CN112258581B - 一种多鱼眼镜头全景相机的现场标定方法 - Google Patents
一种多鱼眼镜头全景相机的现场标定方法 Download PDFInfo
- Publication number
- CN112258581B CN112258581B CN202011027775.XA CN202011027775A CN112258581B CN 112258581 B CN112258581 B CN 112258581B CN 202011027775 A CN202011027775 A CN 202011027775A CN 112258581 B CN112258581 B CN 112258581B
- Authority
- CN
- China
- Prior art keywords
- parameters
- fisheye
- lens
- panoramic camera
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011521 glass Substances 0.000 title description 7
- 241000251468 Actinopterygii Species 0.000 title 1
- 238000012937 correction Methods 0.000 claims abstract description 26
- 230000003287 optical effect Effects 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 abstract description 13
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 7
- 230000036544 posture Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual 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
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (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)
- Lenses (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种多鱼眼镜头全景相机的现场标定方法，先将全景相机置于细节丰富的自然场景中，再控制全景相机拍照，同时获取多幅鱼眼图像，每个镜头对应一幅，然后使用采集到的鱼眼图像对全景相机的多个参数进行标定，最后得到优化后的鱼眼镜头畸变矫正参数、传感器光轴点以及各个镜头的三维姿态参数。本方法构建了一套完整的二维鱼眼图像到三维全景图像的映射变换关系，映射变换模型同时考虑了鱼眼镜头畸变矫正与三维空间几何变换，利用已知的粗略参数以及正确匹配的特征点坐标，经过非线性优化算法求解得到较为精细的参数，实现全景相机的现场标定。
Description
技术领域
本发明属于计算机图像处理领域，具体涉及图像关键点提取与匹配、空间几何变换以及非线性优化。更具体的，涉及多鱼眼镜头全景相机成像过程中关键的图像矫正与配准方法。
背景技术
常规相机的镜头都是根据小孔成像原理进行设计，其视场角通常都小于45度，观测范围有限。而鱼眼镜头的视场角则能达到180度及以上，全景相机通过组合使用2个及以上的鱼眼镜头，可实现4空间球形视场覆盖，从而实现全景效果。全景相机使用的鱼眼镜头虽然视场角大，但是其直接成像得到的单幅鱼眼图像存在非常严重的畸变，无法直接反映客观真实的世界场景。其图像必须经过畸变矫正与配准处理才能进行后续的全景拼接，以致实现全景成像的目的。
现有技术中，对图像的畸变矫正与配准工作大多通过标定来实现，定标工作的主要目的是获得每个鱼眼镜头的内外参数。通过将棋盘格定标板或其他类似的定标装置以不同的姿态放置于每个鱼眼镜头的有效视场区域内，采集多幅图像，使用张氏标定法或其他改进算法对鱼眼镜头的内参进行最优估计。通过将全景相机放置于特定的标定场景内，采集图像并提取特征点，使用内参参与计算，最终计算出各个鱼眼镜头之间的外参。该标定过程需要特殊的定标装置和场景，操作过程繁琐，一般仅能由生产厂家进行操作，而且定标好的外参不一定适用于所有的场景，最终的得到全景图像质量也不好。这大大降低了全景相机的使用体验。
随着技术与应用需求的发展与变化，急需一种通用的、适用于多鱼眼镜头全景相机的、简单快捷的图像矫正与配准方法，脱离专用定标设备，实现现场定标，提升使用体验，且同时提升全景图像拼接质量。
发明内容
本发明的目的是为了弥补现有全景相机标定工作受限的不足，提出一种适用于多鱼眼镜头全景相机的、基于自然场景的现场级标定方法。该方法区别于传统镜头标定+姿态标定的两步标定方法，将所有标定工作在一个模型框架下一次性解决，具备现场级应用水平。
本发明解决其技术问题所采用的技术方案是：一种多鱼眼镜头全景相机的现场标定方法，包括以下步骤
步骤S1，将全景相机置于细节丰富的自然场景中；
步骤S2，控制全景相机拍照，同时获取多幅鱼眼图像，每个镜头对应一幅；
步骤S3，使用采集到的鱼眼图像对全景相机的多个参数进行标定：
步骤S31，根据当前全景相机中各个镜头的分布情况，获得镜头三维姿态的理想参数，根据以下全景相机标定数学模型，给出镜头畸变矫正参数的理想值，以及传感器光轴点位置的理想值，所有理想参数作为标定模型的初始参数：
步骤S311，以理想落点距离rdst为自变量，以实际落点距离rsrc为因变量，采用镜头矫正函数
对鱼眼镜头畸变进行矫正，其中a+b+c+d＝1；
步骤S312，对实际的鱼眼图像光轴点坐标(u,v)进行标定；
步骤S313，记录鱼眼镜头安装时的俯仰角α，偏航角β以及滚转角γ，每个鱼眼镜头的姿态角参数列为一组，选定一组参数作为零位参照，根据相机的空间分布关系给出其他组的理想值；
步骤S32，借助初始参数，获得各个鱼眼图像重叠区域内的所有有效特征点对；
步骤S33，根据标定模型，使用初始参数将所有有效特征点对的二维图像坐标映射到统一的球面坐标；
步骤S34，使用LM(Levenberg-Marquardt,列文伯格-马夸尔特)算法对参数进行迭代优化。
步骤S4，得到优化后的鱼眼镜头畸变矫正参数、传感器光轴点以及各个镜头的三维姿态参数。
进一步，所述的步骤S32的具体实施流程为：
步骤S321，提取各个鱼眼图像的ORB(Oriented FAST and Rotated BRIEF)特征点；
步骤S322，使用暴力匹配的方法对每两幅图像中的所有特征点进行匹配，得到部分匹配上的特征点对；
步骤S323，使用初始参数将每一对匹配点的坐标从各自的二维图像坐标映射到统一的球面坐标，根据预定义的距离阈值，筛除错误匹配的点对；
步骤S324，对步骤S323的结果进行整理，获得所有正确匹配的点对及其各自所属的图像编号，以供步骤S33使用。
更进一步，所述的步骤S31中设定鱼眼镜头数目为6个，将得到的6幅图像两两匹配，在得到的特征点对集中任取一点对，坐标分别记为(x1,y1)与(x2,y2)，通过如下公式分别计算其在各自鱼眼图像上的相位角与实际落点半径：
其中(u1,v1),(u2,v2)分别为两幅鱼眼图像的光轴点坐标，使用牛顿法对矫正函数求解：rdst＝fnewton(rsrc,a,b,c)；
假设两个鱼眼镜头畸变参数一致，由此得到特征点对在鱼眼图像上的理想落点半径分别为
根据鱼眼镜头的理想成像模型r＝f·θ，可得特征点各自的光线入射角为
由此可将特征点坐标分别映射到各自的球面坐标
通过给定的两个鱼眼镜头的初始姿态角(α1,β1,γ1)与(α2,β2,γ2)，计算其俯仰、偏航、滚转三个角度方向的旋转矩阵分别为
由此得到特征点对在同一个三维空间右手坐标系中的坐标为
[X′1,Y′1,Z′1]T＝Ryaw1·Rpitch1·Rroll1·[X1,Y1,Z1]T
[X′2,Y′2,Z′2]T＝Ryaw2·Rpitch2·Rroll2·[X2,Y2,Z2]T
由此得到同一特征点对在球面坐标下的距离为
参数越优，则该距离越小。
更进一步，所述的设定鱼眼镜头视场角为120°，鱼眼镜头按照正立方体6个面的法向方向分布安装，鱼眼图像分辨率为W×H，得到所有的待优化参数集为
p＝{fov,a,b,c,u1,…,u6,v1,…,v6,α1,…,α6,β1,…,β6,γ1,…,γ6}
代价函数为
最优化参数集的解为
使用列文伯格-马夸尔特算法进行求解，将模型的理想参数作为初始参数。
本发明的有益效果是：本发明提出的方法适用于多鱼眼镜头全景相机，可在自然场景下实现现场级标定，该方法区别于传统镜头标定+姿态标定的两步标定方法，将所有标定工作在一个模型框架下一次性解决。
本发明方法构建了一套完整的二维鱼眼图像到三维全景图像的映射变换关系，映射变换模型同时考虑了鱼眼镜头畸变矫正与三维空间几何变换，利用已知的粗略参数以及正确匹配的特征点坐标，经过非线性优化算法求解得到较为精细的参数，实现全景相机的现场标定。
附图说明
图1为本发明的全景相机标定方法总体流程图；
图2为本发明标定模块的具体实施流程图；
图3为本发明标定模块中获取特征点对的具体实施流程图；
图4为本发明的鱼眼镜头成像原理示意图；
图5为本发明全景相机标定数学模型中的鱼眼镜头畸变矫正示意图；
图6为本发明全景相机标定数学模型中的鱼眼图像光轴点矫正示意图；
图7为本发明全景相机标定数学模型中的鱼眼镜头空间姿态角参数示意图。
具体实施方式
本发明构建了一套完整的二维鱼眼图像到三维全景图像的映射变换关系，映射变换模型同时考虑了鱼眼镜头畸变矫正与三维空间几何变换。利用已知的粗略参数以及正确匹配的特征点坐标，经过非线性优化算法求解得到较为精细的参数，实现全景相机的现场标定。
更具体的，在该方法中，首先使用配有多个鱼眼镜头的全景相机，在细节丰富的自然场景中同步拍摄一幅图像；然后，通过对各个鱼眼图像进行特征点提取、匹配与过滤，得到所有正确匹配的特征点对；根据建立的映射变换模型，这些点对的坐标经过鱼眼镜头畸变矫正与坐标变换，映射到统一的三维空间右手坐标系中一单位球面上；最后，使用非线性优化算法将误差最小化，求解得到最优的标定参数，从而可进行后续的图像变换与全景拼接工作。
如图1至图7所示，本发明公开的一种多鱼眼镜头全景相机的现场标定方法，在步骤S1中，将全景相机置于细节丰富的自然场景中。
在步骤S2中，控制全景相机拍照，同时获取多幅鱼眼图像，每个镜头对应一幅。
在步骤S3中，使用采集到的鱼眼图像对全景相机的多个参数进行标定。
最后，在步骤S4中，得到优化后的鱼眼镜头畸变矫正参数、传感器光轴点以及各个镜头的三维姿态参数。更具体的，如图2所示，为步骤S3的具体实施流程图。
其中在步骤S31中，根据当前全景相机中各个镜头的分布情况，获得镜头三维姿态的理想参数，根据本发明中建立的全景相机标定数学模型，给出镜头畸变矫正参数的理想值，以及传感器光轴点位置的理想值，所有理想参数作为标定模型的初始参数。
所述的全景相机标定数学模型是按照如下方式建立：
步骤S311，以理想落点距离rdst为自变量，以实际落点距离rsrc为因变量，采用镜头矫正函数
对鱼眼镜头畸变进行矫正，其中a+b+c+d＝1。对于理想的鱼眼镜头，有a＝b＝c＝0,d＝1。矫正函数的系数a,b,c需要标定。
步骤S312，对实际的鱼眼图像光轴点坐标(u,v)进行标定。
步骤S313，记录鱼眼镜头安装时的俯仰角α，偏航角β以及滚转角γ，每个鱼眼镜头的姿态角参数列为一组，选定一组参数作为零位参照，根据相机的空间分布关系给出其他组的理想值。
其中在步骤S32中，借助初始参数，获得各个鱼眼图像重叠区域内的所有有效特征点对。
其中在步骤S33中，根据标定模型，使用初始参数将所有有效特征点对的二维图像坐标映射到统一的球面坐标。
其中在步骤S34中，使用LM(Levenberg-Marquardt,列文伯格-马夸尔特)算法对参数进行迭代优化。更具体的，如图3所示，为步骤S32的具体实施流程图。
在步骤S321中，提取各个鱼眼图像的ORB(Oriented FAST and Rotated BRIEF)特征点；
在步骤S322中，使用暴力匹配的方法对每两幅图像中的所有特征点进行匹配，得到部分匹配上的特征点对；
在步骤S323中，使用初始参数将每一对匹配点的坐标从各自的二维图像坐标映射到统一的球面坐标，根据预定义的距离阈值，筛除错误匹配的点对；
在步骤S324中，对步骤S323的结果进行整理，获得所有正确匹配的点对及其各自所属的图像编号，以供步骤S33使用。
在该实施例中，步骤S323与步骤S33中均需要将鱼眼图像上的特征点坐标映射到球面坐标，这就需要根据图4所示的成像模型进行逆向映射，而逆映射过程需要考虑以下3个主要问题以及由此产生的待标定参数。
1，鱼眼镜头畸变矫正
由于鱼眼镜头加工工艺的误差，通常无法满足常规的成像模型r＝f·θ，导致图像中某一场景点的实际落点与计算落点出现偏差，如图5所示。这种偏差只是对于落点距离而言，而不会对共面性造成破坏，即镜头畸变不会影响入射光线的相位角
在本发明中，以理想落点距离rdst为自变量，以实际落点距离rsrc为因变量，采用四阶多项式进行矫正，称为镜头的矫正函数，即
其中，为保证矫正后的图像的尺寸不变，增加约束关系a+b+c+d＝1。对于理想的鱼眼镜头，有a＝b＝c＝0,d＝1。矫正函数的系数a,b,c需要标定。
2，鱼眼图像光轴点矫正
鱼眼镜头成像投影在探测器平面上，由于结构设计与装配等方面的原因，一般很难保证鱼眼图像的光轴点能正好落在探测器的中心点，如图6所示，该偏差影响特征点映射到球面坐标的准确性，实际的鱼眼图像光轴点坐标(u,v)需要标定。
3，鱼眼镜头空间布局的姿态角
如图7所示，单个鱼眼镜头在全景相机框架结构中安装时，存在3个主要姿态角参数，分别为俯仰角α，偏航角β以及滚转角γ。在同一空间坐标系下，多个鱼眼镜头就会有多组姿态角参数，且当选定一个鱼眼镜头作为零位参照，则其他相机的参数可以根据相机的空间分布关系给出大概的理想值。
在此实施例中，假设全景相机中包含了6个鱼眼镜头，通过步骤S321与S322已经得到6幅鱼眼图像中两两匹配到的特征点对集，取其中任意一点对，其坐标分别记为(x1,y1)与(x2,y2)，可分别计算得到其在各自鱼眼图像上的相位角与实际落点半径分别为
其中，(u1,v1),(u2,v2)分别为两幅鱼眼图像的光轴点坐标。根据鱼眼镜头畸变矫正函数
其反函数不存在解析表达式，一般使用牛顿法进行求解，此处表示为rdst＝fnewton(rsrc,a,b,c)，并假设两个鱼眼镜头畸变参数一致，由此得到特征点对在鱼眼图像上的理想落点半径分别为
根据鱼眼镜头的理想成像模型r＝f·θ，可得特征点各自的光线入射角为
由此可将特征点坐标分别映射到各自的球面坐标
通过给定的两个镜头的初始姿态角(α1,β1,γ1)与(α2,β2,γ2)，计算其俯仰、偏航、滚转三个角度方向的旋转矩阵分别为
由此得到特征点对的在同一个三维空间右手坐标系中的坐标为
[X′1,Y′1,Z′1]T＝Ryaw1·Rpitch1·Rroll1·[X1,Y1,Z1]T (10)
[X′2,Y′2,Z′2]T＝Ryaw2·Rpitch2·Rroll2·[X2,Y2,Z2]T (11)由此得到同一特征点对在球面坐标下的距离为
参数越优，则该距离越小，参数的求解可以转化为非线性优化问题。在该实施例中，假设全景相机中包含了6个视场角为约为120°的鱼眼镜头，鱼眼镜头按照正立方体6个面的法向方向分布安装，鱼眼图像分辨率为W×H，根据上文，可以整理出所有的待优化参数集为
p＝{fov,a,b,c,u1,…,u6,v1,…,v6,α1,…,α6,β1,…,β6,γ1,…,γ6} (13)
代价函数为
最优化参数集的解为
该优化问题使用LM(Levenberg-Marquardt,列文伯格-马夸尔特)算法进行求解，初始参数取该模型的理想参数，如表1所示。
下面是为本实施例初始参数表。
根据本发明的一实施例，所述标定参数均是已知的非精确的值，需要通过标定来迭代寻优。
根据本发明的一实施例，所述鱼眼镜头的数量是2、3、4、5、6或更多。
上述实施例仅例示性说明本发明的原理及其功效，以及部分运用的实施例，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (3)
1.一种多鱼眼镜头全景相机的现场标定方法，其特征在于：包括以下步骤
步骤S1，将全景相机置于细节丰富的自然场景中；
步骤S2，控制全景相机拍照，同时获取多幅鱼眼图像，每个镜头对应一幅；
步骤S3，使用采集到的鱼眼图像对全景相机的多个参数进行标定：
步骤S31，根据当前全景相机中各个镜头的分布情况，获得镜头三维姿态的理想参数，根据全景相机标定数学模型，给出镜头畸变矫正参数的理想值，以及传感器光轴点位置的理想值，所有理想参数作为标定模型的初始参数：
步骤S311，以理想落点距离rdst为自变量，以实际落点距离rsrc为因变量，采用镜头矫正函数
对鱼眼镜头畸变进行矫正，其中a+b+c+d＝1；
设定鱼眼镜头数目为6个，将得到的6幅图像两两匹配，在得到的特征点对集中任取一点对，坐标分别记为(x1,y1)与(x2,y2)，通过如下公式分别计算其在各自鱼眼图像上的相位角与实际落点半径：
其中(u1,v1),(u2,v2)分别为两幅鱼眼图像的光轴点坐标，使用牛顿法对矫正函数求解：rdst＝fnewton(rsrc,a,b,c)；
假设两个鱼眼镜头畸变参数一致，由此得到特征点对在鱼眼图像上的理想落点半径分别为
根据鱼眼镜头的理想成像模型r＝f·θ，可得特征点各自的光线入射角为
由此可将特征点坐标分别映射到各自的球面坐标
通过给定的两个鱼眼镜头的初始姿态角(α1,β1,γ1)与(α2,β2,γ2)，计算其俯仰、偏航、滚转三个角度方向的旋转矩阵分别为
由此得到特征点对在同一个三维空间右手坐标系中的坐标为
[X1′,Y1′,Z1′]T＝Ryaw1·Rpitch1·Rroll1·[X1,Y1,Z1]T
[X2′,Y2′,Z2′]T＝Ryaw2·Rpitch2·Rroll2·[X2,Y2,Z2]T
由此得到同一特征点对在球面坐标下的距离为
参数越优，则该距离越小；
步骤S312，对实际的鱼眼图像光轴点坐标(u,v)进行标定；
步骤S313，记录鱼眼镜头安装时的俯仰角α，偏航角β以及滚转角γ，每个鱼眼镜头的姿态角参数列为一组，选定一组参数作为零位参照，根据相机的空间分布关系给出其他组的理想值；
步骤S32，借助初始参数，获得各个鱼眼图像重叠区域内的所有有效特征点对；
步骤S33，根据标定模型，使用初始参数将所有有效特征点对的二维图像坐标映射到统一的球面坐标；
步骤S34，使用列文伯格-马夸尔特算法对参数进行迭代优化；
步骤S4，得到优化后的鱼眼镜头畸变矫正参数、传感器光轴点以及各个镜头的三维姿态参数。
2.根据权利要求1所述的一种多鱼眼镜头全景相机的现场标定方法，其特征在于，所述的步骤S32的具体实施流程为：
步骤S321，提取各个鱼眼图像的ORB特征点；
步骤S322，使用暴力匹配的方法对每两幅图像中的所有特征点进行匹配，得到部分匹配上的特征点对；
步骤S323，使用初始参数将每一对匹配点的坐标从各自的二维图像坐标映射到统一的球面坐标，根据预定义的距离阈值，筛除错误匹配的点对；
步骤S324，对步骤S323的结果进行整理，获得所有正确匹配的点对及其各自所属的图像编号，以供步骤S33使用。
3.根据权利要求2所述的一种多鱼眼镜头全景相机的现场标定方法，其特征在于，设定鱼眼镜头视场角为120°，鱼眼镜头按照正立方体6个面的法向方向分布安装，鱼眼图像分辨率为W×H，得到所有的待优化参数集为
p＝{fov,a,b,c,u1,…,u6,v1,…,v6,α1,…,α6,β1,…,β6,γ1,…,γ6}
代价函数为
最优化参数集的解为
使用列文伯格-马夸尔特算法进行求解，将模型的理想参数作为初始参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011027775.XA CN112258581B (zh) | 2020-09-25 | 2020-09-25 | 一种多鱼眼镜头全景相机的现场标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011027775.XA CN112258581B (zh) | 2020-09-25 | 2020-09-25 | 一种多鱼眼镜头全景相机的现场标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258581A CN112258581A (zh) | 2021-01-22 |
| CN112258581B true CN112258581B (zh) | 2022-08-19 |
Family
ID=74234265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011027775.XA Active CN112258581B (zh) | 2020-09-25 | 2020-09-25 | 一种多鱼眼镜头全景相机的现场标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258581B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627355A (zh) * | 2021-08-13 | 2021-11-09 | 合众新能源汽车有限公司 | 用于偏航旋转的人脸的测距方法、设备和计算机可读介质 |
| CN113706635B (zh) * | 2021-10-28 | 2022-04-01 | 中国测绘科学研究院 | 一种基于点特征和线特征融合的长焦距相机标定方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5960108A (en) * | 1997-06-12 | 1999-09-28 | Apple Computer, Inc. | Method and system for creating an image-based virtual reality environment utilizing a fisheye lens |
| CN102509261B (zh) * | 2011-10-10 | 2014-05-07 | 宁波大学 | 一种鱼眼镜头的畸变校正方法 |
| CN105678729B (zh) * | 2016-02-24 | 2018-03-09 | 段梦凡 | 鱼眼镜头全景图像拼接方法 |
| CN106846415B (zh) * | 2017-01-24 | 2019-09-20 | 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 |
| CN107680035B (zh) * | 2017-09-29 | 2021-08-17 | 广东中星微电子有限公司 | 一种参数标定方法和装置、服务器及可读存储介质 |
| CN108364252A (zh) * | 2018-01-12 | 2018-08-03 | 深圳市粒视界科技有限公司 | 一种多鱼眼镜头全景相机的矫正和标定方法 |
| CN108171759A (zh) * | 2018-01-26 | 2018-06-15 | 上海小蚁科技有限公司 | 双鱼眼镜头全景相机的标定方法及装置、存储介质、终端 |
| CN111242975B (zh) * | 2020-01-07 | 2023-08-25 | 影石创新科技股份有限公司 | 自动调整视角的全景视频渲染方法、存储介质及计算机设备 |
-
2020
- 2020-09-25 CN CN202011027775.XA patent/CN112258581B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258581A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110197466B (zh) | 一种广角鱼眼图像矫正方法 | |
| WO2018076154A1 (zh) | 一种基于鱼眼摄像机空间位姿标定的全景视频生成方法 | |
| CN105118055B (zh) | 摄影机定位修正标定方法及系统 | |
| TWI555378B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
| TWI555379B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
| CN110782394A (zh) | 全景视频快速拼接方法及系统 | |
| CN111243033B (zh) | 一种优化双目相机外参数的方法 | |
| CN107705252B (zh) | 适用于双目鱼眼图像拼接展开校正的方法及系统 | |
| CN112767542A (zh) | 一种多目相机的三维重建方法、vr相机和全景相机 | |
| CN108805801A (zh) | 一种全景图像校正方法及系统 | |
| CN107424118A (zh) | 基于改进径向畸变校正的球状全景拼接方法 | |
| CN109615663A (zh) | 全景视频校正方法及终端 | |
| WO2020001120A1 (zh) | 光场图像的校正方法、计算机可读存储介质、及电子终端 | |
| CN111145269B (zh) | 一种鱼眼相机与单线激光雷达的外方位元素的标定方法 | |
| CN111461963B (zh) | 一种鱼眼图像拼接方法及装置 | |
| CN112258581B (zh) | 一种多鱼眼镜头全景相机的现场标定方法 | |
| CN206460516U (zh) | 一种多路鱼眼相机双目标定装置 | |
| CN111340888B (zh) | 一种无需白图像的光场相机检校方法及系统 | |
| CN107330942A (zh) | 一种标定模板、标定方法、标定操作方法及标定系统 | |
| CN106952219B (zh) | 一种基于外参数修正鱼眼像机的图像生成方法 | |
| CN106886976B (zh) | 一种基于内参数修正鱼眼像机的图像生成方法 | |
| CN110874854A (zh) | 一种基于小基线条件下的大畸变广角相机双目摄影测量方法 | |
| CN108154536A (zh) | 二维平面迭代的相机标定法 | |
| CN115239820A (zh) | 一种分体式飞行车辆鸟瞰图实时拼接及车位检测方法 | |
| CN115797461A (zh) | 基于双目视觉的火焰空间定位系统标定与校正方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |