CN112927301A - 摄像头标定方法、装置、计算设备及可读存储介质 - Google Patents
摄像头标定方法、装置、计算设备及可读存储介质 Download PDFInfo
- Publication number
- CN112927301A CN112927301A CN202110155790.0A CN202110155790A CN112927301A CN 112927301 A CN112927301 A CN 112927301A CN 202110155790 A CN202110155790 A CN 202110155790A CN 112927301 A CN112927301 A CN 112927301A
- Authority
- CN
- China
- Prior art keywords
- image
- checkerboard
- camera
- corner
- new
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 235000005121 Sorbus torminalis Nutrition 0.000 claims description 35
- 244000152100 Sorbus torminalis Species 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 8
- 238000010408 sweeping Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
本申请适用于参数标定技术领域,提供一种摄像头标定方法、装置、计算设备及可读存储介质,包括:获取由摄像头拍摄的第一图像,该第一图像中包含A张棋盘格;根据所述第一图像生成A张第二图像,各所述第二图像的图像尺寸均与所述第一图像的图像尺寸相同,各所述第二图像中均包括棋盘格区域和非棋盘格区域,各所述第二图像的棋盘格区域分别含有所述A张棋盘格中的一张,各所述第二图像的棋盘格区域中的棋盘格的位置分别与所述第一图像中的各所述棋盘格的位置相同,所述非棋盘格区域中包含不同于棋盘格的内容;获取各所述第二图像中棋盘格的角点位置信息;根据各所述角点位置信息对所述摄像头的内参数进行标定。本申请能减少操作时间和降低成本。
Description
技术领域
本申请属于参数标定技术领域,尤其涉及一种摄像头标定方法、装置、计算设备及可读存储介质。
背景技术
目前,常见的RGB摄像头内参数标定方法为通过RGB摄像头拍摄不同角度以及不同距离的棋盘格像大概20张,然后提取每张图像角点信息进行opencv内参数标定。但该内参数标定方法需要连续拍摄至少20张棋盘格才能完成一次标定,并且每张棋盘格的角度以及距离摄像头的位置不一样,所需的操作时间较长,且成本较高。
发明内容
本申请的实施例提供一种摄像头标定方法、装置、计算设备及可读存储介质,能减少操作时间和降低成本,容易应用于工业生产。
第一方面,本申请的实施例提供一种摄像头标定方法,所述方法包括:
获取由摄像头拍摄的第一图像,所述第一图像中包含A张棋盘格,A为大于1的整数;
根据所述第一图像生成A张第二图像,各所述第二图像的图像尺寸均与所述第一图像的图像尺寸相同,各所述第二图像中均包括棋盘格区域和非棋盘格区域,各所述第二图像的棋盘格区域分别含有所述A张棋盘格中的一张,各所述第二图像的棋盘格区域中的棋盘格的位置分别与所述第一图像中的各所述棋盘格的位置相同,所述非棋盘格区域中包含不同于棋盘格的内容;
获取各所述第二图像中棋盘格的角点位置信息;
根据各所述角点位置信息对所述摄像头的内参数进行标定,得到所述摄像头的标定内参数。
应理解,各所述第二图像的非棋盘格区域的位置与所述第一图像中余下的A-1张棋盘格所在的区域的位置相同。
在第一方面的一种可能的实现方式中,所述方法还包括:
将所述标定内参数与所述摄像头对应的标准内参数进行比较,得到比较结果;
若所述比较结果符合预设的第一条件,则获取由所述摄像头拍摄的新的第一图像,并返回执行所述根据所述第一图像生成A张第二图像的步骤以及后续步骤,所述新的第一图像中包含A张棋盘格,所述新的第一图像至少有一张所述棋盘格的角度和/或位置与之前相比是不同的。
在第一方面的一种可能的实现方式中,所述获取各所述第二图像中棋盘格的角点位置信息,包括:
计算各所述第二图像中每个像素的协方差矩阵;
根据所述协方差矩阵确定所述每个像素的角点相关值;
根据所述角点相关值确定所述角点位置信息。
示例性的,A的取值为8;每张所述棋盘格的角度和位置各不相同;4组所述棋盘格位于所述第一图像的长度方向,每组所述棋盘格含有2张位于所述第一图像的宽度方向的所述棋盘格。
示例性的,A为大于2的整数;每张所述棋盘格的角度和位置各不相同。
第二方面,本申请的实施例提供一种摄像头标定装置,所述装置包括:
图像获取单元,用于获取由摄像头拍摄的第一图像,所述第一图像中包含A张棋盘格,A为大于1的整数;
第二图像生成单元,用于根据所述第一图像生成A张第二图像,各所述第二图像的图像尺寸均与所述第一图像的图像尺寸相同,各所述第二图像中均包括棋盘格区域和非棋盘格区域,各所述第二图像的棋盘格区域分别含有所述A张棋盘格中的一张,各所述第二图像的棋盘格区域中的棋盘格的位置分别与所述第一图像中的各所述棋盘格的位置相同,所述非棋盘格区域中包含不同于棋盘格的内容;
角点位置信息获取单元,用于获取各所述第二图像中的棋盘格的角点位置信息;
内参数标定单元,用于根据各所述角点位置信息对所述摄像头的内参数进行标定,得到所述摄像头的标定内参数。
第三方面,本申请的实施例提供一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述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第一方面中任一项所述的方法。
第四方面,本申请的实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。
第五方面,本申请的实施例提供一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的方法。
本申请的实施例与现有技术相比存在的有益效果是:
本申请实施例中,获取由摄像头拍摄的包含A张棋盘格的第一图像,其中,A为大于1的整数,根据获取到的第一图像生成A张第二图像,各第二图像的图像尺寸均与第一图像的图像尺寸相同,各第二图像均含有棋盘格区域和非棋盘格区域,各第二图像的棋盘格区域分别含有A张棋盘格中的一张棋盘格,各第二图像的棋盘格区域中的棋盘格的位置分别与第一图像中的各棋盘格的位置相同,非棋盘格区域包含不同于棋盘格的内容,获取各第二图像的棋盘格的角点位置信息,根据各角点位置信息对摄像头的内参数进行标定,得到摄像头的标定内参数;如此,拍摄一次棋盘格就可以完成一次标定摄像头的内参数,能提高效率,能减少操作时间和降低成本,容易应用于工业生产。
本申请的实施例的一些可能的实现方式具有如下有益效果:
将各划分后的第一图像中的A-1个棋盘格区域的每个像素的色彩值设置为相同的数值,计算各第二图像的每个像素的协方差矩阵以及根据协方差矩阵确定每个像素的角点相关值,再根据角点相关值确定角点,从而获得角点位置信息以完成标定摄像头的内参数;如此,能快速完成标定,使得工程落地更加简单;
将得到的标定内参数与摄像头对应的标准内参数进行比较,得到比较结果;若比较结果符合预设的第一条件,则获取由摄像头拍摄的新的第一图像,返回执行根据第一图像生成A张第二图像的步骤以及后续步骤,其中,新的第一图像中包含A张棋盘格,新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的;如此,根据新的第一图像生成A张新的第二图像,获取各新的第二图像的棋盘格的新的角点位置信息并据此得到摄像头的新的标定内参数,以供后续摄像头矫正图像畸变使用,能得到畸变相对很小的图像。
附图说明
为了更清楚地说明本申请的实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的摄像头标定方法的流程示意图;
图2是本申请实施例一提供的第一图像;
图3是本申请实施例一提供的第一张第二图像;
图4是本申请实施例一提供的第二张第二图像;
图5是本申请实施例一提供的第三张第二图像;
图6是本申请实施例一提供的第四张第二图像;
图7是本申请实施例一提供的摄像头标定方法的一种变型方式的流程示意图;
图8是本申请实施例二提供的摄像头标定方法的流程示意图;
图9是本申请实施例三提供的摄像头标定装置的结构示意图;
图10是本申请实施例三提供的第二图像生成单元的结构示意图;
图11是本申请实施例三提供的角点位置信息获取单元的结构示意图;
图12是本申请实施例三提供的摄像头标定装置的一种变型方式的结构示意图;
图13是本申请实施例提供的计算设备的结构示意图;
图14是本申请实施例一提供的摄像头标定方法的逻辑图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图1至14及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请的实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
实施例一
本实施例提供一种摄像头标定方法,能对摄像头的内参数进行标定;其中,摄像头的内参数包括焦距、像主点坐标和畸变参数。本实施例提供的摄像头标定方法能应用于家用视觉扫地机器人,具体是部署于具有RGB摄像头的家用视觉扫地机器人(以下简称为机器人)。在机器人出厂的时候可以进行RGB摄像头的内参数的标定;标定完成后,将标定的内参数写进机器人的存储设备比如flash(一种非易失性内存),以供RGB摄像头在进行图像畸变矫正的时候使用。本实施例提供的摄像头标定方法还能应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等计算设备上,本申请实施例对计算设备的具体类型不作任何限制。
图1示出本实施例提供的摄像头标定方法的示意性流程图,作为示例而非限定,该方法可以应用于上述家用视觉扫地机器人中。本实施例提供的摄像头标定方法包括步骤S11至步骤S14。
步骤S11,获取由摄像头拍摄的第一图像,第一图像中包含A张棋盘格,A为大于1的整数。
以A等于4为例对本实施例进行说明。其中,家用视觉扫地机器人的RGB摄像头为待标定的摄像头。
图2是本实施例提供的第一图像,其包括四张棋盘格。每一张棋盘格都是具有棋盘格的图片,其载体可以是板或者纸,比如将棋盘格印刷在板或者纸上。将四张棋盘格用支架按设定的角度和设定的位置固定,比如用一个金属架固定四张棋盘格或者用四个金属架分别固定四张棋盘格,调整好每张棋盘格的角度以及每张棋盘格距离RGB摄像头的距离,使得四张棋盘格以设定的角度和设定的位置固定于支架上;四张棋盘格在空间中位置错开。其中,设定的角度决定棋盘格的朝向,比如朝上、朝下、朝左或者朝右。完成角度和距离的调整后,通过家用视觉扫地机器人的RGB摄像头拍摄一张图像,比如RGB摄像头抓取一帧图像,该图像为前述第一图像,参考图2,其包含前述四张棋盘格。容易理解的是,四张棋盘格(或者称为标定板)距离RGB摄像头的距离是有一定限制的,要保证RGB摄像头拍摄到的图像包含四张棋盘格,这需要在调试阶段确认。
参考图2,在第一图像中,四张棋盘格是错开的。具体而言,每张棋盘格都能在第一图像中完整显示,不存在一张棋盘格与另一张棋盘格重叠的情况。
在RGB摄像头拍摄第一图像后,家用视觉扫地机器人便获取到第一图像。在其他实施例中,第一图像也可以是从其他设备比如智能终端接收得到的。
步骤S12,根据第一图像生成A张第二图像,各第二图像的图像尺寸均与第一图像的图像尺寸相同。
获取到第一图像之后,生成图像尺寸均与第一图像的图像尺寸相同的四张第二图像。第一图像和第二图像都是平面图像,图像尺寸是指图像的长和宽或者图像的分辨率。示例的,若第一图像的图像尺寸为256mm×256mm,那么每张第二图像的尺寸也都是256mm×256mm。图3至图6是本实施例提供的四张第二图像,这四张第二图像均含有棋盘格区域100和非棋盘格区域200,具体是含有一个棋盘格区域100和一个非棋盘格区域200。这四张第二图像的棋盘格区域100分别含有前述四张棋盘格中的一张棋盘格,前述四张棋盘格分别位于不同的第二图像的棋盘格区域100中,也就是说这四张第二图像的棋盘格区域100含有的棋盘格各不相同。
四张第二图像的棋盘格区域100中的棋盘格的位置分别与第一图像中的四张棋盘格的位置相同;示例的,参考图2和图3,某张第二图像的棋盘格区域100所含有的棋盘格在第一图像中的位置是左上角,那么含有这张棋盘格的棋盘格区域100也是位于该第二图像的左上角;如此,四张棋盘格在四张第二图像的棋盘格区域100中的位置与这四张棋盘格在第一图像中的位置相同。在第一图像中,一张棋盘格所在的区域的尺寸可以是刚好与一张棋盘格的尺寸相同,也可以是大于一张棋盘格的尺寸。第二图像中棋盘格区域100的尺寸则是与第一图像中一张棋盘格所在的区域的尺寸相同,且一个棋盘格区域100只含有一张棋盘格。
参考图3,第二图像中还含有非棋盘格区域200。非棋盘格区域200包含不同于棋盘格的内容,是不含有棋盘格的区域。参考图2和图3,每张第二图像的非棋盘格区域200的位置与第一图像中余下的A-1张棋盘格所在的区域的位置相同,那么,第二图像的非棋盘格区域200对应第一图像中余下的A-1张棋盘格所在的区域;在本实施例中,A-1张棋盘格为三张棋盘格;示例的,参考图2和图3,余下的三张棋盘格在第一图像中的位置分别是右上角、左下角和右下角,那么,前述非棋盘格区域是由第二图像的右上角的区域、左下角的区域和右下角的区域构成。应理解,在第二图像中,在确定棋盘格区域100的位置之后,那么第二图像中非棋盘格区域200的位置也就确定了,因为第二图像中除棋盘格区域100之外的区域就是非棋盘格区域200。
在其他一些实施例中,生成四张第二图像的步骤S12包括步骤S121至步骤S123。
步骤S121,将第一图像划分为四个棋盘格区域,生成划分后的第一图像,每个棋盘格区域均含有一张棋盘格。
获取到含有四张棋盘格的第一图像后,将该第一图像划分为四个棋盘格区域100,具体可以按照指定规则比如按顺时针方向编号为第一棋盘格区域、第二棋盘格区域、第三棋盘格区域和第四棋盘格区域,每个棋盘格区域都含有一张棋盘格。
示例的,参考图2,在第一图像的水平方向和竖直方向各画一条线,将第一图像划分成四块区域,刚好使得每块区域有一张棋盘格。
前述划分是按照指定规则将第一图像划分为四个部分,保证每个部分都能包含到对应的棋盘格。如此,便得到划分区域的第一图像,也即划分后的第一图像。
步骤S122,将划分后的第一图像复制成四张。
得到划分后的第一图像后,按指定的拆分逻辑将第一图像拆分成四张;具体的,执行指定拆分逻辑,对划分后的第一图像进行复制,生成四张划分后的第一图像。
步骤S123,将各划分后的第一图像中的三个棋盘格区域处理成非棋盘格区域,生成四张第二图像,各第二图像中保留的棋盘格区域各不相同。其中,非棋盘格区域是通过去除棋盘格得到的。
四张划分后的第一图像均具有四个棋盘格区域100。在本实施例中,将各划分后的第一图像中的三个棋盘格区域100处理成非棋盘格区域200是这样实现的:将每一张划分后的第一图像中的三个棋盘格区域100的每个像素的像素值设置为相同的数值,该数值的范围是0至255,比如将三个棋盘格区域100的每个像素的像素值设置为1,只要使得三个棋盘格区域100没有棋盘格即可。
参考图3,将第一张划分后的第一图像中的第二棋盘格区域、第三棋盘格区域和第四棋盘格区域处理成非棋盘格区域,具体是将第二棋盘格区域、第三棋盘格区域和第四棋盘格区域的每个像素的像素值全部设置为1,生成第一张第二图像。其中,像素值全部设置为1的区域是纯白色的。
参考图4,将第二张划分后的第一图像中的第一棋盘格区域、第三棋盘格区域和第四棋盘格区域处理成非棋盘格区域,具体是将第一棋盘格区域、第三棋盘格区域和第四棋盘格区域的每个像素的像素值全部设置为1,生成第二张第二图像。
参考图5,将第三张划分后的第一图像中的第一棋盘格区域、第二棋盘格区域和第四棋盘格区域处理成非棋盘格区域,具体是将第一棋盘格区域、第二棋盘格区域和第四棋盘格区域的每个像素的像素值全部设置为1,生成第三张第二图像。
参考图6,将第四张划分后的第一图像中的第一棋盘格区域、第二棋盘格区域和第三棋盘格区域处理成非棋盘格区域,具体是将第一棋盘格区域、第二棋盘格区域和第三棋盘格区域的每个像素的像素值全部设置为1,生成第四张第二图像。
在其他一些实施例中,先将第一图像划分为四个棋盘格区域,生成图像尺寸与第一图像的尺寸相同的四张非棋盘格图像比如空白图像,将第一图像中的四个棋盘格区域分别移动或者复制到四张空白图像的对应位置,比如将第一图像左上角的棋盘格区域复制到一张空白图像的左上角,将第一图像左下角的棋盘格区域复制到第二张空白图像的左下角,将第一图像右上角的棋盘格区域复制到第三张空白图像的右上角,将第一图像右下角的棋盘格区域复制到第四张空白图像的右下角,从而生成四张第二图像;这四张第二图像也含有棋盘格区域和非棋盘格区域。
如此,就将该第一图像拆分成四张第二图像,每张第二图像包含一张棋盘格,实现获取四张第二图像。
步骤S13,获取各第二图像的棋盘格的角点位置信息。
在获取到四张第二图像之后,对这四张第二图像依次提取角点,具体可以采用opencvharris角点检测算法提取角点。
在其他一些实施例中,获取角点位置信息的步骤S13包括步骤S131至步骤S133。
步骤S131,计算各第二图像的每个像素的协方差矩阵。
在本实施例中,对四张第二图像中的每个像素计算2*2的协方差矩阵M。
步骤S132,根据协方差矩阵确定每个像素的角点相关值。
根据步骤S131得到的协方差矩阵M,计算角点相关值R。
R=det(M)-k*(trace(M)2)。
det(M)为协方差矩阵M的行列式,det(M)=λ1*λ2,λ1和λ2为协方差矩阵M的特征值;k为自定义常数,一般k的取值在0.04~0.06之间,在opencv中k的取值范围会更大一些;trace(M)为用于求解协方差矩阵M的迹的函数,其中,本实施例的矩阵M为二维方阵,那么trace(M)是求二维方阵的迹(即该方阵对角线上元素之和),trace(M)=λ1+λ2。
如此,可确定每个像素的角点相关值R。
步骤S133,根据角点相关值R确定角点位置信息。
计算出角点相关值R之后,对R的值进行判断。若某个像素的R值大于设定的第一阈值,其中,第一阈值为大于零的最大阈值,表明该R值比较大,那么该R值对应的像素为角点位置;若R值为负,则表明该像素为边缘;若R值小于设定的第二阈值,其中,第二阈值为大于零的最小阈值,则表明该R值很小,那么该R值对应的像素为平坦区域。容易理解,第一阈值大于第二阈值。
其中,通过使得每张第二图像里面只有一张棋盘格,能保证提取到某张第二图像里面的棋盘格的角点就是这张棋盘格对应的角点,能避免出现提取到的角点属于哪张棋盘格是未知的情况。
如此,可以确定四张第二图像中的角点,进而确定角点位置信息。
在提取到四张第二图像中的角点后,就可以得到每张图像的角点位置信息。示例的,角点位置信息是角点的坐标,具体可以通过对四张第二图像分别建立坐标系,从而得到各个角点的坐标。
步骤S14,根据各角点位置信息对摄像头的内参数进行标定,得到摄像头的标定内参数。
在获取到每张第二图像的角点位置信息(比如角点坐标)后,将每张第二图像的角点坐标输入到opencv标定模型(或者称为opencv标定算法)的接口比如calibrateCamera函数中得到摄像头的内参数,也就是将所有角点送入到opencv标定模型中进行标定。将得到的内参数作为摄像头的标定内参数以供后续矫正图像畸变使用,完成对摄像头的内参数的标定。
根据上述可知,一次拍摄四张棋盘格就可以完成一次标定摄像头的内参数,能提高效率,能减少操作时间和降低成本,容易应用于工业生产。
参考图7,本实施例提供的摄像头标定方法还包括步骤S15至步骤S17。
步骤S15,若获取的角点位置信息符合预设的第二条件,则获取由摄像头拍摄的新的第一图像,新的第一图像中包含A张棋盘格,新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的。
摄像头晃动之类的情况会导致拍摄到的第一图像模糊,无法用于确定角点位置信息。为了保证能确定角点位置信息,参考图14,判断获取的角点位置信息是否符合预设的第二条件;在本实施例中,第二条件是获取不到至少一部分角点位置信息,比如获取不到第二张第二图像的角点位置信息。由于在本实施例中是先确定角点,然后再确定角点位置信息,因此,可以判断四张第二图像的角点是不是都提取成功,只要有一张第二图像的角点提取失败,则判定为获取角点位置信息失败;示例的,提取不到某张第二图像的棋盘格的角点,或者提取到的角点的数量少于设定数量(其中,设定数量为大于零的整数),均判定为角点提取失败,也就是获取角点位置信息失败。
对于获取角点位置信息失败,家用视觉扫地机器人获取新的第一图像,该新的第一图像是由家用视觉扫地机器人的摄像头拍摄的且包含四张棋盘格;新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的;示例的,改变四张棋盘格的角度和位置,然后重新拍摄第一图像,那么新的第一图像中的四张棋盘格的角度和位置相比之前的第一图像中的四张棋盘格的角度和位置都发生了改变;在其他一些实施例中,可以是改变四张棋盘格的角度,或者改变四张棋盘格的位置,然后重新拍摄第一图像。
如此,便获取到新的第一图像,然后返回执行根据第一图像生成A张第二图像的步骤以及后续步骤,具体如下文。
步骤S16,根据新的第一图像生成A张新的第二图像。
具体的,根据获取到的新的第一图像生成四张新的第二图像。
与之前的四张第二图像一样,这四张新的第二图像均含有一个棋盘格区域和一个非棋盘格区域。这四张新的第二图像的棋盘格区域分别含有前述四张棋盘格中的一张棋盘格,前述四张棋盘格分别位于不同的新的第二图像的棋盘格区域中。新的第二图像与之前的第二图像相比,图像中同一个位置比如左上角的棋盘格的角度和位置发生了改变,也就是新的第二图像的左上角的棋盘格的角度和位置与之前的第二图像左上角的棋盘格的角度和位置是不同的。
与之前的四张第二图像一样,每张新的第二图像的非棋盘格区域的位置与新的第一图像中余下的三张棋盘格所在的区域的位置相同,那么,含有一张棋盘格的新的第二图像的非棋盘格区域对应新的第一图像中余下的三张棋盘格所在的区域。
步骤S17,获取各新的第二图像的棋盘格的角点位置信息。
生成四张新的第二图像之后,获取其中的棋盘格的角点位置信息,具体也可以采用opencvharris角点检测算法依次提取四张新的第二图像的角点。在提取到四张新的第二图像中的角点后,就可以得到每张图像的角点位置信息比如角点坐标。然后,根据角点位置信息确定摄像头的内参数,完成摄像头的内参数标定。
如此,能保证系统的稳定运行,能提高系统的抗干扰能力。
实施例二
与实施例一相比,参考图8,本实施例提供的摄像头标定方法还包括步骤S21至步骤S25。
步骤S21,将标定内参数与摄像头对应的标准内参数进行比较,得到比较结果。
前面确定的标定内参数就是摄像头的标定结果。摄像头都有对应的标准结果,标准结果就是标准的内参数。将计算出的标定内参数与摄像头对应的标准内参数进行比较,得到比较结果。
步骤S22,若比较结果符合预设的第一条件,则获取由摄像头拍摄的新的第一图像,新的第一图像中包含A张棋盘格,且新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的。
步骤S22是判断步骤S21中的比较结果是否符合预设的第一条件。具体的,如果计算出的内参数(也即标定结果)与标准结果(标准内参数)相差较大,比如标定结果与标准结果的差值大于设定值,则判定为标定失败;如果标定结果与标准结果的差值小于设定值,则判定为标定成功。其中,标定失败是前述第一条件,相应的,第一条件就是标定内参数与标准内参数的差值大于设定值。
对于比较结果为标定失败的情况,也即比较结果符合第一条件,家用视觉扫地机器人获取新的第一图像,该新的第一图像是由家用视觉扫地机器人的摄像头拍摄的且包含四张棋盘格;新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的;示例的,改变四张棋盘格的角度和位置,然后重新拍摄第一图像,那么新的第一图像中的四张棋盘格的角度和位置相比之前的第一图像中的四张棋盘格的角度和位置都发生了改变;在其他一些实施例中,可以是改变四张棋盘格的角度,或者改变四张棋盘格的位置,然后重新拍摄第一图像。
如此,便获取到新的第一图像,然后返回执行根据第一图像生成A张第二图像的步骤以及后续步骤,具体如下文。
步骤S23,根据新的第一图像生成A张新的第二图像。
根据获取到的新的第一图像生成四张新的第二图像。与之前的四张第二图像一样,这四张新的第二图像均含有一个棋盘格区域和一个非棋盘格区域。这四张新的第二图像的棋盘格区域分别含有前述四张棋盘格中的一张棋盘格,前述四张棋盘格分别位于不同的新的第二图像的棋盘格区域中。新的第二图像与之前的第二图像相比,图像中同一个位置比如左上角的棋盘格的角度和位置发生了改变,也就是新的第二图像的左上角的棋盘格的角度和位置与之前的第二图像左上角的棋盘格的角度和位置是不同的。
与之前的四张第二图像一样,新的第二图像的非棋盘格区域对应新的第一图像中余下的三张棋盘格所在的区域。
步骤S24,获取各新的第二图像的棋盘格的新的角点位置信息。
生成四张新的第二图像之后,获取其中的棋盘格的角点位置信息,该角点位置信息为新的角点位置信息,具体也可以采用opencvharris角点检测算法依次提取四张新的第二图像的角点。在提取到四张新的第二图像中的角点后,就可以得到每张图像的新的角点位置信息比如新的角点坐标。
步骤S25,根据各新的角点位置信息对摄像头的内参数进行标定,得到摄像头的新的标定内参数。
在获取到每张新的第二图像的角点坐标后,将每张新的第二图像的角点坐标输入到opencv标定模型的接口比如calibrateCamera函数中得到摄像头的新的标定内参数。
然后再将新的标定内参数与摄像头对应的标准内参数进行比较,生成新的比较结果。若新的比较结果符合预设的第三条件,其中,第三条件是标定内参数与标准内参数的差值小于设定值,表示标定成功,则将新的标定参数写入机器人的存储设备比如flash,以供后续RGB图像畸变矫正使用,具体是采用新的内参数对之后摄像头拍摄的图像进行矫正,这样能得到畸变相对很小的图像。
在本实施例中,一次性拍摄四张(或者多张)棋盘格得到的标定参数和分别拍20张棋盘格得到的标定参数是接近的,实验数据显示两者标定出来的参数值之差在0.005以内,所以这两种情况标定出来的结果几乎是一样的。本申请的实施例可以尽可能地降低拍摄次数,使得拍摄棋盘格的次数由多次降低到一次,能明显减少操作的时间以及降低成本,所以能明显提升效率。
在其他一些实施例中,A的取值为8,摄像头一次性拍摄8张棋盘格;每张棋盘格的角度和位置各不相同,有的棋盘格是正着向下或者向上某个角度,有的棋盘格是斜着向下或者向上某个角度;8张棋盘格分为4组,4组棋盘格位于第一图像的长度方向,每组棋盘格含有2张位于第一图像的宽度方向的棋盘格。
棋盘格标定内参数的原理要求至少采用三张棋盘格。在实验的过程中,对于100台家用视觉扫地机器人,采用一次性拍摄八张棋盘格的技术方案对机器人的摄像头标定内参数,成功率为100%,能达到分别拍摄20张棋盘格标定内参数的效果;采用一次性拍摄四张棋盘格的技术方案对机器人的摄像头标定内参数,成功率为95%,能达到分别拍摄20张棋盘格标定内参数的效果;采用一次性拍摄三张棋盘格的技术方案对机器人的摄像头标定内参数,无法达到分别拍摄20张棋盘格标定内参数的效果。根据上述实验数据可知,采用八张棋盘格标定内参数的效果比四张的好,四张的效果比三张的好;采用八张和四张棋盘格标定内参数均能达到分别拍摄20张棋盘格标定内参数的效果。
实施例三
对应于上文实施例所述方法,图9示出本申请的实施例提供的摄像头标定装置的结构框图,为了便于说明,仅示出与本申请实施例相关的部分。
参考图9,该装置包括图像获取单元11、第二图像生成单元12、角点位置信息获取单元13和内参数标定单元14。
图像获取单元11,用于获取由摄像头拍摄的第一图像,第一图像中包含A张棋盘格。
第二图像生成单元12,用于根据第一图像生成A张第二图像,各第二图像的图像尺寸均与第一图像的图像尺寸相同。
角点位置信息获取单元13,用于获取各第二图像的棋盘格的角点位置信息。
内参数标定单元14,用于根据各角点位置信息对摄像头的内参数进行标定,得到摄像头的标定内参数。
参考图10,第二图像生成单元12包括区域划分单元121、图像复制单元122和棋盘格区域处理单元123。
区域划分单元121,用于将第一图像划分为A个棋盘格区域,得到划分后的第一图像,各棋盘格区域均含有一张棋盘格。
图像复制单元122,用于将划分后的第一图像复制成A张。
棋盘格区域处理单元123,用于将各划分后的第一图像中的A-1个棋盘格区域处理成非棋盘格区域,生成A张第二图像,各第二图像中保留的棋盘格区域各不相同。
参考图11,角点位置信息获取单元13包括协方差矩阵计算单元131、角点相关值确定单元132和角点位置信息确定单元133。
协方差矩阵计算单元131,用于计算各第二图像的每个像素的协方差矩阵。
角点相关值确定单元132,用于根据协方差矩阵确定每个像素的角点相关值。
角点位置信息确定单元133,用于根据角点相关值确定角点位置信息。
图像获取单元11还用于:若获取的角点位置信息符合预设的第二条件,则获取由摄像头拍摄的新的第一图像,新的第一图像中包含A张棋盘格,新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的。
第二图像生成单元12还用于:根据新的第一图像生成A张新的第二图像。
角点位置信息获取单元13还用于:获取各新的第二图像的棋盘格的角点位置信息。
参考图12,本实施例提供的摄像头内参数标定装置还包括参数比较单元21。
参数比较单元21,用于将标定内参数与摄像头对应的标准内参数进行比较,得到比较结果。
图像获取单元11还用于:若比较结果符合预设的第一条件,则获取由摄像头拍摄的新的第一图像,新的第一图像中包含A张棋盘格,新的第一图像至少有一张棋盘格的角度和/或位置与之前相比是不同的。
第二图像生成单元12根据新的第一图像生成A张新的第二图像。
角点位置信息获取单元13还用于:获取各新的第二图像的棋盘格的新的角点位置信息。
内参数确定单元14还用于:根据各新的角点位置信息确定摄像头的新的标定内参数。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图13为本申请一实施例提供的计算设备的结构示意图。如图13所示,该实施例的计算设备13包括:至少一个处理器130(图13中仅示出一个)、存储器131以及存储在存储器131中并可在至少一个处理器130上运行的计算机程序132;处理器130执行计算机程序132时实现上述各个方法实施例中的步骤。
计算设备13可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该计算设备可包括,但不仅限于,处理器130和存储器131。本领域技术人员可以理解,图13仅仅是计算设备的举例,并不构成对计算设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备、总线等。
处理器130可以是中央处理单元(Central Processing Unit,CPU),该处理器130还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器131在一些实施例中可以是计算设备13的内部存储单元,例如计算设备的硬盘或内存。存储器131在另一些实施例中也可以是计算设备的外部存储设备,例如计算设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器131还可以既包括计算设备的内部存储单元也包括外部存储设备。存储器131用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如计算机程序的程序代码等。存储器131还可以用于暂时地存储已经输出或者将要输出的数据。
示例性的,计算机程序132可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器131中,并由处理器130执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序132在计算设备13中的执行过程。
目前的RGB摄像头内参数标定方式需要连续拍摄至少20张棋盘格,每张棋盘格的角度和距离摄像头的位置均不一样,由于该方式需要拍摄多次棋盘格才能完成一次标定,目前只适用于调试或者实验用途上,在实际应用中该方法操作时间较长且成本高,效率非常低,很难用于工业生产。相比目前的技术方案,本申请的实施例提供的技术方案只需要拍摄一次棋盘格就可以完成一次标定,能极大地减少实际生产的操作时间和降低成本,使得工程落地更加简单,只需要拍摄一次就可以完成摄像头的一次内参数标定。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
前述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于计算机可读存储介质中;该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
本申请的实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请的实施例提供一种计算机程序产品,当计算机程序产品在终端设备比如计算机上运行时,使得计算机可实现上述各个方法实施例中的步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
前述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种摄像头标定方法,其特征在于,所述方法包括:
获取由摄像头拍摄的第一图像,所述第一图像中包含A张棋盘格,A为大于1的整数;
根据所述第一图像生成A张第二图像,各所述第二图像的图像尺寸均与所述第一图像的图像尺寸相同,各所述第二图像中均包括棋盘格区域和非棋盘格区域,各所述第二图像的棋盘格区域分别含有所述A张棋盘格中的一张,各所述第二图像的棋盘格区域中的棋盘格的位置分别与所述第一图像中的各所述棋盘格的位置相同,所述非棋盘格区域中包含不同于棋盘格的内容;
获取各所述第二图像中棋盘格的角点位置信息;
根据各所述角点位置信息对所述摄像头的内参数进行标定,得到所述摄像头的标定内参数。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述标定内参数与所述摄像头对应的标准内参数进行比较,得到比较结果;
若所述比较结果符合预设的第一条件,则获取由所述摄像头拍摄的新的第一图像,并返回执行所述根据所述第一图像生成A张第二图像的步骤以及后续步骤,所述新的第一图像中包含A张棋盘格,所述新的第一图像至少有一张所述棋盘格的角度和/或位置与之前相比是不同的。
3.如权利要求1所述的方法,其特征在于,所述获取各所述第二图像中棋盘格的角点位置信息,包括:
计算各所述第二图像中每个像素的协方差矩阵;
根据所述协方差矩阵确定所述每个像素的角点相关值;
根据所述角点相关值确定所述角点位置信息。
4.如权利要求3所述的方法,其特征在于,所述根据所述角点相关值确定所述角点位置信息,包括:
若所述角点相关值大于设定的第一阈值,则将所述角点相关值对应的像素确定为角点,并根据所述角点确定所述角点位置信息,所述第一阈值大于零。
5.如权利要求1或3所述的方法,其特征在于,所述根据所述第一图像生成A张第二图像,包括:
将所述第一图像划分为A个棋盘格区域,得到划分后的第一图像,各所述棋盘格区域均含有一张所述棋盘格;
将所述划分后的第一图像复制成A张;
将各所述划分后的第一图像中的A-1个棋盘格区域处理成非棋盘格区域,得到A张第二图像,各所述第二图像中保留的所述棋盘格区域各不相同。
6.如权利要求5所述的方法,其特征在于,所述将各所述划分后的第一图像中的A-1个棋盘格区域处理成非棋盘格区域,包括:
将各所述划分后的第一图像中的A-1个棋盘格区域的每个像素的像素值设置为相同的数值。
7.如权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
若获取的所述角点位置信息符合预设的第二条件,则获取由所述摄像头拍摄的新的第一图像,并返回执行所述根据所述第一图像生成A张第二图像的步骤以及后续步骤,所述新的第一图像中包含A张棋盘格,所述新的第一图像至少有一张所述棋盘格的角度和/或位置与之前相比是不同的。
8.一种摄像头标定装置,其特征在于,所述装置包括:
图像获取单元,用于获取由摄像头拍摄的第一图像,所述第一图像中包含A张棋盘格,A为大于1的整数;
第二图像生成单元,用于根据所述第一图像生成A张第二图像,各所述第二图像的图像尺寸均与所述第一图像的图像尺寸相同,各所述第二图像中均包括棋盘格区域和非棋盘格区域,各所述第二图像的棋盘格区域分别含有所述A张棋盘格中的一张,各所述第二图像的棋盘格区域中的棋盘格的位置分别与所述第一图像中的各所述棋盘格的位置相同,所述非棋盘格区域中包含不同于棋盘格的内容;
角点位置信息获取单元,用于获取各所述第二图像中的棋盘格的角点位置信息;
内参数标定单元,用于根据各所述角点位置信息对所述摄像头的内参数进行标定,得到所述摄像头的标定内参数。
9.一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110155790.0A CN112927301A (zh) | 2021-02-04 | 2021-02-04 | 摄像头标定方法、装置、计算设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110155790.0A CN112927301A (zh) | 2021-02-04 | 2021-02-04 | 摄像头标定方法、装置、计算设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112927301A true CN112927301A (zh) | 2021-06-08 |
Family
ID=76170341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110155790.0A Pending CN112927301A (zh) | 2021-02-04 | 2021-02-04 | 摄像头标定方法、装置、计算设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927301A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882115A (zh) * | 2022-06-10 | 2022-08-09 | 国汽智控(北京)科技有限公司 | 车辆位姿的预测方法和装置、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286235A (zh) * | 2008-06-10 | 2008-10-15 | 北京航空航天大学 | 一种基于柔性立体靶标的摄像机标定方法 |
CN107194972A (zh) * | 2017-05-16 | 2017-09-22 | 成都通甲优博科技有限责任公司 | 一种摄像机标定方法及系统 |
CN108734743A (zh) * | 2018-04-13 | 2018-11-02 | 深圳市商汤科技有限公司 | 用于标定摄像装置的方法、装置、介质及电子设备 |
CN109389649A (zh) * | 2018-09-27 | 2019-02-26 | 北京伟景智能科技有限公司 | 双目相机的快速标定方法和装置 |
CN109961482A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
CN111612853A (zh) * | 2020-05-25 | 2020-09-01 | 追创科技(苏州)有限公司 | 相机参数标定方法及装置 |
CN112037284A (zh) * | 2020-08-13 | 2020-12-04 | 重庆守愚科技有限公司 | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 |
CN112132907A (zh) * | 2020-09-22 | 2020-12-25 | 北京的卢深视科技有限公司 | 一种相机标定方法、装置、电子设备及存储介质 |
CN212433821U (zh) * | 2020-05-25 | 2021-01-29 | 追创科技(苏州)有限公司 | 一种相机参数标定设备 |
-
2021
- 2021-02-04 CN CN202110155790.0A patent/CN112927301A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286235A (zh) * | 2008-06-10 | 2008-10-15 | 北京航空航天大学 | 一种基于柔性立体靶标的摄像机标定方法 |
CN107194972A (zh) * | 2017-05-16 | 2017-09-22 | 成都通甲优博科技有限责任公司 | 一种摄像机标定方法及系统 |
CN109961482A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
CN108734743A (zh) * | 2018-04-13 | 2018-11-02 | 深圳市商汤科技有限公司 | 用于标定摄像装置的方法、装置、介质及电子设备 |
CN109389649A (zh) * | 2018-09-27 | 2019-02-26 | 北京伟景智能科技有限公司 | 双目相机的快速标定方法和装置 |
CN111612853A (zh) * | 2020-05-25 | 2020-09-01 | 追创科技(苏州)有限公司 | 相机参数标定方法及装置 |
CN212433821U (zh) * | 2020-05-25 | 2021-01-29 | 追创科技(苏州)有限公司 | 一种相机参数标定设备 |
CN112037284A (zh) * | 2020-08-13 | 2020-12-04 | 重庆守愚科技有限公司 | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 |
CN112132907A (zh) * | 2020-09-22 | 2020-12-25 | 北京的卢深视科技有限公司 | 一种相机标定方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882115A (zh) * | 2022-06-10 | 2022-08-09 | 国汽智控(北京)科技有限公司 | 车辆位姿的预测方法和装置、电子设备和存储介质 |
CN114882115B (zh) * | 2022-06-10 | 2023-08-25 | 国汽智控(北京)科技有限公司 | 车辆位姿的预测方法和装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
CA3016906C (en) | Perspective correction for curved display screens | |
EP3680808A1 (en) | Augmented reality scene processing method and apparatus, and computer storage medium | |
US20170374360A1 (en) | Camera calibration system, target, and process | |
CN109166156B (zh) | 一种摄像头标定图像的生成方法、移动终端及存储介质 | |
CN111083456B (zh) | 投影校正方法、装置、投影仪及可读存储介质 | |
US20140125771A1 (en) | Systems, methods, and computer program products for runtime adjustment of image warping parameters in a multi-camera system | |
CN109479082B (zh) | 图象处理方法及装置 | |
WO2014084148A1 (en) | Image correction system, image correction method, and computer program product | |
WO2019041650A1 (zh) | 摄像机标定参数的校正方法、装置、设备和存储介质 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN113409391A (zh) | 视觉定位方法及相关装置、设备和存储介质 | |
CN112233189B (zh) | 多深度相机外部参数标定方法、装置及存储介质 | |
CN109785390B (zh) | 一种用于图像矫正的方法和装置 | |
CN115205383A (zh) | 相机位姿的确定方法、装置、电子设备及存储介质 | |
CN113920502A (zh) | 一种云台调整方法、装置、设备及介质 | |
CN113407030B (zh) | 视觉定位方法及相关装置、设备和存储介质 | |
CN112927301A (zh) | 摄像头标定方法、装置、计算设备及可读存储介质 | |
CN109726613B (zh) | 一种用于检测的方法和装置 | |
CN113298187A (zh) | 图像处理方法及装置、计算机可读存储介质 | |
CN110852958B (zh) | 基于物体倾斜角度的自适应校正方法和装置 | |
CN108629219B (zh) | 一种识别一维码的方法及装置 | |
CN115174878B (zh) | 投影画面校正方法、装置和存储介质 | |
CN115965697A (zh) | 基于沙姆定律的投影仪标定方法、标定系统及装置 | |
CN111428707A (zh) | 图形识别码的识别方法、装置、存储介质及电子设备 |
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 |