下，无需测量车辆速度，是最为简易的标定方式，如下所示：
如图5所示， 假设标定模板中的
Figure 526454DEST_PATH_IMAGE047
和
Figure 314281DEST_PATH_IMAGE048
平行，
Figure 950799DEST_PATH_IMAGE049
和
Figure 165880DEST_PATH_IMAGE050
平行，可以列出如下五个方程式：
Figure 740212DEST_PATH_IMAGE051
（6）；
因为ABCD皆为路面上的点，即Z=0，将公式（4）及（5）代入上述方程式，可解出各个摄像机参数如下：
Figure 394047DEST_PATH_IMAGE052
(7)；
其中,
Figure 822754DEST_PATH_IMAGE053
,
Figure 271053DEST_PATH_IMAGE054
,
Figure 847528DEST_PATH_IMAGE055
；
Figure 977158DEST_PATH_IMAGE056
,
Figure 73421DEST_PATH_IMAGE057
,
Figure 895883DEST_PATH_IMAGE058
,
Figure 959654DEST_PATH_IMAGE059
分别为ABCD四点的图像坐标。
Figure 689713DEST_PATH_IMAGE060
（8）；
Figure 827433DEST_PATH_IMAGE061
（9）；
Figure 883114DEST_PATH_IMAGE062
（10）；
Figure 371864DEST_PATH_IMAGE063
（11）；
需要指出的是本标定法得到的摄像机高度h是摄像机镜头中心到标定车辆特征点所在水平面的垂直高度，一般性相机标定需要的摄像机离地高度可由公式
Figure 390767DEST_PATH_IMAGE064
得到。
由视频识别算法自动定位的特征点坐标
Figure 710890DEST_PATH_IMAGE065
,
Figure 875155DEST_PATH_IMAGE066
,
Figure 647939DEST_PATH_IMAGE067
,
Figure 923062DEST_PATH_IMAGE068
，通常为整数坐标，存在量化误差。如果截取两帧以上视频进行车辆特征点的识别定位，利用直线拟合的方式，可以获取ABCD四个标定点的亚像素坐标，从而提升标定精度。
双消失点标定法计算相对简单，但是当转动角接近90°的整数倍的时候会有病态现象发生，即两个消失点当中的一个接近无限远，使得计算所得的摄像机参数对表定点的误差特别敏感，使得该方法只适用于摄像机侧装的环境。
实施例3
包括实施例1中的所有技术特征，且在步骤4：将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。具体为：当摄像机为正装时，为了避免病态现象，使用单消失点标定法，即公式（13）至公式（17）计算摄像机参数。这种情况下，需要测量车辆速度。设车速为v，两帧时间间隔为t，可以计算AB两点的距离为车辆行驶距离，即L=v*t。
根据这个标定模板，列出的方程组如下：
Figure 97692DEST_PATH_IMAGE069
（12）；
根据这组方程，解出摄像机参数如下：
Figure 980328DEST_PATH_IMAGE070
（13）；
其中
Figure 443671DEST_PATH_IMAGE071
，
Figure 319223DEST_PATH_IMAGE072
,
Figure 348359DEST_PATH_IMAGE073
。
Figure 588847DEST_PATH_IMAGE074
（14）；
此处
Figure 601802DEST_PATH_IMAGE075
其中，
Figure 218729DEST_PATH_IMAGE076
；
Figure 118683DEST_PATH_IMAGE077
；
Figure 795652DEST_PATH_IMAGE078
(15)；
其中，如果
Figure 764745DEST_PATH_IMAGE079
, 则令
Figure 982099DEST_PATH_IMAGE080
，并且
Figure 189090DEST_PATH_IMAGE081
。
Figure 833698DEST_PATH_IMAGE082
(16)；
Figure 493349DEST_PATH_IMAGE083
(17)；
其中，如果
Figure 999548DEST_PATH_IMAGE084
，则令
Figure 123362DEST_PATH_IMAGE085
并且
Figure 142133DEST_PATH_IMAGE086
。
需要指出的是此处计算得到的摄像机高度h是摄像机镜头中心到标定车辆特征点所在水平面的垂直高度，一般性相机标定需要的摄像机离地高度可由以下公式得到：
Figure 351398DEST_PATH_IMAGE087
(18)；
其中
Figure 848238DEST_PATH_IMAGE088
为摄像机离地高度，
Figure 826559DEST_PATH_IMAGE089
为预先测量的标定车辆特征点所在水平面的离地高度。
由视频识别算法自动定位的特征点坐标
Figure 887920DEST_PATH_IMAGE090
,
Figure 522164DEST_PATH_IMAGE091
,
Figure 885012DEST_PATH_IMAGE092
,
Figure 655522DEST_PATH_IMAGE093
，通常为整数坐标，存在量化误差。如果截取两帧以上视频进行车辆特征点的识别定位，利用直线拟合的方式，可以获取ABCD四个标定点的亚像素坐标，从而提升标定精度。
单消失点法选择两个消失点当中离图像原点较近的一个，有效的规避了病态现象的发生，对于摄像机侧装、正装都能很好的适应。本发明可以根据具体实施环境中摄像机的配置情况自动选用合适的标定方法。
如图6所示，本发明提供了一种基于流动车辆的摄像机标定系统：
视频帧获取模块1：所述的视频帧获取模块用于对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；
识别模块2：所述识别模块用于识别视频帧中车辆特征点的图像坐标位置；
成像模型构建模块3：所述成像模型构建模块用于构建成像模型；
参数计算模块4：所述参数计算模块用于将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
使用专用车辆作为标定车辆，在车辆的前保险杠处加装一根标记杆，在标记杆的两端位置喷涂特定颜色或者纹理以供视频识别算法自动定位特征点，标记杆两端的特征点在一个水平平面上，并且以和行驶方向正交的方向排列，标记杆两端两个特征点预先进行测量，离地高度为
Figure 812834DEST_PATH_IMAGE094
，两端彼此距离为W 。
标定过程中，让标定车辆在道路中沿着行进方向匀速行驶，然后在待标定摄像机视野范围内经过时，摄像机将该视频录下，视频帧获取模块1获取到视频后，截取两帧或以上视频帧，所述截取的视频帧为任意帧。截取视频完成后，将截取的任意多帧视频传输到识别模块中。
识别模块2：接收到任意多帧视频帧后，对多帧视频帧进行识别，即识别视频帧中的车辆特征点的图像坐标位置，设为
Figure 996691DEST_PATH_IMAGE095
，
Figure 835334DEST_PATH_IMAGE096
，
Figure 538979DEST_PATH_IMAGE097
，
Figure 70454DEST_PATH_IMAGE098
，将该坐标传输至成像模型构建模块中，等待计算。
成像模型构建模块3用于构建成像模型，其中的程序的构建成像模型的过程为：使用了焦距f和摄像机高度h，俯仰角t，转动角p，旋转角s等几个参数定义了图像平面和实际三维世界坐标的关系。其中，焦距是f指从图像平面沿光轴到摄像机镜片中心的距离；摄像机高度h是指从摄像机镜头中心到X-Y平面的垂直高度；俯仰角t是摄像机光轴相对于三维世界坐标中X-Y平面的垂直夹角；转动角p是从三维坐标系中的Y轴沿逆时针方向到摄像机光轴在X-Y平面投影线上的水平夹角；旋转角s是指摄像机沿着它的光轴的旋转角度。
假设
Figure 476028DEST_PATH_IMAGE099
是三维世界坐标中的任意一点，它在二维图像坐标中的对应点为
Figure 180678DEST_PATH_IMAGE100
。一个从三维世界坐标中的点到图像坐标的正向映射函数
Figure 925780DEST_PATH_IMAGE101
可以由以下公式给出：
Figure 690474DEST_PATH_IMAGE102
（1）；
其中旋转矩阵R和平移矩阵T用来表征摄像机的外部参数，而3×3的上三角矩阵K 用来表征摄像机的内部参数，它们具有以下形式：
Figure 521027DEST_PATH_IMAGE103
；
Figure 514522DEST_PATH_IMAGE104
；
Figure 379710DEST_PATH_IMAGE105
；
其中
Figure 315305DEST_PATH_IMAGE106
，
Figure 429891DEST_PATH_IMAGE107
，
Figure 414028DEST_PATH_IMAGE108
。f 为焦距，
Figure 196039DEST_PATH_IMAGE109
为纵横比（通常为1）,
Figure 240218DEST_PATH_IMAGE110
为倾斜因子（通常设为0），
Figure 858413DEST_PATH_IMAGE111
为光轴与图像平面相交的原点坐标（通常设为（0, 0））。通过以上公式，可以推导出：
Figure 646240DEST_PATH_IMAGE112
（2）；
以及
Figure 17178DEST_PATH_IMAGE113
（3）。
如果Q 点位于X-Y 平面，那么ZQ 等于零，XQ 和YQ 可以由
Figure 294576DEST_PATH_IMAGE114
计算得到：
Figure 321438DEST_PATH_IMAGE115
（4）；
Figure 975273DEST_PATH_IMAGE116
（5）。
构建完成成像模型后，该成像模型接收到
Figure 951451DEST_PATH_IMAGE117
,
Figure 337433DEST_PATH_IMAGE118
,
Figure 179487DEST_PATH_IMAGE119
,
Figure 105854DEST_PATH_IMAGE120
，将ABCD四个点的坐标带入公式（4）与（5）中，将带入的结果传输至参数计算模块。
参数计算模块4根据摄像机侧装还是正装状态采用双消失点标记法或单消失点标记法。
对于双消失点标记法：
假设标定模板中的
Figure 389068DEST_PATH_IMAGE121
和
Figure 8268DEST_PATH_IMAGE122
平行，
Figure 822772DEST_PATH_IMAGE123
和
Figure 287251DEST_PATH_IMAGE124
平行，可以列出如下五个方程式，将ABCD四个点的坐标带入公式（4）与（5）后的带入的结果输入到公式（6）中：
Figure 690551DEST_PATH_IMAGE125
（6）；
可解出各个摄像机参数如下：
Figure 480652DEST_PATH_IMAGE126
(7)；
其中,
Figure 766140DEST_PATH_IMAGE127
,
Figure 50622DEST_PATH_IMAGE128
,
Figure 308428DEST_PATH_IMAGE129
；
Figure 269431DEST_PATH_IMAGE130
,
Figure 245477DEST_PATH_IMAGE131
,
Figure 582917DEST_PATH_IMAGE132
分别为ABCD四点的图像坐标。
Figure 491967DEST_PATH_IMAGE133
（8）；
Figure 827134DEST_PATH_IMAGE134
（9）；
Figure 837946DEST_PATH_IMAGE135
（10）；
Figure 916761DEST_PATH_IMAGE136
（11）；
需要指出的是本标定法得到的摄像机高度h是摄像机镜头中心到标定车辆特征点所在水平面的垂直高度，一般性相机标定需要的摄像机离地高度可由公式
Figure 211476DEST_PATH_IMAGE137
,得到。
由视频识别算法自动定位的特征点坐标
Figure 248702DEST_PATH_IMAGE138
,
Figure 199340DEST_PATH_IMAGE139
，
Figure 878583DEST_PATH_IMAGE140
，
Figure 965488DEST_PATH_IMAGE141
，通常为整数坐标，存在量化误差。如果截取两帧以上视频进行车辆特征点的识别定位，利用直线拟合的方式，可以获取ABCD四个标定点的亚像素坐标，从而提升标定精度。
双消失点标定法计算相对简单，但是当转动角接近90°的整数倍的时候会有病态现象发生，即两个消失点当中的一个接近无限远，使得计算所得的摄像机参数对表定点的误差特别敏感，使得该方法只适用于摄像机侧装的环境。
对于单消失点标记法，将ABCD四个点的坐标带入公式（4）与（5）后的带入的结果输入到公式（12）中
列出的方程组如下：
Figure 924348DEST_PATH_IMAGE142
（12）；
根据这组方程，解出摄像机参数如下：
Figure 159020DEST_PATH_IMAGE143
(13)；
其中
Figure 579637DEST_PATH_IMAGE144
，
Figure 583365DEST_PATH_IMAGE145
,
Figure 431236DEST_PATH_IMAGE146
。
Figure 887625DEST_PATH_IMAGE147
（14）；
此处
Figure 659403DEST_PATH_IMAGE148
其中，
Figure 720900DEST_PATH_IMAGE149
；
Figure 801988DEST_PATH_IMAGE150
；
Figure 683357DEST_PATH_IMAGE151
(15)；
其中，如果
Figure 508093DEST_PATH_IMAGE152
, 则令
Figure 220834DEST_PATH_IMAGE153
，并且
Figure 410507DEST_PATH_IMAGE154
。
Figure 857800DEST_PATH_IMAGE155
(16)；
Figure 158331DEST_PATH_IMAGE156
(17)；
其中，如果
Figure 991158DEST_PATH_IMAGE157
，则令
Figure 351732DEST_PATH_IMAGE158
并且
Figure 270010DEST_PATH_IMAGE159
。
需要指出的是此处计算得到的摄像机高度h是摄像机镜头中心到标定车辆特征点所在水平面的垂直高度，一般性相机标定需要的摄像机离地高度可由以下公式得到：
Figure 170970DEST_PATH_IMAGE160
(18)，
其中
Figure 61565DEST_PATH_IMAGE161
为摄像机离地高度，
Figure 406090DEST_PATH_IMAGE162
为预先测量的标定车辆特征点所在水平面的离地高度。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，该程序指令适于由处理器加载并执行一种基于流动车辆的摄像机标定方法。
一种移动终端，包括处理器以及存储器，所述的处理器用于执行存储器中存储的程序，以实现一种基于流动车辆的摄像机标定方法。
上列详细说明是针对本发明可行实施例的具体说明，以上实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。

Claims (10)

1.一种基于流动车辆的摄像机标定方法，其特征在于，包括：
对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；
识别视频帧中车辆特征点的图像坐标位置；
构建成像模型；
将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
2.根据权利要求1所述的一种基于流动车辆的摄像机标定方法，其特征在于，所述的对标记车辆进行特征点标记的方法为：
在特定车辆的显著位置喷涂特定颜色或纹理，作为特征点，或在车头加装标记杆，在标记杆上设置有特征点；
所述特征点至少为两个，且至少两个特征点在一个水平平面上，以及在标记车辆行驶方向正交的方向排列。
3.根据权利要求1所述的一种基于流动车辆的摄像机标定方法，其特征在于，所述的识别视频帧中车辆特征点的图像坐标位置时还包括：设车速为v，两帧时间间隔为t，计算车辆行驶距离：
Figure 441165DEST_PATH_IMAGE001
。
4.根据权利要求1所述的一种基于流动车辆的摄像机标定方法，其特征在于，所述的特征点经过预先测量，并获取其离地高
Figure 83499DEST_PATH_IMAGE002
，彼此之间的距离W。
5.根据权利要求1所述的一种基于流动车辆的摄像机标定方法，其特征在于，所述的通过双消失点标定法标定通过下列公式完成：
Figure 376071DEST_PATH_IMAGE003
Figure 140765DEST_PATH_IMAGE004
；
Figure 971318DEST_PATH_IMAGE005
；
Figure 214080DEST_PATH_IMAGE006
；
Figure 141585DEST_PATH_IMAGE007
；
其中，s为旋转角，t为俯仰角，f为焦距，p为转动角，h为摄像机到特征点的高度。
6.根据权利要求1所述的一种基于流动车辆的摄像机标定方法，其特征在于，所述的通过单消失点标定法通过下列公式完成：
Figure 14863DEST_PATH_IMAGE008
；
Figure 614603DEST_PATH_IMAGE009
；
Figure 926635DEST_PATH_IMAGE010
；
Figure 646330DEST_PATH_IMAGE011
；
其中，s为旋转角，t为俯仰角，f为焦距，p为转动角，h为摄像机到特征点的高度。
7.根据权利要求6所述的一种基于流动车辆的摄像机标定方法，其特征在于，所述摄像机到特征点的高度与特征点的高度之和为摄像机的离地高度，即：
Figure 752826DEST_PATH_IMAGE012
。
8.一种基于流动车辆的摄像机标定系统，其特征在于，包括：
视频帧获取模块：所述的视频帧获取模块用于对标记车辆进行特征点标记，并获取标记车辆匀速运行时的任意多帧视频帧；
识别模块：所述识别模块用于识别视频帧中车辆特征点的图像坐标位置；
成像模型构建模块：所述成像模型构建模块用于构建成像模型；
参数计算模块：所述参数计算模块用于将图像坐标输入成像模型中，并通过双消失点标定法或单消失点标定法进行标定，获得摄像机的各个参数。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序指令，该程序指令适于由处理器加载并执行权利要求1~7任一项所述的方法。
10.一种移动终端，其特征在于，包括处理器以及存储器，所述的处理器用于执行存储器中存储的程序，以实现权利要求1~7任一项所述的方法。
CN202010397752.1A 2020-05-12 2020-05-12 一种基于流动车辆的摄像机标定方法及系统 Pending CN111612849A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010397752.1A CN111612849A (zh) 2020-05-12 2020-05-12 一种基于流动车辆的摄像机标定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010397752.1A CN111612849A (zh) 2020-05-12 2020-05-12 一种基于流动车辆的摄像机标定方法及系统

Publications (1)

Publication Number Publication Date
CN111612849A true CN111612849A (zh) 2020-09-01

Family

ID=72200285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010397752.1A Pending CN111612849A (zh) 2020-05-12 2020-05-12 一种基于流动车辆的摄像机标定方法及系统

Country Status (1)

Country Link
CN (1) CN111612849A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862899A (zh) * 2021-02-07 2021-05-28 黑芝麻智能科技(重庆)有限公司 用于图像获取设备的外参标定方法、装置和系统
CN113223300A (zh) * 2021-04-13 2021-08-06 河北科技大学 一种基于车载视频图像的交通事故车速测量方法
US11803976B2 (en) 2020-09-30 2023-10-31 Redflex Traffic Systems Pty Ltd. Measuring vehicle speeds with an uncalibrated camera
US12020456B2 (en) 2021-02-07 2024-06-25 Black Sesame Technologies Inc. External parameter calibration method, device and system for image acquisition apparatus

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143192A (zh) * 2014-08-06 2014-11-12 中电海康集团有限公司 一种车道偏离预警系统的标定方法及其装置
CN105163065A (zh) * 2015-08-04 2015-12-16 深圳市哈工大交通电子技术有限公司 一种基于摄像机前端处理的交通测速方法
CN105513056A (zh) * 2015-11-30 2016-04-20 天津津航技术物理研究所 车载单目红外相机外参自动标定方法
CN106875448A (zh) * 2017-02-16 2017-06-20 武汉极目智能技术有限公司 一种车载单目摄像头外部参数自标定方法
CN108106627A (zh) * 2017-12-20 2018-06-01 清华大学 一种基于特征点在线动态标定的单目视觉车辆定位方法
CN108898638A (zh) * 2018-06-27 2018-11-27 江苏大学 一种车载摄像头在线自动标定方法
CN109544635A (zh) * 2018-10-10 2019-03-29 长安大学 一种基于枚举试探的相机自动标定方法
CN110930463A (zh) * 2019-12-06 2020-03-27 北京迈格威科技有限公司 一种监控摄像头内参标定方法、装置和电子设备
JP2020060899A (ja) * 2018-10-09 2020-04-16 株式会社デンソー 車載カメラのキャリブレーション装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143192A (zh) * 2014-08-06 2014-11-12 中电海康集团有限公司 一种车道偏离预警系统的标定方法及其装置
CN105163065A (zh) * 2015-08-04 2015-12-16 深圳市哈工大交通电子技术有限公司 一种基于摄像机前端处理的交通测速方法
CN105513056A (zh) * 2015-11-30 2016-04-20 天津津航技术物理研究所 车载单目红外相机外参自动标定方法
CN106875448A (zh) * 2017-02-16 2017-06-20 武汉极目智能技术有限公司 一种车载单目摄像头外部参数自标定方法
CN108106627A (zh) * 2017-12-20 2018-06-01 清华大学 一种基于特征点在线动态标定的单目视觉车辆定位方法
CN108898638A (zh) * 2018-06-27 2018-11-27 江苏大学 一种车载摄像头在线自动标定方法
JP2020060899A (ja) * 2018-10-09 2020-04-16 株式会社デンソー 車載カメラのキャリブレーション装置
CN109544635A (zh) * 2018-10-10 2019-03-29 长安大学 一种基于枚举试探的相机自动标定方法
CN110930463A (zh) * 2019-12-06 2020-03-27 北京迈格威科技有限公司 一种监控摄像头内参标定方法、装置和电子设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11803976B2 (en) 2020-09-30 2023-10-31 Redflex Traffic Systems Pty Ltd. Measuring vehicle speeds with an uncalibrated camera
CN112862899A (zh) * 2021-02-07 2021-05-28 黑芝麻智能科技(重庆)有限公司 用于图像获取设备的外参标定方法、装置和系统
CN112862899B (zh) * 2021-02-07 2023-02-28 黑芝麻智能科技(重庆)有限公司 用于图像获取设备的外参标定方法、装置和系统
US12020456B2 (en) 2021-02-07 2024-06-25 Black Sesame Technologies Inc. External parameter calibration method, device and system for image acquisition apparatus
CN113223300A (zh) * 2021-04-13 2021-08-06 河北科技大学 一种基于车载视频图像的交通事故车速测量方法

Similar Documents

Publication Publication Date Title
CN111612849A (zh) 一种基于流动车辆的摄像机标定方法及系统
CN110057295B (zh) 一种免像控的单目视觉平面距离测量方法
CN102364299B (zh) 一种多个结构光投影三维型面测量头的标定技术
CN112819903B (zh) 基于l型标定板的相机和激光雷达联合标定的方法
US7580547B2 (en) Electronic traffic monitor
CN109764858B (zh) 一种基于单目相机的摄影测量方法及系统
CN106780388B (zh) 一种线阵相机光学畸变矫正方法
CN109272574B (zh) 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法
CN110307791B (zh) 基于三维车辆边界框的车辆长度及速度计算方法
JP2008509619A (ja) ステレオビジョン装置の自動較正方法
CN109118537B (zh) 一种画面匹配方法、装置、设备和存储介质
CN112880642A (zh) 测距系统和测距方法
CN111382591B (zh) 一种双目相机测距校正方法及车载设备
Gerke Using horizontal and vertical building structure to constrain indirect sensor orientation
CN111508027A (zh) 摄像机外参标定的方法和装置
CN112489106A (zh) 基于视频的车辆尺寸测量方法、装置、终端及存储介质
CN106570906A (zh) 一种摄像机角度偏移条件下基于矩形图样的距离检测方法
CN114331924B (zh) 大工件多相机视觉测量方法
CN104634246A (zh) 目标空间坐标的浮动式立体视觉测量系统及测量方法
CN104807405A (zh) 一种基于光线角度标定的三维坐标测量方法
CN113340241A (zh) 一种双目视觉混凝土结合面粗糙度测量方法及系统
CN114494466B (zh) 外参标定方法、装置及设备、存储介质
CN115143887A (zh) 视觉监测设备测量结果的修正方法及视觉监测系统
CN112802123A (zh) 一种基于条纹虚拟靶标的双目线阵相机静态标定方法
CN111709995A (zh) 一种激光雷达与摄像头之间的位置标定方法

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