CN112330755A - 环视系统的标定评价方法及装置、存储介质、终端 - Google Patents
环视系统的标定评价方法及装置、存储介质、终端 Download PDFInfo
- Publication number
- CN112330755A CN112330755A CN202011349010.8A CN202011349010A CN112330755A CN 112330755 A CN112330755 A CN 112330755A CN 202011349010 A CN202011349010 A CN 202011349010A CN 112330755 A CN112330755 A CN 112330755A
- Authority
- CN
- China
- Prior art keywords
- calibration
- evaluation
- image
- original image
- actual
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 203
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 17
- 230000008569 process Effects 0.000 description 15
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30248—Vehicle exterior or interior
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种环视系统的标定评价方法及装置、存储介质、终端,所述方法包括:获取待标定的摄像头采集的标定板的原始图像;采用摄像头的内参矩阵及畸变参数对原始图像进行畸变校正,得到校正后的图像;从原始图像上选取若干个标定点,根据若干个标定点在原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵;根据投影矩阵,得到校正后的图像投影在世界坐标系下的投影图像,并将投影图像进行拼接,得到实际环视图像;在原始图像上选取评价点,计算评价点在实际环视图像上的实际位置,并获取评价点在预设的参照环视图像上的参照位置;根据评价点的实际位置与参照位置,进行标定评价。上述方案通过提高标定评价的精准率来提高标定精准率。
Description
技术领域
本发明实施例涉及环视标定领域,尤其涉及一种环视系统的标定评价方法及装置、存储介质、终端。
背景技术
有调查显示,由于视野盲区问题造成的交通事故占交通事故总数的90%以上。因此,如何消除或者减少视野盲区成为汽车厂商关注的焦点。为了减少因视野盲区造成的交通事故,就需要更清晰的掌握驾驶车辆周围环境信息,需要对车辆周围360度全方位监控。全景环视系统在汽车周围架设能覆盖车辆周边所有视场范围的4到8个广角摄像头,对同一时刻采集到的多路视频影像处理成一幅车辆周边360度的车身俯视图(车身环视图像),最后在中控台的屏幕上显示,让驾驶员清楚查看车辆周边是否存在障碍物,并了解障碍物的相对方位与距离,帮助驾驶员轻松停泊车辆。360度的环视系统不仅非常直观,而且不存在任何盲点,可以提高驾驶员从容操控车辆泊车入位或通过复杂路面,有效减少刮蹭、碰撞、陷落等事故的发生。
360环视系统最终效果通常依赖于整车的标定,因为好的标定可以得到更加符合实际地物尺寸比例的全景影像,帮助司机对周边环境的感知。因此360环视系统的标定很大程度上影响了最终产品的使用,而如何评价标定过程,一直是一个待解决的问题。
目前,360环视系统标定时通常依赖人员的直观感受,基本采用主观判断的方式,如“线条基本平直”这样的指标来评价标定过程。然而,人为的评价标定过程受人为主观影响较大,标定评价精准率较低,从而导致标定精准率较低。
发明内容
本发明实施例解决的技术问题是标定评价精准率较低,从而导致标定精准率较低。
为解决上述技术问题,本发明实施例提供一种环视系统的标定评价方法,包括:获取待标定的摄像头采集的标定板的原始图像,其中,所述环视系统包括多个摄像头;采用所述摄像头的内参矩阵及畸变参数对所述原始图像进行畸变校正,得到校正后的图像;从所述原始图像上选取若干个标定点,根据所述若干个标定点在所述原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵;根据所述投影矩阵,得到所述校正后的图像投影在世界坐标系下的投影图像,并将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像;在所述原始图像上选取评价点,计算所述评价点在所述实际环视图像上的实际位置,并获取所述评价点在预设的参照环视图像上的参照位置;根据所述评价点的实际位置与所述参照位置,进行标定评价。
可选的,所述根据所述评价点的实际位置与所述参照位置,进行标定评价,包括:计算所述评价点的实际位置以及所述参照位置之间的相对距离;根据所述相对距离与预设距离范围之间的关系,进行标定评价;其中,当所述相对距离处于所述预设距离范围时,评价标定合格;当所述相对距离不处于所述预设距离范围时,评价标定不合格。
可选的,所述根据所述相对距离及预设距离范围之间的关系,进行标定评价,包括:当所述评价点的数目为多个时,计算多个相对距离的平均值;判断所述平均值是否处于所述预设距离范围;当所述平均值处于所述预设距离范围时,评价标定合格;或者,当所述平均值不处于所述预设距离范围时,评价标定不合格。
可选的,所述环视系统的标定评价方法还包括:选取所述多个相对距离中的最大值;判断所述最大值是否处于所述预设距离范围;当所述最大值处于所述预设距离范围时,则评价标定合格;或者,当所述最大值不处于所述预设距离范围时,则评价标定不合格。
可选的,所述根据所述评价点的实际位置与所述参照位置,进行标定评价,包括:判断所述评价点的实际位置是否处于以所述参照位置为中心的预设区域范围内;若所述评价点的实际位置处于所述预设区域范围内,则评价标定合格;或者,若所述评价点的实际位置不处于所述预设区域范围内,则评价标定不合格。
可选的,所述环视系统的标定评价方法还包括:在完成标定评价之后,输出标定评价结果,其中,标定评价结果包括评价标定合格和评价标定不合格中的任一种。
可选的,所述若干个标定点不全在一条直线上。
本发明实施例还提供一种环视系统的标定评价装置,包括:获取单元,用于获取待标定的摄像头采集的标定板的原始图像,其中,所述环视系统包括多个摄像头;畸变校正单元,用于采用所述摄像头的内参矩阵及畸变参数对所述原始图像进行畸变校正,得到校正后的图像;投影矩阵计算单元,用于从所述原始图像上选取若干个标定点,根据所述若干个标定点在所述原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵;拼接单元,用于根据所述投影矩阵,得到所述校正后的图像投影在世界坐标系下的投影图像,并将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像;评价点位置确定单元,用于在所述原始图像上选取评价点,计算所述评价点在所述实际环视图像上的实际位置,并获取所述评价点在预设的参照环视图像上的参照位置;标定评价单元,用于根据所述评价点的实际位置与所述参照位置,进行标定评价。
本发明实施例还提供一种存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时执行上述任一种环视系统的标定评价方法的步骤。
本发明实施例还提供一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行上述任一种环视系统的标定评价方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
在环视系统的标定过程中,从摄像头上采集的原始图像上选择评价点,根据计算得到的投影矩阵,计算评价点在实际环视图像上的实际位置,以及获取评价点在预设的参照环视图像上的参照位置。根据评价点的实际位置与参照位置,进行标定评价,基于选择的评价点在实际环视图像上的实际位置以及在预设的参照环视图像的参照位置等客观数据进行标定评价,实现对标定的量化评价,故可以提高标定评价的精准率。进而,通过标定评价结果指导标定过程,提高标定的精准率是可以预期的。
附图说明
图1是本发明实施例中的一种环视系统的标定评价方法的流程图;
图2是本发明实施例中的一种前视摄像头进行标定时标定点以及评价点的位置示意图;
图3是本发明实施例中的一种环视系统的标定评价装置的结构示意图。
具体实施方式
如上所述,目前,360环视系统标定时通常依赖人员的直观感受,基本采用主观判断的方式,如“线条基本平直”这样的指标来评价标定过程。然而,人为的评价标定过程受人为主观影响较大,标定评价精准率较低,从而导致标定精准率较低。
为了解决上述问题,在本发明实施例中,在环视系统的标定过程中,从摄像头上采集的原始图像上选择评价点,根据计算得到的投影矩阵,计算评价点在实际环视图像上的实际位置,以及获取评价点在预设的参照环视图像上的参照位置。根据评价点的实际位置与参照位置,进行标定评价,基于选择的评价点在实际环视图像上的实际位置以及在预设的参照环视图像的参照位置等客观数据进行标定评价,实现对标定的量化评价,故可以提高标定评价的精准率。进而,通过标定评价结果指导标定过程,提高标定的精准率是可以预期的。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
本发明实施例提供一种环视系统的标定评价方法,下面参照图给出的本发明实施例中的一种环视系统的标定评价方法的流程图,对环视系统的标定评价方法进行说明,环视系统的标定评价方法具体可以包括如下步骤:
步骤S11,获取待标定的摄像头采集的标定板的原始图像。
在具体实施中,可以采用终端设备对车辆上的环视系统进行环视标定。环视系标定终端设备上可以安装有标定应用软件(APP)。在进行标定前,可以建立终端设备与环视系统中的多个摄像头之间的连接。各个摄像头通常架设在车辆周围,可以分别设置于车辆的前方、后方以及两侧,以能覆盖车辆周边所有视场范围为准。摄像头的数目为4到8个。其中,摄像头可以采用鱼眼镜头。
例如,当采用4个摄像头时,在车辆车头部分(如前挡风玻璃处)设置一个摄像头,以采集车头前方的景象;在车辆车尾(如后挡风玻璃处)设置一个摄像头,以采集车尾的景象;在车辆左侧(如左后视镜处)设置一个摄像头,以采集车辆左侧的景象;在车辆右侧(如右后视镜处)设置一个摄像头,以采集车辆右侧的景象。
具体而言,在对各个摄像头标定之前,先确定车辆的放置位置,确定车辆上下左右边界,将确定的车身边界作为标定的依据边界。为了提高车身边界的确定的准确度,可以采用垂线的方式,更准确的找到车辆四周的边界线。
在确定车身边界之后,可以将标定物放在距离车身边界设定距离的位置处,在放置标定物时要确保标定物的各边与车身边界平行。标定物的放置位置与车身的尺寸、标定物的尺寸等相关,以使得各个摄像头分别能完整的采集到对应区域内的标定物的图像为准。
在具体实施中,标定物可以采用格子泡沫板,格子泡沫板上可以设置有棋盘格图案,棋盘格图案中的黑色格子和白色格子规律性间隔分布。每个格子的尺寸可以根据实际应用场景需求进行设定。
为了提高确定标定的精确度,需要按照标定尺寸进行,其中,标定尺度包括但不限于标定物的尺寸、标定物的摆放位置、车辆的边界的确定等等。
在具体实施中,在进入环视系统的标定过程中,在终端设备的初始界面上配置有参数设置入口,可以通过参数配置入口设定相关参数,如车长及车宽等。完成参数设定之后,可以依次对每个摄像头进行标定。进入标定流程后,获取待标定的摄像头采集的标定板的原始图像。
步骤S12,采用所述摄像头的内参矩阵及畸变参数对所述原始图像进行畸变校正,得到校正后的图像。
在具体实施中,获取摄像头的内参矩阵以及畸变参数,采用内参矩阵以及畸变参数,对原始图像进行畸变校正,得到矫正后的图像。
在本发明实施例中,可以采用如下公式(1)至(5)对原始图像进行畸变校正。
θ=atan(r); (2)
θ'=θ(1+k1r2+k2r4+k3r6+k4r8); (3)
其中,u0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向像素数;v0表示图像的中心像素坐标和图像原点像素坐标之间相差的纵向像素数;θ为相机坐标系下某一点的坐标与相机光学中心之间的连线与Z轴之间的夹角;fx为物理尺寸的焦距在相机坐标系中X轴方向的像素数;fy为物理尺寸的焦距在相机坐标系中Y轴方向的像素数;1+k1r2+k2r4+k3r6+k4r8为畸变参数;r为径向畸变的半径;k1、k2、k3及k4分别为径向畸变系数;(μ,ν)为鱼眼镜头上图像坐标系下的某一点的坐标;(x,y,z)为相机坐标系下某一点的坐标;θ'为经鱼眼镜头后的某一点的坐标与相机光学中心之间的连线与Z轴之间的夹角。
步骤S13,从所述原始图像上选取若干个标定点,根据所述若干个标定点在所述原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵。
在具体实施中,在原始图像上选择标定点时,可以采用人机交互的方式选择标定点,也可以采用标定点自动识别的方式选择标定点。
人机交互的方式选择标定点指根据预设的标定点位置,在原始图像上,将用于标识标定点位置的光标分别移动至对应的实际像素处。在标定点选择时,可以对光标的位置进行微调,以使得光标的位置与原始图像上的实际像素的位置相对应,以提高标定点位置的精准度。
标定点自动识别的方式指根据原始图像上的像素位置以及预设的标定点位置,通过对原始图像上的像素位置进行识别,确定标定点在原始图像上的位置。
在具体实施中,可以根据车辆的尺寸、标定物靠近车辆的一侧与车辆边界的距离以及标定物的尺寸等得到预设的参照图像。
预设的参照图像在世界坐标系下,原始图像在摄像头的相机坐标系下,计算相机坐标系与世界坐标系的转换关系。具体而言,从原始图像上选择若干个标定点之后,可以根据标定点在原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵。
在具体实施中,多个标定点不全在一条直线上。在本发明实施例中,每个摄像头标定时选择的标定点的数目不少于4个。例如,参照图2,给出了本发明实施例中的一种前视摄像头进行标定时标定点以及评价点的位置示意图。其中,前视摄像头指设置于车辆的前挡风玻璃上的摄像头。当标定物上具有棋盘格图像时,标定点可以为相邻黑色格子共同的顶点,图2中示出了四个标定点,分别为A、B、C及D。需要说明的是,当对其他摄像头进行标定时,其他摄像头的标定点的选择可以参照前视摄像头中的标定点,此处不再赘述。
步骤S14,根据所述投影矩阵,得到所述校正后的图像投影在世界坐标系下的投影图像,并将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像。
在具体实施中,采用投影矩阵,将校正后的图像投影在世界坐标系下,得到投影图像。在完成对所有的摄像头的校正后,得到每个摄像头对应的投影图像。将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像。其中,实际环视图像为以车辆为中心的鸟瞰图。
步骤S15,在所述原始图像上选取评价点,计算所述评价点在所述实际环视图像上的实际位置,并获取所述评价点在预设的参照环视图像上的参照位置。
在具体实施中,在原始图像上选择评价点,根据投影矩阵计算评价点在实际环视图像上的位置,也即计算评价点从相机坐标系上的位置投影至世界坐标系下的位置。其中,投影矩阵也即为相机外参矩阵。
在本发明实施例中,可以采用如下公式(6)计算评价点在相机坐标系上的位置与在世界坐标系下的位置之间的转换关系:
在具体实施中,根据车辆的尺寸、各个标定物靠近车辆的一侧与车辆边界的距离以及各个标定物的尺寸等得到的预设的参照环视图像。计算评价点在参照环视图像上的参照位置。
在具体实施中,评价点的数目可以为一个,也可以为多个。参照图2,当标定物上具有棋盘格图像时,评价点可以为相邻黑色格子共同的顶点,图2中示出了四个评价点,分别为E、F、G及H。
步骤S16,根据所述评价点的实际位置与所述参照位置,进行标定评价。
在得到评价点的实际位置与参照位置之后,可以根据评价点的实际位置与参照位置之间的相对位置关系,进行标定评价。可以采用多种方式进行标定评价。
在本发明一实施例中,根据所述评价点的实际位置与所述参照位置,计算所述评价点的实际位置以及所述参照位置之间的相对距离。根据所述相对距离与预设距离范围之间的关系,进行标定评价,进行标定评价。当所述相对距离处于所述预设距离范围时,评价标定合格。当所述相对距离不处于所述预设距离范围时,评价标定不合格。其中,预设距离范围可以根据对标定评价的精度来进行设定。对标定评价的精度要求越高,预设距离范围越小。相应地,对标定评价的精度要求相对较低时,预设距离范围可以稍大。
进一步地,为了提高标定评价的精度,标定评价点的数目可以为多个。当评价点的数目为多个时,根据每个评价点的实际位置以及参照位置可以计算得到一个相对距离,从而可以得到多个相对距离。计算多个相对距离的平均值。判断平均值是否处于预设距离范围,当所述平均值处于所述预设距离范围时,评价标定合格。相应地,当平均值不处于所述预设距离范围时,评价标定不合格。
为了进一步提高评价的客观性及评价结果的精准度。在具体实施中,还可以选取多个相对距离中的最大值。判断最大值是否处于预设距离范围。当最大值处于预设距离范围时,则评价标定合格。当最大值不处于预设距离范围时,则评价标定不合格。
在具体实施中,为了提高标定评价的精准率,在进行标定评价时,可以综合考虑平均值与预设距离范围之间的关系,最大值与预设距离范围之间的关系。例如,当平均值处于预设距离范围,且最大值处于预设距离范围时,则评价标定合格。又如,当平均值不处于预设距离范围,或者最大值不处于预设距离范围时,或者平均值不处于预设距离范围且最大值不处于预设距离范围,则评价标定不合格。
在具体实施中,可以采用多种方式计算相对距离。例如,采用欧氏距离计算相对距离。又如,采用棋盘距离的方式计算相对距离。可以理解的是,还可以采用其他方式计算相对距离,此处不再一一举例说明。
在本发明另一实施例中,可以通过判断评价点的实际位置是否处于以参照位置为中心的预设区域范围内,来进行标定评价。若评价点的实际位置处于预设区域范围内,则评价标定合格。若评价点的实际位置不处于预设区域范围,则评价标定不合格。
在具体实施中,当实际标定评价过程中,可能部分评价点的标定评价合格,部分评价点的标定评价不合格,此时,可以计算标定评价合格的评价点的数目占总的评价点的数目的百分比,根据计算的百分比来确定总体标定是否合格。当百分比达到设定的阈值时,则评价整体的标定合格。其中,阈值的大小可以根据对标定评价的精度来进行设定。对标定评价的精度要求越高,阈值越大。相应地,对标定评价的精度要求相对较低时,阈值相对较小。
在具体实施中,在完成标定评价之后,可以输出标定评价结果,以便于用于直观的获知标定评价结果。其中,标定评价结果包括评价标定合格和评价标定不合格中的任一种。
由上可知,在环视系统的标定过程中,从摄像头上采集的原始图像上选择评价点,根据计算得到的投影矩阵,计算评价点在实际环视图像上的实际位置,以及获取评价点在预设的参照环视图像上的参照位置。根据评价点的实际位置与参照位置,进行标定评价,基于选择的评价点在实际环视图像上的实际位置以及在预设的参照环视图像的参照位置等客观数据进行标定评价,实现对标定的量化评价,故可以提高标定评价的精准率。进而,通过标定评价结果指导标定过程,提高标定的精准率是可以预期的。
此外,本发明实施例中提供的环视系统的标定评价方法,可以在对车辆上的摄像头进行标定的过程中,同时获取客观的评价指标,并在标定完成时,采用客观的评价点的在实际环视图像上的位置以及在预设的参照环视图像的位置等评价指标进行标定评价,从而可以实时获知标定效果以及标定精准率。
本发明实施例还提供一种环视系统的标定评价装置,参照图3,给出了本发明实施例中的一种环视系统的标定评价装置,环视系统的标定评价装置30可以包括:
获取单元31,用于获取待标定的摄像头采集的标定板的原始图像,其中,所述环视系统包括多个摄像头;
畸变校正单元32,用于采用所述摄像头的内参矩阵及畸变参数对所述原始图像进行畸变校正,得到校正后的图像;
投影矩阵计算单元33,用于从所述原始图像上选取若干个标定点,根据所述若干个标定点在所述原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵;
拼接单元34,用于根据所述投影矩阵,得到所述校正后的图像投影在世界坐标系下的投影图像,并将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像;
评价点位置确定单元35,用于在所述原始图像上选取评价点,计算所述评价点在所述实际环视图像上的实际位置,并获取所述评价点在预设的参照环视图像上的参照位置;
标定评价单元36,用于根据所述评价点的实际位置与所述参照位置,进行标定评价。
在具体实施中,环视系统的标定评价装置30的具体工作原理及工作流程,可以参考本发明上述实施例中提供的环视系统的标定评价方法中的描述,此处不再赘述。
本发明实施例还提供一种存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时执行本发明上述任一实施例中提供的环视系统的标定评价方法的步骤。
本发明实施例还提供终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行本发明上述任一实施例中提供的环视系统的标定评价方法的步骤。
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,该程序可以存储于任一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种环视系统的标定评价方法,其特征在于,包括:
获取待标定的摄像头采集的标定板的原始图像,其中,所述环视系统包括多个摄像头;
采用所述摄像头的内参矩阵及畸变参数对所述原始图像进行畸变校正,得到校正后的图像;
从所述原始图像上选取若干个标定点,根据所述若干个标定点在所述原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵;
根据所述投影矩阵,得到所述校正后的图像投影在世界坐标系下的投影图像,并将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像;
在所述原始图像上选取评价点,计算所述评价点在所述实际环视图像上的实际位置,并获取所述评价点在预设的参照环视图像上的参照位置;
根据所述评价点的实际位置与所述参照位置,进行标定评价。
2.如权利要求1所述的环视系统的标定评价方法,其特征在于,所述根据所述评价点的实际位置与所述参照位置,进行标定评价,包括:
计算所述评价点的实际位置以及所述参照位置之间的相对距离;
根据所述相对距离与预设距离范围之间的关系,进行标定评价;
其中,当所述相对距离处于所述预设距离范围时,评价标定合格;
当所述相对距离不处于所述预设距离范围时,评价标定不合格。
3.如权利要求2所述的环视系统的标定评价方法,其特征在于,所述根据所述相对距离及预设距离范围之间的关系,进行标定评价,包括:
当所述评价点的数目为多个时,计算多个相对距离的平均值;
判断所述平均值是否处于所述预设距离范围;
当所述平均值处于所述预设距离范围时,评价标定合格;
或者,当所述平均值不处于所述预设距离范围时,评价标定不合格。
4.如权利要求3所述的环视系统的标定评价方法,其特征在于,还包括:
选取所述多个相对距离中的最大值;
判断所述最大值是否处于所述预设距离范围;
当所述最大值处于所述预设距离范围时,则评价标定合格;
或者,当所述最大值不处于所述预设距离范围时,则评价标定不合格。
5.如权利要求1所述的环视系统的标定评价方法,其特征在于,所述根据所述评价点的实际位置与所述参照位置,进行标定评价,包括:
判断所述评价点的实际位置是否处于以所述参照位置为中心的预设区域范围内;
若所述评价点的实际位置处于所述预设区域范围内,则评价标定合格;
或者,若所述评价点的实际位置不处于所述预设区域范围内,则评价标定不合格。
6.如权利要求1所述的环视系统的标定评价方法,其特征在于,还包括:
在完成标定评价之后,输出标定评价结果,其中,标定评价结果包括评价标定合格和评价标定不合格中的任一种。
7.如权利要求1所述的环视系统的标定评价方法,其特征在于,所述若干个标定点不全在一条直线上。
8.一种环视系统的标定评价装置,其特征在于,包括:
获取单元,用于获取待标定的摄像头采集的标定板的原始图像,其中,所述环视系统包括多个摄像头;
畸变校正单元,用于采用所述摄像头的内参矩阵及畸变参数对所述原始图像进行畸变校正,得到校正后的图像;
投影矩阵计算单元,用于从所述原始图像上选取若干个标定点,根据所述若干个标定点在所述原始图像上的位置以及在预设的参照图像上的位置,计算投影矩阵;
拼接单元,用于根据所述投影矩阵,得到所述校正后的图像投影在世界坐标系下的投影图像,并将每个摄像头对应的投影图像进行拼接,得到拼接后的实际环视图像;
评价点位置确定单元,用于在所述原始图像上选取评价点,计算所述评价点在所述实际环视图像上的实际位置,并获取所述评价点在预设的参照环视图像上的参照位置;
标定评价单元,用于根据所述评价点的实际位置与所述参照位置,进行标定评价。
9.一种存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1至7任一项所述的环视系统的标定评价方法的步骤。
10.一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行权利要求1至7中任一项所述的环视系统的标定评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011349010.8A CN112330755B (zh) | 2020-11-26 | 2020-11-26 | 环视系统的标定评价方法及装置、存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011349010.8A CN112330755B (zh) | 2020-11-26 | 2020-11-26 | 环视系统的标定评价方法及装置、存储介质、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330755A true CN112330755A (zh) | 2021-02-05 |
CN112330755B CN112330755B (zh) | 2022-09-30 |
Family
ID=74309009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011349010.8A Active CN112330755B (zh) | 2020-11-26 | 2020-11-26 | 环视系统的标定评价方法及装置、存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330755B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920145A (zh) * | 2021-12-08 | 2022-01-11 | 天津大学 | 一种投影系统投射图像质量评价计算方法 |
CN116485913A (zh) * | 2023-04-25 | 2023-07-25 | 成都新西旺自动化科技有限公司 | 一种视觉平移标定的自诊断方法、系统、设备及介质 |
WO2024011764A1 (zh) * | 2022-07-11 | 2024-01-18 | 深圳思谋信息科技有限公司 | 标定参数确定方法、混合标定板、装置、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035005A (zh) * | 2012-12-13 | 2013-04-10 | 广州致远电子股份有限公司 | 一种全景泊车的标定方法,及装置,一种自动标定方法 |
CN103985118A (zh) * | 2014-04-28 | 2014-08-13 | 无锡观智视觉科技有限公司 | 一种车载环视系统摄像头参数标定方法 |
CN109522935A (zh) * | 2018-10-22 | 2019-03-26 | 易思维(杭州)科技有限公司 | 一种对双目视觉测量系统的标定结果进行评价的方法 |
CN109615663A (zh) * | 2018-12-12 | 2019-04-12 | 深圳市至高通信技术发展有限公司 | 全景视频校正方法及终端 |
CN109712194A (zh) * | 2018-12-10 | 2019-05-03 | 深圳开阳电子股份有限公司 | 车载环视系统及其立体标定方法和计算机可读存储介质 |
CN110599548A (zh) * | 2019-09-02 | 2019-12-20 | Oppo广东移动通信有限公司 | 摄像头的标定方法、装置、相机及计算机可读存储介质 |
CN111435540A (zh) * | 2019-01-15 | 2020-07-21 | 苏州沃迈智能科技有限公司 | 一种车载环视系统的环视图拼接方法 |
CN111915606A (zh) * | 2020-08-20 | 2020-11-10 | 新石器慧义知行智驰(北京)科技有限公司 | 一种车辆相机参数标定结果的评价方法及装置 |
-
2020
- 2020-11-26 CN CN202011349010.8A patent/CN112330755B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035005A (zh) * | 2012-12-13 | 2013-04-10 | 广州致远电子股份有限公司 | 一种全景泊车的标定方法,及装置,一种自动标定方法 |
CN103985118A (zh) * | 2014-04-28 | 2014-08-13 | 无锡观智视觉科技有限公司 | 一种车载环视系统摄像头参数标定方法 |
CN109522935A (zh) * | 2018-10-22 | 2019-03-26 | 易思维(杭州)科技有限公司 | 一种对双目视觉测量系统的标定结果进行评价的方法 |
CN109712194A (zh) * | 2018-12-10 | 2019-05-03 | 深圳开阳电子股份有限公司 | 车载环视系统及其立体标定方法和计算机可读存储介质 |
CN109615663A (zh) * | 2018-12-12 | 2019-04-12 | 深圳市至高通信技术发展有限公司 | 全景视频校正方法及终端 |
CN111435540A (zh) * | 2019-01-15 | 2020-07-21 | 苏州沃迈智能科技有限公司 | 一种车载环视系统的环视图拼接方法 |
CN110599548A (zh) * | 2019-09-02 | 2019-12-20 | Oppo广东移动通信有限公司 | 摄像头的标定方法、装置、相机及计算机可读存储介质 |
CN111915606A (zh) * | 2020-08-20 | 2020-11-10 | 新石器慧义知行智驰(北京)科技有限公司 | 一种车辆相机参数标定结果的评价方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920145A (zh) * | 2021-12-08 | 2022-01-11 | 天津大学 | 一种投影系统投射图像质量评价计算方法 |
CN113920145B (zh) * | 2021-12-08 | 2022-03-08 | 天津大学 | 一种投影系统投射图像质量评价计算方法 |
WO2024011764A1 (zh) * | 2022-07-11 | 2024-01-18 | 深圳思谋信息科技有限公司 | 标定参数确定方法、混合标定板、装置、设备和介质 |
CN116485913A (zh) * | 2023-04-25 | 2023-07-25 | 成都新西旺自动化科技有限公司 | 一种视觉平移标定的自诊断方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112330755B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330755B (zh) | 环视系统的标定评价方法及装置、存储介质、终端 | |
CN107577988B (zh) | 实现侧方车辆定位的方法、装置及存储介质、程序产品 | |
JP5739584B2 (ja) | 車両周辺視角化のための3次元映像合成装置およびその方法 | |
CN111376895B (zh) | 一种环视泊车感知方法、装置、自动泊车系统和车辆 | |
CN110490936B (zh) | 车辆摄像头的标定方法、装置、设备及可读存储介质 | |
EP3859593A1 (en) | Vehicle feature acquisition method and device | |
CN112907675B (zh) | 图像采集设备的标定方法、装置、系统、设备及存储介质 | |
CN112135120B (zh) | 基于抬头显示系统的虚像信息测量方法及系统 | |
TW201403553A (zh) | 自動校正鳥瞰影像方法 | |
KR101583663B1 (ko) | 차량용 카메라의 교정판 제공 방법 | |
CN106994936A (zh) | 一种3d全景泊车辅助系统 | |
JP4872890B2 (ja) | 画像の歪曲補正方法 | |
CN113362228A (zh) | 基于改进畸变校正和标记拼接的环视图像拼接方法及系统 | |
CN111768332A (zh) | 一种车载环视实时3d全景图像的拼接方法及图形采集装置 | |
EP3617937A1 (en) | Image processing device, driving assistance system, image processing method, and program | |
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 | |
KR101697229B1 (ko) | 차량용 영상 정합을 위한 차선 정보 기반의 자동보정장치 및 그 방법 | |
CN111046809A (zh) | 一种障碍物检测方法、装置、设备及计算机可读存储介质 | |
CN113034583A (zh) | 基于深度学习的车辆停车测距方法、装置及电子设备 | |
CN113674361B (zh) | 一种车载环视校准实现方法及系统 | |
CN116051652A (zh) | 一种参数标定方法及电子设备、存储介质 | |
CN116228535A (zh) | 图像处理方法、装置、电子设备及车辆 | |
CN111260538A (zh) | 基于长基线双目鱼眼相机的定位及车载终端 | |
CN107886472B (zh) | 全景泊车系统的图像拼接校准方法和图像拼接校准装置 | |
CN113362232A (zh) | 车辆全景环视图像生成方法和系统 |
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 |