CN112465917B - 镜头模组的畸变标定方法、系统、设备及存储介质 - Google Patents

镜头模组的畸变标定方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN112465917B
CN112465917B CN202011379814.2A CN202011379814A CN112465917B CN 112465917 B CN112465917 B CN 112465917B CN 202011379814 A CN202011379814 A CN 202011379814A CN 112465917 B CN112465917 B CN 112465917B
Authority
CN
China
Prior art keywords
distortion
module
optical center
calibration
target
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.)
Active
Application number
CN202011379814.2A
Other languages
English (en)
Other versions
CN112465917A (zh
Inventor
霍星
蔡进
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.)
Beijing Ziguang Zhanrui Communication Technology Co Ltd
Original Assignee
Beijing Ziguang Zhanrui Communication Technology Co Ltd
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 Beijing Ziguang Zhanrui Communication Technology Co Ltd filed Critical Beijing Ziguang Zhanrui Communication Technology Co Ltd
Priority to CN202011379814.2A priority Critical patent/CN112465917B/zh
Publication of CN112465917A publication Critical patent/CN112465917A/zh
Application granted granted Critical
Publication of CN112465917B publication Critical patent/CN112465917B/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种镜头模组的畸变标定方法、系统、设备及存储介质，所述畸变标定方法包括：选取一预设数量的目标模组；计算每个目标模组的畸变偏差，畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；剔除畸变偏差大于预设阈值的模组，并返回计算每个目标模组的畸变偏差的步骤，计算剔除后的目标模组中每个目标模组的更新畸变偏差；选取最小更新畸变偏差对应的目标模组作为典型模组；将典型模组的畸变标定参数作为畸变矫正参数；畸变矫正参数用于对任意镜头模组进行畸变矫正。基于小批量标定筛选出典型模组，将其标定参数应用到其他模组上，省去产线逐颗标定任务，同时兼顾生产效率和畸变矫正效果。

Description

镜头模组的畸变标定方法、系统、设备及存储介质
技术领域
本发明属于镜头模组的畸变标定领域，特别涉及一种镜头模组的畸变标定方法、系统、设备及存储介质。
背景技术
近几年随着超广角镜头在智能手机中应用的兴起，超广角模组的需求量也与日俱增，受模组厂生产等外部因素影响，每颗模组的性能可能会存在一定的差别，中高端模组通常采用OTP(动态口令)的方式校准这些差异。
OTP是sensor(传感器)厂家预留的一小块存储空间用来保存一些静态数据，使用方式取决于使用sensor开发产品的下游厂家，例如手机camera相机模组产线会对每颗模组都做一些参数标定或者修正，例如AWB、LSC、AF等，通常会把sensor info(传感器信息)、标定结果或者修正量写到sensor OTP(传感器动态口令)存储中，手机每次开机都从OTP中读取这些标定结果或者修正量，和量产软件中的固定参数相结合，就能得到比较不错的效果。
超广角模组镜头本身存在一些个体差异，想要获得最佳的畸变矫正效果，理论上需要对每一颗模组都要进行标定，但是，实际生产过程中，出货量较大的行业对生产效率有很高的要求和限制，逐颗标定的办法虽然在效果上有保障，但是会拖慢生产进度，对于竞争激烈和瞬息万变的手机市场，不利于手机厂商占得市场先机。
发明内容
本发明要解决的技术问题是为了克服现有技术中镜头模组的畸变标定无法兼顾大规模量产需求和高效高精度的缺陷，提供一种镜头模组的畸变标定方法、系统、设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题：
一种镜头模组的畸变标定方法，所述畸变标定方法包括：
选取一预设数量的目标模组；
计算每个目标模组的畸变偏差，所述畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；
剔除所述畸变偏差大于预设阈值的模组，并返回所述计算每个目标模组的畸变偏差的步骤，计算剔除后的目标模组中每个目标模组的更新畸变偏差；
选取最小更新畸变偏差对应的目标模组作为典型模组；
将所述典型模组的畸变标定参数作为畸变矫正参数；
所述畸变矫正参数用于对任意镜头模组进行畸变矫正。
较佳地，所述计算每个目标模组的畸变偏差的步骤具体包括：
对每个目标模组进行标定，得到畸变标定参数；
根据所述畸变标定参数获取每个目标模组的单一畸变矫正映射网格；所述单一畸变矫正映射网格为每个目标模组所拍摄图像中采样点进行畸变矫正后形成的坐标映射网格；
根据所述单一畸变矫正映射网格计算所有目标模组的平均畸变矫正映射网格；
根据所述单一畸变矫正映射网格和所述平均畸变矫正映射网格计算得到所述畸变偏差。
较佳地，每个目标模组的畸变标定参数包括相机内参矩阵，所述相机内参矩阵包括畸变标定光心，所述将所述典型模组的畸变标定参数作为畸变矫正参数的步骤之后，所述畸变标定方法还包括：
获取任意镜头模组的暗角标定光心；
根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值；
所述光心修正值用于对任意镜头模组的畸变标定光心进行修正。
较佳地，所述根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值的步骤具体包括：
计算所述典型模组的暗角标定光心与所述任意镜头模组的暗角标定光心的偏移量；
根据所述偏移量和所述典型模组的畸变标定光心得到所述光心修正值。
一种镜头模组的畸变标定系统，所述畸变标定系统包括：
目标选取模块，用于选取一预设数量的目标模组；
畸变偏差计算模块，用于计算每个目标模组的畸变偏差，所述畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；
剔除模块，用于剔除所述畸变偏差大于预设阈值的模组，并调用所述畸变偏差计算模块计算剔除后的目标模组中每个目标模组的更新畸变偏差；
典型模组选取模块，用于选取最小更新畸变偏差对应的目标模组作为典型模组；
畸变矫正模块，用于将所述典型模组的畸变标定参数作为畸变矫正参数，并基于所述畸变矫正参数对任意镜头模组进行畸变矫正。
较佳地，所述畸变偏差计算模块包括畸变参数标定单元、单一网格获取单元、平均网格计算单元和畸变偏差计算单元；
所述畸变参数标定单元用于对每个目标模组进行标定，得到畸变标定参数；
所述单一网格获取单元用于根据所述畸变标定参数获取每个目标模组的单一畸变矫正映射网格；所述单一畸变矫正映射网格为每个目标模组所拍摄图像中采样点进行畸变矫正后形成的坐标映射网格；
所述平均网格计算单元用于根据所述单一畸变矫正映射网格计算所有目标模组的平均畸变矫正映射网格；
所述畸变偏差计算单元用于根据所述单一畸变矫正映射网格和所述平均畸变矫正映射网格计算得到所述畸变偏差。
较佳地，每个目标模组的畸变标定参数包括相机内参矩阵，所述相机内参矩阵包括畸变标定光心，所述畸变标定系统还包括暗角光心获取模块和光心修正值获取模块；
所述暗角光心获取模块用于获取任意镜头模组的暗角标定光心；
所述光心修正值获取模块用于根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值；
所述光心修正值用于对任意镜头模组的畸变标定光心进行修正。
较佳地，所述光心修正值获取模块包括偏移量计算单元和光心修正值获取单元；
所述偏移量计算单元用于计算所述典型模组的暗角标定光心与所述任意镜头模组的暗角标定光心的偏移量；
所述光心修正值获取单元用于根据所述偏移量和所述典型模组的畸变标定光心得到所述光心修正值。
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计算机程序时实现上述的镜头模组的畸变标定方法。
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的镜头模组的畸变标定方法的步骤。
本发明的积极进步效果在于：本申请基于小批量的标定进行分析，筛选出典型模组(golden sample)，把典型模组的标定参数应用到其他模组上，提供了更完善的量产实施方案，通过筛选典型模组和限制模组，在大规模量产阶段应用典型模组的golden畸变矫正参数，省去产线对超广角模组的逐颗标定任务，能同时兼顾超广角模组生产效率和畸变矫正效果。
附图说明
图1为本发明实施例1的镜头模组的畸变标定方法的流程图。
图2为本发明实施例1的镜头模组的畸变标定方法中步骤20的流程图。
图3为本发明实施例2的镜头模组的畸变标定方法的流程图。
图4为本发明实施例2的镜头模组的畸变标定方法中步骤70的流程图。
图5为本发明实施例3的镜头模组的畸变标定系统的模块示意图。
图6为本发明实施例4的镜头模组的畸变标定系统的模块示意图。
图7为本发明实施例5的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种镜头模组的畸变标定方法，如图1所示，所述畸变标定方法包括：
步骤10、选取一预设数量的目标模组；实际应用中，为确保标定参数更见精准，目标模组的选取数量一般不少于200颗。
步骤20、计算每个目标模组的畸变偏差，然后执行步骤30；所述畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；
其中，如图2所示，步骤20具体包括：
步骤201、对每个目标模组进行标定，得到畸变标定参数；
本实施例中，超广角模组标定结果包含：相机内参矩阵和畸变系数：
相机内参矩阵：
Figure BDA0002808162790000051
畸变系数：distortion coefficients＝[k1 k2 p1 p2 k3]
fx和fy是焦距，一般情况下二者相等或者近似相等，决定成像的视场范围。cx和cy是畸变标定光心，镜头光学中心点在成像平面上的坐标，理想情况下应该与成像平面的几何中心点重合。
k1、k2、k3是径向畸变系数，径向畸变产生原因是光线在远离透镜中心的地方比靠近中心的地方更加弯曲，径向畸变主要包含桶形畸变和枕形畸变两种。光学中心位置的畸变为零，以光心为圆点沿着半径方向向边缘移动，畸变越来越严重。畸变的数学模型可以用光心周围的泰勒级数展开式的前几项进行描述：
xdistorted＝x(1+k1r2+k2r4+k3r6)
ydistorted＝y(1+k1r2+k2r4+k3r6)
p1、p2是切向畸变系数，切向畸变产生的原因是透镜不完全平行于图像平面，这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致。畸变模型可以用参数p1和p2来描述：
xdistorted＝x+[2p1y+p2(r2+2x2)]
ydistorted＝y+[2p2x+p1(r2+2y2)]
其中，r2＝x2+y2，(xdistorted,ydistorted)表示原始畸变图像上的像素坐标，(x,y)表示畸变矫正后的像素坐标。
步骤202、根据畸变标定参数获取每个目标模组的单一畸变矫正映射网格；所述单一畸变矫正映射网格为每个目标模组所拍摄图像中采样点进行畸变矫正后形成的坐标映射网格；
步骤203、根据单一畸变矫正映射网格计算所有目标模组的平均畸变矫正映射网格；
步骤204、根据单一畸变矫正映射网格和平均畸变矫正映射网格计算得到畸变偏差。
具体地，设小批量目标模组的数量为q，每颗模组的畸变矫正映射网格点的数量为m行n列，设第k颗模组在i行j列网格点储存的像素坐标为Gk(xi,j,k,yi,j,k)，则该批模组的平均畸变矫正映射网格Gm为：q颗模组在同一网格点坐标的平均值。
Figure BDA0002808162790000061
计算每颗模组畸变矫正映射网格与平均畸变矫正映射网格的畸变偏差：二者所有网格点坐标欧式距离的标准差。
Figure BDA0002808162790000071
步骤30、剔除畸变偏差大于预设阈值的模组，并计算剔除后的目标模组中每个目标模组的更新畸变偏差；具体的，完成首次偏差计算后，剔除的模组数量一般为整体数量的5％左右，目的是了排除一些分布在边缘的样本对均值的影响。
步骤40、选取最小更新畸变偏差对应的目标模组作为典型模组；
需要说明的是，使用剩余的模组再次计算平均畸变矫正映射网格和更新畸变偏差，并对更新畸变偏差排序，选择最小更新畸变偏差对应的模组为golden sample(典型模组)，也就是畸变矫正映射网格最接近平均映射网格的模组，该模组的畸变矫正网格处于所有畸变矫正网格的分布中心，使用其畸变标定参数作为畸变矫正参数，来最大程度的覆盖该批次模组的畸变矫正参数。
步骤50、将典型模组的畸变标定参数作为畸变矫正参数；所述畸变矫正参数用于对任意镜头模组进行畸变矫正。
需要说明的是，在获取到畸变矫正参数后，还需要基于畸变矫正参数对剔除的模组(Limit Sample限制模组)，这一小部分模组处于所有畸变矫正网格分布的边缘，与平均映射网格偏差较大，需要测试和分析其应用畸变矫正参数进行畸变矫正的效果，以提供给用户作为对比参考。
本实施例中，基于小批量的标定进行分析，筛选出典型模组(golden sample)，把典型模组的标定参数应用到其他模组上，提供了更完善的量产实施方案，通过筛选典型模组和限制模组，在大规模量产阶段应用典型模组的golden畸变矫正参数，省去产线对超广角模组的逐颗标定任务，能同时兼顾超广角模组生产效率和畸变矫正效果。
实施例2
本实施例是在实施例1的基础上进一步改进，径向畸变是光学镜头设计需要引起的，其特点是以光心为圆点沿着半径方向畸变越来越严重，而切向畸变系数是由制造工艺引起的，质量较好的模组此类畸变通常较小，由此可见，光心位置是否准确对于畸变矫正效果影响十分明显，如果光心的位置不准确，以光心为中心建立的坐标映射将不再准确，当应用畸变矫正参数对其他任意模组进行畸变矫正时，为了获得比较理想的畸变矫正效果，需要对光心的偏差进行修正。
本实施例中，每个目标模组的畸变标定参数包括相机内参矩阵，所述相机内参矩阵包括畸变标定光心，如图3所示，步骤50之后，所述畸变标定方法还包括：
步骤60、获取任意镜头模组的暗角标定光心；
步骤70、根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值；所述光心修正值用于对任意镜头模组的畸变标定光心进行修正。
其中，如图4所示，步骤70具体包括：
步骤701、计算所述典型模组的暗角标定光心与所述任意镜头模组的暗角标定光心的偏移量；
步骤702、根据所述偏移量和所述典型模组的畸变标定光心得到所述光心修正值。
需要说明的是，为修正光心偏差，本申请参考了lens shading(暗角)标定的光学中心。通常产线会对模组的lens shading进行逐颗标定来获得理想的lens shading矫正效果，其中就包含镜头的光学中心信息，这里称之为暗角标定光心。由于标定方法不同，lensshading标定的光心和畸变标定的光心可能存在一定的偏差，因此不能直接使用lensshading光心，同一种标定方案下，不同模组的光心偏差方向和大小是有参考意义的，因此本申请参考golden模组和其他任意模组lens shading光心的偏差，来对畸变矫正的光心参数进行相对修正。
另外，对Limit Sample应用其自身标定的畸变矫正参数和经过修正的畸变矫正参数分别做畸变矫正，并对畸变矫正效果进行主观和客观评价，并妥善保存该模组以及畸变矫正效果和评测结果，量产时作为技术说明提供给客户，表示该量产方案畸变矫正效果的最低限度保证。
需要说明的是，本申请中，在完成畸变矫正参数和光心修正值的获取后，再将其应用于大规模量产阶段，不再需要进行逐颗标定，可将修正后畸变矫正参数直接写入OTP，也可以在手机端由软件配置畸变矫正参数，同时，向客户提供限制模组的测试数据，给出畸变矫正效果预期。
实施例3
一种镜头模组的畸变标定系统，如图5所示，所述畸变标定系统包括：
目标选取模块1，用于选取一预设数量的目标模组；实际应用中，为确保标定参数更见精准，目标模组的选取数量一般不少于200颗。
畸变偏差计算模块2，用于计算每个目标模组的畸变偏差，所述畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；
剔除模块3，用于剔除所述畸变偏差大于预设阈值的模组，并调用所述畸变偏差计算模块2计算剔除后的目标模组中每个目标模组的更新畸变偏差；具体的，完成首次偏差计算后，剔除的模组数量一般为整体数量的5％左右，目的是了排除一些分布在边缘的样本对均值的影响。
典型模组选取模块4，用于选取最小更新畸变偏差对应的目标模组作为典型模组；
需要说明的是，使用剩余的模组再次计算平均畸变矫正映射网格和更新畸变偏差，并对更新畸变偏差排序，选择最小更新畸变偏差对应的模组为golden sample(典型模组)，也就是畸变矫正映射网格最接近平均映射网格的模组，该模组的畸变矫正网格处于所有畸变矫正网格的分布中心，使用其畸变标定参数作为畸变矫正参数，来最大程度的覆盖该批次模组的畸变矫正参数。
畸变矫正模块5，用于将所述典型模组的畸变标定参数作为畸变矫正参数，并基于所述畸变矫正参数对任意镜头模组进行畸变矫正。
需要说明的是，在获取到畸变矫正参数后，还需要基于畸变矫正参数对剔除的模组(Limit Sample限制模组)，这一小部分模组处于所有畸变矫正网格分布的边缘，与平均映射网格偏差较大，需要测试和分析其应用畸变矫正参数进行畸变矫正的效果，以提供给用户作为对比参考。其中，参见图5，所述畸变偏差计算模块2包括畸变参数标定单元21、单一网格获取单元22、平均网格计算单元23和畸变偏差计算单元24；
所述畸变参数标定单元21用于对每个目标模组进行标定，得到畸变标定参数；具体的，超广角模组标定结果包含：相机内参矩阵和畸变系数：
所述单一网格获取单元22用于根据所述畸变标定参数获取每个目标模组的单一畸变矫正映射网格；所述单一畸变矫正映射网格为每个目标模组所拍摄图像中采样点进行畸变矫正后形成的坐标映射网格；
所述平均网格计算单元23用于根据所述单一畸变矫正映射网格计算所有目标模组的平均畸变矫正映射网格；
所述畸变偏差计算单元24用于根据所述单一畸变矫正映射网格和所述平均畸变矫正映射网格计算得到所述畸变偏差。
具体地，设小批量目标模组的数量为q，每颗模组的畸变矫正映射网格点的数量为m行n列，设第k颗模组在i行j列网格点储存的像素坐标为Gk(xi,j,k,yi,j,k)，则该批模组的平均畸变矫正映射网格Gm为：q颗模组在同一网格点坐标的平均值。
Figure BDA0002808162790000101
计算每颗模组畸变矫正映射网格与平均畸变矫正映射网格的畸变偏差：二者所有网格点坐标欧式距离的标准差。
Figure BDA0002808162790000111
本实施例中，基于小批量的标定进行分析，筛选出典型模组(golden sample)，把典型模组的标定参数应用到其他模组上，提供了更完善的量产实施方案，通过筛选典型模组和限制模组，在大规模量产阶段应用典型模组的golden畸变矫正参数，省去产线对超广角模组的逐颗标定任务，能同时兼顾超广角模组生产效率和畸变矫正效果。
实施例4
本实施例是在实施例3的基础上进一步改进，径向畸变是光学镜头设计需要引起的，其特点是以光心为圆点沿着半径方向畸变越来越严重，而切向畸变系数是由制造工艺引起的，质量较好的模组此类畸变通常较小，由此可见，光心位置是否准确对于畸变矫正效果影响十分明显，如果光心的位置不准确，以光心为中心建立的坐标映射将不再准确，当应用畸变矫正参数对其他任意模组进行畸变矫正时，为了获得比较理想的畸变矫正效果，需要对光心的偏差进行修正。
本实施例中，每个目标模组的畸变标定参数包括相机内参矩阵，所述相机内参矩阵包括畸变标定光心，如图6所示，所述畸变标定系统还包括暗角光心获取模块6和光心修正值获取模块7；
所述暗角光心获取模块6用于获取任意镜头模组的暗角标定光心；
所述光心修正值获取模块7用于根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值；
所述光心修正值用于对任意镜头模组的畸变标定光心进行修正。
其中，所述光心修正值获取模块7包括偏移量计算单元71和光心修正值获取单元72；
所述偏移量计算单元71用于计算所述典型模组的暗角标定光心与所述任意镜头模组的暗角标定光心的偏移量；
所述光心修正值获取单元72用于根据所述偏移量和所述典型模组的畸变标定光心得到所述光心修正值。
需要说明的是，为修正光心偏差，本申请参考了lens shading(暗角)标定的光学中心。通常产线会对模组的lens shading进行逐颗标定来获得理想的lens shading矫正效果，其中就包含镜头的光学中心信息，这里称之为暗角标定光心。由于标定方法不同，lensshading标定的光心和畸变标定的光心可能存在一定的偏差，因此不能直接使用lensshading光心，同一种标定方案下，不同模组的光心偏差方向和大小是有参考意义的，因此本申请参考golden模组和其他random模组lens shading光心的偏差，来对畸变矫正的光心参数进行相对修正。
另外，对Limit Sample应用其自身标定的畸变矫正参数和经过修正的畸变矫正参数分别做畸变矫正，并对畸变矫正效果进行主观和客观评价，并妥善保存该模组以及畸变矫正效果和评测结果，量产时作为技术说明提供给客户，表示该量产方案畸变矫正效果的最低限度保证。
需要说明的是，本申请中，在完成畸变矫正参数和光心修正值的获取后，再将其应用于大规模量产阶段，不再需要进行逐颗标定，可将修正后畸变矫正参数直接写入OTP，也可以在手机端由软件配置畸变矫正参数，同时，向客户提供限制模组的测试数据，给出畸变矫正效果预期。
实施例5
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计算机程序时实现实施例1或2所述的镜头模组的畸变标定方法。
图7为本实施例提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性电子设备90的框图。图7显示的电子设备90仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备90可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备90的组件可以包括但不限于：至少一个处理器91、至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93包括数据总线、地址总线和控制总线。
存储器92可以包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理。
电子设备90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备90还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备90的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1或2所述的镜头模组的畸变标定方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1或2所述的镜头模组的畸变标定方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种镜头模组的畸变标定方法，其特征在于，所述畸变标定方法包括：
选取一预设数量的目标模组；
计算每个目标模组的畸变偏差，所述畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；
剔除所述畸变偏差大于预设阈值的模组，并返回所述计算每个目标模组的畸变偏差的步骤，计算剔除后的目标模组中每个目标模组的更新畸变偏差；
选取最小更新畸变偏差对应的目标模组作为典型模组；
将所述典型模组的畸变标定参数作为畸变矫正参数；
所述畸变矫正参数用于对任意镜头模组进行畸变矫正。
2.如权利要求1所述的镜头模组的畸变标定方法，其特征在于，所述计算每个目标模组的畸变偏差的步骤具体包括：
对每个目标模组进行标定，得到畸变标定参数；
根据所述畸变标定参数获取每个目标模组的单一畸变矫正映射网格；所述单一畸变矫正映射网格为每个目标模组所拍摄图像中采样点进行畸变矫正后形成的坐标映射网格；
根据所述单一畸变矫正映射网格计算所有目标模组的平均畸变矫正映射网格；
根据所述单一畸变矫正映射网格和所述平均畸变矫正映射网格计算得到所述畸变偏差。
3.如权利要求1所述的镜头模组的畸变标定方法，其特征在于，每个目标模组的畸变标定参数包括相机内参矩阵，所述相机内参矩阵包括畸变标定光心，所述将所述典型模组的畸变标定参数作为畸变矫正参数的步骤之后，所述畸变标定方法还包括：
获取任意镜头模组的暗角标定光心；
根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值；
所述光心修正值用于对任意镜头模组的畸变标定光心进行修正。
4.如权利要求3所述的镜头模组的畸变标定方法，其特征在于，所述根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值的步骤具体包括：
计算所述典型模组的暗角标定光心与所述任意镜头模组的暗角标定光心的偏移量；
根据所述偏移量和所述典型模组的畸变标定光心得到所述光心修正值。
5.一种镜头模组的畸变标定系统，其特征在于，所述畸变标定系统包括：
目标选取模块，用于选取一预设数量的目标模组；
畸变偏差计算模块，用于计算每个目标模组的畸变偏差，所述畸变偏差用于表征每个目标模组的畸变矫正映射网格与所有目标模组的平均畸变矫正映射网格的偏差；
剔除模块，用于剔除所述畸变偏差大于预设阈值的模组，并调用所述畸变偏差计算模块计算剔除后的目标模组中每个目标模组的更新畸变偏差；
典型模组选取模块，用于选取最小更新畸变偏差对应的目标模组作为典型模组；
畸变矫正模块，用于将所述典型模组的畸变标定参数作为畸变矫正参数，并基于所述畸变矫正参数对任意镜头模组进行畸变矫正。
6.如权利要求5所述的镜头模组的畸变标定系统，其特征在于，所述畸变偏差计算模块包括畸变参数标定单元、单一网格获取单元、平均网格计算单元和畸变偏差计算单元；
所述畸变参数标定单元用于对每个目标模组进行标定，得到畸变标定参数；
所述单一网格获取单元用于根据所述畸变标定参数获取每个目标模组的单一畸变矫正映射网格；所述单一畸变矫正映射网格为每个目标模组所拍摄图像中采样点进行畸变矫正后形成的坐标映射网格；
所述平均网格计算单元用于根据所述单一畸变矫正映射网格计算所有目标模组的平均畸变矫正映射网格；
所述畸变偏差计算单元用于根据所述单一畸变矫正映射网格和所述平均畸变矫正映射网格计算得到所述畸变偏差。
7.如权利要求5所述的镜头模组的畸变标定系统，其特征在于，每个目标模组的畸变标定参数包括相机内参矩阵，所述相机内参矩阵包括畸变标定光心，所述畸变标定系统还包括暗角光心获取模块和光心修正值获取模块；
所述暗角光心获取模块用于获取任意镜头模组的暗角标定光心；
所述光心修正值获取模块用于根据所述任意镜头模组的暗角标定光心、所述典型模组的暗角标定光心和所述典型模组的畸变标定光心获取光心修正值；
所述光心修正值用于对任意镜头模组的畸变标定光心进行修正。
8.如权利要求7所述的镜头模组的畸变标定系统，其特征在于，所述光心修正值获取模块包括偏移量计算单元和光心修正值获取单元；
所述偏移量计算单元用于计算所述典型模组的暗角标定光心与所述任意镜头模组的暗角标定光心的偏移量；
所述光心修正值获取单元用于根据所述偏移量和所述典型模组的畸变标定光心得到所述光心修正值。
9.一种电子设备，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计算机程序时实现权利要求1至4任一项所述的镜头模组的畸变标定方法。
10.一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，所述程序被处理器执行时实现权利要求1至4任一项所述的镜头模组的畸变标定方法的步骤。
CN202011379814.2A 2020-11-30 2020-11-30 镜头模组的畸变标定方法、系统、设备及存储介质 Active CN112465917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011379814.2A CN112465917B (zh) 2020-11-30 2020-11-30 镜头模组的畸变标定方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011379814.2A CN112465917B (zh) 2020-11-30 2020-11-30 镜头模组的畸变标定方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112465917A CN112465917A (zh) 2021-03-09
CN112465917B true CN112465917B (zh) 2023-02-28

Family

ID=74805104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011379814.2A Active CN112465917B (zh) 2020-11-30 2020-11-30 镜头模组的畸变标定方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112465917B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113542615B (zh) * 2021-06-24 2022-08-23 横店集团东磁有限公司 一种提高摄像头在终端效果一致性的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016065632A1 (zh) * 2014-10-31 2016-05-06 华为技术有限公司 一种图像处理方法和设备
CN105991986A (zh) * 2015-02-17 2016-10-05 百辰光电股份有限公司 相机模块校正方法及其系统
CN111429533A (zh) * 2020-06-15 2020-07-17 上海海栎创微电子有限公司 一种相机镜头畸变参数估计装置及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016065632A1 (zh) * 2014-10-31 2016-05-06 华为技术有限公司 一种图像处理方法和设备
CN105991986A (zh) * 2015-02-17 2016-10-05 百辰光电股份有限公司 相机模块校正方法及其系统
CN111429533A (zh) * 2020-06-15 2020-07-17 上海海栎创微电子有限公司 一种相机镜头畸变参数估计装置及方法

Also Published As

Publication number Publication date
CN112465917A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
US6538691B1 (en) Software correction of image distortion in digital cameras
CN107767422B (zh) 一种鱼眼镜头的校正方法、装置及便携式终端
CN109345467B (zh) 成像畸变校正方法、装置、计算机设备及存储介质
US9628684B2 (en) Light-field aberration correction
US7965325B2 (en) Distortion-corrected image generation unit and distortion-corrected image generation method
CN108961184B (zh) 一种深度图像的校正方法、装置及设备
EP3896873A1 (en) Field intensity prediction method and apparatus, and device and storage medium
CN110595630B (zh) 基于探测器温度的多点非均匀校正的方法
WO2020097851A1 (zh) 一种图像处理方法、控制终端及存储介质
CN107911680A (zh) 投影设备校正方法、装置及投影设备
CN112422960B (zh) 摄像头模组的偏移估算方法及装置、存储介质、终端
CN112465917B (zh) 镜头模组的畸变标定方法、系统、设备及存储介质
CN109727292B (zh) 基于多摄像头-投影仪的互动投影系统及自动化标定方法
CN116012241A (zh) 图像畸变校正方法、装置、计算机设备和存储介质
CN112734859A (zh) 摄像模组参数的标定方法及装置、电子设备、存储介质
CN116614620B (zh) 一种高像素光学镜头组装设备及控制方法
CN101815156A (zh) 二维检流计式扫描器中图像失真校正数据的生成方法
CN112598751A (zh) 标定方法及装置、终端和存储介质
CN109781342A (zh) 气压计校准方法及装置
CN115797468A (zh) 一种鱼眼摄像头安装高度的自动校正方法、装置以及设备
CN113962877A (zh) 一种像素畸变的校正方法、校正装置及终端
CN114897990A (zh) 一种基于神经网络的相机畸变标定方法、系统和存储介质
KR20230002630A (ko) 교정 방법, 교정 장치 및 이를 이용한 전자 장치
CN110866956A (zh) 一种机器人标定方法及终端
CN109325945A (zh) 图像处理方法、装置、电子设备及储存介质

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