CN112419420A

CN112419420A - 一种相机标定方法、装置、电子设备及存储介质

Info

Publication number: CN112419420A
Application number: CN202010981322.4A
Authority: CN
Inventors: 胡东元
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2020-09-17
Filing date: 2020-09-17
Publication date: 2021-02-26
Anticipated expiration: 2040-09-17
Also published as: CN112419420B

Abstract

本申请涉及图像处理领域，尤其涉及一种相机标定方法、装置、电子设备及存储介质，获取基于目标相机的实际参数生成的标定图像；获取待标定相机拍摄所述标定图像而生成的拍摄图像；将所述标定图像和所述拍摄图像进行叠加，生成叠加图像，所述叠加图像用于反映所述标定图像和所述拍摄图像的重合度；基于所述叠加图像，调整所述待标定相机的待标定参数，直至所述叠加图像表征的重合度满足重合条件；获得标定完成后所述待标定相机的标定参数，这样，使得待标定相机的标定参数根据接近与目标相机的实际参数，提高标定准确性。

Description

一种相机标定方法、装置、电子设备及存储介质

技术领域

本申请涉及图像处理领域，尤其涉及一种相机标定方法、装置、电子设备及存储介质。

背景技术

摄像头在环是一种常用的图像仿真方法，可以应用于辅助驾驶及自动驾驶控制器的硬件在环仿真中，相关技术中，摄像头在环的相机标定方法，通过棋盘格进行标定，标定完成之后将标定得到的参数写入算法，但是这种方式将相机固定在一个位置即可，使得相机标定的外参与实车上所使用的相机的外参并不相同，无法真实还原相机在实车上的外参，从而导致仿真结果与实车结果不符合，降低了仿真的准确性。

发明内容

本申请实施例提供一种相机标定方法、装置、电子设备及存储介质，以提高相机标定的准确性。

本申请实施例提供的具体技术方案如下：

本申请一个实施例提供了一种相机标定方法，包括：

获取基于目标相机的实际参数生成的标定图像；

获取待标定相机拍摄所述标定图像而生成的拍摄图像；

将所述标定图像和所述拍摄图像进行叠加，生成叠加图像，所述叠加图像用于反映所述标定图像和所述拍摄图像的重合度；

基于所述叠加图像，调整所述待标定相机的待标定参数，直至所述叠加图像表征的重合度满足重合条件；

获得标定完成后所述待标定相机的标定参数。

本申请另一个实施例提供了一种相机标定装置，包括：

第一获取模块，用于获取基于目标相机的实际参数生成的标定图像；

第二获取模块，用于获取待标定相机拍摄所述标定图像而生成的拍摄图像；

生成模块，用于将所述标定图像和所述拍摄图像进行叠加，生成叠加图像，所述叠加图像用于反映所述标定图像和所述拍摄图像的重合度；

处理模块，用于基于所述叠加图像，调整所述待标定相机的待标定参数，直至所述叠加图像表征的重合度满足重合条件；

获得模块，用于获得标定完成后所述待标定相机的标定参数。

本申请另一个实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一种相机标定方法的步骤。

本申请另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种相机标定方法的步骤。

本申请实施例中，获取基于目标相机的实际参数生成的标定图像，获取待标定相机拍摄标定图像而生成的拍摄图像，并将所述标定图像和所述拍摄图像进行叠加，生成叠加图像，所述叠加图像用于反映所述标定图像和所述拍摄图像的重合度，基于所述叠加图像，调整所述待标定相机的待标定参数，直至所述叠加图像表征的重合度满足重合条件，进而获得标定完成后所述待标定相机的标定参数，这样，标定图像是根据实际参数而生成的，通过不断调整待标定相机的待标定参数，当标定图像和拍摄图像满足重合条件时，说明待标定相机的待标定参数和目标相机的实际参数相同，即可以确定标定结束，使得最终待标定相机的标定参数更加接近与目标相机的实际参数，提高了标定的准确性，从而使得仿真结果也更加切近真实。

附图说明

图1为本申请实施例中的相机标定方法的应用架构示意图；

图2为本申请实施例中一种相机标定方法流程图；

图3为本申请实施例中另一种相机标定方法流程图；

图4为本申请实施例中相机标定方法的产品实现效果示意图；

图5为本申请实施例中标定图像的示意图；

图6为本申请实施例中第一梯度图的示意图；

图7为本申请实施例中标定图像在屏幕上显示的效果示意图；

图8为本申请实施例中标定未完成时叠加图像的示意图；

图9为本申请实施例中标定完成时叠加图像的示意图；

图10为本申请实施例中相机标定装置结构示意图；

图11为本申请实施例中电子设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。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。

为便于对本申请实施例的理解，下面先对几个概念进行简单介绍：

摄像头在环：是一种常用的图像仿真方法，广泛应用于L1及以上的辅助驾驶，以及自动驾驶控制器的硬件在环仿真中，其中，L1及以上的辅助驾驶表示有自动化的自动驾驶等级，通常包括L1-L5等级，自动化程度逐渐升高。

相机标定：例如在图像测量或者机器视觉应用等，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作所产生结果的准确性，相机标定包括摄像头的畸变矫正和内外参标定，例如，本申请实施例中主要针对相机的外参标定。

内参：也称为内部参数，反映相机自身特性的参数，例如焦距、像素大小等，其中，畸变校正实际上也属于内参范畴。

外参：也称为外部参数，外参标定是指设备之间相对的位置和姿态、旋转角度等，表示在世界坐标系或指定坐标系中的参数。

灰度图：表示用灰度表示的图像，通常把白色与黑色之间按对数关系分为若干等级，称为灰度，灰度分为256阶，可以将彩色图像例如GRB图像，转换为灰度图。

梯度图：由图像梯度构成的图像成为梯度图，可以把图像看成二维离散函数，图像梯度其实是这个二维离散函数的求导，表示一种变化率，当图像中存在边缘时，有较大的梯度值，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小，梯度图可以增强图像的清晰度和层次感，例如，本申请实施例中，可以采用标定图像和拍摄图像转换后的梯度图进行重合度对比。

二值图：表示在图像中灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色，可以将256个亮度等级的灰度图像通过适当的阈值选取，而获得二值图，二值图比较简单，数据量也较少，能够凸显出感兴趣的目标的轮廓。

自动驾驶测试分为仿真测试、封闭道路测试、开放道路测试，仿真测试由于具有重复性好、安全性高、测试效率高等优势而被广泛应用于自动驾驶功能开发，硬件在环测试是仿真测试的重要组成部分，针对摄像头在环仿真中的相机标定，相关技术中，通过棋盘格进行标定，标定完成之后将标定得到的参数写入算法，但是这种方式将相机固定在一个位置即可，使得相机标定的外参与实车上所使用的相机的外参并不相同，无法真实还原相机在实车上的外参，相机标定不准确，从而导致仿真结果与实车结果不符合，降低了仿真的准确性。

因此，针对上述问题，本申请实施例中提供了一种相机标定方法，获取基于目标相机的实际参数生成的标定图像，并获取待标定相机拍摄标定图像而生成的拍摄图像；将标定图像和拍摄图像进行叠加，生成叠加图像，叠加图像用于反映标定图像和拍摄图像的重合度，进而展示叠加图像，相关标定人员可以根据叠加图像反映的重合度，来调整待标定相机的待标定参数，直至叠加图像的重合度满足重合条件，获得标定完成后待标定相机的标定参数，这样，由于标定图像是根据实际参数而获得的，通过调整待标定相机，当标定图像和拍摄图像重合，说明待标定相机和目标相机的参数相同，因此，基于叠加图像进行标定，可以使得最终待标定相机的标定参数与目标相机的实际参数更加接近，标定更加准确，从而使得仿真结果也更加切近真实。

本申请实施例提供了一种示例性的应用场景，参阅图1所示，为本申请实施例中的相机标定方法的应用架构示意图，至少包括相机100、屏幕200、计算设备300。

屏幕200主要用于显示标定图像，也可以为显示器，显示器中包括屏幕200，标定图像是一张仿真的相机传感器生成的图像，仿真的相机传感器即表示非真实相机，而是基于软件来实现的，该仿真的相机传感器的参数为目标相机的实际参数，目标相机即为实际车辆中的相机，这样，通过实际车辆中的相机的实际参数，来仿真生成一张标定图像，该标定图像可以反映该实际参数。例如，可以通过计算设备300中仿真的相机传感器生成标定图像，并投射到屏幕200上，通过屏幕200显示该标定图像。

相机100为摄像头在环仿真中的真实相机，用于拍摄屏幕200上显示的标定图像，这样屏幕200需要部署在相机100的前方，相机100能够拍摄到该屏幕200即可，相机100拍摄该屏幕200可以获得一张拍摄图像，相机100可以将该拍摄图像传给计算设备300，进而计算设备300可以进行后续的操作。本申请实施例中标定的即是该真实的相机100，调整该相机100的待标定参数，例如，位置和姿态等，相机100基于调整后的位置和姿态来拍摄屏幕200，进而计算设备300基于各个不同的拍摄图像和标定图像进行计算，通过不断调整相机100的位置和姿态等，来完成对相机100的标定。并且，本申请实施例中，主要是针对相机100的外参标定，因此实际参数和标定参数均为外部参数，当然对此并不进行限制。

计算设备300为任何具有计算能力的终端，例如为笔记本电脑、台式计算机等，例如，本申请实施例中，计算设备300获取到标定图像和拍摄图像后，将标定图像和拍摄图像进行叠加，生成叠加图像，并展示该叠加图像，进而相关标定人员可以通过观察该叠加图像，来不断调整相机100的待标定参数，直至叠加图像中标定图像和拍摄图像重合，则标定完成，即可以获得相机100的标定参数。

相机100与屏幕200可以不用连接通信，只需要相机100可以拍摄到屏幕200即可，另外相机100与计算设备300，以及屏幕200与计算设备300之间可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

其中，相机100和屏幕200较佳的部署在暗箱中，在暗箱中执行标定过程，这样，在屏幕200上显示标定图像，并通过相机100拍摄该标定图像时，可以降低干扰，减少一些外界光干扰，可以避免出现过多的噪声点，而对于计算设备300也可以同时部署在该暗箱中，便于和其它设备连接，也便于观察叠加图像效果，当然由于计算设备300是用于执行相关的计算，也可以不部署在暗箱中，对此本申请实施例中并不进行限制。

需要说明的是，本申请实施例中相机标定方法，主要是针对硬件在环仿真中的摄像头在环的相机标定，硬件在环仿真技术是汽车控制器开发过程中的一种仿真技术，通过构建被控对象及对应的输入/输出(Input/Output，IO)接口，实现针对各种汽车控制器的闭环仿真，因此，本申请实施例中的应用架构并不仅限于图1中所示的几种设备，还可以包括其它仿真所需的设备，例如车辆的其它设备、控制器等，并不进行限制，这里仅是针对本申请实施例中相机标定方法所涉及到的设备为例，进行示例性说明。

本申请实施例中的相机标定方法主要由图1中所示的计算设备300来执行，计算设备300可以获取标定图像和拍摄图像，进而生成叠加图像并进行显示，并且计算设备300还可以计算出标定图像和拍摄图像的重合度，并显示该重合度，进而标定人员根据叠加图像，也可以根据重合度，或者二者结合来不断调整相机100，最终使得标定图像和拍摄图像重合，即标定完成，标定完成后的相机100更符合实际车辆中目标相机的实际参数。

值得说明的是，本申请实施例中的系统结构图是为了更加清楚地说明本申请实施例中的技术方案，并不构成对本申请实施例提供的技术方案的限制，对于其它的系统结构和业务应用，本申请实施例提供的技术方案对于类似的问题，同样适用，本申请各个实施例中，以相机标定方法应用于图1所示的应用结构为例进行示意性说明。

基于上述实施例，参阅图2所示，为本申请实施例中一种相机标定方法流程图，具体该方法包括：

步骤200：获取基于目标相机的实际参数生成的标定图像。

本申请实施例中，主要是用于标定摄像头在环中的相机外参，实际参数、待标定参数和/或标定参数均为外部参数(即外参)，其中，外部参数至少包括在车辆坐标系中的位置和/或旋转角度，本申请实施例中并不进行限制。

目标相机为实际车辆(即实车)中的相机，实车上的相机都有一个唯一的外参，该外参通常可以在实车配置获得。

进而，本申请实施例中，获取到目标相机的实际参数后，可以仿真的相机传感器使用该实际参数生成标定图像，较佳的，标定图像为带有车道线的图像，这是因为，针对辅助驾驶或自动驾驶的摄像头在环仿真，通过对比图像之间的重合度来进行标定，车辆在实际运行场景中，是运行在道路上，而道路是带有车道线的，即通常是拍摄到带有车道线的图像，带有车道线的图像可以反映实际场景，并且车道线比较简单，在进行图像重合度比对时更加简单，效果也更明显，当然对于标定图像具体包含的内容，本申请实施例中并不进行限制。

步骤210：获取待标定相机拍摄标定图像而生成的拍摄图像。

具体地，获取待标定相机在暗箱中拍摄标定图像而生成的拍摄图像，暗箱即表示一种封闭的环境，没有外界光线干扰，可以减少噪声干扰，提高准确性。

另外，需要说明的是，本申请实施例中由于是通过拍摄图像和标定图像的叠加，来进行重合度比对，因此，为保证准确性，拍摄图像和标定图像的大小即分辨率相同，具体实现时可以通过调整待标定相机的焦距等内部参数来达到该目的。

步骤220：将标定图像和拍摄图像进行叠加，生成叠加图像，叠加图像用于反映标定图像和拍摄图像的重合度。

具体执行步骤220时，包括：

S1、将标定图像转换为第一梯度图，及将拍摄图像转换为第二梯度图。

本申请实施例中，获得的标定图像和拍摄图像为彩色图，也可以直接由彩色图转换为梯度图，但由于梯度图的计算通常是边缘检测，而灰度图即可以保留这些边缘信息，并且所含的信息量更少，因此可以将彩色图转换为灰度图，再由灰度图转换为梯度图，可以降低计算量，对此本申请实施例中并不进行限制。

以先转换为灰度图为例进行说明，进一步地，在转换为第一梯度图或第二梯度图时，为了简便计算，可以先转换为灰度图，具体地：

S1.1、将标定图像和拍摄图像分别转换为第一灰度图和第二灰度图。

例如，可以采用加权法、均值法或最大值法等，将彩色图转换为灰度图，以标定图像和拍摄图像均为RGB彩色图像为例，则具体地：

加权法为：灰度值GRAY＝0.3*R+0.59*G+0.11*B。

均值法为：灰度值GRAY＝(R+G+B)/3。

最大值法为：灰度值GRAY＝max(R，G，B)。

这样，可以计算出标定图像或拍摄图像中每个像素点的灰度值，即获得标定图像转换后的第一灰度图，拍摄图像转换后的第二灰度图。

S1.2、根据第一灰度图生成第一梯度图，及根据第二灰度图生成第二梯度图。

其中，梯度图生成算法，本申请实施例中并不进行限制，例如可以采用canny算法、索贝尔(sobel)算法、hat算法等，以canny算法为例进行简单说明。

canny算法可以分为以下几个步骤：1)采用高斯滤波来平滑图像，目的是去除噪声。2)找寻图像的强度梯度，可以获得梯度的强度信息和梯度的方向信息。3)应用非最大抑制技术来消除边误检，目的是将模糊(blurred)的边界变得清晰(sharp)。4)应用双阈值的方法来决定可能的或潜在的边界，即设定一个阈值上界和阈值下界，图像中的像素点若大于阈值上界则认为是边界，称为强边界，小于阈值下界则认为不是边界，两者之间的则认为是候选项，也称为弱边界，需进行进一步处理。5)利用滞后技术来跟踪边界，基本思想是和强边界相连的弱边界认为是边界，其他的弱边界则被抑制。

S2、分别将第一梯度图和第二梯度图中各相应坐标位置的像素值进行运算，获得叠加图像中各相应坐标位置的像素值。

例如，将第一梯度图和第二梯度图中各相应坐标位置的像素值进行或运算，具体地：Pix_c(i,j)＝Pix_b1(i,j)OR Pix_a1(i,j)。

其中，Pix_b1(i,j)表示第二梯度图中(i，j)坐标点的灰度值，Pix_a1(i,j)表示第一梯度图中(i，j)坐标点的灰度值，两者进行“或运算”得到Pix_c(i,j)，Pix_c(i,j)表示叠加图像中(i，j)坐标点的灰度值。

或运算表示参加运算的两个对象，按二进制位进行“或”运算，参加运算的两个对象只要有一个为1，其值就为1。

进一步地，还可以将叠加图像转换为二值图，并展示该二值图。

例如，Pix_c(i,j)＝Pix_c(i,j)*0xFF。

这样，转化为0/0xFF的二值图后再进行展示，也是为了提高展示效果，标定人员可以更加清晰观察叠加图像中的重合度效果。

当然也可以直接展示生成的叠加图像，本申请实施例中并不进行限制。

步骤230：基于叠加图像，调整待标定相机的待标定参数，直至叠加图像表征的重合度满足重合条件。

本申请实施例中，叠加图像是由标定图像和拍摄图像各像素点进行或运算而得到的，因此若标定图像和拍摄图像完全重合或重合度较高，则最终叠加图像的效果和标定图像相似，因此本申请实施例中可以基于叠加图像，对待标定相机进行标定，调整待标定相机的待标定参数，例如，标定人员可以通过观察叠加图像的呈现效果和实际经验，来调整待标定相机的待标定参数，例如调整待标定相机的位置和旋转角度，进而调整后，待标定相机基于调整后的待标定参数再次拍摄获得拍摄图像，并基于再次拍摄获得拍摄图像，生成叠加图像并展示，标定人员根据叠加图像不断进行调整，直至叠加图像表征的重合度满足重合条件。

其中，重合条件可以是标定人员根据实际经验而定，为提高效率和考虑误差，不需要标定图像和拍摄图像完全重合，即不需要叠加图像和标定图像完全一样，例如，重合条件可以是标定图像和拍摄图像超过一定比例的区域均重合，又例如，重合条件是标定图像和拍摄图像中车道线区域重合，即可以忽略其它天空等背景区域，具体本申请实施例中并不进行限制。

步骤240：获得标定完成后待标定相机的标定参数。

这样，通过叠加图像的展示效果，不断调整待标定相机的待标定参数，可以完成待标定相机的标定。

进一步地，本申请实施例中不仅可以通过展示叠加图像以使标定人员进行标定，还可以展示重合度指标的取值，以指导标定人员进行标定，具体本申请实施例中提供了一种可能的实施方式：确定标定图像和拍摄图像的重合度。

其中，确定标定图像和拍摄图像的重合度，具体包括：

1)分别确定标定图像和拍摄图像中的计算区域，并确定计算区域中包含的像素点的行数和列数。

其中，计算区域为标定图像或拍摄图像的整个图像。另外还可以切割图像，剔除天空等场景因素的影响，以降低计算量，可以设置计算区域为标定图像或拍摄图像中的预划分区域，只需要标定图像和拍摄图像的计算区域相同即可。

2)分别将标定图像和拍摄图像中各相应坐标位置的像素值进行同或运算，并确定各相应坐标位置进行同或运算后的加和。

其中，同或运算为一种逻辑运算方式，参加运算的两个对象相同则为1，不同则为0。

3)确定行数和列数的乘积。

4)根据加和以及乘积的比值，确定标定图像和拍摄图像的重合度。

其中，该比值表示两张图像之间的距离，本申请实施例中标定图像和拍摄图像的重合度，通过两张图像的距离来表示，距离越小，则说明重合度越高。

例如，距离Dist＝(∑Pix_b1(i,j)⊙Pix_a1(i,j))/(R*C)。

其中，“⊙”表示同或运算，R和C表示参与运算的计算区域中包含的像素点的行数和列数。

则计算出该距离值后，距离值与重合度成反比，可以按照一定的映射关系转换为重合度，也可以不进行转换，直接展示该距离值，具体本申请实施例中并不进行限制。

进一步地，以展示重合度为例进行说明，则本申请实施例中还提供了一种可能的实施方式，展示重合度，以使基于重合度或结合重合度和叠加图像，调整待标定相机的待标定参数。

也就是说，本申请实施例中，标定人员可以根据展示的叠加图像来调整待标定相机，直至叠加图像所表征的重合度满足一定的重合条件，也可以根据展示的重合度的取值，调整待标定相机，直至重合度的取值大于一定阈值，当然可以同时结合叠加图像和重合度的取值，当两者所对应的重合条件和阈值均满足，则确定标定完成，在具体实现时，本申请实施例中对于这几种方式并不进行限制。

本申请实施例中，获取基于目标相机的实际参数生成的标定图像，并获取待标定相机拍摄标定图像而生成的拍摄图像，将标定图像和拍摄图像进行叠加，生成叠加图像，进而可以基于叠加图像，调整待标定相机的待标定参数，直至叠加图像表征的重合度满足重合条件，则获得标定完成后待标定相机的标定参数，这样，由于标定参数是根据目标相机的实际参数生成的，通过调整待标定相机的待标定参数，当标定图像和拍摄图像重合，则说明待标定相机的待标定参数等同于目标相机的实际参数，标定结果更加准确，可以更加真实还原目标相机在实车上的实际参数，从而提高仿真结果准确性，使得仿真结果也更加切近真实结果。

基于上述实施例，下面采用一个具体应用场景对本申请实施例中相机标定方法进行具体说明，以应用于摄像头在环场景，并基于叠加图像进行标定为例，参阅图3所示，为本申请实施例中另一种相机标定方法流程图，具体该方法包括：

步骤300：获取目标相机的实际参数。

例如，目标相机为实车中相机，实际参数为外部参数。

步骤301：获取基于目标相机的实际参数生成的标定图像。

步骤302：将标定图像转换为第一梯度图。

步骤303：将标定图像全屏显示在屏幕上。

这里，在屏幕上展示的是转换之前的标定图像，即彩色图像，而不是第一梯度图。

步骤304：调整摄像头在环中待标定相机的待标定参数，同时拍摄屏幕。

其中，待标定参数也为外部参数，即调整待标定相机的位置、姿态或旋转角度等。

步骤305：获取待标定相机拍摄标定图像而生成的拍摄图像，并将拍摄图像转换为第二梯度图。

步骤306：将第一梯度图和第二梯度图叠加，生成叠加图像。

步骤307：判断第一梯度图和第二梯度图是否满足重合条件，若是，则执行步骤308，否则，则返回继续执行步骤304。

即基于叠加图像所表征的重合度，通过是否满足重合条件来判断是否标定结束。

步骤308：标定结束。

这样，标定结束后即可以获得待标定相机的标定参数，即标定的外部参数，通过该相机标定方法，可以标定摄像头在环中的相机外参，由于标定图像是根据实际参数而生成的，通过重合度比对来进行标定，可以使得最终标定的摄像头在环中的待标定相机的外参，与实车上目标相机的外参更加接近，提高了准确性。

下面采用具体应用场景，从产品侧和具体展示效果对本申请实施例中的相机标定方法进行说明。

参阅图4所示，为本申请实施例中相机标定方法的产品实现效果示意图，如图4所示，通过仿真的相机传感器生成的标定图像投射到屏幕上，摄像头在环中的相机拍摄屏幕，并将拍摄到的拍摄图像传输给计算设备，进而计算设备来执行本申请实施例中的相机标定方法，其中，图4中仅示出了屏幕和相机，计算设备未在图4中示出，并且从图4中也可以看出整个标定过程在暗箱中进行，降低外界干扰。

下面具体说明本申请实施例中的相机标定方法。

1)获取基于目标相机的实际参数生成的标定图像，记为图像A，参阅图5所示，为本申请实施例中标定图像的示意图，图5中所示的标定图像为带有明显车道线的图像。

2)将标定图像(即图像A)转换第一灰度图，并转换为第一梯度图(记为图像A1)，参阅图6所示，为本申请实施例中第一梯度图的示意图，可知转换为梯度图后，图像的边缘和层次显示更加明显，效果更好。

3)将标定图像(即图像A)显示在屏幕上，参阅图7所示，为本申请实施例中标定图像在屏幕上显示的效果示意图，如图7所示，屏幕在待标定相机的前方，屏幕上投射有该图像A。

4)摄像头在环中的待标定相机拍摄屏幕，并实时获取拍摄的到的拍摄图像，记为图像B，将图像B转换为第二灰度图并转换为第二梯度图(记为图像B1)，例如，如图7所示，相机拍摄前面屏幕，屏幕上全屏显示图像A，就可以获得同样也包含车道线的图像B，其中，图像A和图像B的分辨率大小相同。

5)将标定图像和拍摄图像进行叠加，生成叠加图像，即将图像B1和图像A1进行叠加计算，生成叠加图像，记为图像C。

例如，参阅图8所示，为本申请实施例中标定未完成时叠加图像的示意图，可知图像B1和图像A1明显未重合。

6)不断调整待标定相机的待标定参数，例如位置和姿态参数等，并实时观察展示的叠加图像，直至图像B1和图像A1完全重合，或者满足一定的重合条件。

例如，参阅图9所示，为本申请实施例中标定完成时叠加图像的示意图，如图9所示，可知，图9中的叠加图像和图像A1非常相似，基本是重合的，可以认为满足重合条件，即确定标定完成。

这样，由于图像A1是根据实车中目标相机的实际参数生成的，当摄像头在环中的相机拍摄的图像B1与图像A1满足重合条件，则说明待标定相机与目标相机的外参相同，或更加接近，标定结果更加准确，进而使得基于标定后的相机获得的仿真结果也更加准确。

基于同一发明构思，本申请实施例中还提供了一种相机标定装置，该相机标定装置例如可以是前述实施例中的计算设备，该相机标定装置可以是硬件结构、软件模块、或硬件结构加软件模块。基于上述实施例，参阅图10所示，本申请实施例中相机标定装置，具体包括：

第一获取模块1000，用于获取基于目标相机的实际参数生成的标定图像；

第二获取模块1010，用于获取待标定相机拍摄标定图像而生成的拍摄图像；

生成模块1020，用于将标定图像和拍摄图像进行叠加，生成叠加图像，叠加图像用于反映标定图像和拍摄图像的重合度；

处理模块1030，用于基于叠加图像，调整待标定相机的待标定参数，直至叠加图像表征的重合度满足重合条件；

获得模块1040，用于获得标定完成后待标定相机的标定参数。

可选的，将标定图像和拍摄图像进行叠加，生成叠加图像时，生成模块1020具体用于：

将标定图像转换为第一梯度图，及将拍摄图像转换为第二梯度图；

分别将第一梯度图和第二梯度图中各相应坐标位置的像素值进行运算，获得叠加图像中各相应坐标位置的像素值。

可选的，将标定图像转换为第一梯度图，并将拍摄图像转换为第二梯度图时，生成模块1020具体用于：

将标定图像和拍摄图像分别转换为第一灰度图和第二灰度图；

根据第一灰度图生成第一梯度图，及根据第二灰度图生成第二梯度图。

可选的，进一步包括：确定模块1050用于确定标定图像和拍摄图像的重合度。

可选的，确定标定图像和拍摄图像的重合度时，确定模块1050具体用于：

分别确定标定图像和拍摄图像中的计算区域，并确定计算区域中包含的像素点的行数和列数；

分别将标定图像和拍摄图像中各相应坐标位置的像素值进行同或运算，并确定各相应坐标位置进行同或运算后的加和；

确定行数和列数的乘积；

根据加和以及乘积的比值，确定标定图像和拍摄图像的重合度。

可选的，计算区域为标定图像或拍摄图像的整个图像。

可选的，计算区域为标定图像或拍摄图像中的预划分区域。

可选的，处理模块1030还用于：展示重合度，以使基于重合度或结合重合度和叠加图像，调整待标定相机的待标定参数。

可选的，处理模块1030还用于：将所述叠加图像转换为二值图；展示所述二值图。

可选的，目标相机为实际车辆中的相机，则标定图像为带有车道线的图像。

可选的，实际参数和/或标定参数均为外部参数，外部参数至少包括在车辆坐标系中的位置和/或旋转角度。

可选的获取待标定相机拍摄标定图像而生成的拍摄图像时，第二获取模块1010具体用于：获取待标定相机在暗箱中拍摄标定图像而生成的拍摄图像。

基于上述实施例，参阅图11所示为本申请实施例中电子设备的结构示意图。

本申请实施例提供了一种电子设备，该电子设备可以包括处理器1110(CenterProcessing Unit，CPU)、存储器1120、输入设备1130和输出设备1140等。

存储器1120可以包括只读存储器(ROM)和随机存取存储器(RAM)，并向处理器1110提供存储器1120中存储的程序指令和数据。在本申请实施例中，存储器1120可以用于存储本申请实施例中任一种相机标定方法的程序。

处理器1110通过调用存储器1120存储的程序指令，处理器1110用于按照获得的程序指令执行本申请实施例中任一种相机标定方法。

基于上述实施例，本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意方法实施例中的相机标定方法。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims

1.一种相机标定方法，其特征在于，包括：

获取基于目标相机的实际参数生成的标定图像；

获取待标定相机拍摄所述标定图像而生成的拍摄图像；

获得标定完成后所述待标定相机的标定参数。

2.如权利要求1所述的方法，其特征在于，将所述标定图像和所述拍摄图像进行叠加，生成叠加图像，具体包括：

将所述标定图像转换为第一梯度图，及将所述拍摄图像转换为第二梯度图；

分别将所述第一梯度图和第二梯度图中各相应坐标位置的像素值进行运算，获得所述叠加图像中各相应坐标位置的像素值。

3.如权利要求2所述的方法，其特征在于，将所述标定图像转换为第一梯度图，并将所述拍摄图像转换为第二梯度图，具体包括：

将所述标定图像和所述拍摄图像分别转换为第一灰度图和第二灰度图；

根据所述第一灰度图生成所述第一梯度图，及根据所述第二灰度图生成所述第二梯度图。

4.如权利要求1所述的方法，其特征在于，进一步包括：

确定所述标定图像和所述拍摄图像的重合度。

5.如权利要求4所述的方法，其特征在于，确定所述标定图像和所述拍摄图像的重合度，具体包括：

分别确定所述标定图像和所述拍摄图像中的计算区域，并确定所述计算区域中包含的像素点的行数和列数；

分别将所述标定图像和所述拍摄图像中各相应坐标位置的像素值进行同或运算，并确定各相应坐标位置进行同或运算后的加和；

确定所述行数和列数的乘积；

根据所述加和以及所述乘积的比值，确定所述标定图像和所述拍摄图像的重合度。

6.如权利要求5所述的方法，其特征在于，所述计算区域为所述标定图像或所述拍摄图像的整个图像；或，

所述计算区域为所述标定图像或所述拍摄图像中的预划分区域。

7.如权利要求4-6任一项所述的方法，其特征在于，进一步包括：

展示所述重合度，以使基于所述重合度或结合所述重合度和所述叠加图像，调整所述待标定相机的待标定参数。

8.如权利要求1-3任一项所述的方法，其特征在于，进一步包括：

将所述叠加图像转换为二值图；

展示所述二值图。

9.如权利要求1所述的方法，其特征在于，所述目标相机为实际车辆中的相机，则所述标定图像为带有车道线的图像。

10.如权利要求1所述的方法，其特征在于，所述实际参数和/或所述标定参数均为外部参数，所述外部参数至少包括在车辆坐标系中的位置和/或旋转角度。

11.如权利要求1所述的方法，其特征在于，获取待标定相机拍摄所述标定图像而生成的拍摄图像，具体包括：

获取待标定相机在暗箱中拍摄所述标定图像而生成的拍摄图像。

12.一种相机标定装置，其特征在于，包括：

13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-11任一项所述方法的步骤。

14.一种计算机可读存储介质，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执行时实现权利要求1-11任一项所述方法的步骤。