CN112150553A - 一种车载相机的标定方法和装置 - Google Patents
一种车载相机的标定方法和装置 Download PDFInfo
- Publication number
- CN112150553A CN112150553A CN201910566934.4A CN201910566934A CN112150553A CN 112150553 A CN112150553 A CN 112150553A CN 201910566934 A CN201910566934 A CN 201910566934A CN 112150553 A CN112150553 A CN 112150553A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- camera
- mounted camera
- reference position
- calibration
- 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 46
- 238000003384 imaging method Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000126 substance Substances 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 Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明实施例公开了一种车载相机的标定方法和装置,该方法包括:采集标定场中的纹理图像,所述纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息;随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,其中,车载相机组中包括在车辆不同位置布设的至少两个相机;对标定数据进行识别,以确定所述标定数据中的特征点在成像平面的参考位置;根据标定数据中所述特征点的基准位置与所述参考位置之间的对应位置关系,对车载相机的内参和外参进行标定。通过采用上述技术方案,提升了车载相机参数的标定精度。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种车载相机的标定方法和装置。
背景技术
近年来,车载环视相机逐步应用在众多车型中,成为辅助驾驶系统的一个重要组成部分。车载环视系统在工作时,根据预先标定好的相机参数,对拍摄图像进行拼接,从而合成车辆周围360度环视图像,为驾驶员提供起步、泊车等场景下的视觉辅助。
现有的车辆相机的标定系统通常为自动静态标定系统,标定方法一般是在标定场将车辆卡位(停)到固定的位置,通过鱼眼镜头畸变校正、透视投影变换,在原始图及俯视图上进行识别,得到世界坐标系下已知点对应的成像点,并利用世界坐标点和图像像素点之间的对应关系进行标定,这种标定方法通常用来得到车载鱼眼相机的对地关系,标定结果主要用于输出拼接图。
上述方法通常只能标定出相机的外参,并不能对相机的内参进行优化。并且世界坐标点一般处于地面上,对应车载相机成像的图片上,只是图像上“靠下”的局部区域。这样标定出来的外参,一般用于输出车辆近处的拼接。但是在图像“靠上”,或者“边缘”的区间,内、外参的精度就相对难以保障,而且参数精度也并不满足感知对地投影计算等的精度要求。
发明内容
本发明实施例公开一种车载相机的标定方法和装置,提升了车载相机参数的标定精度。
第一方面,本发明实施例公开了一种车载相机的标定方法,该方法包括:
采集标定场中的纹理图像,所述纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息;
随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,其中,所述车载相机组中包括在车辆不同位置布设的至少两个相机;
对所述标定数据进行识别,以确定所述标定数据中的特征点在成像平面的参考位置;
根据所述标定数据中所述特征点的基准位置与所述参考位置之间的对应位置关系,对车载相机的内参和外参进行标定。
可选的,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,包括:
判断每个相机所采集的所有纹理图像中特征点的分布范围是否达到设定范围阈值;
如果达到范围阈值,则判断每个车载相机组中各个相机同时所能采集到纹理图像的次数是否达到设定次数阈值;
如果达到设定次数阈值,则将各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据。
可选的,根据所述标定数据中所述特征点的基准位置与所述参考位置之间的位置关系,对各车载相机的内参和外参进行标定,包括:
确定所述标定数据中所述特征点的基准位置与所述参考位置在成像平面的重投影误差;
采用迭代优化的方式,根据所述重投影误差对车载相机的内参和外参进行标定。
可选的,所述方法还包括:
如果车辆处于静止状态,则将车辆处于相同位置时重复采集的纹理图像进行删除。
可选的,所述方法还包括:
根据各车载相机的位置以及相机与车体的相对位置,估计车辆位姿;
根据所述车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图;
基于所述俯视拼接图中所述特征点参考位置和基准位置之间的位置对应关系,确定相机的对地投影参数。
第二方面,本发明实施例还提供了一种车载相机的标定装置装置,该装置包括:
纹理图像采集模块,被配置为采集标定场中的纹理图像,所述纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息;
标定数据确定模块,被配置为随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,其中,所述车载相机组中包括在车辆不同位置布设的至少两个相机;
参考位置确定模块,被配置为对所述标定数据进行识别,以确定所述标定数据中的特征点在成像平面的参考位置;
参数标定模块,被配置为根据所述标定数据中所述特征点的基准位置与所述参考位置之间的对应位置关系,对车载相机的内参和外参进行标定。
可选的,所述标定数据确定模块,具体被配置为:
随着车辆的运动,对于任意一个车载相机组,判断每个相机所采集的所有纹理图像中特征点的分布范围是否达到设定范围阈值;
如果达到范围阈值,则判断每个车载相机组中各个相机同时所能采集到纹理图像的次数是否达到设定次数阈值;
如果达到设定次数阈值,则将各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据。
可选的,所述参数标定模块,具体被配置为:
确定所述标定数据中所述特征点的基准位置与所述参考位置在成像平面的重投影误差;
采用迭代优化的方式,根据所述重投影误差对车载相机的内参和外参进行标定。
可选的,所述装置还包括:
重复图像删除模块,被配置为如果车辆处于静止状态,则将车辆处于相同位置时重复采集的纹理图像进行删除。
可选的,所述装置还包括:
车辆位姿估计模块,被配置为根据各车载相机的位置以及相机与车体的相对位置,估计车辆位姿;
俯视拼接图形成模块,被配置为根据所述车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图;
对地投影参数确定模块,被配置为基于所述俯视拼接图中所述特征点参考位置和基准位置之间的位置对应关系,确定相机的对地投影参数。
第三方面,本发明实施例还提供了一种车载终端,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明任意实施例所提供的车载相机的标定方法的部分或全部步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其存储计算机程序,所述计算机程序包括用于执行本发明任意实施例所提供的车载相机的标定方法的部分或全部步骤的指令。
第五方面,本发明实施例还提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明任意实施例所提供的车载相机的标定方法的部分或全部步骤。
本实施例提供的技术方案,将存在唯一对应的编码信息的纹理图像布设于标定场中的各个位置。为了采集足够数量且分布广泛的纹理图像用于车载相机内外参数的标定,在车辆移动的过程中,如果任意一个车载相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据。通过根据标定数据中特征点的参考位置和其基准位置之间的位置对应关系,可对车载相机的内外和外参进行同时优化,提升了车载相机的标定精度。
本发明的发明点包括:
1、将每个车载相机组中各个相机同时所能采集到纹理图像的次数达到设定次数阈值,且各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据,使得标定数据的数量和其特征点的分布范围更加全面,从而提升了相机的标定精度,是本发明的发明点之一。
2、根据相机应用场景需求的不同,基于采集的标定数据,可确定出标定数据中特征点的基准位置与参考位置在相机的像素平面或是在俯视图像拼接平面的重投影误差,实现相机参数的分层级优化,提升了相机在不同应用场景下的标定效果,是本发明的发明点之一。
3、基于相机位置和相机与车体之间的相对位置关系,估算车辆位姿。通过结合估算的车辆位姿,可输出俯视拼接图。利用该俯视拼接图,可验证相机内外参数和对地投影关系的标定效果,从而提升了相机的标定精度,是本发明的发明点之一。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种车载相机的标定方法的流程示意图;
图2a是本发明实施例提供的一种车辆标定场示意图;
图2b是本发明实施例提供的又一种车辆标定场示意图;
图2c是鱼眼相机识别到的特征点分布范围小于设定范围阈值,且车载相机组中的各相机同时能够采集到纹理图像的次数未达到设定次数阈值时的图像;
图2d是鱼眼相机识别到的特征点分布范围达到设定范围阈值,且车载相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值时的图像;
图2e是本发明实施例提供的一种重投影误差示意图;
图3a是本发明实施例提供的一种车载相机的标定方法的流程示意图;
图3b是本发明实施例提供的一种车辆位姿示意图;
图3c是本发明实施例提供的一种根据车辆位姿和采集的纹理图像得到的俯视拼接图;
图4是本发明实施例提供的一种车载相机的标定装置的结构示意图;
图5是本发明实施例提供的一种车载终端的结构示意图。
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。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
请参阅图1,图1是本发明实施例提供的一种车载相机的标定方法的流程示意图。该方法应用于自动驾驶中,可由车载相机的标定装置来执行,该装置可通过软件和/或硬件的方式实现,一般可集成在车载电脑、车载工业控制计算机(Industrial personalComputer,IPC)等车载终端中,本发明实施例不做限定。如图1所示,本实施例提供的方法具体包括:
110、采集标定场中的纹理图像。
其中,纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息。优选的,该纹理图像为apriltag(视觉基准库)或二维码等图案。纹理图像中的特征点优选为纹理图像的角点,该角点可通过重建或者测绘得到其在世界坐标系中具体的位置。图2a是本发明实施例提供的一种车辆标定场示意图,如图2a所示,标定场中墙上和地面上的纹理图像均为apriltag图案。通过将apriltag图案铺满标定场,随着车辆的移动,可以采集到不同位置的不同图案作为用于标定相机内外参数的标定数据。此外,纹理图像的类型可以为多种,例如,可将apriltag和圆相结合作为标定场的纹理图像。具体的,图2b是本发明实施例提供的又一种车辆标定场示意图。如图2b所示,在标定场的墙上布设apriltag图案,地面上除了布设有apriltag图案外,还可结合圆作为车辆相机的采集素材。
120、随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据。
本实施例中,为了提高相机内外参数标定的准确性,需采集足够多的纹理图像作为标定数据。因此,对于车辆处于静止状态时在相同位置处重复采集的纹理图像,需对其进行删除。此外,为了采集到足够多的纹理图像,对于每个车载摄像头而言,该摄像头所采集的所有纹理图像中特征点的分布范围需达到设定范围阈值。
一般的,在自动驾驶汽车的应用场景下,车载相机为多个(大于等于3个)。本实施例中,由于各车载相机之间的位置关系固定,可将该多个车载相机划分为若干组,每个车载相机组中包括在车辆不同位置安装的两个相机,这样设置可使得每个车载相机组中任意两个车载相机所拍摄的图像之间存在约束关系。其中,该约束关系可以为利用一个车载相机组中不同位置的相机直接形成的约束关系,也可以为通过不同车载相机组间接形成的约束关系,例如如果A相机和B相机组合为车载相机组,则A相机与B相机所拍摄的图像之间存在直接的约束关系。此外,如果B相机和C相机也组合为车载相机组,则在B相机与C相机所拍图像直接存在约束关系的基础上,A相机和C相机所拍摄图像也存在间接的约束关系。
具体的,自动驾驶中的车载相机优选为环视相机,该环视相机中的四路相机分别位于车头、车尾中央,和车辆的两个后视镜下方。通过将环视相机划分为三个车载相机组,例如AB、CD和BC,或者AC、BD和AB,或者AD、BC和AB或者AC、BD和AD等车载相机组,可建立任意两个相机所拍摄图像之间的直接或间接的约束关系。
本实施例中,任意两个相机所拍摄图像之间的直接或间接的约束关系的建立,是在相机组中的各个相机同时能够采集到纹理图像的基础。因此,为了能够采集到数量足够且具有约束关系的纹理图像,本实施例设置了设定次数阈值,例如8次,如果车载相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据。但如果车载相机组中的各相机同时能够采集到纹理图像的次数未达到设定次数阈值,例如,只有5次时,则等到该车载相机组中的各相机同时能够采集到纹理图像的次数达到8次时,再将各车载相机组所采集的目标纹理图像作为标定数据。
本实施例中,各车载相机组所采集的目标纹理图像为各车载相机所识别到特征点的覆盖范围达到设定范围阈值的纹理图像。
具体的,图2c是鱼眼相机识别到的特征点分布范围小于设定范围阈值,且车载相机组中的各相机同时能够采集到纹理图像的次数未达到设定次数阈值时的图像;图2d是鱼眼相机识别到的特征点分布范围达到设定范围阈值,且车载相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值时的图像。如图2c和2d所示,白色区域为纹理图像中特征点的覆盖范围,图2d中所采集的纹理图像信息相对于图2c而言更加全面,从而有助于提高车载相机内外参数的标定精度。
130、对标定数据进行识别,以确定标定数据中的特征点在成像平面的参考位置。
140、根据标定数据中特征点的基准位置与参考位置之间的对应位置关系,对各车载相机的内参和外参进行标定。
图2e是本发明实施例提供的一种重投影误差示意图,如图2e所示,特征点A表示纹理图像上已知的角点,该角点在世界坐标系中的位置可通过重建或者测绘得到,本实施例中将该位置作为基准位置。特征点B表示对特征点A识别后在成像平面上的参考位置,该位置与摄像头的内外参数有关。当摄像头的内外参数标定较为精准时,特征点B无限逼近于特征点A。
示例性的,本实施例中,根据标定数据中特征点的基准位置与参考位置之间的对应位置关系,对各车载相机的内参和外参进行标定主要是利用特征点的基准位置和参考位置在成像平面上的重投影位置关系,将二者之间的重投影误差作为观测量,通过迭代优化的方式,根据重投影误差的大小对车载相机的内参和外参进行调整,使得重投影误差的值达到最小,并将该值达到最小时所对应的相机的内外参数作为最后标定完成的内外参数。
本实施例提供的技术方案,将存在唯一对应的编码信息的纹理图像布设于标定场中的各个位置。为了采集足够数量且分布广泛的纹理图像用于车载相机内外参数的标定,在车辆移动时,如果任意一个车载相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据。通过根据标定数据中特征点的参考位置和其基准位置之间的位置对应关系,可对车载相机的内外和外参进行同时优化,提升了车载相机的标定精度。
实施例二
请参阅图3a,图3a是本发明实施例提供的一种车载相机的标定方法的流程示意图。本实施例在上述实施例的基础上进行了优化。如图3a所示,该方法包括:
200、采集标定场中的纹理图像。
210、随着车辆的运动,对于任意一个车载相机组,判断每个相机所采集的所有纹理图像中特征点的分布范围是否达到设定范围阈值,若是,则执行步骤220;否则,返回执行步骤200。
本实施例中,步骤210这样设置是为了每个相机都能够采集到分布广泛的纹理图像,作为用于进行相机内外参数的标定数据。
220、判断每个车载相机组中各个相机同时所能采集到纹理图像的次数是否达到设定次数阈值,若是,则执行步骤230;否则,返回执行步骤200。
本实施例中,步骤220这样设置是为了使得每个车载相机组中的各相机所拍摄纹理图像之间存在约束关系,利用这些纹理图像进行相机标定,可提升相机内外参数的标定精度。
需要说明的是,步骤210和220的执行顺序不存在先后之分,可以先执行步骤210,再执行步骤220,也可以先执行步骤220,再执行步骤210,本实施例对此不做具体限定。
230、将各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据。
240、对标定数据进行识别,以确定标定数据中的特征点在成像平面的参考位置。
其中,特征点在成像平面的参考位置可利用现有技术提供的角点检测算法,从标定数据中识别中出各个角点。
250、确定标定数据中特征点的基准位置与参考位置在成像平面的重投影误差。
其中,成像平面可以为相机的像素平面,也可以为俯视拼接图所在的平面。本实施例中,可根据实际应用需求来确定在哪个成像平面上确定标定数据中特征点的基准位置与参考位置的重投影误差。例如,如果在建图的应用场景下,可在相机的像素平面输出重投影残差。如果将标定后的相机应用于感知模块,则将俯视拼接图作为成像平面,并在俯视拼接图上确定特征点的基准位置和参考位置之间的重投影误差,即步骤290中的方法。
260、采用迭代优化的方式,根据重投影误差对车载相机的内参和外参进行标定。
270、根据各车载相机的位置以及相机与车体的相对位置,估计车辆位姿。
本实施例中,通过世界坐标位置已知的纹理图像中的各特征点的基准位置,可以确定出各车载相机的位置。由于相机安装于车体上,与车体的相对位置固定,因此,根据各车载相机的位置以及相机与车体的相对位置,可以估算出车辆位姿。
具体的,以环视相机为例,图3b是本发明实施例提供的一种车辆位姿示意图。如图3b所示,矩形表示车辆,矩形边上点表示相机的位置。根据各车载相机的位置以及相机与车体的相对位置,可以估计出车辆位姿,从而可按照估算的车辆位姿,投影得到俯视拼接图。图3c是本发明实施例提供的一种根据车辆位姿和采集的纹理图像得到的俯视拼接图,如图3c所示,俯视拼接图中,中间位置的黑色区域为车体,车体周围的纹理图像是基于车辆位姿,将环视相机所采集的纹理图像投影到地面上并进行拼接后的图像。
280、根据车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图。
通过本实施例中的俯视拼接图,可以通过俯视拼接图上特征点的参考位置和基准位置之间的投影距离,验证相机内外参数、对地投影参数的标定效果。此外,还可以通过俯视拼接图验证相邻相机之间的衔接关系是否一致。如果标定效果未达到设定要求,或者衔接关系不一致,则需排查原因,例如标定场中的设备是否出现问题,采集的纹理图像是否存在缺损等。在问题排查并解决后,需重新对相机的内外参数和对地投影参数进行优化。
290、基于俯视拼接图中特征点参考位置和基准位置之间的位置对应关系,确定相机的对地投影参数。
本实施例在上述实施例的基础上,通过根据估计出的车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图。利用该俯视拼接图,可验证相机内外参数、对地投影关系的标定效果,有助于提升相机的标定精度。
实施例三
请参阅图4,图4是本发明实施例提供的一种车载相机的标定装置的结构示意图。如图4所示,该装置包括:纹理图像采集模块310、标定数据确定模块320、参考位置确定模块330和参数标定模块340;其中,
纹理图像采集模块310,被配置为采集标定场中的纹理图像,所述纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息;
标定数据确定模块320,被配置为随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,其中,所述车载相机组中包括在车辆不同位置布设的至少两个相机;
参考位置确定模块330,被配置为对所述标定数据进行识别,以确定所述标定数据中的特征点在成像平面的参考位置;
参数标定模块340,被配置为根据所述标定数据中所述特征点的基准位置与所述参考位置之间的对应位置关系,对车载相机的内参和外参进行标定。
可选的,所述标定数据确定模块,具体被配置为:
随着车辆的运动,对于任意一个车载相机组,判断每个相机所采集的所有纹理图像中特征点的分布范围是否达到设定范围阈值;
如果达到范围阈值,则判断每个车载相机组中各个相机同时所能采集到纹理图像的次数是否达到设定次数阈值;
如果达到设定次数阈值,则将各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据。
可选的,所述参数标定模块,具体被配置为:
确定所述标定数据中所述特征点的基准位置与所述参考位置在成像平面的重投影误差;
采用迭代优化的方式,根据所述重投影误差对车载相机的内参和外参进行标定。
可选的,所述装置还包括:
重复图像删除模块,被配置为如果车辆处于静止状态,则将车辆处于相同位置时重复采集的纹理图像进行删除。
可选的,所述装置还包括:
车辆位姿估计模块,被配置为根据各车载相机的位置以及相机与车体的相对位置,估计车辆位姿;
俯视拼接图形成模块,被配置为根据所述车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图;
对地投影参数确定模块,被配置为基于所述俯视拼接图中所述特征点参考位置和基准位置之间的位置对应关系,确定相机的对地投影参数。
本发明实施例所提供的车载相机的标定装置可执行本发明任意实施例所提供的车载相机的标定方法,具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车车载相机的标定方法。
实施例四
请参阅图5,图5是本发明实施例提供的一种车载终端的结构示意图。如图5所示,该车载终端可以包括:
存储有可执行程序代码的存储器701;
与存储器701耦合的处理器702;
其中,处理器702调用存储器701中存储的可执行程序代码,执行本发明任意实施例所提供的车载相机的标定方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行本发明任意实施例所提供的车载相机的标定方法。
本发明实施例公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行本发明任意实施例所提供的车载相机的标定方法的部分或全部步骤。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本发明所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
另外,在本发明各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。
上述集成的单元若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获取的存储器中。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者部分,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存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种车载相机的标定方法和装置进行了详细介绍,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 (10)
1.一种车载相机的标定方法,其特征在于,包括:
采集标定场中的纹理图像,所述纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息;
随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,其中,所述车载相机组中包括在车辆不同位置布设的至少两个相机;
对所述标定数据进行识别,以确定所述标定数据中的特征点在成像平面的参考位置;
根据所述标定数据中所述特征点的基准位置与所述参考位置之间的对应位置关系,对车载相机的内参和外参进行标定。
2.根据权利要求1所述的方法,其特征在于,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,包括:
判断每个相机所采集的所有纹理图像中特征点的分布范围是否达到设定范围阈值;
如果达到范围阈值,则判断每个车载相机组中各个相机同时所能采集到纹理图像的次数是否达到设定次数阈值;
如果达到设定次数阈值,则将各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据。
3.根据权利要求1所述的方法,其特征在于,根据所述标定数据中所述特征点的基准位置与所述参考位置之间的位置关系,对各车载相机的内参和外参进行标定,包括:
确定所述标定数据中所述特征点的基准位置与所述参考位置在成像平面的重投影误差;
采用迭代优化的方式,根据所述重投影误差对车载相机的内参和外参进行标定。
4.根据权利要求1-3任一所述的方法,其特征在于,所述方法还包括:
如果车辆处于静止状态,则将车辆处于相同位置时重复采集的纹理图像进行删除。
5.根据权利要求1-4任一所述的方法,其特征在于,所述方法还包括:
根据各车载相机的位置以及相机与车体的相对位置,估计车辆位姿;
根据所述车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图;
基于所述俯视拼接图中所述特征点参考位置和基准位置之间的位置对应关系,确定相机的对地投影参数。
6.一种车载相机的标定装置,其特征在于,包括:
纹理图像采集模块,被配置为采集标定场中的纹理图像,所述纹理图像布设于标定场中的各个方位,每个纹理图像均存在唯一对应的编码信息;
标定数据确定模块,被配置为随着车辆的运动,对于任意一个车载相机组,如果该相机组中的各相机同时能够采集到纹理图像的次数达到设定次数阈值,则将各车载相机组所采集的目标纹理图像作为标定数据,其中,所述车载相机组中包括在车辆不同位置布设的至少两个相机;
参考位置确定模块,被配置为对所述标定数据进行识别,以确定所述标定数据中的特征点在成像平面的参考位置;
参数标定模块,被配置为根据所述标定数据中所述特征点的基准位置与所述参考位置之间的对应位置关系,对车载相机的内参和外参进行标定。
7.根据权利要求6所述的装置,其特征在于,所述标定数据确定模块,具体被配置为:
随着车辆的运动,对于任意一个车载相机组,判断每个相机所采集的所有纹理图像中特征点的分布范围是否达到设定范围阈值;
如果达到范围阈值,则判断每个车载相机组中各个相机同时所能采集到纹理图像的次数是否达到设定次数阈值;
如果达到设定次数阈值,则将各车载相机组所采集的所有符合设定范围阈值的目标纹理图像作为标定数据。
8.根据权利要求6所述的装置,其特征在于,所述参数标定模块,具体被配置为:
确定所述标定数据中所述特征点的基准位置与所述参考位置在成像平面的重投影误差;
采用迭代优化的方式,根据所述重投影误差对车载相机的内参和外参进行标定。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
重复图像删除模块,被配置为如果车辆处于静止状态,则将车辆处于相同位置时重复采集的纹理图像进行删除。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
车辆位姿估计模块,被配置为根据各车载相机的位置以及相机与车体的相对位置,估计车辆位姿;
俯视拼接图形成模块,被配置为根据所述车辆位姿,对各车载摄像头所采集的纹理图像进行拼接,得到俯视拼接图;
对地投影参数确定模块,被配置为基于所述俯视拼接图中所述特征点参考位置和基准位置之间的位置对应关系,确定相机的对地投影参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910566934.4A CN112150553B (zh) | 2019-06-27 | 2019-06-27 | 一种车载相机的标定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910566934.4A CN112150553B (zh) | 2019-06-27 | 2019-06-27 | 一种车载相机的标定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150553A true CN112150553A (zh) | 2020-12-29 |
CN112150553B CN112150553B (zh) | 2024-03-29 |
Family
ID=73868706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910566934.4A Active CN112150553B (zh) | 2019-06-27 | 2019-06-27 | 一种车载相机的标定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150553B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113140009A (zh) * | 2021-03-18 | 2021-07-20 | 北京三快在线科技有限公司 | 一种标定方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN102867414A (zh) * | 2012-08-18 | 2013-01-09 | 湖南大学 | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 |
CN105844624A (zh) * | 2016-03-18 | 2016-08-10 | 上海欧菲智能车联科技有限公司 | 动态标定系统、动态标定系统中的联合优化方法及装置 |
CN106846415A (zh) * | 2017-01-24 | 2017-06-13 | 长沙全度影像科技有限公司 | 一种多路鱼眼相机双目标定装置及方法 |
CN107784672A (zh) * | 2016-08-26 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 用于获取车载相机的外部参数的方法和装置 |
CN108288291A (zh) * | 2018-06-07 | 2018-07-17 | 北京轻威科技有限责任公司 | 基于单点标定物的多相机标定 |
CN108564629A (zh) * | 2018-03-23 | 2018-09-21 | 广州小鹏汽车科技有限公司 | 一种车载摄像头外部参数的标定方法及系统 |
CN109559355A (zh) * | 2018-12-04 | 2019-04-02 | 北京航空航天大学 | 一种基于相机组的无公共视场的多相机全局标定装置及方法 |
CN109615659A (zh) * | 2018-11-05 | 2019-04-12 | 成都西纬科技有限公司 | 一种车载多摄像机环视系统的摄像机参数获得方法及装置 |
-
2019
- 2019-06-27 CN CN201910566934.4A patent/CN112150553B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN102867414A (zh) * | 2012-08-18 | 2013-01-09 | 湖南大学 | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 |
CN105844624A (zh) * | 2016-03-18 | 2016-08-10 | 上海欧菲智能车联科技有限公司 | 动态标定系统、动态标定系统中的联合优化方法及装置 |
CN107784672A (zh) * | 2016-08-26 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 用于获取车载相机的外部参数的方法和装置 |
CN106846415A (zh) * | 2017-01-24 | 2017-06-13 | 长沙全度影像科技有限公司 | 一种多路鱼眼相机双目标定装置及方法 |
CN108564629A (zh) * | 2018-03-23 | 2018-09-21 | 广州小鹏汽车科技有限公司 | 一种车载摄像头外部参数的标定方法及系统 |
CN108288291A (zh) * | 2018-06-07 | 2018-07-17 | 北京轻威科技有限责任公司 | 基于单点标定物的多相机标定 |
CN109615659A (zh) * | 2018-11-05 | 2019-04-12 | 成都西纬科技有限公司 | 一种车载多摄像机环视系统的摄像机参数获得方法及装置 |
CN109559355A (zh) * | 2018-12-04 | 2019-04-02 | 北京航空航天大学 | 一种基于相机组的无公共视场的多相机全局标定装置及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113140009A (zh) * | 2021-03-18 | 2021-07-20 | 北京三快在线科技有限公司 | 一种标定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112150553B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146869B (zh) | 确定坐标系转换参数的方法、装置、电子设备和存储介质 | |
CN110264520B (zh) | 车载传感器与车辆位姿关系标定方法、装置、设备和介质 | |
JP6866440B2 (ja) | 物体識別方法、装置、機器、車両及び媒体 | |
CN111815707B (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN108629763B (zh) | 一种视差图的评判方法、装置及终端 | |
CN112036359B (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
CN114494466B (zh) | 外参标定方法、装置及设备、存储介质 | |
CN113492829B (zh) | 数据处理的方法和装置 | |
CN110966981B (zh) | 测距方法及装置 | |
CN115082565A (zh) | 相机标定方法、装置、服务器及介质 | |
CN111105351A (zh) | 一种视频序列影像拼接方法及装置 | |
CN112150553A (zh) | 一种车载相机的标定方法和装置 | |
CN114863096B (zh) | 室内停车场的语义地图构建及定位方法和装置 | |
CN115235526A (zh) | 用于传感器的自动校准的方法和系统 | |
CN114445415A (zh) | 可行驶区域的分割方法以及相关装置 | |
CN113591720A (zh) | 车道偏离检测方法、装置及计算机存储介质 | |
CN115471563A (zh) | 车载环视系统的标定方法及其装置 | |
CN113362232A (zh) | 车辆全景环视图像生成方法和系统 | |
CN113593026A (zh) | 车道线标注辅助地图生成方法、装置和计算机设备 | |
JP2022018428A (ja) | 露出制御装置、露出制御方法、および露出制御プログラム | |
US20200202140A1 (en) | Method and device for evaluating images, operating assistance method, and operating device | |
CN116363631B (zh) | 三维目标检测方法、装置及车辆 | |
CN115797229B (zh) | 图像处理方法及装置 | |
US11443521B2 (en) | Method and device for evaluating images, operational assistance method and operating device | |
Sánchez et al. | Method for the automatic measurement of camera-calibration quality in a surround-view system |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220303 Address after: 100083 unit 501, block AB, Dongsheng building, No. 8, Zhongguancun East Road, Haidian District, Beijing Applicant after: BEIJING MOMENTA TECHNOLOGY Co.,Ltd. Address before: 100083 room 28, 4 / F, block a, Dongsheng building, 8 Zhongguancun East Road, Haidian District, Beijing Applicant before: BEIJING CHUSUDU TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |