CN112381887A - 一种多深度相机标定方法、装置、设备和介质 - Google Patents
一种多深度相机标定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112381887A CN112381887A CN202011287325.4A CN202011287325A CN112381887A CN 112381887 A CN112381887 A CN 112381887A CN 202011287325 A CN202011287325 A CN 202011287325A CN 112381887 A CN112381887 A CN 112381887A
- Authority
- CN
- China
- Prior art keywords
- depth camera
- calibration
- calibration plate
- depth
- point cloud
- 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
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种多深度相机标定方法、装置、设备和介质,方法包括:根据多台深度相机拍摄的标定板图像,通过PnP算法计算各深度相机到标定板的第一变换矩阵;将各标定板图像中标定板的像素转换为三维点云数据,并将各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配,得到误差矩阵;基于各深度相机对应的误差矩阵和第一变换矩阵计算各深度相机之间的第二变换矩阵,解决了现有技术采用PnP算法对相机之间进行标定,存在计算得到的相机之间的位姿误差较大的技术问题。
Description
技术领域
本申请涉及相机标定技术领域,尤其涉及一种多深度相机标定方法、装置、设备和介质。
背景技术
随着机器视觉应用的范围越来越广,多相机视觉系统的需求也越来越多。躲相机视觉系统的难点在于多相机之间的标定。目前,常用的相机标定方法为采用PnP算法对相机之间进行标定,但计算出来的相机之间的位姿存在较大的误差。
发明内容
本申请提供了一种多深度相机标定方法、装置、设备和介质,用于解决现有技术采用PnP算法对相机之间进行标定,存在计算得到的相机之间的位姿误差较大的技术问题。
有鉴于此,本申请第一方面提供了一种多深度相机标定方法,包括:
根据多台深度相机拍摄的标定板图像,通过PnP算法计算各所述深度相机到标定板的第一变换矩阵;
将各所述标定板图像中标定板的像素转换为三维点云数据,并将各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵;
基于各所述深度相机对应的所述误差矩阵和所述第一变换矩阵计算各所述深度相机之间的第二变换矩阵。
可选的,所述将各所述深度相机对应的三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵,之前还包括:
对所述标定板进行三维建模,得到所述标定板的预置三维模型。
可选的,所述将各所述标定板图像中标定板的像素转换为三维点云数据,包括:
对各所述标定板图像进行识别,得到所述标定板在各所述标定板图像中的像素位置,并将所述像素位置对应的像素点转换为三维点云数据。
可选的,所述将各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵,包括:
将各所述深度相机对应的所述三维点云数据转换到所述标定板的坐标系下;
将转换后的各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行ICP匹配,得到误差矩阵。
可选的,所述基于各所述深度相机对应的所述误差矩阵和所述第一变换矩阵计算各所述深度相机之间的第二变换矩阵,包括:
基于预置公式,通过各所述深度相机对应的所述误差矩阵和所述第一变换矩阵计算各所述深度相机之间的第二变换矩阵,所述预置公式为:
其中,[Ri,Ti]为深度相机i到标定板的第一变换矩阵,[Rie,Tie]为深度相机i对应的误差矩阵,[Rj,Tj]为深度相机j到标定板的第一变换矩阵,[Rje,Tje]为深度相机j对应的误差矩阵,[Rij,Tij]为深度相机i到深度相机j之间的第二变换矩阵。
本申请第二方面提供了一种多深度相机标定装置,包括:
第一计算单元,用于根据多台深度相机拍摄的标定板图像,通过PnP算法计算各所述深度相机到标定板的第一变换矩阵;
匹配单元,用于将各所述标定板图像中标定板的像素转换为三维点云数据,并将各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵;
第二计算单元,用于基于各所述深度相机对应的所述误差矩阵和所述第一变换矩阵计算各所述深度相机之间的第二变换矩阵。
可选的,还包括:
建模单元,用于对所述标定板进行三维建模,得到所述标定板的预置三维模型。
可选的,所述匹配单元具体包括:
第一转换子单元,用于对各所述标定板图像进行识别,得到所述标定板在各所述标定板图像中的像素位置,并将所述像素位置对应的像素点转换为三维点云数据;
第二转换子单元,用于将各所述深度相机对应的所述三维点云数据转换到所述标定板的坐标系下;
匹配子单元,用于将转换后的各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行ICP匹配,得到误差矩阵。
本申请第三方面提供了一种多深度相机标定设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的多深度相机标定方法。
本申请第四方面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用于存储程序代码,所述程序代码用于执行第一方面任一种所述的多深度相机标定方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种多深度相机标定方法,包括:根据多台深度相机拍摄的标定板图像,通过PnP算法计算各深度相机到标定板的第一变换矩阵;将各标定板图像中标定板的像素转换为三维点云数据,并将各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配,得到误差矩阵;基于各深度相机对应的误差矩阵和第一变换矩阵计算各深度相机之间的第二变换矩阵。
本申请中,通过PnP算法计算得到各深度相机到标定板的第一变换矩阵后,通过标定板图像计算各深度相机对应的三维点云数据,通过各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配以计算出PnP算法的误差,即误差矩阵,通过误差矩阵对原第一变换矩阵进行纠正,以提高相机标定结果的精度,从而解决了现有技术采用PnP算法对相机之间进行标定,存在计算得到的相机之间的位姿误差较大的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种多深度相机标定方法的一个流程示意图;
图2为本申请实施例提供的一种多深度相机标定装置的一个结构示意图。
具体实施方式
本申请提供了一种多深度相机标定方法、装置、设备和介质,用于解决现有技术采用PnP算法对相机之间进行标定,存在计算得到的相机之间的位姿误差较大的技术问题。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种多深度相机标定方法的一个实施例,包括:
步骤101、根据多台深度相机拍摄的标定板图像,通过PnP算法计算各深度相机到标定板的第一变换矩阵。
同时启用多台深度相机(两台及以上),保证每台深度相机能够同时拍摄到标定板,获取每台深度相机同时拍摄标定板得到的标定板图像。
基于标定板图像,通过PnP算法计算各深度相机到标定板的第一变换矩阵。具体计算公式为:
步骤102、将各标定板图像中标定板的像素转换为三维点云数据,并将各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配,得到误差矩阵。
对各标定板图像进行识别,得到标定板在各标定板图像中的像素位置,并将像素位置对应的像素点转换为三维点云数据。具体的,通过深度相机的RGB图像和深度图像生成三维点云数据,即:
式中,Zc为相机坐标的Z轴值,即目标到相机的距离,u、v为像素坐标,u0、v0为像素坐标原点,[R,T]为RGB摄像头和深度摄像头之间的相对位姿。
将各深度相机对应的三维点云数据转换到标定板的坐标系下;将转换后的各深度相机对应的三维点云数据与标定板的预置三维模型进行ICP匹配,得到误差矩阵,标定板的预置三维模型通过预先对标定板进行三维建模得到。其中,ICP匹配方法属于现有技术,在此不再对其具体过程进行赘述。
步骤103、基于各深度相机对应的误差矩阵和第一变换矩阵计算各深度相机之间的第二变换矩阵。
基于预置公式,通过各深度相机对应的误差矩阵和第一变换矩阵计算各深度相机之间的第二变换矩阵,预置公式为:
其中,[Ri,Ti]为深度相机i到标定板的第一变换矩阵,[Rie,Tie]为深度相机i对应的误差矩阵,[Rj,Tj]为深度相机j到标定板的第一变换矩阵,[Rje,Tje]为深度相机j对应的误差矩阵,[Rij,Tij]为深度相机i到深度相机j之间的第二变换矩阵。
本申请实施例中,通过PnP算法计算得到各深度相机到标定板的第一变换矩阵后,通过标定板图像计算各深度相机对应的三维点云数据,通过各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配以计算出PnP算法的误差,即误差矩阵,通过误差矩阵对原第一变换矩阵进行纠正,以提高相机标定结果的精度,从而解决了现有技术采用PnP算法对相机之间进行标定,存在计算得到的相机之间的位姿误差较大的技术问题。
以上为本申请提供的一种多深度相机标定方法的一个实施例,以下为本申请提供的一种多深度相机标定装置的一个实施例。
请参考图2,本申请实施例提供的一种多深度相机标定装置,包括:
第一计算单元201,用于根据多台深度相机拍摄的标定板图像,通过PnP算法计算各深度相机到标定板的第一变换矩阵;
匹配单元202,用于将各标定板图像中标定板的像素转换为三维点云数据,并将各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配,得到误差矩阵;
第二计算单元203,用于基于各深度相机对应的误差矩阵和第一变换矩阵计算各深度相机之间的第二变换矩阵。
作为进一步地改进,还包括:
建模单元204,用于对标定板进行三维建模,得到标定板的预置三维模型。
作为进一步地改进,匹配单元202具体包括:
第一转换子单元2021,用于对各标定板图像进行识别,得到标定板在各标定板图像中的像素位置,并将像素位置对应的像素点转换为三维点云数据;
第二转换子单元2022,用于将各深度相机对应的三维点云数据转换到标定板的坐标系下;
匹配子单元2023,用于将转换后的各深度相机对应的三维点云数据与标定板的预置三维模型进行ICP匹配,得到误差矩阵。
作为进一步地改进,第二计算单元203具体用于:
基于预置公式,通过各深度相机对应的误差矩阵和第一变换矩阵计算各深度相机之间的第二变换矩阵,预置公式为:
其中,[Ri,Ti]为深度相机i到标定板的第一变换矩阵,[Rie,Tie]为深度相机i对应的误差矩阵,[Rj,Tj]为深度相机j到标定板的第一变换矩阵,[Rje,Tje]为深度相机j对应的误差矩阵,[Rij,Tij]为深度相机i到深度相机j之间的第二变换矩阵。
本申请实施例中,通过PnP算法计算得到各深度相机到标定板的第一变换矩阵后,通过标定板图像计算各深度相机对应的三维点云数据,通过各深度相机对应的三维点云数据与标定板的预置三维模型进行匹配以计算出PnP算法的误差,即误差矩阵,通过误差矩阵对原第一变换矩阵进行纠正,以提高相机标定结果的精度,从而解决了现有技术采用PnP算法对相机之间进行标定,存在计算得到的相机之间的位姿误差较大的技术问题。
本申请实施例还提供了一种多深度相机标定设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述多深度相机标定方法实施例中的多深度相机标定方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行前述多深度相机标定方法实施例中的多深度相机标定方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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网络单元上。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,在本申请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。
所述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存储介质中。基于这样的理解,本申请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存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种多深度相机标定方法,其特征在于,包括:
根据多台深度相机拍摄的标定板图像,通过PnP算法计算各所述深度相机到标定板的第一变换矩阵;
将各所述标定板图像中标定板的像素转换为三维点云数据,并将各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵;
基于各所述深度相机对应的所述误差矩阵和所述第一变换矩阵计算各所述深度相机之间的第二变换矩阵。
2.根据权利要求1所述的多深度相机标定方法,其特征在于,所述将各所述深度相机对应的三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵,之前还包括:
对所述标定板进行三维建模,得到所述标定板的预置三维模型。
3.根据权利要求1所述的多深度相机标定方法,其特征在于,所述将各所述标定板图像中标定板的像素转换为三维点云数据,包括:
对各所述标定板图像进行识别,得到所述标定板在各所述标定板图像中的像素位置,并将所述像素位置对应的像素点转换为三维点云数据。
4.根据权利要求1所述的多深度相机标定方法,其特征在于,所述将各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵,包括:
将各所述深度相机对应的所述三维点云数据转换到所述标定板的坐标系下;
将转换后的各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行ICP匹配,得到误差矩阵。
6.一种多深度相机标定装置,其特征在于,包括:
第一计算单元,用于根据多台深度相机拍摄的标定板图像,通过PnP算法计算各所述深度相机到标定板的第一变换矩阵;
匹配单元,用于将各所述标定板图像中标定板的像素转换为三维点云数据,并将各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行匹配,得到误差矩阵;
第二计算单元,用于基于各所述深度相机对应的所述误差矩阵和所述第一变换矩阵计算各所述深度相机之间的第二变换矩阵。
7.根据权利要求6所述的多深度相机标定装置,其特征在于,还包括:
建模单元,用于对所述标定板进行三维建模,得到所述标定板的预置三维模型。
8.根据权利要求6所述的多深度相机标定装置,其特征在于,所述匹配单元具体包括:
第一转换子单元,用于对各所述标定板图像进行识别,得到所述标定板在各所述标定板图像中的像素位置,并将所述像素位置对应的像素点转换为三维点云数据;
第二转换子单元,用于将各所述深度相机对应的所述三维点云数据转换到所述标定板的坐标系下;
匹配子单元,用于将转换后的各所述深度相机对应的所述三维点云数据与所述标定板的预置三维模型进行ICP匹配,得到误差矩阵。
9.一种多深度相机标定设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的多深度相机标定方法。
10.一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用于存储程序代码,所述程序代码用于执行权利要求1-5任一项所述的多深度相机标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011287325.4A CN112381887B (zh) | 2020-11-17 | 2020-11-17 | 一种多深度相机标定方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011287325.4A CN112381887B (zh) | 2020-11-17 | 2020-11-17 | 一种多深度相机标定方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381887A true CN112381887A (zh) | 2021-02-19 |
CN112381887B CN112381887B (zh) | 2021-09-03 |
Family
ID=74585677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011287325.4A Active CN112381887B (zh) | 2020-11-17 | 2020-11-17 | 一种多深度相机标定方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381887B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205560A (zh) * | 2021-05-06 | 2021-08-03 | Oppo广东移动通信有限公司 | 多深度相机的标定方法、装置、设备及存储介质 |
CN113870358A (zh) * | 2021-09-17 | 2021-12-31 | 聚好看科技股份有限公司 | 一种多个3d相机联合标定的方法及设备 |
CN114758016A (zh) * | 2022-06-15 | 2022-07-15 | 超节点创新科技(深圳)有限公司 | 摄像设备标定方法、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107214703A (zh) * | 2017-07-11 | 2017-09-29 | 江南大学 | 一种基于视觉辅助定位的机器人自标定方法 |
CN108596983A (zh) * | 2018-07-19 | 2018-09-28 | 安徽中科智链信息科技有限公司 | 面向多深度相机三维扫描的全自动标定装置及方法 |
CN110060331A (zh) * | 2019-03-14 | 2019-07-26 | 杭州电子科技大学 | 一种基于全卷积神经网络的单目相机室外三维重建方法 |
CN110209997A (zh) * | 2019-06-10 | 2019-09-06 | 成都理工大学 | 基于三维特征点的深度相机自动标定算法 |
CN111598993A (zh) * | 2020-01-17 | 2020-08-28 | 江苏艾佳家居用品有限公司 | 基于多视角成像技术的三维数据重建方法、装置 |
CN111932613A (zh) * | 2020-06-30 | 2020-11-13 | 深圳瀚维智能医疗科技有限公司 | 多视角点云标定方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-11-17 CN CN202011287325.4A patent/CN112381887B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107214703A (zh) * | 2017-07-11 | 2017-09-29 | 江南大学 | 一种基于视觉辅助定位的机器人自标定方法 |
CN108596983A (zh) * | 2018-07-19 | 2018-09-28 | 安徽中科智链信息科技有限公司 | 面向多深度相机三维扫描的全自动标定装置及方法 |
CN110060331A (zh) * | 2019-03-14 | 2019-07-26 | 杭州电子科技大学 | 一种基于全卷积神经网络的单目相机室外三维重建方法 |
CN110209997A (zh) * | 2019-06-10 | 2019-09-06 | 成都理工大学 | 基于三维特征点的深度相机自动标定算法 |
CN111598993A (zh) * | 2020-01-17 | 2020-08-28 | 江苏艾佳家居用品有限公司 | 基于多视角成像技术的三维数据重建方法、装置 |
CN111932613A (zh) * | 2020-06-30 | 2020-11-13 | 深圳瀚维智能医疗科技有限公司 | 多视角点云标定方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
FULGENTIUS FERRYANTO等: "Camera Calibration Technique Improvement for 3D Optical Gait Analyzer System", 《APPLIED MECHANICS AND MATERIALS》 * |
刘一凡等: "基于基础矩阵与HEIV模型的双目相机标定", 《电子测量与仪器学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205560A (zh) * | 2021-05-06 | 2021-08-03 | Oppo广东移动通信有限公司 | 多深度相机的标定方法、装置、设备及存储介质 |
CN113205560B (zh) * | 2021-05-06 | 2024-02-23 | Oppo广东移动通信有限公司 | 多深度相机的标定方法、装置、设备及存储介质 |
CN113870358A (zh) * | 2021-09-17 | 2021-12-31 | 聚好看科技股份有限公司 | 一种多个3d相机联合标定的方法及设备 |
CN113870358B (zh) * | 2021-09-17 | 2024-05-24 | 聚好看科技股份有限公司 | 一种多个3d相机联合标定的方法及设备 |
CN114758016A (zh) * | 2022-06-15 | 2022-07-15 | 超节点创新科技(深圳)有限公司 | 摄像设备标定方法、电子设备和存储介质 |
CN114758016B (zh) * | 2022-06-15 | 2022-09-13 | 超节点创新科技(深圳)有限公司 | 摄像设备标定方法、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112381887B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381887B (zh) | 一种多深度相机标定方法、装置、设备和介质 | |
CN106503671B (zh) | 确定人脸姿态的方法和装置 | |
CN109405765B (zh) | 一种基于散斑结构光的高精度深度计算方法及系统 | |
CN106709899B (zh) | 双摄像头相对位置计算方法、装置和设备 | |
CN112288826B (zh) | 双目相机的标定方法、装置及终端 | |
JP2020523703A (ja) | ダブル視野角画像較正および画像処理方法、装置、記憶媒体ならびに電子機器 | |
JPWO2018235163A1 (ja) | キャリブレーション装置、キャリブレーション用チャート、チャートパターン生成装置、およびキャリブレーション方法 | |
CN112396663B (zh) | 一种多深度相机的可视化标定方法、装置、设备和介质 | |
CN106537908A (zh) | 相机标定 | |
CN112150561A (zh) | 一种多相机标定方法 | |
US20120162387A1 (en) | Imaging parameter acquisition apparatus, imaging parameter acquisition method and storage medium | |
CN112233189B (zh) | 多深度相机外部参数标定方法、装置及存储介质 | |
CN111882655A (zh) | 三维重建的方法、装置、系统、计算机设备和存储介质 | |
CN108550167B (zh) | 深度图像生成方法、装置及电子设备 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN113329179A (zh) | 拍摄对位方法、装置、设备及存储介质 | |
CN117053707A (zh) | 三维重建方法、装置和系统、三维扫描方法和三维扫描仪 | |
CN112446926B (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
CN112070844B (zh) | 结构光系统的校准方法及装置、设备及介质 | |
CN113838151A (zh) | 相机标定方法、装置、设备及介质 | |
CN111833441A (zh) | 一种基于多相机系统的人脸三维重建方法和装置 | |
CN115965697A (zh) | 基于沙姆定律的投影仪标定方法、标定系统及装置 | |
CN109712230B (zh) | 三维模型补充方法、装置、存储介质及处理器 | |
CN108307179A (zh) | 一种3d立体成像的方法 | |
JP7033294B2 (ja) | 撮像システム、撮像方法 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Applicant after: China Southern Power Grid Power Technology Co.,Ltd. Address before: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Applicant before: GUANGDONG ELECTRIC POWER SCIENCE RESEARCH INSTITUTE ENERGY TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |