CN112734858B - 一种双目标定精度在线检测方法及装置 - Google Patents

一种双目标定精度在线检测方法及装置 Download PDF

Info

Publication number
CN112734858B
CN112734858B CN202110025289.2A CN202110025289A CN112734858B CN 112734858 B CN112734858 B CN 112734858B CN 202110025289 A CN202110025289 A CN 202110025289A CN 112734858 B CN112734858 B CN 112734858B
Authority
CN
China
Prior art keywords
characteristic point
binocular
error
basic matrix
point pairs
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
CN202110025289.2A
Other languages
English (en)
Other versions
CN112734858A (zh
Inventor
宋堃
安向京
胡庭波
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.)
Changsha Xingshen Intelligent Technology Co Ltd
Original Assignee
Changsha Xingshen Intelligent 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 Changsha Xingshen Intelligent Technology Co Ltd filed Critical Changsha Xingshen Intelligent Technology Co Ltd
Priority to CN202110025289.2A priority Critical patent/CN112734858B/zh
Publication of CN112734858A publication Critical patent/CN112734858A/zh
Application granted granted Critical
Publication of CN112734858B publication Critical patent/CN112734858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85Stereo camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features

Landscapes

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

Abstract

本发明公开一种双目标定精度在线检测方法及装置,该方法步骤包括:S1.分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对双目图像提取出的特征点进行匹配,得到多个特征点对;S2.从多个特征点对中筛选出部分特征点对作为目标特征点对;S3.计算各目标特征点对的基础矩阵,并根据各目标特征点对的基础矩阵计算用于评估当前双目摄像头标定精度的误差评估参数;S4.使用得到的误差评估参数评估待测双目摄像头的标定精度。本发明能够实现双目摄像头标定精度实时在线检测,具有实现方法简单、成本低、检测效率以及精度高等优点。

Description

一种双目标定精度在线检测方法及装置
技术领域
本发明涉及摄像头精度检测评估技术领域,尤其涉及一种双目标定精度在线检测方法及装置。
背景技术
双目标定是指通过测定得到双目摄像头之间的相对旋转、平移关系,而相对旋转、平移量即为双目摄像头的外部参数(外参)。标定精度估计的实质即是估计不同摄像头之间的位置关系与预先估计值是否发生了偏差。如图1所示,C1、C2分别表示两个不同的相机坐标系,当已知C1、C2之间的位置关系,再根据外部三维空间一点P落在左目成像平面上的点P1的坐标、落在右目成像平面上的点P2的坐标,构建相似三角形ΔPC1C2,ΔPP1P2;由此计算出P点的位置。当C1、C2之间的真实位置关系与预先测量值存在偏差时,由上述方法测量得到三维空间点P的坐标也会存在偏差。
双目摄像头工作的许多场景需要事先知道摄像头之间的位置关系,双目摄像头在长时间使用后,双目由于震荡、温度改变、跌落等情况,也会使得相机外参发生变化,当变化累积到一定程度,则会影响其完成某些视觉任务(如三维重建,高精度地图、体积测量)。
针对于双目摄像头的标定,目前通常是采用定期离线标定的方式,即在摄像头出厂前或使用一定时间后采用离线标定的方式进行标定,标定完成后不再关注摄像头的标定精度问题。通常在摄像头首次出厂标定时,标定精度较高,而后随着使用时间的增长,摄像头之间的位置关系逐渐发生变化,相应的标定精度会逐渐下降。该标定精度的改变无法直观观测到,下降速度可能与双目摄像头的固定方式、固定材质等多种因素有关,如塑料材料固定比金属材料固定更容易变形。传统的定期离线标定方式就不能实时获取摄像头的标定精度状态,当摄像头外参发生变化时,无法及时的发现该变化情况,致使影响摄像功能。因此,亟需提供一种双目标定精度在线检测方法,以使得能够实时在线检测双目标定的精度、实时估计双目外参的误差,从而评估是否需要对外参进行重新标定等。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现方法简单、成本低、检测效率以及精度高的种双目标定精度在线检测方法及装置,能够实时在线检测双目标定的精度、实时估计双目外参的误差,进而实时、准确的评估是否需要对外参进行重新标定。
为解决上述技术问题,本发明提出的技术方案为:
一种双目标定精度在线检测方法,步骤包括:
S1.特征点提取匹配:分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对所述双目图像提取出的特征点进行匹配,得到多个特征点对;
S2.特征点对筛选:从多个特征点对中筛选出部分特征点对作为目标特征点对;
S3.误差评估参数计算:计算各目标特征点对的基础矩阵,并综合计算得到的各所述基础矩阵得到用于评估当前双目摄像头标定精度的误差评估参数;
S4.标定精度评估:使用得到的所述误差评估参数评估待测双目摄像头的标定精度。
进一步的,所述步骤S2的步骤包括:
S21.特征点对分组:取全部或部分特征点对进行分组,得到多组特征点对;
S22.误差能量计算:分别计算各组特征点对中每个特征点对的基础矩阵,并根据各所述基础矩阵计算各组特征点对的基础矩阵误差能量;
S23.特征点对筛选:根据各组特征点对的所述基础矩阵误差能量筛选出目标特征点对。
进一步的,所述步骤S21中,采用随机方式选取出部分特征点进行分组。
进一步的,所述步骤S23中,取所述基础矩阵误差能量最小的一组或两组以上的特征点对作为目标特征点对。
进一步的,所述步骤S3中,以各目标特征点对作为样本计算基础矩阵误差能量,并将所述基础矩阵误差能量作为所述误差评估参数。
进一步的,所述步骤S4中,获取待测双目摄像头多次对同一位置图像检测得到的所述误差评估参数并计算统计值得到最终的误差评估参数,使用所述最终的误差评估参数评估待测双目摄像头的标定精度。
进一步的,所述步骤S4中,当判断到所述误差评估参数符合预设条件时,判定需要重新进行标定,输出判定结果,否则返回步骤S1。
一种双目标定精度在线检测装置,包括:
特征点提取匹配模块,用于分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对所述双目图像提取出的特征点进行匹配,得到多个特征点对;
特征点对筛选模块,用于从多个特征点对中筛选出部分特征点对作为目标特征点对;
误差评估参数计算模块,用于计算各目标特征点对的基础矩阵,并综合计算得到的各所述基础矩阵得到用于评估当前双目摄像头标定精度的误差评估参数;
标定精度评估模块,用于根据得到的所述误差评估参数评估待测双目摄像头的标定精度。
进一步的,所述特征点对筛选模块包括:
特征点对分组单元,用于取全部或部分特征点对进行分组,得到多组特征点对;
误差能量计算单元,用于分别计算各组特征点对中每个特征点对的基础矩阵,并根据各所述基础矩阵计算各组特征点对的基础矩阵误差能量;
特征点对筛选单元,用于使用各组特征点对的所述基础矩阵误差能量筛选出目标特征点对。
一种双目标定精度在线检测装置,包括处理器以及存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,所述处理器用于执行所述计算机程序,以执行如上述方法。
与现有技术相比,本发明的优点在于:
1、本发明通过获取双目图像进行特征点提取以及匹配后,基于特征点对的基础矩阵来计算评估双目摄像头标定精度的误差评估参数,能够充分利用基础矩阵准确的表征双目图像之间像素点与摄像头相对旋转平移量之间的关系,无需异质传感器等额外检测设备即可实现双目标定精度的在线检测,且相比于离线标定方式,能够实时检测估计出双目外参精度,从而实时评估是否需要对双目摄像头外参进行重新标定,在双目外参发生变化时能够及时发现该变化状态,实时确保双目摄像头的标定精度。
2、本发明进一步通过将提取的特征点对先进行分组,对每组特征点对计算对应的基础矩阵误差向量,利用基础矩阵误差向量进行目标特征点对筛选,可以筛选出能够准确表征双目图像之间对应关系的有效特征点,从而进一步确保标定精度评估的精度。
3、本发明进一步在筛选出目标特征点对后,通过以目标特征点对为样本计算基础矩阵误差能量,由计算得到的基础矩阵误差能量作为误差评估参数,可以利用基础矩阵误差向量的特性,快速、高效的评估双目摄像头的标定精度。
附图说明
图1是双目测距的原理示意图。
图2是本实施例双目标定精度在线检测方法的实现流程示意图。
图3在具体应用实施例中双目图像进行特征点提取以及匹配的结果示意图。
图4是在具体应用实施例中计算误差评估参数的详细流程示意图。
图5是在具体应用实施例中得到的双目外参误差随时间变化的曲线结果示意图。
图6是具体应用实施例中对双目外参误差随时间变化曲线进行分析的曲线结果示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图2所示,本实施例双目标定精度在线检测方法的步骤包括:
S1.特征点提取匹配:分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对双目图像提取出的特征点进行匹配,得到多个特征点对;
S2.特征点对筛选:从多个特征点对中筛选出部分特征点对作为目标特征点对;
S3.误差评估参数计算:计算各目标特征点对的基础矩阵,并综合计算得到的各基础矩阵得到用于评估当前双目摄像头标定精度的误差评估参数;
S4.标定精度评估:使用得到的误差评估参数评估待测双目摄像头的标定精度。
基础矩阵(Fundamental matrix)F即为一个表达立体像对的像点之间对应关系的矩阵。假设两个平行放置的摄像头中,位于左边的摄像头称为左目,位于右边的摄像头称为右目,分别由左、右目图像提取特征点并匹配。假设左目提取的特征点在图像坐标系下的坐标为(ul,vl),右目特征点对应坐标为(ur,vr),则基础矩阵表达式即为:
Figure BDA0002890035550000041
其中,
Figure BDA0002890035550000042
分别为左、右目的内参矩阵,R是旋转矩阵,t是平移矩阵,R、t分别表示双目摄像头之间的位置关系。
令pl=(ul,vl,1),pr=(ur,vr,1)T,若双目摄像头之间的外参精度高,则应当满足:plFpr=0。即由基础矩阵能够充分利用双目图像之间的像素点与摄像头相对旋转平移量之间的关系表征双目摄像头外参之间的对应关系。
本实施例通过获取双目图像进行特征点提取以及匹配后,基于特征点对的基础矩阵来计算评估双目摄像头标定精度的误差评估参数,能够充分利用基础矩阵准确的表征双目图像之间像素点与摄像头相对旋转平移量之间的关系,无需异质传感器等额外检测设备即可实现双目标定精度的在线检测,且相比于离线标定方式,能够实时检测估计出双目外参精度,从而实时评估是否需要对双目摄像头外参进行重新标定,在双目外参发生变化时能够及时发现该变化状态,实时确保双目摄像头的标定精度。
本实施例步骤S1具体基于角点提取匹配方法提取出双目图像中的特征点并进行特征点匹配,特征点提取方法以及特征点之间的匹配方法具体可根据实际需求选择。在具体应用实施例中,对双目图像进行特征点提取以及匹配的结果如图3所示。
由于特征点提取匹配过程中可能会存在较大的不确定性,这个过程出错可能会引入误差。为避免此误差对标定精度评估的影响,本实施例进一步由步骤S2对特征点对进行筛选以进行优化,然后由步骤S3对筛选出的目标特征点对基于基础矩阵计算出误差评估参数。
本实施例中步骤S2的具体步骤包括:
S21.特征点对分组:取全部或部分特征点对进行分组,得到多组特征点对;
S22.误差能量计算:分别计算各组特征点对中每个特征点对的基础矩阵,并根据各基础矩阵计算各组特征点对的基础矩阵误差能量;
S23.特征点对筛选:根据各组特征点对的基础矩阵误差能量筛选出目标特征点对。
当双目摄像头之间的旋转平移量与上一次标定所得旋转平移量出现一定偏差时,式plFpr将不为0,由此可得基础矩阵误差向量,基础矩阵误差向量即为基础矩阵之间的偏差向量,由基础矩阵误差向量可准确表征双目图像的像点之间的偏差量。本实施例通过将提取的特征点对先进行分组,然后对每组特征点对计算对应的基础矩阵误差向量,利用基础矩阵误差向量进行目标特征点对筛选,可以筛选出能够准确表征双目图像之间对应关系的有效特征点,从而进一步确保标定精度评估的精度。
本实施例具体定义基础矩阵误差向量Errfund为:
Figure BDA0002890035550000051
其中,n为左右目匹配上特征点对的个数,E为基础矩阵,
Figure BDA0002890035550000052
[xl,yl]代表左目第k个特征点的像素坐标,[xr,yr]代表右目第k个特征点的二维像素坐标。
在具体应用实施例中,计算基础矩阵误差能量时,先将每个特征点对代入基础矩阵E中,按照式(2)求得的值再求平均后,即得到维度为3×1的基础矩阵误差向量Errfund,然后将向量中的三个元素相加,所得结果即为最终的基础矩阵误差能量。
在具体应用实施例中,上述步骤S21中采用随机方式选取出部分特征点进行分组。也可以根据实际需求采用其他方式选取出部分特征点对,甚至可以直接取全部的特征点对进行分组。
在具体应用实施例中,上述步骤S23中先对各组特征点对按照基础矩阵误差能量的大小进行排序,排序后取基础矩阵误差能量最小的一组或两组以上的特征点对作为目标特征点对。可以理解的是,当然也可以根据实际需求直接取基础矩阵误差能量小于预设阈值或满足预设条件的特征点对作为目标特征点对。
本实施例步骤S3中,以各目标特征点对作为样本计算基础矩阵误差能量,并将基础矩阵误差能量作为误差评估参数。由基础矩阵误差向量可准确表征双目图像的像点之间的偏差量,本实施例利用基础矩阵误差向量的该特性,在筛选出目标特征点对后,通过以目标特征点对为样本计算基础矩阵误差能量,由计算得到的基础矩阵误差能量作为误差评估参数,可以快速、高效的评估双目摄像头的标定精度。
在具体应用实施例中,如图4所示,误差评估参数的详细计算流程为:
步骤1:分别提取双目图像中的特征点若干个(具体取大于300)并匹配;
步骤2:特征点对分组。
随机取多个特征点对分成一组,形成多个特征点对组,其中允许一对特征点被分到不同的组。
步骤3:计算误差能量。
计算每一组特征点对的基础矩阵误差能量。
步骤4:生成在线特征点列表inliner。
将每一组的基础矩阵误差能量排序,取基础矩阵误差能量最小的多组特征点对中所有特征点对(重复的特征点对只保留一个)作为目标特征点对,并放入在线特征点列表inliner中。
步骤5:计算inliner列表的误差能量。
以inliner列表中的特征点对为样本,计算基础矩阵误差能量,由该基础矩阵误差能量即作为当前双目外参精度的误差估计参数Errorestimate
本实施例步骤S4中,获取待测双目摄像头多次对同一位置图像检测得到的误差评估参数并计算统计值得到最终的误差评估参数,使用最终的误差评估参数评估待测双目摄像头的标定精度。
在使用过程中,不同的相机成像质量不同,会导致算出来的外参估计误差不一样。同一双目相机两个摄像头的位置没有发生变化,进行多次重复计算外参估计误差Errorestimate时,受测量误差的影响,所得的结果应在一定范围内波动。当摄像头成像质量越高,摄像头的固定材料越好,参数估计误差Errorestimate的波动则越小。
在具体应用实施例中得到的双目外参误差随时间变化的曲线结果如图5所示,其中横轴表示双目摄像头的使用时间,纵轴是双目外参误差,上侧线条表示低质量的双目摄像头,下侧线条代表高质量的双目摄像头。由图5可见,低质量的双目摄像头随着使用时间的增长,外参估计误差Errorestimate迅速增长;而高质量的双目摄像头随着使用时间的增长,外参估计误差Errorestimate有所增长,但增长幅度较小,且曲线波动的范围也较小。对图5中高质量双目摄像头的外参估计误差Errorestimate进行分析,如图6所示,上侧曲线为上限,下侧曲线为下限,即外参估计误差虽然在波动,但波动范围会有一定的上、下限,则通过多次采样求统计参数,可以估计外参精度下降的情况。
为避免测量误差的影响,本实施例具体按照上述步骤重复检测多次,得到多个误差估计参数Errorestimated,然后再取各误差估计参数Errorestimate的平均值与方差作为最终的误差估计参数,计算公式如下所示。由最终的误差估计参数评估双目摄像头的标定精度,以降低测量误差的影响,进一步提高检测精度。
Figure BDA0002890035550000071
Figure BDA0002890035550000072
之后每使用一段时间,重新统计外参估计误差均值及方差,当重新估计的均值大于预设均值的k1倍和/或重新估计的方差大于出厂方差的k2倍时,则认为需要标定精度已经严重下降,需要重新进行标定。上述k1、k2均可以根据实际需求确定。
本实施例步骤S4中,当判断到误差评估参数符合预设条件时,判定需要重新进行标定,输出判定结果,否则返回步骤S1,使得可以实现双目标定精度的实时在线检测。
本实施例双目标定精度在线检测装置包括:
特征点提取匹配模块,用于分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对双目图像提取出的特征点进行匹配,得到多个特征点对;
特征点对筛选模块,用于从多个特征点对中筛选出部分特征点对作为目标特征点对;
误差评估参数计算模块,用于计算各目标特征点对的基础矩阵,并综合计算得到的各基础矩阵得到用于评估当前双目摄像头标定精度的误差评估参数;
标定精度评估模块,用于使用得到的误差评估参数评估待测双目摄像头的标定精度。
本实施例中,特征点对筛选模块包括:
特征点对分组单元,用于取全部或部分特征点对进行分组,得到多组特征点对;
误差能量计算单元,用于分别计算各组特征点对中每个特征点对的基础矩阵,并根据各基础矩阵计算各组特征点对的基础矩阵误差能量;
特征点对筛选单元,用于根据各组特征点对的基础矩阵误差能量筛选出目标特征点对。
本实施例中,误差评估参数计算模块具体以各目标特征点对作为样本计算基础矩阵误差能量,并将基础矩阵误差能量作为误差评估参数。
本实施例中,标定精度评估模块获取待测双目摄像头多次对同一位置图像检测得到的误差评估参数并计算统计值得到最终的误差评估参数,使用最终的误差评估参数评估待测双目摄像头的标定精度。
本实施例中,标定精度评估模块当判断到误差评估参数符合预设条件时,判定需要重新进行标定,输出判定结果,否则返回执行特征点提取匹配模块。
本实施例双目标定精度在线检测装置与上述双目标定精度在线检测方法为一一对应,在此不再一一赘述。
在另一实施例中,本发明双目标定精度在线检测装置还可以为:包括处理器以及存储器,存储器用于存储计算机程序,处理器用于执行计算机程序,处理器用于执行计算机程序,以执行上述双目标定精度在线检测方法。
本发明可以适用于双目摄像头中进行标定精度检测估计,还可以基于相同原理适用于三目或以上摄像头中进行标定精度的检测估计。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。

Claims (9)

1.一种双目标定精度在线检测方法,其特征在于,步骤包括:
S1.特征点提取匹配:分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对所述双目图像提取出的特征点进行匹配,得到多个特征点对;
S2.特征点对筛选:从多个特征点对中筛选出部分特征点对作为目标特征点对;
S3.误差评估参数计算:计算各目标特征点对的基础矩阵,并综合计算得到的各所述基础矩阵得到用于评估当前双目摄像头标定精度的误差评估参数;
S4.标定精度评估:使用得到的所述误差评估参数评估待测双目摄像头的标定精度;
所述步骤S3中,以各目标特征点对作为样本计算基础矩阵误差能量,并将所述基础矩阵误差能量作为所述误差评估参数;将基础矩阵误差向量中的元素相加,所得结果即为所述基础矩阵误差能量,所述基础矩阵误差向量为基础矩阵之间的偏差向量。
2.根据权利要求1所述的双目标定精度在线检测方法,其特征在于,所述步骤S2的步骤包括:
S21.特征点对分组:取全部或部分特征点对进行分组,得到多组特征点对;
S22.误差能量计算:分别计算各组特征点对中每个特征点对的基础矩阵,并根据各所述基础矩阵计算各组特征点对的基础矩阵误差能量;
S23.特征点对筛选:根据各组特征点对的所述基础矩阵误差能量筛选出目标特征点对。
3.根据权利要求2所述的双目标定精度在线检测方法,其特征在于:所述步骤S21中,采用随机方式选取出部分特征点进行分组。
4.根据权利要求2所述的双目标定精度在线检测方法,其特征在于:所述步骤S23中,取所述基础矩阵误差能量最小的一组或两组以上的特征点对作为目标特征点对。
5.根据权利要求1~4中任意一项所述的双目标定精度在线检测方法,其特征在于,所述步骤S4中,获取待测双目摄像头多次对同一位置图像检测得到的所述误差评估参数并计算统计值得到最终的误差评估参数,使用所述最终的误差评估参数评估待测双目摄像头的标定精度。
6.根据权利要求1~4中任意一项所述的双目标定精度在线检测方法,其特征在于,所述步骤S4中,当判断到所述误差评估参数符合预设条件时,判定需要重新进行标定,输出判定结果,否则返回步骤S1。
7.一种双目标定精度在线检测装置,其特征在于,包括:
特征点提取匹配模块,用于分别对待测双目摄像头采集同一图像所得到的双目图像进行特征点提取,并对所述双目图像提取出的特征点进行匹配,得到多个特征点对;
特征点对筛选模块,用于从多个特征点对中筛选出部分特征点对作为目标特征点对;
误差评估参数计算模块,用于计算各目标特征点对的基础矩阵,并综合计算得到的各所述基础矩阵得到用于评估当前双目摄像头标定精度的误差评估参数;
标定精度评估模块,用于根据得到的所述误差评估参数评估待测双目摄像头的标定精度;
所述误差评估参数计算模块中,以各目标特征点对作为样本计算基础矩阵误差能量,并将所述基础矩阵误差能量作为所述误差评估参数;将基础矩阵误差向量中的元素相加,所得结果即为所述基础矩阵误差能量,所述基础矩阵误差向量为基础矩阵之间的偏差向量。
8.根据权利要求7所述的双目标定精度在线检测装置,其特征在于,所述特征点对筛选模块包括:
特征点对分组单元,用于取全部或部分特征点对进行分组,得到多组特征点对;
误差能量计算单元,用于分别计算各组特征点对中每个特征点对的基础矩阵,并根据各所述基础矩阵计算各组特征点对的基础矩阵误差能量;
特征点对筛选单元,用于使用各组特征点对的所述基础矩阵误差能量筛选出目标特征点对。
9.一种双目标定精度在线检测装置,包括处理器以及存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,其特征在于,所述处理器用于执行所述计算机程序,以执行如权利要求1~6中任意一项所述方法。
CN202110025289.2A 2021-01-08 2021-01-08 一种双目标定精度在线检测方法及装置 Active CN112734858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110025289.2A CN112734858B (zh) 2021-01-08 2021-01-08 一种双目标定精度在线检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110025289.2A CN112734858B (zh) 2021-01-08 2021-01-08 一种双目标定精度在线检测方法及装置

Publications (2)

Publication Number Publication Date
CN112734858A CN112734858A (zh) 2021-04-30
CN112734858B true CN112734858B (zh) 2022-11-29

Family

ID=75589819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110025289.2A Active CN112734858B (zh) 2021-01-08 2021-01-08 一种双目标定精度在线检测方法及装置

Country Status (1)

Country Link
CN (1) CN112734858B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610932B (zh) * 2021-08-20 2024-06-04 苏州智加科技有限公司 双目相机外参标定方法和装置
CN113706499A (zh) * 2021-08-25 2021-11-26 北京市商汤科技开发有限公司 误差检测方法和相关产品
CN113689555B (zh) * 2021-09-09 2023-08-22 武汉惟景三维科技有限公司 一种双目图像特征匹配方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种低成本立体摄像机系统的标定和定量评价;崔红霞等;《激光与光电子学进展》;20160210(第02期);全文 *
基于对极约束的双目立体视觉标定精度评价方法;张青哲等;《激光与光电子学进展》;20190717(第23期);第3-4页第3节 *

Also Published As

Publication number Publication date
CN112734858A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN112734858B (zh) 一种双目标定精度在线检测方法及装置
CN107063099B (zh) 一种基于视觉系统的机械制造业在线质量监测方法
Semeniuta Analysis of camera calibration with respect to measurement accuracy
CN116309757B (zh) 基于机器视觉的双目立体匹配方法
CN106254860A (zh) 照相机的校准装置、照相机系统、以及照相机的校准方法
CN110889091A (zh) 基于温度敏感区间分段的机床热误差预测方法与系统
CN110716500B (zh) 用于确定温度敏感区间分段建模点的方法与系统
CN108871185B (zh) 零件检测的方法、装置、设备以及计算机可读存储介质
CN110796710B (zh) 基于流形空间的快速在线标定相机外参的方法和模块
KR101782364B1 (ko) 케이평균군집화를 통한 학습기반의 비전검사 방법
CN110211189A (zh) ToF相机深度误差建模校正方法及装置
Zeinali et al. Accurate structural dynamic response monitoring of multiple structures using one CCD camera and a novel targets configuration
CN113446932A (zh) 非接触式裂纹测量方法及其系统
CN117332205A (zh) 压电阻抗温度补偿高精度自动优化方法及装置
KR101936628B1 (ko) Tsom 이미지 획득 방법 및 반도체 장치 검사 방법
CN111882616A (zh) 校正目标检测结果的方法及装置、系统、电子设备、存储介质
Ward et al. A model-based approach to recovering the structure of a plant from images
CN115731420A (zh) 基于孪生网络的小样本目标检测方法及相关设备
CN113312587B (zh) 基于arima预测和回归预测的传感器采集数据缺失值处理方法
CN112991372B (zh) 一种基于多边形匹配的2d-3d相机外参标定方法
CN112747773B (zh) 基于Allan方差和随机多项式提高陀螺仪精度的方法
CN115309630A (zh) 自动驾驶仿真数据的生成方法、装置、设备及存储介质
CN113673105A (zh) 真值对比策略的设计方法
Ali et al. Vision based measurement system for gear profile
CN112529960A (zh) 目标对象的定位方法、装置、处理器和电子装置

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