CN112927300A - 一种全景摄像头标定方法 - Google Patents

一种全景摄像头标定方法 Download PDF

Info

Publication number
CN112927300A
CN112927300A CN202110016432.1A CN202110016432A CN112927300A CN 112927300 A CN112927300 A CN 112927300A CN 202110016432 A CN202110016432 A CN 202110016432A CN 112927300 A CN112927300 A CN 112927300A
Authority
CN
China
Prior art keywords
calibration
quadrangle
black
cloth
image
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.)
Pending
Application number
CN202110016432.1A
Other languages
English (en)
Inventor
唐忠林
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.)
Shenzhen Tianshuang Technology Co ltd
Original Assignee
Shenzhen Tianshuang 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 Shenzhen Tianshuang Technology Co ltd filed Critical Shenzhen Tianshuang Technology Co ltd
Priority to CN202110016432.1A priority Critical patent/CN112927300A/zh
Publication of CN112927300A publication Critical patent/CN112927300A/zh
Pending legal-status Critical Current

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)

Abstract

本发明是一种全景摄像头的标定方法，属于汽车全景摄像头的标定方法的技术领域。目的是提供一款通过定制的两块标定布实现对全景摄像头内外参数一起标定，解决了全景泊车标定布铺布比较复杂的问题，并降低了标定布成本的全景摄像头标定方法。

Description

一种全景摄像头标定方法
技术领域
本发明涉及汽车360全景泊车影像系统，特别是一种全景摄像头的标定方法。
背景技术
360全景泊车系统需要对摄像头的内外参数进行标定，在很多时候，并没有固定的场地，这时候就需要在布上印制棋盘格，放在车辆的周围，并采集摄像头图像进行标定。
现有的标定方法有两种情况：一、标定布比较复杂，需要在车的周围各个方位都铺设标定布，布的成本高，布铺设比较麻烦。二、标定布比较简单，前后两块布即可，但成功率低，失败时需要手工提点，操作时间长，手工提点操作精度不稳定会引起标定效果稍差。
发明内容
本发明的目的是在于解决现有360全景泊车系统的摄像头内外参数的标定方法较为复杂，成本较高，操作较为繁琐，且成功率较低，需要通过人工额外操作。而提供一种采用前后两块标定布实现全自动全景摄像头标定方法。
一种全景摄像头的标定方法，所述的标定方法步骤如下：1-1、先将两块标定布分别放置在车头和车尾的正中间，且与车辆垂直，两块标定布以车辆为中心形成一个长方形，再以车辆为原点创建物理坐标系，通过测量两个标定布的间距，得到标定布中黑色四边形顶点图像；
1-2、在进行具体标定操作前，先把全景四路摄像头图像一起采集，然后每个摄像头分开标定，并设置对应的阈值组N[C]和P[C]。进一步的，所述1-1步骤中的标定布黑色四边形顶点的方法步骤如下：
2-1、首先，将标定布中黑色四边形顶点图像高斯滤波；2-2、其次，将标定布中黑色四边形顶点图像二值化，为了减少光照的影响，采用局部二值化，求出以当前像素值A为中心的N*N均值B，当A-B>P时，为1，否则为0，其中N和P为阈值；
2-3、对二值图像进行膨胀和腐蚀，以清除小黑块；
2-4、对二值图像进行轮廓扫描，得到所有黑块的轮廓，并根据轮廓四边形，判断是否为四边形，如果是，则保存四边形的四个顶点。
进一步的，所述1-2步骤中每个摄像头的标定步骤如下：3-1、使用一组阈值N[m]和P[m]，对图像的左半部分进行黑色四边形的顶点提取，过滤掉边长过小的四边形，得到四边形顶点PL(4*x个，x为四边形数量)；
3-2、使用一组阈值N[m]和P[m]，对图像的右半部分进行黑色四边形的顶点提取，过滤掉边长过小的四边形，得到四边形顶点PR(4*y个，y为四边形数量)；
3-3、假如PL的一个四边形为标定布一黑色四边形，PR的一个四边形为标定布另一黑色四边形，配对组成八个图像坐标，则本已知标定布黑色四边形的物理坐标，根据图像坐标和物理坐标，通过高斯牛顿迭代法对摄像头的内外参数一起进行标定，并得到平方残差和S，当S<Q，标定成功，保存并退出，否则，将PL四边形和PR四边形的其他配对进行标定，直到标定成功，保存并退出，或者全部配对完，标定失败，然后进入下一步；
3-4、如果m<C，则m＝m+1，跳到3-2的步骤，否则，如果n<C，则n＝n+1，m＝0，跳到3-1的步骤，否则，标定失败,退出。
更进一步的，前后左右全景摄像头采用上述方法标定完成后，选取车辆周围地面任一区域的物理地址，根据标定结果转换成对应摄像头的物理坐标，则得到拼接后的全景视图。
采用上述技术方案的有益效果是：本发明通过定制的两块标定布实现对全景摄像头内外参数一起标定，解决了全景泊车标定布铺布比较复杂的问题，并降低了标定布的成本。
附图说明
图1为本发明的标定布示意图；
图2为本发明中标定布与车辆位置示意图；
图3为本发明中所述的标定拼接后的全景视图。
附图中，各标号所代表的部件列表如下：1-标定布，10-黑色四边形，2-车。
具体实施方式
以下结合附图和本发明优选的具体实施例对本发明的内容作进一步地说明。所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1中所示，在本方案中制作了一种标定布，把这个标定布铺在车辆的前后进行全景摄像头的标定，本标定布的特点如下：
1、前摄像头、后摄像头、左摄像头和右摄像头都可以提取到两个四边形的共八个角点，且各个角点间隔合理，这样的八个角点可以同时标定摄像头的内外参数，标定效果好，速度快。
2、黑色四边形外留有合理的白色边框，这样布局的标定布角点提取的成功率非常高，为摄像头标定成功率打下坚实的基础。
3、标定布尺寸合适，开模非常方便，标定布成本低。
如图2至3中所示，本方案中所述的一种全景摄像头的标定方法，所述的标定方法步骤如下：
1-1、先将两块标定布分别放置在车头和车尾的正中间，且与车辆垂直，两块标定布以车辆为中心形成一个长方形，再以车辆为原点创建物理坐标系，通过测量两个标定布的间距，得到标定布中黑色四边形顶点图像；
1-2、在进行具体标定操作前，先把全景四路摄像头图像一起采集，然后每个摄像头分开标定，并设置对应的阈值组N[C]和P[C]。在本方案中根据上述1-1步骤中的标定布黑色四边形顶点的方法步骤如下：
2-1、首先，将标定布中黑色四边形顶点图像高斯滤波；
2-2、其次，将标定布中黑色四边形顶点图像二值化，为了减少光照的影响，采用局部二值化，求出以当前像素值A为中心的N*N均值B，当A-B>P时，为1，否则为0，其中N和P为阈值；
2-3、对二值图像进行膨胀和腐蚀，以清除小黑块；
2-4、对二值图像进行轮廓扫描，得到所有黑块的轮廓，并根据轮廓四边形，判断是否为四边形，如果是，则保存四边形的四个顶点。在本方案中，根据上述1-2步骤中对每个摄像头的标定步骤如下：
3-1、使用一组阈值N[m]和P[m]，对图像的左半部分进行黑色四边形的顶点提取，过滤掉边长过小的四边形，得到四边形顶点PL，所需要提取的黑色四边形顶点的数量为4*x个，其中x为四边形数量；在本方案中，关于过小的定义如下：当分辨率按720*1280时，前摄像头和后摄像头图像四边形边长像素小于50时，则认为过小，左摄像头和右摄像头图像四边形边长像素小于13时，则认为过小；
3-2、使用一组阈值N[m]和P[m]，对图像的右半部分进行黑色四边形的顶点提取，过滤掉边长过小的四边形，得到四边形顶点PR，所需要提取的黑色四边形顶点的数量4*y个，其中y为四边形数量；在本方案中，关于过小的定义如下：当分辨率按720*1280时，前摄像头和后摄像头图像四边形边长像素小于50时，则认为过小，左摄像头和右摄像头图像四边形边长像素小于13时，则认为过小；
3-3、假如PL的一个四边形为标定布一黑色四边形，PR的一个四边形为标定布另一黑色四边形，配对组成八个图像坐标，则本已知标定布黑色四边形的物理坐标，根据图像坐标和物理坐标，通过高斯牛顿迭代法对摄像头的内外参数一起进行标定，并得到平方残差和S，当S<Q，标定成功，保存并退出，否则，将PL四边形和PR四边形的其他配对进行标定，直到标定成功，保存并退出，或者全部配对完，标定失败，然后进入下一步；
3-4、如果m<C，则m＝m+1，跳到3-2的步骤，否则，如果n<C，则n＝n+1，m＝0，跳到3-1的步骤，否则，标定失败,退出。
4、根据权利要求3所述的全景摄像头的标定方法，其特征在于：前后左右全景摄像头采用上述方法标定完成后，选取车辆周围地面任一区域的物理地址，根据标定结果转换成对应摄像头的物理坐标，则得到拼接后的全景视图。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种全景摄像头的标定方法，其特征在于，所述的标定方法步骤如下：
1-1、先将两块标定布分别放置在车头和车尾的正中间，且与车辆垂直，两块标定布以车辆为中心形成一个长方形，再以车辆为原点创建物理坐标系，通过测量两个标定布的间距，得到标定布中黑色四边形顶点图像；
1-2、在进行具体标定操作前，先把全景四路摄像头图像一起采集，然后每个摄像头分开标定，并设置对应的阈值组N[C]和P[C]。
2.根据权利要求1所述的全景摄像头的标定方法，其特征在于，所述1-1步骤中的标定布黑色四边形顶点的方法步骤如下：
2-1、首先，将标定布中黑色四边形顶点图像高斯滤波；
2-2、其次，将标定布中黑色四边形顶点图像二值化，为了减少光照的影响，采用局部二值化，求出以当前像素值A为中心的N*N均值B，当A-B>P时，为1，否则为0，其中N和P为阈值；
2-3、对二值图像进行膨胀和腐蚀，以清除小黑块；
2-4、对二值图像进行轮廓扫描，得到所有黑块的轮廓，并根据轮廓四边形，判断是否为四边形，如果是，则保存四边形的四个顶点。
3.根据权利要求1所述的全景摄像头的标定方法，其特征在于，所述1-2步骤中每个摄像头的标定步骤如下：
3-1、使用一组阈值N[m]和P[m]，对图像的左半部分进行黑色四边形的顶点提取，过滤掉边长过小的四边形，得到四边形顶点PL；
3-2、使用一组阈值N[m]和P[m]，对图像的右半部分进行黑色四边形的顶点提取，过滤掉边长过小的四边形，得到四边形顶点PR；
3-3、假如PL的一个四边形为标定布一黑色四边形，PR的一个四边形为标定布另一黑色四边形，配对组成八个图像坐标，则本已知标定布黑色四边形的物理坐标，根据图像坐标和物理坐标，通过高斯牛顿迭代法对摄像头的内外参数一起进行标定，并得到平方残差和S，当S<Q，标定成功，保存并退出，否则，将PL四边形和PR四边形的其他配对进行标定，直到标定成功，保存并退出，或者全部配对完，标定失败，然后进入下一步；
3-4、如果m<C，则m＝m+1，跳到3-2的步骤，否则，如果n<C，则n＝n+1，m＝0，跳到3-1的步骤，否则，标定失败,退出。
4.根据权利要求3所述的全景摄像头的标定方法，其特征在于：前后左右全景摄像头采用上述方法标定完成后，选取车辆周围地面任一区域的物理地址，根据标定结果转换成对应摄像头的物理坐标，则得到拼接后的全景视图。
CN202110016432.1A 2021-01-07 2021-01-07 一种全景摄像头标定方法 Pending CN112927300A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110016432.1A CN112927300A (zh) 2021-01-07 2021-01-07 一种全景摄像头标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110016432.1A CN112927300A (zh) 2021-01-07 2021-01-07 一种全景摄像头标定方法

Publications (1)

Publication Number Publication Date
CN112927300A true CN112927300A (zh) 2021-06-08

Family

ID=76163163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110016432.1A Pending CN112927300A (zh) 2021-01-07 2021-01-07 一种全景摄像头标定方法

Country Status (1)

Country Link
CN (1) CN112927300A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080031514A1 (en) * 2004-11-24 2008-02-07 Aisin Seiki Kabushiki Kaisha Camera Calibration Method And Camera Calibration Device
CN103871070A (zh) * 2014-04-03 2014-06-18 深圳市德赛微电子技术有限公司 车载全景成像系统的自动标定方法
KR20140090388A (ko) * 2013-01-09 2014-07-17 아진산업(주) 가변형 타원 패턴을 갖는 차량용 카메라의 교정 지표 및 이를 이용한 교정방법
CN103985118A (zh) * 2014-04-28 2014-08-13 无锡观智视觉科技有限公司 一种车载环视系统摄像头参数标定方法
US20170127045A1 (en) * 2015-10-28 2017-05-04 Toppano Co., Ltd. Image calibrating, stitching and depth rebuilding method of a panoramic fish-eye camera and a system thereof
WO2017092631A1 (zh) * 2015-11-30 2017-06-08 宁波舜宇光电信息有限公司 鱼眼图像的畸变图像校正方法及鱼眼相机的标定方法
CN107622513A (zh) * 2017-07-31 2018-01-23 惠州市德赛西威汽车电子股份有限公司 一种拼缝标定点检测装置及环视系统自动标定方法
US20180227484A1 (en) * 2017-02-08 2018-08-09 Aspeed Technology Inc. Method and apparatus for generating panoramic image with stitching process
CN109883433A (zh) * 2019-03-21 2019-06-14 中国科学技术大学 基于360度全景视图的结构化环境中车辆定位方法
CN111462250A (zh) * 2020-04-03 2020-07-28 上海兆芯集成电路有限公司 校正系统及校正方法
US10859684B1 (en) * 2019-11-12 2020-12-08 Huawei Technologies Co., Ltd. Method and system for camera-lidar calibration

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080031514A1 (en) * 2004-11-24 2008-02-07 Aisin Seiki Kabushiki Kaisha Camera Calibration Method And Camera Calibration Device
KR20140090388A (ko) * 2013-01-09 2014-07-17 아진산업(주) 가변형 타원 패턴을 갖는 차량용 카메라의 교정 지표 및 이를 이용한 교정방법
CN103871070A (zh) * 2014-04-03 2014-06-18 深圳市德赛微电子技术有限公司 车载全景成像系统的自动标定方法
CN103985118A (zh) * 2014-04-28 2014-08-13 无锡观智视觉科技有限公司 一种车载环视系统摄像头参数标定方法
US20170127045A1 (en) * 2015-10-28 2017-05-04 Toppano Co., Ltd. Image calibrating, stitching and depth rebuilding method of a panoramic fish-eye camera and a system thereof
WO2017092631A1 (zh) * 2015-11-30 2017-06-08 宁波舜宇光电信息有限公司 鱼眼图像的畸变图像校正方法及鱼眼相机的标定方法
US20180227484A1 (en) * 2017-02-08 2018-08-09 Aspeed Technology Inc. Method and apparatus for generating panoramic image with stitching process
CN107622513A (zh) * 2017-07-31 2018-01-23 惠州市德赛西威汽车电子股份有限公司 一种拼缝标定点检测装置及环视系统自动标定方法
CN109883433A (zh) * 2019-03-21 2019-06-14 中国科学技术大学 基于360度全景视图的结构化环境中车辆定位方法
US10859684B1 (en) * 2019-11-12 2020-12-08 Huawei Technologies Co., Ltd. Method and system for camera-lidar calibration
CN111462250A (zh) * 2020-04-03 2020-07-28 上海兆芯集成电路有限公司 校正系统及校正方法

Similar Documents

Publication Publication Date Title
CN107463918B (zh) 基于激光点云与影像数据融合的车道线提取方法
CN111311689B (zh) 一种激光雷达与相机相对外参的标定方法及系统
CN107993263B (zh) 环视系统自动标定方法、汽车、标定装置及存储介质
CN111126306A (zh) 一种基于边缘特征及滑动窗的车道线检测方法
CN113658262B (zh) 相机外参标定方法、装置、系统及存储介质
CN111681285B (zh) 一种标定方法、装置、电子设备及存储介质
CN111243034A (zh) 一种全景辅助泊车标定方法、装置、设备及存储介质
CN109544635B (zh) 一种基于枚举试探的相机自动标定方法
CN110736472A (zh) 一种基于车载环视图像与毫米波雷达融合的室内高精地图表征方法
CN111382591B (zh) 一种双目相机测距校正方法及车载设备
CN114332142A (zh) 车载相机的外参标定方法、设备、系统及介质
CN112927306A (zh) 拍摄装置的标定方法、装置及终端设备
CN112669465A (zh) 场景转换方法、电子设备及存储介质
CN114660568A (zh) 一种激光雷达障碍物检测方法及装置
CN114897683A (zh) 车侧图像的获取方法及其装置、系统和计算机设备
CN115424221A (zh) 点云与图像融合的方法、相关检测方法、设备及存储介质
CN108961155B (zh) 一种高保真的鱼眼镜头畸变校正方法
CN114782548A (zh) 基于全局图像的雷视数据标定方法、装置、设备及介质
CN108389177B (zh) 一种车辆保险杠破损检测方法及交通安全预警方法
CN112927300A (zh) 一种全景摄像头标定方法
CN113658144A (zh) 路面病害几何信息的确定方法、装置、设备及介质
CN113034583A (zh) 基于深度学习的车辆停车测距方法、装置及电子设备
CN115546071B (zh) 一种适于图像恢复的数据处理方法和设备
CN116757935A (zh) 一种鱼眼相机的图像融合拼接方法、系统及电子设备
CN111627067B (zh) 一种双目相机的标定方法及车载设备

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