CN111951335A - 确定相机标定参数的方法、装置、处理器和图像采集系统 - Google Patents
确定相机标定参数的方法、装置、处理器和图像采集系统 Download PDFInfo
- Publication number
- CN111951335A CN111951335A CN202010813934.2A CN202010813934A CN111951335A CN 111951335 A CN111951335 A CN 111951335A CN 202010813934 A CN202010813934 A CN 202010813934A CN 111951335 A CN111951335 A CN 111951335A
- Authority
- CN
- China
- Prior art keywords
- target
- feature points
- image
- determining
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012545 processing Methods 0.000 claims description 55
- 238000000605 extraction Methods 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 14
- 239000011159 matrix material Substances 0.000 abstract description 12
- 238000005457 optimization Methods 0.000 abstract description 11
- 238000003384 imaging method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 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
- 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
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
本发明公开了一种确定相机标定参数的方法、装置、处理器和图像采集系统，该方法包括：获取相机拍摄到的目标图像；从目标图像中的所有特征点中确定多个目标特征点，其中，目标特征点处于预定区域且多个目标特征点构成两条线段呈相互垂直关系，预定区域基于目标图像的图像中心区域确定；依据多个目标特征点的坐标信息确定相机标定参数。上述方法避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
Description
技术领域
本发明涉及相机标定技术领域，具体而言，涉及一种确定相机标定参数的方法、装置、计算机可读存储介质、处理器和图像采集系统。
背景技术
相机标定是计算机视觉领域中的基本问题之一，在物体尺寸测量、物体识别、三维重建、机器人导航等领域有着重要应用。
常用的相机标定算法有Tsai的两步标定法和zhang的平板标定法。R.Y Tsai构建了比较经典的摄像机成像模型，应用一种非线性最优方法RAC既径向一致约束法。该方法因为只需要少量的迭代次数，具有较快的运行速度，使其在工业视觉系统中被较多地运用，但同时，该方法对标定所使用的参照物有很高的精度要求，因此不太适用于一般低成本的标定场景中。在这之后由J.Weng等学者，对Tsai提出的相机成像模型进行了有效改善，使之能够应用于更多的标定场景。张正友提出了一种介于传统标定法和自标定法两者之间的方法，利用在不同姿态下拍摄的平面标定板提供一种灵活、低成本的参数计算方法，在解参数初始值时应用了传统标定法的线性模型与非线性模型中的非线性形变因素相结合。但因为是采取整个图像的像点计算标定参数的初始值，所以无法在最初线性计算时得出一个较为准确的初值。
QiangJi等人提出了一种基于遗传算法的相机标定方法，此方法能够较为准确地得出近似优化的解。胡占义、吴朝福等又对遗传算法进行改进，并应用于相机标定中。孟晓桥又将摄影几何中的圆环点应用于相机标定中，提出了圆标定法来解出相机参数，此方法是利用圆环中心点进行精确定位，但是计算相对复杂。吴福朝依据计算复杂等缺点提出了一种改进相机自标定的方法，是以空间中两个非平行矩阵基础选取的像点，但是前期的处理效果对最后结论影响巨大。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种确定相机标定参数的方法、装置、计算机可读存储介质、处理器和图像采集系统，以至少解决现有技术确定相机标定参数不准确的技术问题。
根据本发明实施例的一个方面，提供了一种确定相机标定参数的方法，包括：获取相机拍摄到的目标图像；从所述目标图像中的所有特征点中确定多个目标特征点，其中，所述目标特征点处于预定区域且多个所述目标特征点构成两条线段呈相互垂直关系，所述预定区域基于所述目标图像的图像中心区域确定；依据所述多个目标特征点的坐标信息确定所述相机标定参数。
可选地，在获取相机拍摄到的目标图像之前，所述方法还包括：选取标定板，其中，所述标定板设置在与所述相机之间的距离为预设距离的预定位置；对设置在所述预定位置的所述标定板进行位姿变换，其中，所述位姿变换包括平移或旋转；控制所述相机采集所述标定板的初始图像。
可选地，在获取相机拍摄到的目标图像之前，所述方法还包括：对所述初始图像进行图像预处理，得到经所述图像预处理后的所述初始图像的图像边缘信息，其中，所述图像预处理包括：图像灰度化转换处理、去噪处理、锐化增强处理、提取轮廓处理；依据图像边缘信息对所述初始图像进行特征提取处理，其中，所述特征提取处理包括：圆度提取处理、偏心率提取处理、凸度条件限制提取处理；依据特征提取处理结果确定所述目标图像。
可选地，从所述目标图像中的所有特征点中确定多个目标特征点，包括：获取所述目标图像中的所述所有特征点；确定所述所有特征点的位置分布数据；基于所述位置分布数据从所述所有特征点中选取多个所述目标特征点。
可选地，基于所述位置分布数据从所述所有特征点中选取多个所述目标特征点，包括：基于所述位置分布数据确定所述目标图像的圆心位置；依据所述圆心位置和所述目标图像的图像中心点位置，确定多个所述目标特征点中的至少三个目标特征点；判断所述三个目标特征点是否构成互相垂直的两条线段；如果判断结果为是，则依据所述三个目标特征点确定多个所述目标特征点中的其他特征点，如果判断结果为否，则返回执行所述确定多个所述目标特征点中的至少三个目标特征点的步骤，直至所述判断结果为是。
可选地，依据所述多个目标特征点的坐标信息确定所述相机标定参数，包括：依据所述多个目标特征点的坐标信息构建约束方程组；基于畸变数学模型对所述约束方程组求解得到初始标定参数；利用极大似然值估计法对所述初始标定参数进行优化处理，得到所述相机标定参数。
可选地，在获取相机拍摄到的目标图像之前，所述方法还包括：获取三维空间中世界坐标系的目标坐标点；采用将所述坐标点转换至相机坐标系的方式，确定所述相机的相机外部参数。
根据本发明实施例的另一方面，还提供了一种确定相机标定参数的装置，包括：获取单元，用于获取相机拍摄到的目标图像；第一确定单元，用于从所述目标图像中的所有特征点中确定多个目标特征点，其中，所述目标特征点处于预定区域且多个所述目标特征点构成两条线段呈相互垂直关系，所述预定区域基于所述目标图像的图像中心区域确定；第二确定单元，用于依据所述多个目标特征点的坐标信息确定所述相机标定参数。
根据本发明实施例的再一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的确定相机标定参数的方法。
根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的确定相机标定参数的方法。
根据本发明实施例的另一方面，还提供了一种图像采集装置，包括相机和确定相机标定参数的装置，所述确定相机标定参数的装置包括用于执行任意一种所述的确定相机标定参数的方法。
在本发明实施例中，上述确定相机标定参数的方法中，首先，获取相机拍摄到的目标图像，然后，从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，最后，依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述方法避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明的一种实施例的确定相机标定参数的方法的流程图；
图2是本发明的一种实施例的采集初始图像的示意图；
图3是本发明的一种实施例的选取目标特征点的示意图；
图4是本发明的另一种实施例的选取目标特征点的示意图；
图5是本发明的另一种实施例的两条互相垂直的线段P1P2和P1P3的示意图；以及
图6是本发明的一种实施例的确定相机标定参数的装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
正如背景技术中所说的，现有技术的方法确定相机标定参数不准确，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种确定相机标定参数的方法、装置、计算机可读存储介质、处理器和图像采集系统。
根据本申请的实施例，提供了一种确定相机标定参数的方法。
图1是根据本申请实施例的确定相机标定参数的方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，获取相机拍摄到的目标图像；
步骤S102，从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定；
步骤S103，依据上述多个目标特征点的坐标信息确定上述相机标定参数。
上述确定相机标定参数的方法中，首先，获取相机拍摄到的目标图像，然后，从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，最后，依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述方法避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请的一种实施例中，在获取相机拍摄到的目标图像之前，上述方法还包括：选取标定板，其中，上述标定板设置在与上述相机之间的距离为预设距离的预定位置；对设置在上述预定位置的上述标定板进行位姿变换，其中，上述位姿变换包括平移或旋转；控制上述相机采集上述标定板的初始图像，如图2所示。具体地，上述标定板设置在与上述相机之间的距离为预设距离的预定位置，便于相机拍摄清晰的图像，对设置在上述预定位置的上述标定板进行位姿变换，以获取多个初始图像，平移或旋转的幅度不宜过大，避免预定区域难以选取足够多的目标特征点。
本申请的一种实施例中，在获取相机拍摄到的目标图像之前，上述方法还包括：对上述初始图像进行图像预处理，得到经上述图像预处理后的上述初始图像的图像边缘信息，其中，上述图像预处理包括：图像灰度化转换处理、去噪处理、锐化增强处理、提取轮廓处理；依据图像边缘信息对上述初始图像进行特征提取处理，其中，上述特征提取处理包括：圆度提取处理、偏心率提取处理、凸度条件限制提取处理；依据特征提取处理结果确定上述目标图像。具体地，先对采集到的初始图像进行去噪等图像预处理，利用几何特征进行边缘检测，提取圆标定板的轮廓特征，对封闭的边缘分别进行圆度、偏心率和凸度的条件限制，提取出符合要求的圆形轮廓，从而从初始图像中选取合适的目标图像。
本申请的一种实施例中，从上述目标图像中的所有特征点中确定多个目标特征点，包括：获取上述目标图像中的上述所有特征点；确定上述所有特征点的位置分布数据；基于上述位置分布数据从上述所有特征点中选取多个上述目标特征点。具体地，确定上述所有特征点的位置分布数据，即可确定特征点与预定区域的位置关系，从而上述位置分布数据从上述所有特征点中选取多个上述目标特征点，确保选取的目标特征点位于预定区域内且多个上述目标特征点所在的线段互相垂直。
本申请的一种实施例中，基于上述位置分布数据从上述所有特征点中选取多个上述目标特征点，包括：基于上述位置分布数据确定上述目标图像的圆心位置；依据上述圆心位置和上述目标图像的图像中心点位置，确定多个上述目标特征点中的至少三个目标特征点；判断上述三个目标特征点是否构成互相垂直的两条线段；如果判断结果为是，则依据上述三个目标特征点确定多个上述目标特征点中的其他特征点，如果判断结果为否，则返回执行上述确定多个上述目标特征点中的至少三个目标特征点的步骤，直至上述判断结果为是。具体地，基于上述位置分布数据确定上述目标图像的圆心位置，即确定特征点的圆心坐标，从而根据目标图像的图像中心点的坐标选取一个预定区域，根据特征点的圆心坐标确定位于预定区域的特征点为目标特征点，且目标特征点至少有三个，若三个目标特征点构成互相垂直的两条线段，则延长这两条线段选取位于线段上的特征点，得到预定数量的目标特征点，若三个目标特征点不能构成互相垂直的两条线段重新选取目标特征点，直至选取三个目标特征点不能构成互相垂直的两条线段重新选取目标特征点，延长这两条线段选取位于线段上的特征点，得到预定数量的目标特征点，例如，如图3和图4所示，两条互相垂直的线段穿过的特征点为目标特征点，两条相交但不垂直的线段的交点即为图像中心点，目标特征点有5个。
本申请的一种实施例中，依据上述多个目标特征点的坐标信息确定上述相机标定参数，包括：依据上述多个目标特征点的坐标信息构建约束方程组；基于畸变数学模型对上述约束方程组求解得到初始标定参数；利用极大似然值估计法对上述初始标定参数进行优化处理，得到上述相机标定参数。具体地，如图5所示，多个目标特征点位于两条互相垂直的线段上，通过两条线段的垂直关系构建约束方程，设P＝[Xc Yc Zc]T是线段P1P2上的一点，P点可以用P1和P2表示为P＝(1-η)P1+ηP2，其中，η＝(P1-P)/(P1-P2)，0≤η≤1，η表示P1P的线段长度与P1P2的线段长度比值。通过P＝(1-η)P1+ηP2，可以列出比值关系为ZC2/ZC1＝(1-η)(q-q1)/η(q2-q)以及ZC3/ZC1＝(1-η)(q-q1)/η(q3-q)，设置η＝0.5，可得三维空间位置与相机成像平面上对应的位置之间的关系如下ZC1(ZC2/ZC1)(q2-q1)＝A(P2-P1)以及ZC1(ZC3/ZC1)(q3-q1)＝A(P3-P1)，由两向量垂直可得(P1-P2)T(P3-P1)＝0，由此得到约束条件：h2 TA-TA-1h1＝0，设置对称矩阵B＝A-TA-1，重新排列B的元素，得到新向量b，有h2 TB h1＝νb＝0。通过K个图像堆叠方程求解初始标定参数,再利用极大似然值估计法对上述初始标定参数进行优化处理，得到上述相机标定参数。
本申请的一种实施例中，在获取相机拍摄到的目标图像之前，上述方法还包括：获取三维空间中世界坐标系的目标坐标点；采用将上述坐标点转换至相机坐标系的方式，确定上述相机的相机外部参数。具体地，将三维空间中世界坐标系中的目标点P转换到的相机坐标系中并用Pc表示其在相机坐标系里的坐标，以减少了标定过程中的未知参数，坐标系转换关系由sq＝A[R T]P转换为Zcq＝APc，其中，s为常系数，A为相机内参矩阵，[R T]为相机外部参数，q为成像平面坐标点。
本申请实施例还提供了一种确定相机标定参数的装置，需要说明的是，本申请实施例的确定相机标定参数的装置可以用于执行本申请实施例所提供的用于确定相机标定参数的方法。以下对本申请实施例提供的确定相机标定参数的装置进行介绍。
图6是根据本申请实施例的确定相机标定参数的装置的示意图。如图6所示，该装置包括：
获取单元10，用于获取相机拍摄到的目标图像；
第一确定单元20，用于从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定；
第二确定单元30，用于依据上述多个目标特征点的坐标信息确定上述相机标定参数。
上述确定相机标定参数的装置中，获取单元获取相机拍摄到的目标图像，第一确定单元从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，第二确定单元依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述装置避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
本申请的一种实施例中，上述装置还包括：采集单元，上述采集单元包括第一处理模块、第二处理模块和采集模块，其中，上述第一处理模块用于在获取相机拍摄到的目标图像之前，选取标定板，其中，上述标定板设置在与上述相机之间的距离为预设距离的预定位置；上述第二处理模块用于对设置在上述预定位置的上述标定板进行位姿变换，其中，上述位姿变换包括平移或旋转；上述采集模块用于控制上述相机采集上述标定板的初始图像，如图2所示。具体地，上述标定板设置在与上述相机之间的距离为预设距离的预定位置，便于相机拍摄清晰的图像，对设置在上述预定位置的上述标定板进行位姿变换，以获取多个初始图像，平移或旋转的幅度不宜过大，避免预定区域难以选取足够多的目标特征点。
本申请的一种实施例中，上述装置还包括预处理单元，上述预处理单元包括第三处理模块、第三处理模块和第一确定模块，其中，上述第三处理模块用于在获取相机拍摄到的目标图像之前，对上述初始图像进行图像预处理，得到经上述图像预处理后的上述初始图像的图像边缘信息，其中，上述图像预处理包括：图像灰度化转换处理、去噪处理、锐化增强处理、提取轮廓处理；上述第四处理模块用于依据图像边缘信息对上述初始图像进行特征提取处理，其中，上述特征提取处理包括：圆度提取处理、偏心率提取处理、凸度条件限制提取处理；上述第一确定模块用于依据特征提取处理结果确定上述目标图像。具体地，先对采集到的初始图像进行去噪等图像预处理，利用几何特征进行边缘检测，提取圆标定板的轮廓特征，对封闭的边缘分别进行圆度、偏心率和凸度的条件限制，提取出符合要求的圆形轮廓，从而从初始图像中选取合适的目标图像。
本申请的一种实施例中，上述第一确定单元包括第一获取模块、第二确定模块和选取模块，其中，上述第一获取模块用于获取上述目标图像中的上述所有特征点；上述第一确定模块用于确定上述所有特征点的位置分布数据；上述选取模块用于基于上述位置分布数据从上述所有特征点中选取多个上述目标特征点。具体地，确定上述所有特征点的位置分布数据，即可确定特征点与预定区域的位置关系，从而上述位置分布数据从上述所有特征点中选取多个上述目标特征点，确保选取的目标特征点位于预定区域内且多个上述目标特征点所在的线段互相垂直。
本申请的一种实施例中，上述选取模块包括第一确定子模块、第二确定子模块判断子模块和处理子模块，其中，上述第一确定子模块用于基于上述位置分布数据确定上述目标图像的圆心位置；上述第二确定子模块用于依据上述圆心位置和上述目标图像的图像中心点位置，确定多个上述目标特征点中的至少三个目标特征点；上述判断子模块用于判断上述三个目标特征点是否构成互相垂直的两条线段；上述处理子模块用于如果判断结果为是，则依据上述三个目标特征点确定多个上述目标特征点中的其他特征点，如果判断结果为否，则返回执行上述确定多个上述目标特征点中的至少三个目标特征点的步骤，直至上述判断结果为是。具体地，基于上述位置分布数据确定上述目标图像的圆心位置，即确定特征点的圆心坐标，从而根据目标图像的图像中心点的坐标选取一个预定区域，根据特征点的圆心坐标确定位于预定区域的特征点为目标特征点，且目标特征点至少有三个，若三个目标特征点构成互相垂直的两条线段，则延长这两条线段选取位于线段上的特征点，得到预定数量的目标特征点，若三个目标特征点不能构成互相垂直的两条线段重新选取目标特征点，直至选取三个目标特征点不能构成互相垂直的两条线段重新选取目标特征点，延长这两条线段选取位于线段上的特征点，得到预定数量的目标特征点，例如，如图3和图4所示，两条互相垂直的线段穿过的特征点为目标特征点，两条相交但不垂直的线段的交点即为图像中心点，目标特征点有5个。
本申请的一种实施例中，上述第二确定单元包括构建模块、第一计算模块和第二计算模块，其中，上述构建模块用于依据上述多个目标特征点的坐标信息构建约束方程组；上述第一计算模块用于基于畸变数学模型对上述约束方程组求解得到初始标定参数；上述第二计算模块用于利用极大似然值估计法对上述初始标定参数进行优化处理，得到上述相机标定参数。具体地，如图5所示，多个目标特征点位于两条互相垂直的线段上，通过两条线段的垂直关系构建约束方程，设P＝[Xc Yc Zc]T是线段P1P2上的一点，P点可以用P1和P2表示为P＝(1-η)P1+ηP2，其中，η＝(P1-P)/(P1-P2)，0≤η≤1，η表示P1P的线段长度与P1P2的线段长度比值。通过P＝(1-η)P1+ηP2，可以列出比值关系为ZC2/ZC1＝(1-η)(q-q1)/η(q2-q)以及ZC3/ZC1＝(1-η)(q-q1)/η(q3-q)，设置η＝0.5，可得三维空间位置与相机成像平面上对应的位置之间的关系如下ZC1(ZC2/ZC1)(q2-q1)＝A(P2-P1)以及ZC1(ZC3/ZC1)(q3-q1)＝A(P3-P1)，由两向量垂直可得(P1-P2)T(P3-P1)＝0，由此得到约束条件：h2 TA-TA-1h1＝0，设置对称矩阵B＝A-TA-1，重新排列B的元素，得到新向量b，有h2 TB h1＝νb＝0。通过K个图像堆叠方程求解初始标定参数,再利用极大似然值估计法对上述初始标定参数进行优化处理，得到上述相机标定参数。
本申请的一种实施例中，在获取相机拍摄到的目标图像之前，上述装置还包括第三确定单元，上述第三确定单元包括第二获取模块和第三确定模块，其中，上述第二获取模块用于获取三维空间中世界坐标系的目标坐标点；上述第三确定模块用于采用将上述坐标点转换至相机坐标系的方式，确定上述相机的相机外部参数。具体地，将三维空间中世界坐标系中的目标点P转换到的相机坐标系中并用Pc表示其在相机坐标系里的坐标，以减少了标定过程中的未知参数，坐标系转换关系由sq＝A[R T]P转换为Zcq＝APc，其中，s为常系数，A为相机内参矩阵，[R T]为相机外部参数，q为成像平面坐标点。
本申请实施例还提供了一种图像采集系统，包括相机和确定相机标定参数的装置，上述确定相机标定参数的装置包括用于执行任意一种上述的确定相机标定参数的方法。
上述图像采集系统中，包括相机和确定相机标定参数的装置，获取单元获取相机拍摄到的目标图像，第一确定单元从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，第二确定单元依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述装置避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
上述确定相机标定参数的装置包括处理器和存储器，上述获取单元、第一确定单元和第二确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术确定相机标定参数不准确的问题。
存储器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)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现确定相机标定参数的方法。
本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行确定相机标定参数的方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，获取相机拍摄到的目标图像；
步骤S102，从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定；
步骤S103，依据上述多个目标特征点的坐标信息确定上述相机标定参数。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，获取相机拍摄到的目标图像；
步骤S102，从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定；
步骤S103，依据上述多个目标特征点的坐标信息确定上述相机标定参数。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明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计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请的确定相机标定参数的方法中，首先，获取相机拍摄到的目标图像，然后，从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，最后，依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述方法避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
2)、本申请的确定相机标定参数的装置中，获取单元获取相机拍摄到的目标图像，第一确定单元从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，第二确定单元依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述装置避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
3)、本申请的图像采集系统中，包括相机和确定相机标定参数的装置，获取单元获取相机拍摄到的目标图像，第一确定单元从上述目标图像中的所有特征点中确定多个目标特征点，其中，上述目标特征点处于预定区域且多个上述目标特征点构成两条线段呈相互垂直关系，上述预定区域基于上述目标图像的图像中心区域确定，第二确定单元依据上述多个目标特征点的坐标信息确定上述相机标定参数。上述装置避免了计算单应性矩阵所引入的误差，利用靠近图像中心区域的特征点，由于中心区域畸变较小，从而可以更精确地计算内参初始值，有效地减少参数优化的迭代次数与运算时间，即该可以有效地减少求解时间并相对提高最后标定参数的精确度，解决了现有技术确定相机标定参数不准确的问题。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种确定相机标定参数的方法，其特征在于，包括：
获取相机拍摄到的目标图像；
从所述目标图像中的所有特征点中确定多个目标特征点，其中，所述目标特征点处于预定区域且多个所述目标特征点构成两条线段呈相互垂直关系，所述预定区域基于所述目标图像的图像中心区域确定；
依据所述多个目标特征点的坐标信息确定所述相机标定参数。
2.根据权利要求1所述的方法，其特征在于，在获取相机拍摄到的目标图像之前，所述方法还包括：
选取标定板，其中，所述标定板设置在与所述相机之间的距离为预设距离的预定位置；
对设置在所述预定位置的所述标定板进行位姿变换，其中，所述位姿变换包括平移或旋转；
控制所述相机采集所述标定板的初始图像。
3.根据权利要求2所述的方法，其特征在于，在获取相机拍摄到的目标图像之前，所述方法还包括：
对所述初始图像进行图像预处理，得到经所述图像预处理后的所述初始图像的图像边缘信息，其中，所述图像预处理包括：图像灰度化转换处理、去噪处理、锐化增强处理、提取轮廓处理；
依据图像边缘信息对所述初始图像进行特征提取处理，其中，所述特征提取处理包括：圆度提取处理、偏心率提取处理、凸度条件限制提取处理；
依据特征提取处理结果确定所述目标图像。
4.根据权利要求1所述的方法，其特征在于，从所述目标图像中的所有特征点中确定多个目标特征点，包括：
获取所述目标图像中的所述所有特征点；
确定所述所有特征点的位置分布数据；
基于所述位置分布数据从所述所有特征点中选取多个所述目标特征点。
5.根据权利要求4所述的方法，其特征在于，基于所述位置分布数据从所述所有特征点中选取多个所述目标特征点，包括：
基于所述位置分布数据确定所述目标图像的圆心位置；
依据所述圆心位置和所述目标图像的图像中心点位置，确定多个所述目标特征点中的至少三个目标特征点；
判断所述三个目标特征点是否构成互相垂直的两条线段；
如果判断结果为是，则依据所述三个目标特征点确定多个所述目标特征点中的其他特征点，如果判断结果为否，则返回执行所述确定多个所述目标特征点中的至少三个目标特征点的步骤，直至所述判断结果为是。
6.根据权利要求1所述的方法，其特征在于，依据所述多个目标特征点的坐标信息确定所述相机标定参数，包括：
依据所述多个目标特征点的坐标信息构建约束方程组；
基于畸变数学模型对所述约束方程组求解得到初始标定参数；
利用极大似然值估计法对所述初始标定参数进行优化处理，得到所述相机标定参数。
7.根据权利要求1所述的方法，其特征在于，在获取相机拍摄到的目标图像之前，所述方法还包括：
获取三维空间中世界坐标系的目标坐标点；
采用将所述坐标点转换至相机坐标系的方式，确定所述相机的相机外部参数。
8.一种确定相机标定参数的装置，其特征在于，包括：
获取单元，用于获取相机拍摄到的目标图像；
第一确定单元，用于从所述目标图像中的所有特征点中确定多个目标特征点，其中，所述目标特征点处于预定区域且多个所述目标特征点构成两条线段呈相互垂直关系，所述预定区域基于所述目标图像的图像中心区域确定；
第二确定单元，用于依据所述多个目标特征点的坐标信息确定所述相机标定参数。
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包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的确定相机标定参数的方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的确定相机标定参数的方法。
11.一种图像采集系统，包括相机和确定相机标定参数的装置，其特征在于，所述确定相机标定参数的装置包括用于执行权利要求1至7中任意一项所述的确定相机标定参数的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010813934.2A CN111951335A (zh) | 2020-08-13 | 2020-08-13 | 确定相机标定参数的方法、装置、处理器和图像采集系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010813934.2A CN111951335A (zh) | 2020-08-13 | 2020-08-13 | 确定相机标定参数的方法、装置、处理器和图像采集系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111951335A true CN111951335A (zh) | 2020-11-17 |
Family
ID=73343337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010813934.2A Withdrawn CN111951335A (zh) | 2020-08-13 | 2020-08-13 | 确定相机标定参数的方法、装置、处理器和图像采集系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951335A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112504137A (zh) * | 2020-12-07 | 2021-03-16 | 北京智博联科技股份有限公司 | 基于云计算的多目标数字图像检测方法 |
| CN113160325A (zh) * | 2021-04-01 | 2021-07-23 | 长春博立电子科技有限公司 | 基于进化算法的多摄像机高精度自动标定方法 |
| CN113409405A (zh) * | 2021-07-19 | 2021-09-17 | 北京百度网讯科技有限公司 | 评估相机标定位置的方法、装置、设备和存储介质 |
| CN114750147A (zh) * | 2022-03-10 | 2022-07-15 | 深圳甲壳虫智能有限公司 | 机器人的空间位姿确定方法、装置和机器人 |
| CN116563388A (zh) * | 2023-04-28 | 2023-08-08 | 北京优酷科技有限公司 | 标定数据采集方法、装置、电子设备及存储介质 |
| CN113409405B (zh) * | 2021-07-19 | 2024-07-05 | 江苏普衡诺信息科技有限公司 | 评估相机标定位置的方法、装置、设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204574A (zh) * | 2016-07-07 | 2016-12-07 | 兰州理工大学 | 基于目标平面运动特征的相机位姿自标定方法 |
| CN107633536A (zh) * | 2017-08-09 | 2018-01-26 | 武汉科技大学 | 一种基于二维平面模板的相机标定方法及系统 |
| CN109978959A (zh) * | 2019-03-29 | 2019-07-05 | 北京经纬恒润科技有限公司 | 一种摄像头径向畸变修正参数标定方法、装置及系统 |
| CN110363819A (zh) * | 2019-06-25 | 2019-10-22 | 华为技术有限公司 | 智能汽车中图像采集设备标定的方法和相关设备 |
-
2020
- 2020-08-13 CN CN202010813934.2A patent/CN111951335A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204574A (zh) * | 2016-07-07 | 2016-12-07 | 兰州理工大学 | 基于目标平面运动特征的相机位姿自标定方法 |
| CN107633536A (zh) * | 2017-08-09 | 2018-01-26 | 武汉科技大学 | 一种基于二维平面模板的相机标定方法及系统 |
| CN109978959A (zh) * | 2019-03-29 | 2019-07-05 | 北京经纬恒润科技有限公司 | 一种摄像头径向畸变修正参数标定方法、装置及系统 |
| CN110363819A (zh) * | 2019-06-25 | 2019-10-22 | 华为技术有限公司 | 智能汽车中图像采集设备标定的方法和相关设备 |
Non-Patent Citations (1)
| Title |
|---|
| 王竟磊: "基于两条垂直直线的相机标定方法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 9, pages 4 - 58 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112504137A (zh) * | 2020-12-07 | 2021-03-16 | 北京智博联科技股份有限公司 | 基于云计算的多目标数字图像检测方法 |
| CN112504137B (zh) * | 2020-12-07 | 2022-07-26 | 北京智博联科技股份有限公司 | 基于云计算的多目标数字图像检测方法 |
| CN113160325A (zh) * | 2021-04-01 | 2021-07-23 | 长春博立电子科技有限公司 | 基于进化算法的多摄像机高精度自动标定方法 |
| CN113160325B (zh) * | 2021-04-01 | 2022-10-11 | 长春博立电子科技有限公司 | 基于进化算法的多摄像机高精度自动标定方法 |
| CN113409405A (zh) * | 2021-07-19 | 2021-09-17 | 北京百度网讯科技有限公司 | 评估相机标定位置的方法、装置、设备和存储介质 |
| CN113409405B (zh) * | 2021-07-19 | 2024-07-05 | 江苏普衡诺信息科技有限公司 | 评估相机标定位置的方法、装置、设备和存储介质 |
| CN114750147A (zh) * | 2022-03-10 | 2022-07-15 | 深圳甲壳虫智能有限公司 | 机器人的空间位姿确定方法、装置和机器人 |
| CN114750147B (zh) * | 2022-03-10 | 2023-11-24 | 深圳甲壳虫智能有限公司 | 机器人的空间位姿确定方法、装置和机器人 |
| CN116563388A (zh) * | 2023-04-28 | 2023-08-08 | 北京优酷科技有限公司 | 标定数据采集方法、装置、电子设备及存储介质 |
| CN116563388B (zh) * | 2023-04-28 | 2024-05-07 | 神力视界(深圳)文化科技有限公司 | 标定数据采集方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111951335A (zh) | 确定相机标定参数的方法、装置、处理器和图像采集系统 | |
| CN107705333B (zh) | 基于双目相机的空间定位方法及装置 | |
| US10810718B2 (en) | Method and device for three-dimensional reconstruction | |
| CN109840477B (zh) | 基于特征变换的受遮挡人脸识别方法及装置 | |
| CN111311632B (zh) | 一种物体位姿跟踪方法、装置及设备 | |
| CN113689578B (zh) | 一种人体数据集生成方法及装置 | |
| WO2015006224A1 (en) | Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis | |
| KR20120048370A (ko) | 물체 자세 인식장치 및 이를 이용한 물체 자세 인식방법 | |
| CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
| CN108648222B (zh) | 结构光深度数据空间分辨率的提升方法及装置 | |
| CN106257497B (zh) | 一种图像同名点的匹配方法及装置 | |
| CN108447094B (zh) | 一种单目彩色相机的姿态估算方法及系统 | |
| CN111553949A (zh) | 基于单帧rgb-d图像深度学习对不规则工件的定位抓取方法 | |
| CN113298870B (zh) | 一种物体的姿态跟踪方法、装置、终端设备和存储介质 | |
| CN113160313A (zh) | 一种透明物体抓取控制方法、装置、终端及存储介质 | |
| CN113658194B (zh) | 一种基于参照物的点云拼接方法、装置及存储介质 | |
| CN109410246B (zh) | 基于相关滤波的视觉跟踪的方法及装置 | |
| CN111476812A (zh) | 地图分割方法、装置、位姿估计方法和设备终端 | |
| CN111161348B (zh) | 一种基于单目相机的物体位姿估计方法、装置及设备 | |
| CN111325828A (zh) | 一种基于三目相机的三维人脸采集方法及装置 | |
| CN113902852A (zh) | 一种人脸三维重建方法、装置、电子设备及存储介质 | |
| CN113902853A (zh) | 一种人脸三维重建方法、装置、电子设备及存储介质 | |
| CN114463437A (zh) | 一种摄像机标定方法、装置、设备及计算机可读介质 | |
| CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
| CN113344941A (zh) | 一种基于聚焦图像的深度估计方法及图像处理装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201117 |