CN112381893A - 一种面向环形多相机系统的立体标定板标定方法 - Google Patents

一种面向环形多相机系统的立体标定板标定方法 Download PDF

Info

Publication number
CN112381893A
CN112381893A CN202110040214.1A CN202110040214A CN112381893A CN 112381893 A CN112381893 A CN 112381893A CN 202110040214 A CN202110040214 A CN 202110040214A CN 112381893 A CN112381893 A CN 112381893A
Authority
CN
China
Prior art keywords
camera
apriltags
marks
calibration plate
identifying
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
Application number
CN202110040214.1A
Other languages
English (en)
Other versions
CN112381893B (zh
Inventor
曾向荣
钟志伟
刘衍
张政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110040214.1A priority Critical patent/CN112381893B/zh
Publication of CN112381893A publication Critical patent/CN112381893A/zh
Application granted granted Critical
Publication of CN112381893B publication Critical patent/CN112381893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/85—Stereo 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种面向环形多相机系统的立体标定板标定方法，立体标定板是由六个面构成的正立方体结构，立体标定板的各个靶标平面上中心附着不同的AprilTags标记，用于识别不同的面和当前面的方向角度，立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，用于高精度的标定相机的内外参数，每一AprilTags标记的四周具有白色环形区域，各个靶标平面之间具有白色区域。本发明立体标定板结构简单，无需考虑相机的排列次序，采用同一个标定板可以标定多个环形多相机。

Description

一种面向环形多相机系统的立体标定板标定方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种面向环形多相机系统的立体标定板标定方法。
背景技术
随着硬件条件和计算机性能的不断提升，机器视觉技术广泛应用于人工智能、视觉测量、机器人技术和图像处理等，为了获得立体效果，多相机视觉开始慢慢的进入视野中，如多视觉感知、测量，360°全景拍摄等，相机标定技术是视觉测量技术的关键一步，通过相机的标定过程可以快速建立起不同坐标不同维度系统之间准确的位置关系，进一步实现测量对象的位置跟踪、尺寸测量以及面型重构等。
基于靶标的标定方法，通过建立相机坐标系、靶标坐标系、图像坐标系和世界坐标系之间的数学模型，以靶标坐标系作为不同相机坐标系之间的纽带求解出相机之间的位置关系，即通常所说的相机的外参数，包括不同坐标系之间的旋转矩阵和平移向量。通过相机的针孔模型建立起相机图像坐标系和靶标之间的线性数学模型，求解出相机的内部参数，包括相机的主点、焦距等。基于靶标的标定方法按照靶标的结构可以分为：一维标定靶标、平面靶标、和立体靶标。其中立体靶标由于工艺复杂，图像识别困难因此常常为研究的难点。
发明内容
本发明提出的一种面向环形多相机系统的立体标定板标定方法，采用结构简单的设计利用AprilTags图形和立方形标记图案，无需考虑相机的排列次序，采用同一个标定板可以标定多个环形多相机。AprilTags是一个视觉基准库，在AR，机器人，相机校准领域广泛使用。通过特定的标志（与二维码相似，但是降低了复杂度以满足实时性要求），可以快速地检测标志，并计算相对位置。
为了实现上述目的，本发明采用了如下技术方案：
一种面向环形多相机系统的立体标定板标定方法，立体标定板是由六个面构成的正立方体结构，所述立体标定板的各个靶标平面上中心附着不同的AprilTags标记，所述立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，每一AprilTags标记的四周具有白色环形区域，各个靶标平面之间具有白色区域；
所述立体标定板标定方法包括：
S1：识别AprilTags标记，获取对应AprilTags序号、方位、估计相机的内外参数，此为相机内外参数一，再对靶标平面的区域进行定位；
S2：识别棋盘格标志，获取高精度的相机内外参数，此为相机内外参数二；
S3：融合识别AprilTags标记的获取结果和识别棋盘格标志的获取结果，得到相机内外参数三，提高了相机内外参数的精度；融合方法采用了加权平均法、卡尔曼滤波法、多贝叶斯估计法、D-S证据推理方法、人工神经网络法中的任意一种。
优选的，步骤S1中识别AprilTags标记的具体步骤包括：
S11：采用相机检测场景中的图像，对图像二值化后计算梯度值和梯度方向，并对其进行聚类集成具有相似方向和幅度的分量，聚类完成后，使用最小二乘法将线段拟合到每个连接的组件；
S12：按梯度幅度对每个点进行加权，调整每个线段，使Tags转化为了一组有向线段，再计算四边形的线段序列，通过不断调整阈值来处理遮挡问题和分割误差的鲁棒性；
S13：计算AprilTags与相机的距离和角度，采用的投影矩阵估计相机方法为：
相机的投影矩阵为
Figure 356319DEST_PATH_IMAGE001
，空间上的点
Figure 996379DEST_PATH_IMAGE002
通过相机的投影矩阵变为图像上的像素点
Figure 826931DEST_PATH_IMAGE003
，得到
Figure 977683DEST_PATH_IMAGE004
；
其中
Figure 311713DEST_PATH_IMAGE005
为相机内参一，
Figure 122674DEST_PATH_IMAGE006
为图像上的像素点，
Figure 174944DEST_PATH_IMAGE007
为旋转矩阵，t为平移矩阵，
Figure 159080DEST_PATH_IMAGE008
为AprilTags空间坐标；采用多条Tags有向线，估计
Figure 314993DEST_PATH_IMAGE009
值，再将
Figure 93593DEST_PATH_IMAGE010
进行极坐标分解，产生一最小误差的Frobenius矩阵范数，得到旋转
Figure 898738DEST_PATH_IMAGE011
和平移t矩阵；
S14：根据AprilTags的不同识别不同的AprilTags标记，获取AprilTags序号，获取对应相机的位置关系，获取AprilTags标记四周棋盘格靶标区域。
优选的，步骤S2中识别棋盘格标志的具体步骤包括：
S21：根据识别AprilTags标记的获取结果，确定棋盘格靶面的方向、序号以及定位棋盘格靶区域；
S22：采用Harris角点检测，利用水平差分算子和垂直差分算子对图像的每个像素进行滤波，求出x方向和y方向的一阶导数Ix和Iy，每个像素角点量cim为：
Figure 624248DEST_PATH_IMAGE012
满足cim为3x3邻域内局部极大值的点被认为是角点；
S23：提取角点后计算相机内外参数二，采用识别AprilTags标记计算内外参数的方法。
与现有的技术相比，本发明的有益效果是：本发明提出的一种面向环形多相机系统标定的立体标定板方法，该标定板由六个面构成，构成正立方体，各个靶标平面上中心附着不同的AprilTags标记，用于识别不同的面和当前面的方向角度，四周附着方形阵列图案的棋盘格标志，用于高精度的标定相机的内外参数；当每个相机同时拍摄一面标定靶标的图像时，采用相同的算法，在无需考虑相机标定次序的情况下，利用一面图案提取出的信息可以建立多个非线性矩阵，一次性求解出相机内参，而同一靶面上的多个特征点可以标定出相机外参；该立体标定板结构简单，无需考虑相机的排列次序，采用同一个标定板可以标定多个环形多相机。
附图说明
图1为本发明的立体标定板展开图；
图2为本发明的6个不同的AprilTags标记；
图3为本发明的立体标定板示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
参照图1-3，一种面向环形多相机系统的立体标定板标定方法，立体标定板是由六个面构成的正立方体结构，立体标定板的各个靶标平面上中心附着不同的AprilTags标记，用于识别不同的面和当前面的方向角度；立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，用于高精度的标定相机的内外参数。
每一AprilTags标记的四周具有白色环形区域，为了区分AprilTags标记板和棋盘格靶面；各个靶标平面之间具有白色区域，减少不同面识别的错误。
如图2 所示，把6个不同的AprilTags标记板分别贴在正方体的6个不同的面上构成各个立方体的中心位置。当相机识别AprilTags时，对相机的方位进行定位，根据AprilTags的尺寸识别相机的内外参数。
如图3所示，标定板以ABFE构成面的中心为坐标原点，对应ABFE构成面的AprilTags为图2中的序号0，对面的面为序号5标记，对应ADCB构成面的AprilTags为图2中的序号1；对应BCGF构成面的AprilTags为图2中的序号2，对应EFGH构成面的AprilTags为图2中的序号3，对应ADHE构成面的AprilTags为图2中的序号4，当每个相机同时拍摄一面标定靶标的图像时，采用相同的算法，在无需考虑相机标定次序的情况下，利用一面图案提取出的信息可以建立多个非线性矩阵，一次性求解出相机内参，而同一靶面上的多个特征点或者不同面的多个特征点可以标定出相机外参。图1并未为图3的顺序展开图，而只是立体标定板展开示意图。
本立体标定板标定方法包括：
S1：识别AprilTags标记，获取对应AprilTags序号、方位、估计相机的内外参数，此为相机内外参数一，再对靶标平面的区域进行定位；
S2：识别棋盘格标志，获取高精度的相机内外参数，此为相机内外参数二；
S3：融合识别AprilTags标记的获取结果和识别棋盘格标志的获取结果，此为相机内外参数三，提高了相机内外参数的精度；融合方法采用了加权平均法、卡尔曼滤波法、多贝叶斯估计法、D-S证据推理方法、人工神经网络法中的任意一种。
其中步骤S1中识别AprilTags标记的具体步骤包括：
S11：采用相机检测场景中的图像，对图像二值化后计算梯度值和梯度方向，并对其进行聚类集成具有相似方向和幅度的分量，聚类完成后，使用最小二乘法将线段拟合到每个连接的组件；
S12：按梯度幅度对每个点进行加权，调整每个线段，使Tags转化为了一组有向线段，再计算四边形的线段序列，通过不断调整阈值来处理遮挡问题和分割误差的鲁棒性；
S13：计算AprilTags与相机的距离和角度，采用的投影矩阵估计相机方法为：
相机的投影矩阵为
Figure 932870DEST_PATH_IMAGE001
，空间上的点
Figure 147951DEST_PATH_IMAGE002
通过相机的投影矩阵变为图像上的像素点
Figure 625679DEST_PATH_IMAGE003
，得到
Figure 217197DEST_PATH_IMAGE004
；
其中
Figure 380325DEST_PATH_IMAGE005
为相机内参一，
Figure 703991DEST_PATH_IMAGE006
为图像上的像素点，
Figure 218149DEST_PATH_IMAGE007
为旋转矩阵，t为平移矩阵，
Figure 347779DEST_PATH_IMAGE008
为AprilTags空间坐标；采用多条Tags有向线，估计
Figure 67211DEST_PATH_IMAGE009
值，再将
Figure 889673DEST_PATH_IMAGE010
进行极坐标分解，产生一最小误差的Frobenius矩阵范数，得到旋转
Figure 625548DEST_PATH_IMAGE011
和平移t矩阵；
S14：根据AprilTags的不同识别不同的AprilTags标记，获取AprilTags序号，获取对应相机的位置关系，获取AprilTags标记四周棋盘格靶标区域。
实施例2
参照图1-3，一种面向环形多相机系统的立体标定板标定方法，立体标定板是由六个面构成的正立方体结构，立体标定板的各个靶标平面上中心附着不同的AprilTags标记，用于识别不同的面和当前面的方向角度；立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，用于高精度的标定相机的内外参数。
每一AprilTags标记的四周具有白色环形区域，为了区分AprilTags标记板和棋盘格靶面；各个靶标平面之间具有白色区域，减少不同面识别的错误。
如图2 所示，把6个不同的AprilTags标记板分别贴在正方体的6个不同的面上构成各个立方体的中心位置。当相机识别AprilTags时，对相机的方位进行定位，根据AprilTags的尺寸识别相机的内外参数。
如图3所示，标定板以ABFE构成面的中心为坐标原点，对应ABFE构成面的AprilTags为图2中的序号0，对面的面为序号5标记，对应ADCB构成面的AprilTags为图2中的序号1；对应BCGF构成面的AprilTags为图2中的序号2，对应EFGH构成面的AprilTags为图2中的序号3，对应ADHE构成面的AprilTags为图2中的序号4，当每个相机同时拍摄一面标定靶标的图像时，采用相同的算法，在无需考虑相机标定次序的情况下，利用一面图案提取出的信息可以建立多个非线性矩阵，一次性求解出相机内参，而同一靶面上的多个特征点或者不同面的多个特征点可以标定出相机外参。图1并未为图3的顺序展开图，而只是立体标定板展开示意图。
本立体标定板标定方法包括：
S1：识别AprilTags标记，获取对应AprilTags序号、方位、估计相机的内外参数，此为相机内外参数一，再对靶标平面的区域进行定位；
S2：识别棋盘格标志，获取高精度的相机内外参数，此为相机内外参数二；
S3：融合识别AprilTags标记的获取结果和识别棋盘格标志的获取结果，得到相机内外参数三，提高了相机内外参数的精度；融合方法采用了加权平均法、卡尔曼滤波法、多贝叶斯估计法、D-S证据推理方法、人工神经网络法中的任意一种。
其中步骤S2中识别棋盘格标志的具体步骤包括：
S21：根据识别AprilTags标记的获取结果，确定棋盘格靶面的方向、序号以及定位棋盘格靶区域；
S22：采用Harris角点检测，利用水平差分算子和垂直差分算子对图像的每个像素进行滤波，求出x方向和y方向的一阶导数Ix和Iy，每个像素角点量cim为：
Figure 496552DEST_PATH_IMAGE012
满足cim为3x3邻域内局部极大值的点被认为是角点；
S23：提取角点后计算相机内外参数二，采用识别AprilTags标记计算内外参数的方法。
以上，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种面向环形多相机系统的立体标定板标定方法，其特征在于，立体标定板是由六个面构成的正立方体结构，所述立体标定板的各个靶标平面上中心附着不同的AprilTags标记，所述立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，每一AprilTags标记的四周具有白色环形区域，各个靶标平面之间具有白色区域；
所述立体标定板标定方法包括：
S1：识别AprilTags标记，获取对应AprilTags序号、方位、估计相机内外参数一，再对靶标平面的区域进行定位；
S2：识别棋盘格标志，获取相机内外参数二；
S3：融合识别AprilTags标记的获取结果和识别棋盘格标志的获取结果，得到相机内外参数三；融合方法采用加权平均法、卡尔曼滤波法、多贝叶斯估计法、D-S证据推理方法、人工神经网络法中的任意一种。
2.根据权利要求1所述的一种面向环形多相机系统的立体标定板标定方法，其特征在于，S1中识别AprilTags标记的具体步骤包括：
S11：采用相机检测场景中的图像，对图像二值化后计算梯度值和梯度方向，并对其进行聚类集成具有相似方向和幅度的分量，聚类完成后，使用最小二乘法将线段拟合到每个连接的组件；
S12：按梯度幅度对每个点进行加权，调整每个线段，使Tags转化为了一组有向线段，再计算四边形的线段序列，通过不断调整阈值来处理遮挡问题和分割误差的鲁棒性；
S13：计算AprilTags与相机的距离和角度，采用的投影矩阵估计相机方法为：
相机的投影矩阵为
Figure 630327DEST_PATH_IMAGE001
，空间上的点
Figure 492103DEST_PATH_IMAGE002
通过相机的投影矩阵变为图像上的像素点
Figure 624882DEST_PATH_IMAGE003
，得到
Figure 128676DEST_PATH_IMAGE004
；
其中
Figure 102448DEST_PATH_IMAGE005
为相机内参一，
Figure 931864DEST_PATH_IMAGE006
为图像上的像素点，
Figure 53404DEST_PATH_IMAGE007
为旋转矩阵，t为平移矩阵，
Figure 892047DEST_PATH_IMAGE008
为AprilTags空间坐标；采用多条Tags有向线，估计
Figure 956211DEST_PATH_IMAGE009
值，再将
Figure 487687DEST_PATH_IMAGE010
进行极坐标分解，产生一最小误差的Frobenius矩阵范数，得到旋转
Figure 565364DEST_PATH_IMAGE011
和平移t矩阵；
S14：根据AprilTags的不同识别不同的AprilTags标记，获取AprilTags序号，获取对应相机的位置关系，获取AprilTags标记四周棋盘格靶标区域。
3.根据权利要求1所述的一种面向环形多相机系统的立体标定板标定方法，其特征在于，S2中识别棋盘格标志的具体步骤包括：
S21：根据识别AprilTags标记的获取结果，确定棋盘格靶面的方向、序号以及定位棋盘格靶区域；
S22：采用Harris角点检测，利用水平差分算子和垂直差分算子对图像的每个像素进行滤波，求出x方向和y方向的一阶导数Ix和Iy，每个像素角点量cim为：
Figure 410960DEST_PATH_IMAGE012
满足cim为3x3邻域内局部极大值的点被认为是角点；
S23：提取角点后计算相机内外参数二，采用识别AprilTags标记计算内外参数的方法。
CN202110040214.1A 2021-01-13 2021-01-13 一种面向环形多相机系统的立体标定板标定方法 Active CN112381893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110040214.1A CN112381893B (zh) 2021-01-13 2021-01-13 一种面向环形多相机系统的立体标定板标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110040214.1A CN112381893B (zh) 2021-01-13 2021-01-13 一种面向环形多相机系统的立体标定板标定方法

Publications (2)

Publication Number Publication Date
CN112381893A true CN112381893A (zh) 2021-02-19
CN112381893B CN112381893B (zh) 2021-04-20

Family

ID=74590913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110040214.1A Active CN112381893B (zh) 2021-01-13 2021-01-13 一种面向环形多相机系统的立体标定板标定方法

Country Status (1)

Country Link
CN (1) CN112381893B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114299157A (zh) * 2021-12-15 2022-04-08 苏州大学 一种托卡马克仓内立体相机延拓接力标定的方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803274A (zh) * 2017-03-14 2017-06-06 昆山鹰之眼软件技术有限公司 自动化标定板
CN107240063A (zh) * 2017-07-04 2017-10-10 武汉大学 一种面向移动平台的旋翼无人机自主起降方法
WO2018050223A1 (en) * 2016-09-14 2018-03-22 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Pattern detection
CN108362309A (zh) * 2018-01-30 2018-08-03 浙江大学 一种适用于可见光与红外相机的视觉标定板
CN108765494A (zh) * 2018-05-21 2018-11-06 南昌航空大学 一种基于圆柱体标定物的多相机标定方法
CN209417797U (zh) * 2019-03-04 2019-09-20 苏州深浅优视智能科技有限公司 基于混合标志的标定板
WO2019182521A1 (en) * 2018-03-22 2019-09-26 Infinium Robotics Pte Ltd Autonomous taking off, positioning and landing of unmanned aerial vehicles (uav) on a mobile platform
CN110415304A (zh) * 2019-07-31 2019-11-05 北京博视智动技术有限公司 一种视觉标定方法及系统
CN111179360A (zh) * 2020-04-13 2020-05-19 杭州利珀科技有限公司 一种高精度自动化标定板和标定方法
CN111325799A (zh) * 2018-12-16 2020-06-23 北京初速度科技有限公司 一种大范围高精度的静态环视自动标定图案及系统
CN111981982A (zh) * 2020-08-21 2020-11-24 北京航空航天大学 一种基于加权sfm算法的多向合作靶标光学测量方法
CN112184825A (zh) * 2019-07-05 2021-01-05 杭州海康机器人技术有限公司 一种标定板和标定方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018050223A1 (en) * 2016-09-14 2018-03-22 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Pattern detection
CN106803274A (zh) * 2017-03-14 2017-06-06 昆山鹰之眼软件技术有限公司 自动化标定板
CN107240063A (zh) * 2017-07-04 2017-10-10 武汉大学 一种面向移动平台的旋翼无人机自主起降方法
CN108362309A (zh) * 2018-01-30 2018-08-03 浙江大学 一种适用于可见光与红外相机的视觉标定板
WO2019182521A1 (en) * 2018-03-22 2019-09-26 Infinium Robotics Pte Ltd Autonomous taking off, positioning and landing of unmanned aerial vehicles (uav) on a mobile platform
CN108765494A (zh) * 2018-05-21 2018-11-06 南昌航空大学 一种基于圆柱体标定物的多相机标定方法
CN111325799A (zh) * 2018-12-16 2020-06-23 北京初速度科技有限公司 一种大范围高精度的静态环视自动标定图案及系统
CN209417797U (zh) * 2019-03-04 2019-09-20 苏州深浅优视智能科技有限公司 基于混合标志的标定板
CN112184825A (zh) * 2019-07-05 2021-01-05 杭州海康机器人技术有限公司 一种标定板和标定方法
CN110415304A (zh) * 2019-07-31 2019-11-05 北京博视智动技术有限公司 一种视觉标定方法及系统
CN111179360A (zh) * 2020-04-13 2020-05-19 杭州利珀科技有限公司 一种高精度自动化标定板和标定方法
CN111981982A (zh) * 2020-08-21 2020-11-24 北京航空航天大学 一种基于加权sfm算法的多向合作靶标光学测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AUFAR ZAKIEV ET AL；: "《Virtual Experiments on ArUco and AprilTag Systems Comparison for Fiducial Marker Rotation Resistance under Noisy Sensory Data 》", 《IEEE》 *
张浩鹏 等；: "《基于LCD和改进棋盘格模板的摄像机标定》", 《仪器仪表学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114299157A (zh) * 2021-12-15 2022-04-08 苏州大学 一种托卡马克仓内立体相机延拓接力标定的方法及系统
CN114299157B (zh) * 2021-12-15 2022-11-08 苏州大学 一种托卡马克仓内立体相机延拓接力标定的方法及系统

Also Published As

Publication number Publication date
CN112381893B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN109887040B (zh) 面向视频监控的运动目标主动感知方法及系统
CN110910460B (zh) 一种获取位置信息的方法、装置及标定设备
CN107560592B (zh) 一种用于光电跟踪仪联动目标的精确测距方法
CN108648237A (zh) 一种基于视觉的空间定位方法
CN107578450B (zh) 一种用于全景相机装配误差标定的方法及系统
Neves et al. Acquiring high-resolution face images in outdoor environments: A master-slave calibration algorithm
CN112381893B (zh) 一种面向环形多相机系统的立体标定板标定方法
CN107680035B (zh) 一种参数标定方法和装置、服务器及可读存储介质
CN112348890A (zh) 一种空间定位方法、装置及计算机可读存储介质
JP3696336B2 (ja) カメラのキャリブレーション方法
CN112446926A (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
Su et al. Obtaining obstacle information by an omnidirectional stereo vision system
CN111832542A (zh) 三目视觉识别与定位方法及装置
KR101673144B1 (ko) 부분 선형화 기반의 3차원 영상 정합 방법
CN113483669B (zh) 一种基于立体靶标的多传感器位姿标定方法及装置
CN115797405A (zh) 一种基于车辆轴距的多镜头自适应跟踪方法
CN106622990B (zh) 零件定位识别处理系统
CN112288824B (zh) 一种基于现实场景的长焦相机标定装置及标定方法
Huang et al. Calibrating pan-tilt cameras with telephoto lenses
CN114299153A (zh) 一种超大电力设备的相机阵列同步标定方法及系统
Neves et al. A Master‐Slave Calibration Algorithm with Fish‐Eye Correction
Yao et al. Identification and location of catenary insulator in complex background based on machine vision
Deng et al. Underwater circular object positioning system based on monocular vision
CN111462171A (zh) 一种标记点检测跟踪方法
CN112734838A (zh) 一种空间目标定位方法、设备及存储介质

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