CN112330740A - 一种基于单目视频的伪双目动态测距方法 - Google Patents
一种基于单目视频的伪双目动态测距方法 Download PDFInfo
- Publication number
- CN112330740A CN112330740A CN202011169014.8A CN202011169014A CN112330740A CN 112330740 A CN112330740 A CN 112330740A CN 202011169014 A CN202011169014 A CN 202011169014A CN 112330740 A CN112330740 A CN 112330740A
- Authority
- CN
- China
- Prior art keywords
- camera
- pseudo
- binocular
- distance
- coordinate system
- 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
- 238000000691 measurement method Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000003287 optical effect Effects 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000013519 translation Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 50
- 238000010276 construction Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004392 development of vision Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
本发明提出了一种基于单目视频的伪双目动态测距方法,将单目测距转换为伪双目测距,利用在预定轨道上移动的摄像机拍摄的视频进行伪双目测距,在摄像机拍摄的视频中截取摄像机位于不同位置对应视频中的帧图片,通过摄相机的内参以及预定轨道的参数计算摄像机在不同位置时的相对位姿,利用伪双目测距模型得到待测物体间的距离。本发明的方法突破了单目测距的局限性,与传统双目测距方法和单目测距方法相比,测量误差能够维持在5%以下,测距结果较为稳定,可用于施工现场测量任意两物体间的距离以及在视频监控的同时对监控场景中的物体进行实时测距。
Description
技术领域
本发明属于工程测距领域,尤其涉及一种基于单目视频的伪双目动态测距方法。
背景技术
随着视觉测量技术的发展,视觉测距技术已经广泛应用在人们的生产生活中,在各项工程项目中的使用更是不可或缺。在施工过程中使用视觉测距技术可以避免人工测量所带来的差错以及测量时存在的一些危险因素,提高测量精度以及测量效率。
然而,若使用单目摄像头作为唯一的传感设备进行测距是比较困难的,想测量空间中两物体的准确距离的条件也比较苛刻,如需要提前测量出空间中一条参考直线的长度,并且还要保证待测物体的连线与参考直线保持水平。单目测距是通过相似三角形来计算相机到一个已知的物体或者目标的距离,在很多测量条件下无法得到合适的相似三角形,仅使用一个摄像头在某些条件下难以实现测距要求。并且现有工程的监测设备绝大多数使用的都是单目摄像头,针对这一问题对单目摄像头进行大面积的改造会极大的消耗人力物力,这显然是不切实际的。
因此如何使用一个摄像头进行准确测距成为当前急需解决的问题。文献[1]和[2]提出了一种用于巡线机器人的单目测距算法,检测出机器人行走导线两侧边缘,通过边缘直线纵坐标差和障碍物处两直线纵坐标差之比来计算镜头与物体间的距离,此方法需要画出两条边缘导线并对其进行检测,然而在环境较为复杂的实际工程条件下难以画出两条便于检测的边缘导线,因此此方法在实际工程应用中难以广泛应用。文献[3]和[4]提出一种基于单目视觉的无人机测距算法,通过截取相邻两帧图像,将仅出现在一帧图像中物体视为障碍物并通过图像匹配的方法获得障碍物到无人机的距离。然而此方法仅适用于单目摄像机在固定水平高度前后移动,无法检测出单目摄像机左右移动时镜头与前方障碍物的距离。文献[5]提出了一种单目图像中运动物体距离的测量方法,通过检测并定位参考目标图像上的角来建立图像行像素值与实际距离之间的映射关系,并通过结合基于高斯混合模型的运动目标检测方法实时提取距离信息。该方法不需要计算相机的内部参数,但需要保证待测物体、标志物、摄像机处在同一水平线上,实现条件较为苛刻。上述测距方法在某些特定条件下实现了使用单目摄像机进行测距,然而都对单目摄像机的移动进行了不同程度的限制,这给其在工程中的应用带来了一定的局限性。
参考文献
[1]程立,吴功平.高压线路巡线机器人视觉导航中的单目测距算法[J].光电子·激光,2016,27(09):941-948.
[2]Cheng Li,Wu Gongping.Monocular ranging algorithm in visualnavigation of high-voltage line inspection robot[J].Optoelectronics·Laser,2016,27(09):941-948.
[3]韩邢健.基于单目视觉的无人机测距算法研究[J].电子产品可靠性与环境试验,2019,37(03):54-57.
[4]Han Xingjian.Research on UAV Ranging Algorithm Based on MonocularVision[J].Electronic Product Reliability and Environmental Test,2019,37(03):54-57.
[5]Xu Z,Wang L,Wang J.A Method for Distance Measurement of MovingObjects in a Monocular Image[C]//2018IEEE 3rd International Conference onSignal and Image Processing(ICSIP).IEEE,2018.
发明内容
针对上述问题,本发明提出了一种基于单目视频的伪双目动态测距方法,将单目测距转换为伪双目测距,利用在预定轨道上移动的摄像机拍摄的视频进行伪双目测距,在摄像机拍摄的视频中截取摄像机位于不同位置对应视频中的帧图片,通过摄相机的内参以及预定轨道的参数计算摄像机在不同位置时的相对位姿,利用伪双目测距模型得到待测物体间的距离。
一种基于单目视频的伪双目动态测距方法,其特征在于:
在预定轨道上移动的单目摄像机拍摄待测物的视频;
截取摄像机位于不同位置时拍摄的对应视频中的帧图片;
通过摄相机的内部参数以及预定轨道的参数计算摄像机在不同位置时的相对位姿;
结合计算得到的摄像机在不同位置时的相对位姿,利用伪双目测距模型得到待测物体间的距离。
进一步,伪双目测距模型为:
将摄像机截取第一帧图片时光心的位置记为o点,以o点为中心建立摄像机世界坐标系o-xyz,其对应的图像坐标系为Ol-XlYl,焦距为fl;摄像机截取第二帧图片时光心处于Or点,以Or点为中心建立摄像机坐标系or-xryrzr,其对应的图像坐标系为Or-XrYr,焦距为fr;o-xyz坐标系与or-xryrzr坐标系之间的位置关系可以通过外参数矩阵M表示为:
空间点的三维坐标表示为:
两物体间的距离d以及物体与摄像机之间的距离l可通过下面的公式计算,
其中,(x1 y1 z1)与(x2 y2 z2)为待测两物体的三维坐标。
进一步,通过轨道模型得到摄相机光心在不同位置之间的相对坐标以及摄相机坐标系对应坐标轴之间的夹角。
进一步,旋转矩阵R的计算公式为:
其中,θx为三维坐标系绕X轴旋转的角度,θy为三维坐标系绕绕Y轴旋转的角度,θz三维坐标系绕绕Z轴旋转的角度。
进一步,两摄相机光心的相对坐标为平移向量。
进一步,将所截取的两帧图片进行图像匹配得到待测物体的像素坐标(Xl Yl)与(Xr Yr)。
进一步,图像匹配的方法为模板匹配。
附图说明
图1是本发明的伪双目测距原理图;
图2是三维坐标系;
图3是Z轴投影图;
图4是坐标转换图;
图5(a)-5(e)是本发明方法的示例场景图;
图6是本发明方法的示例中使用的轨道模型示意图;
图7(a)-7(e)是本发明方法与现有方法测量结果的对比图。
具体实施方式
下面结合附图,对本发明的方法作详细说明。
建立伪双目测距模型。
本发明采用伪双目测距模型,伪双目测距就是使用一个单目摄像机来模拟双目测距的两个相机。传统的双目测距方法需要使用理想双目测距模型,即两相机需严格处在一条水平线上并且保证两相机的光轴平行,而伪双目测距模型只需使用一个单目摄像机,将其在两不同时刻所处的位置模拟为双目相机,并且无需对摄像机的位置进行限制。通过不同位置摄相机间的相对位姿以及摄相机的内参来求取待测物体间的距离。测距模型如图1所示:
将摄像机截取第一帧图片时光心的位置记为o点,以o点为中心建立摄像机坐标o-xyz,并规定该坐标系为世界坐标系,其对应的图像坐标系为Ol-XlYl,焦距为fl;摄像机截取第二帧图片时光心处于Or点,以Or点为中心建立摄像机坐标系or-xryrzr,其对应的图像坐标系为Or-XrYr,焦距为fr。根据摄像机的投影模型得到下式(1)和(2):
因为o-xyz坐标系与or-xryrzr坐标系之间的位置关系可以通过外参数矩阵M表示为:
化简式(4)即可得到空间点的三维坐标表示:
因此,只要通过计算机标定技术获得摄像机的内参以及不同时刻摄像机的位姿关系,结合图像匹配的结果即可得到待测两物体的三维坐标(x1 y1 z1)与(x2 y2 z2),进而得到两物体间的距离d以及物体与摄像机之间的距离l。
摄像机位姿估算与像素点提取。
本发明针对单目摄像机在固定轨道移动拍摄的场景,可通过架设数学模型已知的轨道,也可以通过相应算法对轨道数学模型进行估计,此处不作具体的阐述。通过截取单目视频中的两帧图片来测量待测物体的距离。当摄相机处于不同位置时,由于轨道模型已知,则可通过轨道模型得到摄相机光心在不同位置之间的相对坐标以及摄相机坐标系对应坐标轴之间的夹角,为了对摄相机位姿进行估算,需要确定摄相机的旋转角度与旋转矩阵R之间的关系以及摄相机光心之间的距离与平移向量t之间的关系。
任何维度的旋转都可表示为向量与合适尺寸方阵的乘积,也可将旋转理解为在另一个不同坐标系下对原始点位置的重新表述。摄相机的旋转角度即摄相机坐标系的旋转角度,摄相机坐标系的旋转角度等同于将目标点围绕坐标原点反方向旋转同样的角度。因此,为方便计算,本发明将坐标系的旋转转化为目标点(待测物)的旋转。
一个三维坐标系无论怎样旋转,都可将该旋转分为三次进行,即,(1)绕X轴逆时针旋转θx,旋转矩阵为Rx(θx),(2)绕Y轴逆时针旋转θy,旋转矩阵为Ry(θy),(3)绕Z轴逆时针旋转θz,旋转矩阵为Rz(θz)。最终的旋转矩阵R可用下式来表示:
R=Rx(θx)Ry(θy)Rz(θz) (8)
化简可得:
由式(10)可得下式:
则三维坐标系绕Z轴旋转的旋转矩阵为:
同理可得三维坐标系绕X轴、Y轴旋转的旋转矩阵为:
将式(12)(13)(14)代入式(8)中即可推导出旋转矩阵R的表达式:
本发明提出的伪双目测距方法,采用一个单目摄像机,利用摄相机所处的不同位置构成伪双目测距场景,用摄像机处于不同位置时光心的相对坐标作为平移向量。
在摄像机拍摄的视频中截取摄像机位于不同位置时的两帧图片,并以截取第一帧图片时摄相机的位置作为世界坐标系的位置,在摄相机截取第一帧图片的位置处建立摄像机世界坐标系Ol-XlYlZl,在摄相机截取第二帧图片的位置处建立摄相机坐标系Or-XrYrZr,位置关系如图4所示。
空间中的点P在摄像机世界坐标系Ol-XlYlZl下的坐标为Pl,在Or-XrYrZr下的坐标为Pr,则Pl与Pr之间的关系可由下式来表示:
Pr=R(Pl-t) (16)
式(16)中t为平移向量,表示Pl先经过平移t,然后在平移后的坐标系下旋转得到Pr,平移向量t是以世界坐标系Ol-XlYlZl为基准的,因此只需在世界坐标系Ol-XlYlZl的基准下根据轨道模型估算平移向量t。
tx、ty、tz表示摄相机在新位置时的光心相对于旧位置光心的坐标,即以原来的摄相机光心为基准,将摄相机移动后的光心相对于原光心位置的坐标。
在得到相机的旋转矩阵与平移向量之后,就需要对所截取的两帧图片进行图像匹配得到像素坐标,像素坐标的提取方法目前主要有模板匹配与特征点匹配两种方法。模板匹配算法简单,适用范围广,因此本发明优选采用的是模板匹配的方法,以左相机图像为基准,在左相机图像中选择一点,以该点为中心做一个长宽为100像素点的矩形框并以该矩形框为模板与右相机图像进行匹配,得到右图中与之相匹配的矩形框后求出矩形框中心点的像素坐标。
匹配完成后即可得到待测物体的像素坐标(Xl Yl)与(Xr Yr),将其与式(15)(17)共同带入式(5)中即可求得待测物体的世界坐标进而实现测距的目的。
下面通过具体的示例来说明本发明方法的可行性。
示例的软件环境为matlab2014a以及opencv3.4.1,单目相机采用的是RMONCM的S系列单目摄相机,镜头焦距为2.8mm,最高图像分辨率为1920×1080。标定板采用的是10×7的棋盘,标定板中每个黑白方格的大小均为15×15cm,整个棋盘中的角点数为9×6。
为了验证本发明所提测距方法的可行性,本示例分四部分进行。第一部分保持相机距待测物体的距离不变,选择不同的场景对待测物体进行测距。第二部分为选取某一特定场景,改变相机与待测物体间的距离进行测距。第三部分结合了前两部分的内容进行了一次综合示例。第四部分将伪双目测距结果与传统单目测距和单目测距结果进行了对比。
本发明选择了5个不同的示例场景,如图5所示,示例分别采集了围栏、施工现场、门框、旗杆、窗框的图像,将测距结果与实际结果进行对比分析。
开始测量前,需要对单目相机进行标定与畸变校正,采集25张标定板图片用于标定,得到相机的焦距与畸变系数等内部参数,标定结果如下:
内参矩阵:
畸变系数:
Kc=[0.0288-0.0256 0.0000]
截取图片后需使用内参以及畸变系数对图片进行校正,消除图像畸变。
不同示例场景下测距示例
本示例中所使用的轨道模型如图6所示,本示例所使用轨道是与地面水平的U型轨道,轨道转弯处的夹角为120°,轨道上装有一可移动滑块,可由轨道边缘处的刻度尺来测量滑块滑动的距离,滑块上装有一个单目摄像机,以摄像机光心为坐标原点,光轴所在直线为Z轴旋,平行于滑块的直线为X轴建立相机坐标系,摄像头可在滑块上方的刻度盘上旋转,转角度即为θy,可由刻度盘测量得出,摄像机的两侧有固定支架,摄像机可在支架上旋转,旋转角度即为θx,可由摄像机两侧的刻度盘测量得到。本示例所采用的摄像机无法绕Z轴旋转,因此θz为0。随着摄像机在轨道上移动,当摄像机运动到不同位置时截取两帧图片。两位置之间的旋转矩阵R可将刻度盘读出的摄像头的旋转角度带入式(15)得到。平移矩阵t则可先根据轨道上的刻度以及轨道夹角计算出摄像机处于不同位置时光心之间的距离,再根据由刻度盘读出的摄相机旋转角度来计算得到。
测距结果如表1所示:
表1相机距物体3m时物体间距测量结果
由表1测距结果可以看出,当相机距离物体约3m时,测量误差能够维持在4%以内,满足测距系统对测量误差的需求。然而只进行一组示例并不能反映测距结果的真实性。为了保证测距结果的准确性,避免随机误差对测距结果造成影响,在原有示例的基础上对示例方法进行了改进。
随着摄相机在轨道上移动,当摄相机运动到不同位置时截取四帧图片,记为A、B、C、D,计算出不同位置之间的旋转矩阵与平移向量,以及模板匹配后的像素坐标,计算物体间的距离。由于确定了4个不同的位置,可以组成6组伪双目测距系统,得到6组测距结果,分别记为AB、AC、AD、BC、BD、CD,使用最小二乘法对测距结果进行处理,最终的测距结果如表2所示:
表2最小二乘后测距结果
由表2的测距结果可以看出,通过最小二乘法对多组测量结果进行优化后,消除了随机误差对测量结果的影响,测量误差能够保持在5%以下,测距结果良好,能够满足工程设计的需求。本示例是在相机距离物体约3m进行的,在接下来的示例中,将继续对该示例进行深化,考虑不同测量距离能否满足测距需求。
改变相机与待测物体间距示例
上面的示例中考虑了相机距物体3m时的测距情况,本部分将在施工工地的场景下,改变摄相机距待测物体的距离进行示例。在轨道上的四个不同位置截取四帧图片,组成6组测距系统,分别记为AB、AC、AD、BC、BD、CD,分别在距待测物体2m、2.5m、3m、3.5m、4m、4.5m、5m处进行示例,测量的7组数据记为1、2、3、4、5、6、7组。采用最小二乘法对测距结果进行优化,最终的测距结果如表3所示:
表3最小二乘后测距结果
由表3可以看出,使用多组测距系统进行测距并对测距结果进行优化,极大地提升了测量结果的准确性,误差保持在5%以内,表明使用本发明测距方法测量距离相机5m以内的物体时准确度较高。
综合示例
前两部分示例分别从不同测距场景和摄相机距待测物体距离的角度进行,本示例将两者结合起来,在距离待测物体2m、2.5m、3m、3.5m、4m、4.5m、5m处分为7组进行测距,记为1、2、3、4、5、6、7组,每组选取4个测量点组成6组测距系统,分别在5个不同测距环境下进行测距示例,并对测距结果进行优化,最终测距结果如表4所示:
表4综合测距结果
由表4的测距结果可以看出,使用本发明的测距方法,在不同场景下对距相机5m以的物体进行测距,在相机视野能够到达的范围内,测距误差波动较小,测距结果较为准确,测距误差基本能够维持在5%以下,表明本发明所提方法适合于多种测距场景,且在不同的测距场景都能够保持测量结果的准确性。
对比示例
上述示例验证了本发明所使用的测距方法满足工程上对测量误差的精度要求,本示例将本发明的测距方法与传统的双目测距以及单目测距方法进行对比。使用基线距离为6cm的双目相机在5个不同测距场景下对距离相机分别为2m、2.5m、3m、3.5m、4m、4.5m、5m的待测物体进行测距,并与伪双目测距结果进行对比,测量距离记为d,误差记为μ,示例结果如图6所示。
由图7的对比示例可以看出,本发明使用的伪双目测距方法与传统的双目测距方法在相同示例条件下的测量误差非常接近,在满足工程测距精度要求的基础上与双目测距相比测量误差最大仅相差1.64%。本发明的测距方法与单目测距方法相比测量精度有了极大的提升,并且打破了单目测距需要参照物以及需保证图像平面与待测两物体所在平面平行的限制,测量误差的波动程度较为稳定。本示例仅采用一个单目摄像头就达到了传统双目测距的精度,即节约了采购摄像头的成本,同时又满足了工程上使用单目摄像机进行测距的需求,并且可用于监控摄像头的实时测距。
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种基于单目视频的伪双目动态测距方法,其特征在于:
在预定轨道上移动的单目摄像机拍摄待测物的视频;
截取摄像机位于不同位置时拍摄的对应视频中的帧图片;
通过摄相机的内部参数以及预定轨道的参数计算摄像机在不同位置时的相对位姿;
结合计算得到的摄像机在不同位置时的相对位姿,利用伪双目测距模型得到待测物体间的距离。
2.根据权利要求1所述的一种基于单目视频的伪双目动态测距方法,其特征在于,所述伪双目测距模型为:
将摄像机截取第一帧图片时光心的位置记为o点,以o点为中心建立摄像机世界坐标系o-xyz,其对应的图像坐标系为Ol-XlYl,焦距为fl;摄像机截取第二帧图片时光心处于Or点,以Or点为中心建立摄像机坐标系or-xryrzr,其对应的图像坐标系为Or-XrYr,焦距为fr;o-xyz坐标系与or-xryrzr坐标系之间的位置关系可以通过外参数矩阵M表示为:
空间点的三维坐标表示为:
两物体间的距离d以及物体与摄像机之间的距离l可通过下面的公式计算,
其中,(x1 y1 z1)与(x2 y2 z2)为待测两物体的三维坐标。
3.根据权利要求2所述的一种基于单目视频的伪双目动态测距方法,其特征在于,通过轨道模型得到摄相机光心在不同位置之间的相对坐标以及摄相机坐标系对应坐标轴之间的夹角。
5.根据权利要求2所述的一种基于单目视频的伪双目动态测距方法,其特征在于:两摄相机光心的相对坐标为平移向量。
6.根据权利要求2所述的一种基于单目视频的伪双目动态测距方法,其特征在于:将所截取的两帧图片进行图像匹配得到待测物体的像素坐标(Xl Yl)与(Xr Yr)。
7.根据权利要求6所述的一种基于单目视频的伪双目动态测距方法,其特征在于:所述图像匹配的方法为模板匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169014.8A CN112330740A (zh) | 2020-10-28 | 2020-10-28 | 一种基于单目视频的伪双目动态测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169014.8A CN112330740A (zh) | 2020-10-28 | 2020-10-28 | 一种基于单目视频的伪双目动态测距方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330740A true CN112330740A (zh) | 2021-02-05 |
Family
ID=74297750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011169014.8A Pending CN112330740A (zh) | 2020-10-28 | 2020-10-28 | 一种基于单目视频的伪双目动态测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330740A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720299A (zh) * | 2021-09-18 | 2021-11-30 | 兰州大学 | 基于三维相机或单目相机在导轨上滑动场景的测距方法 |
CN115580691A (zh) * | 2022-09-23 | 2023-01-06 | 深圳市元数边界文化有限公司 | 一种用于虚拟制片的图像渲染合成系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353352A (zh) * | 2011-07-29 | 2012-02-15 | 北京联合大学 | 一种单摄像头测距系统及其测距方法 |
CN203616781U (zh) * | 2013-12-10 | 2014-05-28 | 广州市地下铁道总公司 | 基于滑动导轨的双目三维重构视觉系统 |
CN104637048A (zh) * | 2013-11-13 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 一种单摄像头模拟双目视觉系统及方法 |
CN105262946A (zh) * | 2015-09-23 | 2016-01-20 | 上海大学 | 一种三维双目相机云台实验装置 |
CN105825501A (zh) * | 2016-03-10 | 2016-08-03 | 北京工业大学 | 一种模型引导下的3d打印额面肿瘤治疗导板智能化质量检测方法 |
CN106447766A (zh) * | 2016-09-28 | 2017-02-22 | 成都通甲优博科技有限责任公司 | 一种基于移动设备单目相机的场景重建方法及装置 |
CN109612391A (zh) * | 2019-01-17 | 2019-04-12 | 华南农业大学 | 基于单台高速相机的双目测量装置对平地机空间坐标测量方法 |
CN109887025A (zh) * | 2019-01-31 | 2019-06-14 | 沈阳理工大学 | 单目自调式火点三维定位方法与装置 |
-
2020
- 2020-10-28 CN CN202011169014.8A patent/CN112330740A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353352A (zh) * | 2011-07-29 | 2012-02-15 | 北京联合大学 | 一种单摄像头测距系统及其测距方法 |
CN104637048A (zh) * | 2013-11-13 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 一种单摄像头模拟双目视觉系统及方法 |
CN203616781U (zh) * | 2013-12-10 | 2014-05-28 | 广州市地下铁道总公司 | 基于滑动导轨的双目三维重构视觉系统 |
CN105262946A (zh) * | 2015-09-23 | 2016-01-20 | 上海大学 | 一种三维双目相机云台实验装置 |
CN105825501A (zh) * | 2016-03-10 | 2016-08-03 | 北京工业大学 | 一种模型引导下的3d打印额面肿瘤治疗导板智能化质量检测方法 |
CN106447766A (zh) * | 2016-09-28 | 2017-02-22 | 成都通甲优博科技有限责任公司 | 一种基于移动设备单目相机的场景重建方法及装置 |
CN109612391A (zh) * | 2019-01-17 | 2019-04-12 | 华南农业大学 | 基于单台高速相机的双目测量装置对平地机空间坐标测量方法 |
CN109887025A (zh) * | 2019-01-31 | 2019-06-14 | 沈阳理工大学 | 单目自调式火点三维定位方法与装置 |
Non-Patent Citations (1)
Title |
---|
勾治践 等: "基于单目立体视觉的三坐标在线识别技术研究", 《制造业信息化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720299A (zh) * | 2021-09-18 | 2021-11-30 | 兰州大学 | 基于三维相机或单目相机在导轨上滑动场景的测距方法 |
CN113720299B (zh) * | 2021-09-18 | 2023-07-14 | 兰州大学 | 基于三维相机或单目相机在导轨上滑动场景的测距方法 |
CN115580691A (zh) * | 2022-09-23 | 2023-01-06 | 深圳市元数边界文化有限公司 | 一种用于虚拟制片的图像渲染合成系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111473739B (zh) | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 | |
CN109658457B (zh) | 一种激光与相机任意相对位姿关系的标定方法 | |
CN112396656B (zh) | 一种视觉与激光雷达融合的室外移动机器人位姿估计方法 | |
CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
CN110842940A (zh) | 一种建筑测量机器人多传感器融合三维建模方法及系统 | |
Zhang et al. | A robust and rapid camera calibration method by one captured image | |
CN109163657B (zh) | 一种基于双目视觉三维重建的圆形目标位姿检测方法 | |
CN107146254A (zh) | 多相机系统的相机外参数标定方法 | |
Yan et al. | Joint camera intrinsic and lidar-camera extrinsic calibration | |
Mi et al. | A vision-based displacement measurement system for foundation pit | |
CN104316083B (zh) | 一种虚拟多球体球心定位的tof深度相机三维坐标标定装置和方法 | |
Xia et al. | Global calibration of non-overlapping cameras: State of the art | |
CN112330740A (zh) | 一种基于单目视频的伪双目动态测距方法 | |
CN105374067A (zh) | 一种基于pal相机的三维重建方法及其重建系统 | |
CN110044266B (zh) | 基于散斑投影的摄影测量系统 | |
CN104596486B (zh) | 基于目标旋转对称特征的位姿测量方法 | |
Zou et al. | Flexible extrinsic parameter calibration for multicameras with nonoverlapping field of view | |
CN114078163A (zh) | 激光雷达与可见光相机的精确标定方法 | |
Jingjing et al. | Research on autonomous positioning method of UAV based on binocular vision | |
Goto et al. | 3D environment measurement using binocular stereo and motion stereo by mobile robot with omnidirectional stereo camera | |
Tran et al. | Extrinsic calibration of a camera and structured multi-line light using a rectangle | |
CN112833791B (zh) | 一种自旋转线结构光扫描系统时空标定方法 | |
Li et al. | Method for horizontal alignment deviation measurement using binocular camera without common target | |
Iida et al. | High-accuracy Range Image Generation by Fusing Binocular and Motion Stereo Using Fisheye Stereo Camera | |
Shang et al. | Research on the rapid 3D measurement of satellite antenna reflectors using stereo tracking technique |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |