CN112927309A - 一种车载相机标定方法、装置、车载相机及存储介质 - Google Patents
一种车载相机标定方法、装置、车载相机及存储介质 Download PDFInfo
- Publication number
- CN112927309A CN112927309A CN202110327898.3A CN202110327898A CN112927309A CN 112927309 A CN112927309 A CN 112927309A CN 202110327898 A CN202110327898 A CN 202110327898A CN 112927309 A CN112927309 A CN 112927309A
- Authority
- CN
- China
- Prior art keywords
- lane line
- coordinate
- coordinate system
- virtual
- mapping
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000013507 mapping Methods 0.000 claims abstract description 137
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 6
- 101100165918 Caenorhabditis elegans cam-1 gene Proteins 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization 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
本发明实施例公开一种车载相机标定方法、装置、车载相机及存储介质,该方法包括:从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;根据坐标参数将左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点,虚拟二维图像与世界坐标系的自定义坐标范围已建立映射关系;结合M帧图像以获得位于虚拟二维图像内的N个交叉点,其中,一帧图像对应一个交叉点,M、N为正整数且N不大于M;从N个交叉点中选择满足预设标准的目标交叉点;以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点;获取标定参考点相对相机坐标系的偏移角度;通过交叉点反向推算相机相对地面的偏移角度,计算量小且准确率较高。
Description
技术领域
本发明涉及相机标定领域,尤其涉及一种车载相机标定方法、装置、车载相机及存储介质。
背景技术
车载相机在出厂前需要进行静态标定,建立二维的相机坐标系与三维的世界坐标系的关系,以便在车辆行驶过程中分析出现的目标(车辆、人物、路牌等)的空间属性。但是,由于车辆在行驶过程中相机相对地面或车轴存在运动,静态标定的结果在这种运动下会造成对目标距离计算的不准确,降低目标分析结果的正确率。
目前市面上针对单目相机,通过提取相机采集的图像上的光流点(静止物体的特征点),然后计算三维运动,能够在车辆运动时实时完成相机动态标定,以适应车辆运动的特点。但是,这种标定方法只针对单目相机,且需要提取数量足够多的光流点,计算量较大。
发明内容
本发明实施例公开了一种车载相机标定方法、装置、车载相机及存储介质,用于在车辆运动过程中实时修正车载相机参数,计算量少且准确率高。
本发明实施例第一方面公开了一种车载相机标定方法,可包括:
从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;
根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点,所述虚拟二维图像与所述世界坐标系的自定义坐标范围已建立映射关系;
结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点,其中,一帧所述图像对应一个所述交叉点,M、N为正整数,且N不大于M;
从N个所述交叉点中选择满足预设标准的目标交叉点;
以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点;
获取所述标定参考点相对所述相机坐标系的偏移角度,所述偏移角度包括俯仰角和横摆角。
作为一种可选的实施方式,在本发明实施例第一方面中,所述坐标参数至少包括左车道线在所述世界坐标系的倾斜度、所述左车道线与所述世界坐标系的Y轴的交点坐标、右车道线在所述世界坐标系的倾斜度、所述右车道线与所述世界坐标系的Y轴的交点坐标。
作为一种可选的实施方式,在本发明实施例第一方面中,所述世界坐标系的自定义坐标范围为(xmaxxminymaxymin),其中,xmax为所述自定义坐标范围对应的最大X坐标值,xmin为所述自定义坐标范围对应的最小X坐标值,ymax为所述自定义坐标范围对应的最大Y坐标值,ymin为所述自定义坐标范围对应的最小Y坐标值,所述虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为所述相机距离地面的高度,W为所述虚拟二维图像的宽,H为所述虚拟二维图像的高度。
作为一种可选的实施方式,在本发明实施例第一方面中,所述结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点,包括:
结合M帧所述图像及每一帧所述图像获得的对应交叉点的坐标信息,统计位于所述虚拟二维图像内的所述交叉点的总数量是否满足第一阈值,所述坐标信息包括X坐标值和/或Y坐标值;
若是,获得所述虚拟二维图像内的N个所述交叉点,N等于所述第一阈值。
通过上述实施方式,通过设定第一阈值,作为可以优选交叉点来分析相机相对地面的角度变化的初始判断条件,以在位于虚拟二维图像尺寸范围内的交叉点的数量满足一定数量时才能优选交叉点来分析,提高相机相对地面的角度变化的计算准确率,以提高相机参数的标定准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述从N个所述交叉点中选择满足预设标准的目标交叉点,包括:
统计每一个区间上的所述交叉点的数量,获得第一数量,所述虚拟二维图像划分成多个所述区间,所有所述第一数量的总和等于所述总数量;
从所有所述第一数量中确定最大的目标第一数量;
选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
通过实施上述实施方式,通过从交叉点最多的区间中选择目标交叉点以分析相机相对地面的偏移角度,以提高相机标定准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点,包括:
计算所述目标第一数量与所述总数量的比值是否不小于第二阈值;
若是,选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
通过上述实施方式,通过设定一个比例(第二阈值)来判断是否接受该区间的交叉点作为目标交叉点,能够提高相机标定的准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述从N个所述交叉点中选择满足预设标准的目标交叉点,包括:
根据每一个所述交叉点的坐标信息,求取N个所述交叉点的均值,将所述均值对应的坐标点作为所述目标交叉点。
通过上述实施方式,能够通过将所有交叉点的均值对应的坐标点作为目标交叉点,来分析相机相对地面的偏移角度,以实现更准确的相机标定。
作为一种可选的实施方式,在本发明实施例第一方面中,所述以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点,包括:
将所述目标交叉点映射至所述世界坐标系,获得映射点坐标;
根据所述映射点坐标将对应的映射点映射至所述相机坐标系以获得标定参考点。
作为一种可选的实施方式,在本发明实施例第一方面中,所述根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点之前,所述方法还包括:
判断所述左车道线在所述世界坐标系的倾斜度及所述右车道线在所述世界坐标系的倾斜度是否均小于预设值;
若是,执行所述根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点的步骤。
通过上述实施方式,能够在分析相机与地面的偏移角度之前,选择车道线倾斜度偏小的图像来分析,以提高分析准确率。
本发明实施例第二方面公开了一种车载相机标定装置,可包括:
第一获取模块,用于从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;
第一映射模块,用于根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,所述虚拟二维图像与所述世界坐标系的自定义坐标范围已建立映射关系;
第二获取模块,用于获取映射得到的左右车道线的交叉点;
所述第二获取模块,还用于结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点,其中,一帧所述图像对应一个所述交叉点,M、N为正整数,且N不大于M;
所述第二获取模块,还用于从N个所述交叉点中选择满足预设标准的目标交叉点;
第二映射模块,用于以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点;
标定模块,用于获取所述标定参考点相对所述相机坐标系的偏移角度,所述偏移角度包括俯仰角和横摆角。
作为一种可选的实施方式,在本发明实施例第二方面中,所述坐标参数至少包括左车道线在所述世界坐标系的倾斜度、所述左车道线与所述世界坐标系的Y轴的交点坐标、右车道线在所述世界坐标系的倾斜度、所述右车道线与所述世界坐标系的Y轴的交点坐标。
作为一种可选的实施方式,在本发明实施例第二方面中,所述世界坐标系的自定义坐标范围为(xmaxxminymaxymin),其中,xmax为所述自定义坐标范围对应的最大X坐标值,xmin为所述自定义坐标范围对应的最小X坐标值,ymax为所述自定义坐标范围对应的最大Y坐标值,ymin为所述自定义坐标范围对应的最小Y坐标值,所述虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为所述相机距离地面的高度,W为所述虚拟二维图像的宽,H为所述虚拟二维图像的高度。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第二获取模块用于结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点的方式具体为:
结合M帧所述图像及每一帧所述图像获得的对应交叉点的坐标信息,统计位于所述虚拟二维图像内的所述交叉点的总数量是否满足第一阈值,所述坐标信息包括X坐标值和/或Y坐标值;以及,在判断结果为是时获得所述虚拟二维图像内的N个所述交叉点,N等于所述第一阈值。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第二获取模块用于从N个所述交叉点中选择满足预设标准的目标交叉点的方式具体为:
统计每一个区间上的所述交叉点的数量,获得第一数量,所述虚拟二维图像划分成多个所述区间,所有所述第一数量的总和等于所述总数量;以及,从所有所述第一数量中确定最大的目标第一数量;以及,选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第二获取模块用于选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点的方式具体为:
计算所述目标第一数量与所述总数量的比值是否不小于第二阈值;以及在判断结果为是时,选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第二获取模块用于从N个所述交叉点中选择满足预设标准的目标交叉点的方式具体为:
根据每一个所述交叉点的坐标信息,求取N个所述交叉点的均值,将所述均值对应的坐标点作为所述目标交叉点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第二映射模块用于以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点的方式具体为:
将所述目标交叉点映射至所述世界坐标系,获得映射点坐标;以及,根据所述映射点坐标将对应的映射点映射至所述相机坐标系以获得标定参考点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述装置还包括:
判断模块,用于在所述第一映射模块根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及所述第二获取模块获取映射得到的左右车道线的交叉点之前,判断所述左车道线在所述世界坐标系的倾斜度及所述右车道线在所述世界坐标系的倾斜度是否均小于预设值;以及在判断结果为是时,触发所述第一映射模块根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及所述第二获取模块获取映射得到的左右车道线的交叉点。
本发明实施例第三方面公开了一种车载相机,可包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的一种车载相机标定方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种车载相机标定方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
在本发明实施例中,从相机采集的图像获取左右车道线在世界坐标系的坐标参数,然后根据该坐标参数将左右车道线映射至自定义的虚拟二维图像上,其中,该虚拟二维图像与世界坐标系的自定义坐标范围已建立映射关系,并获取映射到虚拟二维图像上的左右车道线的交叉点,结合M帧图像以获得位于虚拟二维图像的N个交叉点,M、N都是正整数,且N不大于M,从N个交叉点中选择满足预设标准的目标交叉点,然后以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点,最后,获取到标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角,从而计算出相机相对地面的偏移角度,实现相机参数的动态标定;可以看出,通过实施本发明实施例,通过自定义一个虚拟二维图像,计算左右车道线在虚拟二维图像上的交叉点,通过交叉点反向推算出相机相对于地面的偏移角度,计算量较小,没有复杂的计算过程,且计算得到的偏移角度准确率较高,能够提高标定准确率。
另外,本发明实施例在车辆运动过程中实现,对车辆的运动幅度没有限制,能够实时跟踪相机相对外部环境的变化,并适用于所有类型相机。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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为本发明实施例一公开的车载相机标定方法的流程示意图;
图2为本发明实施例二公开的车载相机标定方法的流程示意图;
图3为本发明实施例三公开的车载相机标定方法的流程示意图;
图4为本发明实施例一公开的车载相机标定装置的结构示意图;
图5为本发明实施例二公开的车载相机标定装置的结构示意图;
图6为本发明实施例公开的车载相机的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”及“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种车载相机标定方法、装置、车载相机及存储介质,用于在车辆运动过程中实时修正车载相机参数,计算量少且准确率高。本发明实施例适用于单目相机、双目相机等。
可以理解,理想情况下,地面与相机的空间关系是固定的,车道线在俯视图上是平行的,不存在交叉点。当车辆运动时,相机会与地面发生相对运动,车道线在俯视图上的倾斜度也会随着发生变化。基于此原理,本发明实施例提供的方案通过分析车道线在虚拟二维图像上的交叉点来反向推算相机相对地面的角度变化,能够实时标定相机参数。下面将结合具体实施例,对本发明技术方案进行详细说明。
请参阅图1,图1为本发明实施例一公开的车载相机标定方法的流程示意图;如图1所示,该车载相机标定方法可包括:
101、从相机采集的图像中获取左右车道线在世界坐标系的坐标参数。
其中,本发明实施例的执行主体为车载相机标定装置或车载相机。
可以理解,在车辆运动过程中,通过相机实时采集二维的图像,所采集的图像包含有左右车道线。在本发明实施例中,通过从相机采集的二维图像中提取左右车道线,并映射至世界坐标系上,具体映射至世界坐标系的自定义范围内,以获得左右车道线在世界坐标系中的坐标参数,其中,左右车道线是指左车道线和右车道线。
其中,上述坐标参数至少包括左车道线在世界坐标系的倾斜度、左车道线与世界坐标系的Y轴的交点坐标、右车道线在世界坐标系的倾斜度、右车道线与世界坐标系的Y轴的交点坐标。
在本发明实施例中,以车辆后轴作为世界坐标系的原点,地面为基准(Z=0),即Z轴指向地面,X轴指向车辆前方,Y轴指向车辆右侧,而世界坐标系的自定义坐标范围为(xminxmaxyminymax),其中,xmax为自定义坐标范围对应的最大X坐标值,xmin为自定义坐标范围对应的最小X坐标值,ymax为自定义坐标范围对应的最大Y坐标值,ymin为自定义坐标范围对应的最小Y坐标值。左右车道线可以以直线方程式来表达,用slope1表示左车道线在世界坐标系的倾斜度,intercept1表示左车道线与世界坐标系的Y轴的交点坐标,该交点坐标在自定义坐标范围内,用slope2表示右车道线在世界坐标系的倾斜度,intercept2表示右车道线与世界坐标系的Y轴的交点坐标,该交点坐标也是在自定义坐标范围内,slopel和slope2可以表示为dy/dx。
102、根据上述坐标参数将左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点,该虚拟二维图像与世界坐标系的坐标范围已建立映射关系。
在本发明实施例中,在根据坐标参数将左右车道线映射至自定义的虚拟二维图像上之前,将虚拟二维图像与世界坐标系的自定义坐标范围建立映射关系。
其中,虚拟二维图像与世界坐标系的自定义坐标范围建立映射关系,具体是虚拟二维图像的尺寸与世界坐标系的自定义坐标范围建立映射关系。具体的,以地面为基准(Z=0),将世界坐标系的自定义坐标范围(xminxmaxyminymax)映射到虚拟二维图像上,使得虚拟二维图像的尺寸只与世界坐标系的自定义坐标范围对应,无需考虑自定义坐标范围之外的范围,以降低处理复杂度。如果虚拟二维图像的宽为W、高为H,则虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为相机距离地面的高度,W为虚拟二维图像的宽,H为虚拟二维图像的高度。
在虚拟二维图像与世界坐标系的自定义坐标范围建立映射关系后,由于左右车道线在世界坐标系中的坐标参数已知,则可以根据坐标参数将左右车道线映射到虚拟二维图像上。而虚拟二维图像为一个俯视图,若左右车道线在世界坐标系中存在倾斜度时,在影射至虚拟二维图像上后两条车道线会在一定距离后存在交叉点。需要说明的是,该交叉点可能会位于虚拟二维图像的尺寸范围内,也有可能会位于虚拟二维图像的尺寸范围之外。
还需要说明的是,本发明实施例的虚拟二维图像是虚构的,可以不用呈现实体的二维图像,而仅是虚构出该二维图像,目的是通过虚拟二维图像获得交叉点,从而优选出标定参考点。
103、结合M帧图像以获得位于虚拟二维图像内的N个交叉点,其中,一帧图像对应一个交叉点,M、N为正整数,且N不大于M。
可以理解,通过相机采集的一帧图像能够获得一个交叉点,而M帧图像能够获得M个交叉点,但是可能存在一些交叉点位于虚拟二维图像尺寸范围外。在本发明实施例中,结合M帧获得位于虚拟二维图像尺寸内的N个交叉点,N个交叉点是不包括位于虚拟二维图像尺寸范围外的交叉点,因此,获得的位于虚拟二维图像内的交叉点的数量N小于或等于M,其中,若M帧图像获得的M个交叉点都位于虚拟二维图像内,则N=M,若M帧图像获得的M个交叉点中有至少一个交叉点没有位于虚拟二维图像内,而是位于虚拟二维图像外,那么N小于M。
可选的,假设左右车道线的交叉点的坐标为(intercept_x,intercept_y),intercept_x表示交叉点在虚拟二维图像对应的坐标上的X轴坐标值,intercept_y表示交叉点在虚拟二维图像对应的坐标上的Y轴坐标值,在本发明实施例中可以通过某个分量或者两个分量一起表示某个交叉点,那么则可以根据intercept_x和/或intercept_y确认交叉点是否位于虚拟二维图像内,并且对于位于虚拟二维图像内的交叉点。
104、从N个交叉点中选择满足预设标准的目标交叉点。
其中,预设标准为预先设定的用于合理从N个交叉点中选择出能够用作相机标定参考的选择依据,具体将在后续实施例介绍,在此不再赘述。
105、以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点。
可选的,上述以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点,具体可以包括:
将目标交叉点映射至世界坐标系,获得映射点坐标;
根据该映射点坐标将对应映射点映射至相机坐标系以获得标定参考点。
由于目标交叉点是在虚拟二维图像尺寸范围内的点,根据虚拟二维图像与世界坐标系的坐标范围的映射关系,将目标交叉点映射至世界坐标系上,即映射至世界坐标系的坐标范围内,然后经世界坐标系再映射至相机坐标系,从而能够了解相机坐标系与左右车道线之间的关系,即相机坐标系与地面之间的关系,获得相应的偏移角度。
其中,映射点的坐标值为X=(H/2-intercept_y)/fy,Y=(W/2-intercept_x)/fx,Z=1.0),其中,通过步骤103解析可知,目标交叉点可以由intercept_x和/或intercept_y表示,那么得到的映射点也可以只通过X轴坐标、或者Y轴坐标、或者三个坐标值表示。
进一步的,将映射点映射至相机坐标系,得到相机坐标值为(cam_0,cam_1,cam_2)。
106、获取标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角。
假设相机坐标系中X轴指向车辆右方,Y轴指向车辆后方,Z轴指向下方,将计算获得俯仰角=-atan(cam_2/cam_1),横摆角=PI/2+atan(cam_0/cam_1),从而重新标定相机参数。
通过实施本发明实施例,从相机采集的图像获取左右车道线在世界坐标系的坐标参数,然后根据该坐标参数将左右车道线映射至自定义的虚拟二维图像上,其中,该虚拟二维图像与世界坐标系的自定义坐标范围已建立映射关系,并获取映射到虚拟二维图像上的左右车道线的交叉点,结合M帧图像以获得位于虚拟二维图像的N个交叉点,M、N都是正整数,且N不大于M,从N个交叉点中选择满足预设标准的目标交叉点,然后以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点,最后,获取到标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角,从而计算出相机相对地面的偏移角度,实现相机参数的动态标定;可以看出,通过实施本发明实施例,通过自定义一个虚拟二维图像,计算左右车道线在虚拟二维图像上的交叉点,通过交叉点反向推算出相机相对于地面的偏移角度,计算量较小,没有复杂的计算过程,且计算得到的偏移角度准确率较高,能够提高标定准确率。
另外,通过本发明实施例,在车辆运动过程中实现相机参数的标定,对车辆的运动幅度没有限制,能够实时跟踪相机相对外部环境的变化,并适用于所有类型相机。
请参阅图2,图2为本发明实施例二公开的车载相机标定方法的流程示意图;如图2所示,该车载相机标定方法可包括:
201、检测是否满足标定周期;在满足该标定周期时,执行步骤202,在未满足该标定周期时,继续执行步骤201。
其中,本发明实施例的执行主体为车载相机标定装置或车载相机。
在本发明实施例中可以预设标定周期,预设标定周期可以由驾驶员设置或者采用出厂时的默认设置,本发明实施例对此不做具体限定。
202、从相机采集的图像中获取左车道线及右车道线在世界坐标系的坐标参数,该坐标参数至少包括左车道线在世界坐标系的倾斜度、左车道线与世界坐标系的Y轴的交点坐标、右车道线在世界坐标系的倾斜度、右车道线与世界坐标系的Y轴的交点坐标。
其中,在满足标定周期时,相机采集外围环境的图像,外围环境的图像包含左车道线和右车道线,然后基于图像与世界坐标系的映射关系,能够获得左车道线在世界坐标系的坐标参数以及右车道线在世界坐标系的坐标参数。
203、判断左车道线在世界坐标系的倾斜度及右车道线在世界坐标系的倾斜度是否均小于预设值;其中,在两个倾斜度均小于预设值时,转向步骤204,在至少一个倾斜度大于或等于预设值时,转向步骤216。
其中,上述的至少一个倾斜度是指左车道线在世界坐标系的倾斜度大于或等于预设值,或者右车道线在世界坐标系的倾斜度大于或等于预设值,或者左车道线在世界坐标系的倾斜度大于或等于预设值且右车道线在世界坐标系的倾斜度大于或等于预设值。可以通过步骤203,只选取倾斜度小于预设值的左右车道线作为标定参考,以提高标定的准确率。
204、自定义一个虚拟二维图像,将上述世界坐标系的自定义坐标范围与该虚拟二维图像建立映射关系。
其中,将世界坐标系的自定义坐标范围与虚拟二维图像的尺寸进行关联,以建立相应的映射关系。
205、根据坐标参数将左车道线及右车道线映射至自定义的虚拟二维图像上。
206、获取在虚拟二维图像上映射得到的左车道线与右车道线的交叉点。
207、结合M帧图像及每一帧图像获得的对应交叉点的坐标信息,统计位于虚拟二维图像内的交叉点的总数量,该坐标信息包括X坐标和/或Y坐标值。
208、判断该总数量是否满足第一阈值;若是满足,转向步骤209,若未满足,转向步骤216。
209、获得虚拟二维图像内的N个交叉点,N等于第一阈值。
结合步骤208-209可知,在本发明实施例中预设第一阈值,用作检测位于虚拟二维图像的尺寸范围内的交叉点的总数量,即N为总数量,且N=第一阈值,结合一定数量的交叉点以提高标定的准确率。
210、统计每一个区间上的交叉点的数量,获得第一数量,该虚拟二维图像划分成多个区间,所有第一数量的总和等于总数量。
其中,在本发明实施例中,可以按照一定方式将虚拟二维图像尺寸对应的范围划分成若干个区间(如直方图),各个区间可以大小相同。可以理解,区间划分更细,则后续分析得到的相机相对地面的偏移角度的准确率更高。
进一步的,在获得虚拟二维图像尺寸范围内的交叉点的总数量N等于第一阈值后,将分别获得每一个区间的交叉点的数量,为第一数量。
211、从所有第一数量中确定最大的目标第一数量。
212、选择目标第一数量对应的区间的中间坐标点作为目标交叉点。
在步骤211-212中,通过确定交叉点最多的区间,并从该区间选择中间坐标点作为目标交叉点,以根据该目标交叉点来进行相机参数标定。
作为一种可选的实施方式,上述选择目标第一数量对应的区间的中间坐标点作为目标交叉点,可以包括:
计算目标第一数量与总数量的比值是否不小于第二阈值;
若是,选择目标第一数量对应的区间的中间坐标点作为目标交叉点。
在上述实施方式中,通过设定一个比例(第二阈值)来判断是否接受该区间的交叉点作为目标交叉点,即第一数量与总数量的比值,该比值大于等于第二阈值,比如第二阈值为0.25,则认为该区间对应的交叉点可以作为标定参考点。通过该实施方式,在大部分数量的交叉点都位于同一个区间时,再利用该区间的交叉点作为标定参考,能够提高相机标定的准确率。
进一步的,在目标第一数量与总数量的比值不小于第二阈值时,获取目标第一数量对应的区间内所有交叉点的均值,然后将均值对应的点作为该目标交叉点,以该目标交叉点来作为相机参数标定的参考点,有效提高相机标定的准确率。
213、将目标交叉点映射至世界坐标系,获得映射点坐标。
具体的,将目标交叉点映射至世界坐标系的自定义坐标范围内。
214、根据映射点坐标将对应映射点映射至相机坐标系以获得标定参考点。
215、获取标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角。
假设相机坐标系中X轴指向车辆右方,Y轴指向车辆后方,Z轴指向下方,将计算获得俯仰角=-atan(cam_2/cam_1),横摆角=PI/2+atan(cam_0/cam_1)。
216、获取下一帧图像。
执行完步骤216,转向步骤202。
通过上述实施例,本发明在满足标定周期时,从相机采集的图像获取左车道线和右车道线在世界坐标系的坐标参数,判断坐标参数中的左车道线在世界坐标系中的倾斜度是否小于预设值以及右车道线在世界坐标系的中倾斜度小于预设值,在两个倾斜度都小于预设值时,自定义一个虚拟二维图像,并将该虚拟二维图像与自定义世界坐标系的坐标范围建立映射关系,然后根据该坐标参数将左车道线和右车道线映射至虚拟二维图像上,并获取映射到虚拟二维图像上的左车道线和右车道线的交叉点,结合M帧图像共有M个交叉点,而其中位于虚拟二维图像尺寸范围内的交叉点的数量为N,N不大于M,若N满足第一阈值,统计每一个区间的交叉点的数量,即第一数量,选择最大的第一数量对应的区间,并从该区间中获取中间坐标点作为目标交叉点,将该目标交叉点映射至世界坐标系获得映射点坐标,根据映射点坐标将对应的映射点映射至相机坐标系以获得标定参考点,最后,获取到标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角,从而计算出相机相对地面的偏移角度,实现相机参数的动态标定;可以看出,通过实施本发明实施例,通过自定义一个虚拟二维图像,计算左右车道线在虚拟二维图像上的交叉点,并设定一些标准,以选择可用的标定参考点,实现通过交叉点反向推算出相机相对于地面的偏移角度,计算量较小,没有复杂的计算过程,且计算得到的偏移角度准确率较高,能够提高标定准确率。
另外,通过本发明实施例,在车辆运动过程中实现相机参数的标定,对车辆的运动幅度没有限制,能够实时跟踪相机相对外部环境的变化,并适用于所有类型相机。
请参阅图3,图3为本发明实施例三公开的车载相机标定方法的流程示意图;如图3所示,该车载相机标定方法可包括:
301、检测是否满足标定周期;在满足该标定周期时,执行步骤302,在未满足该标定周期时,继续执行步骤301。
其中,本发明实施例的执行主体为车载相机标定装置或车载相机。
302、从相机采集的图像中获取左车道线及右车道线在世界坐标系的坐标参数,该坐标参数至少包括左车道线在世界坐标系的倾斜度、左车道线与世界坐标系的Y轴的交点坐标、右车道线在世界坐标系的倾斜度、右车道线与世界坐标系的Y轴的交点坐标。
303、判断左车道线在世界坐标系的倾斜度及右车道线在世界坐标系的倾斜度是否均小于预设值;其中,在两个倾斜度均小于预设值时,转向步骤304,在至少一个倾斜度大于或等于预设值时,转向步骤314。
其中,上述的至少一个倾斜度是指左车道线在世界坐标系的倾斜度大于或等于预设值,或者右车道线在世界坐标系的倾斜度大于或等于预设值,或者左车道线在世界坐标系的倾斜度大于或等于预设值且右车道线在世界坐标系的倾斜度大于或等于预设值。
304、自定义一个虚拟二维图像,将上述世界坐标系的坐标范围与该虚拟二维图像建立映射关系。
其中,将世界坐标系的坐标范围与虚拟二维图像的尺寸进行关联,以建立相应的映射关系。
305、根据坐标参数将左车道线及右车道线映射至自定义的虚拟二维图像上。
306、获取在虚拟二维图像上映射得到的左车道线与右车道线的交叉点。
307、结合M帧图像及每一帧图像获得的对应交叉点的坐标信息,统计位于虚拟二维图像内的交叉点的总数量,该坐标信息包括X坐标和/或Y坐标值。
308、判断该总数量是否满足第一阈值;若是满足,转向步骤309,若未满足,转向步骤314。
309、获得虚拟二维图像内的N个交叉点,N等于第一阈值。
310、根据每一个交叉点的坐标信息,求取N个交叉点的均值,将均值对应的坐标点作为目标交叉点。
在本发明实施例中,在位于虚拟二维图像上的交叉点的总数量N等于第一阈值后,将求取N个交叉点的均值,该均值对应的坐标点作为目标交叉点。
311、将目标交叉点映射至世界坐标系,获得映射点坐标。
312、根据映射点坐标将对应的映射点映射至相机坐标系以获得标定参考点。
313、获取标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角。
314、获取下一帧图像。
执行完步骤314,转向步骤302。
通过上述实施例,本发明在满足标定周期时,从相机采集的图像获取左车道线和右车道线在世界坐标系的坐标参数,判断坐标参数中的左车道线在世界坐标系中的倾斜度是否小于预设值以及右车道线在世界坐标系的中倾斜度小于预设值,在两个倾斜度都小于预设值时,自定义一个虚拟二维图像,并将该虚拟二维图像与世界坐标系的自定义坐标范围建立映射关系,然后根据该坐标参数将左车道线和右车道线映射至虚拟二维图像上,并获取映射到虚拟二维图像上的左车道线和右车道线的交叉点,结合M帧图像共有M个交叉点,而其中位于虚拟二维图像尺寸范围内的交叉点的数量为N,N不大于M,若N等于第一阈值,求取N个交叉点的均值,将该均值对应的坐标点作为目标交叉点,将该目标交叉点映射至世界坐标系获得映射点,将映射点映射至相机坐标系以获得标定参考点,最后,获取到标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角,从而计算出相机相对地面的偏移角度,实现相机参数的动态标定;可以看出,通过实施本发明实施例,通过自定义一个虚拟二维图像,计算左右车道线在虚拟二维图像上的交叉点,并设定一些标准,以选择可用的标定参考点,实现通过交叉点反向推算出相机相对于地面的偏移角度,计算量较小,没有复杂的计算过程,且计算得到的偏移角度准确率较高,能够提高标定准确率。
另外,通过本发明实施例,在车辆运动过程中实现相机参数的标定,对车辆的运动幅度没有限制,能够实时跟踪相机相对外部环境的变化,并适用于所有类型相机。
请参阅图4,图4为本发明实施例一公开的车载相机标定装置的结构示意图;如图4所示,该车载相机标定装置可包括:
第一获取模块410,用于从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;
第一映射模块420,用于根据坐标参数将左右车道线映射至自定义的虚拟二维图像上,该虚拟二维图像与世界坐标系的自定义坐标范围已建立映射关系;
第二获取模块430,用于获取映射得到的左右车道线的交叉点;
上述第二获取模块430,还用于结合M帧图像以获得位于虚拟二维图像内的N个交叉点,其中,一帧图像对应一个交叉点,M、N为正整数,且N不大于M;
上述第二获取模块430,还用于从N个交叉点中选择满足预设标准的目标交叉点;
第二映射模块440,用于以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点;
标定模块450,用于获取标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角。
其中,上述坐标参数至少包括左车道线在世界坐标系的倾斜度、左车道线与世界坐标系的Y轴的交点坐标、右车道线在世界坐标系的倾斜度、右车道线与世界坐标系的Y轴的交点坐标。
在本发明实施例中,世界坐标系的自定义坐标范围为(xmaxxminymaxymin),其中,xmax为自定义坐标范围对应的最大X坐标值,xmin为自定义坐标范围对应的最小X坐标值,ymax为自定义坐标范围对应的最大Y坐标值,ymin为自定义坐标范围对应的最小Y坐标值,虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为相机距离地面的高度,W为虚拟二维图像的宽,H为虚拟二维图像的高度。
通过实施上述装置,第一获取模块410从相机采集的图像获取左右车道线在世界坐标系的坐标参数,然后第一映射模块420根据该坐标参数将左右车道线映射至自定义的虚拟二维图像上,其中,该虚拟二维图像与世界坐标系的自定义坐标范围已建立映射关系,第二获取模块430获取映射到虚拟二维图像上的左右车道线的交叉点,结合M帧图像以获得位于虚拟二维图像的N个交叉点,M、N都是正整数,且N不大于M,从N个交叉点中选择满足预设标准的目标交叉点,然后第二映射模块440以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点,最后,标定模块450获取到标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角,从而计算出相机相对地面的偏移角度,实现相机参数的动态标定;可以看出,通过实施本发明实施例,通过自定义一个虚拟二维图像,计算左右车道线在虚拟二维图像上的交叉点,通过交叉点反向推算出相机相对于地面的偏移角度,计算量较小,没有复杂的计算过程,且计算得到的偏移角度准确率较高,能够提高标定准确率。
另外,本发明实施例在车辆运动过程中实现,对车辆的运动幅度没有限制,能够实时跟踪相机相对外部环境的变化,并适用于所有类型相机。
作为一种可选的实施方式,上述第二获取模块430用于结合M帧图像以获得位于虚拟二维图像内的N个交叉点的方式具体为:
结合M帧图像及每一帧图像获得的对应交叉点的坐标信息,统计位于虚拟二维图像内的交叉点的总数量是否满足第一阈值,该坐标信息包括X坐标值和/或Y坐标值;以及,在判断结果为是时获得虚拟二维图像内的N个交叉点,N等于第一阈值。
作为一种可选的实施方式,上述第二获取模块430用于从N个交叉点中选择满足预设标准的目标交叉点的方式具体为:
统计每一个区间上的交叉点的数量,获得第一数量,该虚拟二维图像划分成多个区间,所有第一数量的总和等于总数量;以及,从所有第一数量中确定最大的目标第一数量;以及,选择目标第一数量对应的区间的中间坐标点作为目标交叉点。
作为一种可选的实施方式,上述第二获取模块430用于选择目标第一数量对应的区间的中间坐标点作为目标交叉点的方式具体为:
计算目标第一数量与总数量的比值是否不小于第二阈值;以及在判断结果为是时,选择目标第一数量对应的区间的中间坐标点作为目标交叉点。
通过上述实施方式,设定第一阈值和第二阈值,以用于判断位于虚拟二维图像尺寸范围内的可用作相机标定参考的交叉点,以提高相机标定效率。
作为一种可选的实施方式,上述第二获取模块430用于从N个交叉点中选择满足预设标准的目标交叉点的方式具体为:
根据每一个交叉点的坐标信息,求取N个交叉点的均值,将均值对应的坐标点作为目标交叉点。
在位于虚拟二维图像上的交叉点的总数量N等于第一阈值后,将求取N个交叉点的均值,该均值对应的坐标点作为目标交叉点,以提高相机标定效率。
作为一种可选的实施方式,上述第二映射模块440用于以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点的方式具体为:
将目标交叉点映射至世界坐标系,获得映射点坐标;以及,根据映射点坐标将对应的映射点映射至相机坐标系以获得标定参考点。
在本发明实施例中,采用虚拟二维图像,然后结合世界坐标系的自定义坐标范围,完成几个坐标系之间的转换,以分析左右车道线在虚拟二维图像上的交叉点来分析相机相对地面的角度变化,能够实时获得相机的实际姿态,以标定相机参数。
请参阅图5,图5为本发明实施例二公开的车载相机标定装置的结构示意图;图5所示的车载相机标定装置是在图4所示的车载相机标定装置的基础上进行优化得到的,图5所示的装置还进一步包括:
判断模块510,用于在第一映射模块420根据坐标参数将左右车道线映射至自定义的虚拟二维图像上,及第二获取模块430获取映射得到的左右车道线的交叉点之前,判断左车道线在世界坐标系的倾斜度及右车道线在世界坐标系的倾斜度是否均小于预设值;以及在判断结果为是时,触发第一映射模块420根据坐标参数将左右车道线映射至自定义的虚拟二维图像上,及第二获取模块430获取映射得到的左右车道线的交叉点。
通过上述实施方式,只选取倾斜度小于预设值的左右车道线作为标定参考,以提高标定的准确率。
请参阅图6,图6为本发明实施例公开的车载相机的结构示意图;图6所示的车载相机可包括:至少一个处理器610,例如CPU,通信总线630用于实现这些组件之间的通信连接。存储器620可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器620可选的还可以是至少一个位于远离前述处理器610的存储装置。其中,存储器610中存储一组程序代码,且处理器610调用存储器620中存储的程序代码,用于执行以下操作:
从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;
根据坐标参数将左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点,该虚拟二维图像与世界坐标系的自定义坐标范围已建立映射关系;
结合M帧图像以获得位于虚拟二维图像内的N个交叉点,其中,一帧图像对应一个交叉点,M、N为正整数,且N不大于M;
从N个交叉点中选择满足预设标准的目标交叉点;
以世界坐标系为依据,将目标交叉点映射至相机坐标系以获得标定参考点;
获取标定参考点相对相机坐标系的偏移角度,该偏移角度包括俯仰角和横摆角。
其中,该坐标参数至少包括左车道线在世界坐标系的倾斜度、左车道线与世界坐标系的Y轴的交点坐标、右车道线在世界坐标系的倾斜度、右车道线与世界坐标系的Y轴的交点坐标。
世界坐标系的自定义坐标范围为(xmaxxminymaxymin),其中,xmax为自定义坐标范围对应的最大X坐标值,xmin为自定义坐标范围对应的最小X坐标值,ymax为自定义坐标范围对应的最大Y坐标值,ymin为自定义坐标范围对应的最小Y坐标值,虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为相机距离地面的高度,W为虚拟二维图像的宽,H为虚拟二维图像的高度。
作为一种可选的实施方式,上述处理器610还用于执行以下步骤:
结合M帧图像及每一帧图像获得的对应交叉点的坐标信息,统计位于虚拟二维图像内的交叉点的总数量是否满足第一阈值,该坐标信息包括X坐标值和/或Y坐标值;若是,获得虚拟二维图像内的N个交叉点,N等于第一阈值。
作为一种可选的实施方式,上述处理器610还用于执行以下步骤:
统计每一个区间上的交叉点的数量,获得第一数量,该虚拟二维图像划分成多个区间,所有第一数量的总和等于总数量;从所有第一数量中确定最大的目标第一数量;选择目标第一数量对应的区间的中间坐标点作为目标交叉点。
作为一种可选的实施方式,上述处理器610还用于执行以下步骤:
计算目标第一数量与总数量的比值是否不小于第二阈值;若是,选择目标第一数量对应的区间的中间坐标点作为目标交叉点。
作为一种可选的实施方式,上述处理器610还用于执行以下步骤:
根据每一个交叉点的坐标信息,求取N个交叉点的均值,将均值对应的坐标点作为目标交叉点。
作为一种可选的实施方式,上述处理器610还用于执行以下步骤:
将目标交叉点映射至世界坐标系,获得映射点坐标;根据映射点坐标将对应的映射点映射至相机坐标系以获得标定参考点。
作为一种可选的实施方式,上述处理器610还用于执行以下步骤:
判断左车道线在世界坐标系的倾斜度及右车道线在世界坐标系的倾斜度是否均小于预设值;若是,执行根据坐标参数将左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点的步骤。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行图1至图3公开的一种车载相机标定方法。
本发明实施例还公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1至图3公开的任意一种方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1至图3公开的任意一种方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种车载相机标定方法、装置、车载相机及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (20)
1.一种车载相机标定方法,其特征在于,包括:
从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;
根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点,所述虚拟二维图像与所述世界坐标系的自定义坐标范围已建立映射关系;
结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点,其中,一帧所述图像对应一个所述交叉点,M、N为正整数,且N不大于M;
从N个所述交叉点中选择满足预设标准的目标交叉点;
以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点;
获取所述标定参考点相对所述相机坐标系的偏移角度,所述偏移角度包括俯仰角和横摆角。
2.根据权利要求1所述的方法,其特征在于,所述坐标参数至少包括左车道线在所述世界坐标系的倾斜度、所述左车道线与所述世界坐标系的Y轴的交点坐标、右车道线在所述世界坐标系的倾斜度、所述右车道线与所述世界坐标系的Y轴的交点坐标。
3.根据权利要求1或2所述的方法,其特征在于,所述世界坐标系的自定义坐标范围为(xmax xmin ymax ymin),其中,xmax为所述自定义坐标范围对应的最大X坐标值,xmin为所述自定义坐标范围对应的最小X坐标值,ymax为所述自定义坐标范围对应的最大Y坐标值,ymin为所述自定义坐标范围对应的最小Y坐标值,所述虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为所述相机距离地面的高度,W为所述虚拟二维图像的宽,H为所述虚拟二维图像的高度。
4.根据权利要求1所述的方法,其特征在于,所述结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点,包括:
结合M帧所述图像及每一帧所述图像获得的对应交叉点的坐标信息,统计位于所述虚拟二维图像内的所述交叉点的总数量是否满足第一阈值,所述坐标信息包括X坐标值或Y坐标值;
若是,获得所述虚拟二维图像内的N个所述交叉点,N等于所述第一阈值。
5.根据权利要求4所述的方法,其特征在于,所述从N个所述交叉点中选择满足预设标准的目标交叉点,包括:
统计每一个区间上的所述交叉点的数量,获得第一数量,所述虚拟二维图像划分成多个所述区间,所有所述第一数量的总和等于所述总数量;
从所有所述第一数量中确定最大的目标第一数量;
选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
6.根据权利要求5所述的方法,其特征在于,所述选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点,包括:
计算所述目标第一数量与所述总数量的比值是否不小于第二阈值;
若是,选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
7.根据权利要求4所述的方法,其特征在于,所述从N个所述交叉点中选择满足预设标准的目标交叉点,包括:
根据每一个所述交叉点的坐标信息,求取N个所述交叉点的均值,将所述均值对应的坐标点作为所述目标交叉点。
8.根据权利要求3所述的方法,其特征在于,所述以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点,包括:
将所述目标交叉点映射至所述世界坐标系,获得映射点坐标;
根据所述映射点坐标将对应的映射点映射至所述相机坐标系以获得标定参考点。
9.根据权利要求2至8任一项所述的方法,其特征在于,所述根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点之前,所述方法还包括:
判断所述左车道线在所述世界坐标系的倾斜度及所述右车道线在所述世界坐标系的倾斜度是否均小于预设值;
若是,执行所述根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及获取映射得到的左右车道线的交叉点的步骤。
10.一种车载相机标定装置,其特征在于,包括:
第一获取模块,用于从相机采集的图像中获取左右车道线在世界坐标系的坐标参数;
第一映射模块,用于根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,所述虚拟二维图像与所述世界坐标系的自定义坐标范围已建立映射关系;
第二获取模块,用于获取映射得到的左右车道线的交叉点;
所述第二获取模块,还用于结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点,其中,一帧所述图像对应一个所述交叉点,M、N为正整数,且N不大于M;
所述第二获取模块,还用于从N个所述交叉点中选择满足预设标准的目标交叉点;
第二映射模块,用于以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点;
标定模块,用于获取所述标定参考点相对所述相机坐标系的偏移角度,所述偏移角度包括俯仰角和横摆角。
11.根据权利要求10所述的装置,其特征在于,所述坐标参数至少包括左车道线在所述世界坐标系的倾斜度、所述左车道线与所述世界坐标系的Y轴的交点坐标、右车道线在所述世界坐标系的倾斜度、所述右车道线与所述世界坐标系的Y轴的交点坐标。
12.根据权利要求10或11所述的装置,其特征在于,所述世界坐标系的自定义坐标范围为(xmax xmin ymax ymin),其中,xmax为所述自定义坐标范围对应的最大X坐标值,xmin为所述自定义坐标范围对应的最小X坐标值,ymax为所述自定义坐标范围对应的最大Y坐标值,ymin为所述自定义坐标范围对应的最小Y坐标值,所述虚拟二维图像的焦距比fx的计算公式为:
fx=d*W/(ymax-ymin),fy=d*H/(xmax-xmin);
其中,d为所述相机距离地面的高度,W为所述虚拟二维图像的宽,H为所述虚拟二维图像的高度。
13.根据权利要求10所述的装置,其特征在于,所述第二获取模块用于结合M帧所述图像以获得位于所述虚拟二维图像内的N个所述交叉点的方式具体为:
结合M帧所述图像及每一帧所述图像获得的对应交叉点的坐标信息,统计位于所述虚拟二维图像内的所述交叉点的总数量是否满足第一阈值,所述坐标信息包括X坐标值或Y坐标值;以及,在判断结果为是时获得所述虚拟二维图像内的N个所述交叉点,N等于所述第一阈值。
14.根据权利要求13所述的装置,其特征在于,所述第二获取模块用于从N个所述交叉点中选择满足预设标准的目标交叉点的方式具体为:
统计每一个区间上的所述交叉点的数量,获得第一数量,所述虚拟二维图像划分成多个所述区间,所有所述第一数量的总和等于所述总数量;以及,从所有所述第一数量中确定最大的目标第一数量;以及,选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
15.根据权利要求14所述的装置,其特征在于,所述第二获取模块用于选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点的方式具体为:
计算所述目标第一数量与所述总数量的比值是否不小于第二阈值;以及在判断结果为是时,选择所述目标第一数量对应的区间的中间坐标点作为所述目标交叉点。
16.根据权利要求13所述的装置,其特征在于,所述第二获取模块用于从N个所述交叉点中选择满足预设标准的目标交叉点的方式具体为:
根据每一个所述交叉点的坐标信息,求取N个所述交叉点的均值,将所述均值对应的坐标点作为所述目标交叉点。
17.根据权利要求12所述的装置,其特征在于,所述第二映射模块用于以所述世界坐标系为依据,将所述目标交叉点映射至相机坐标系以获得标定参考点的方式具体为:
将所述目标交叉点映射至所述世界坐标系,获得映射点坐标;以及,根据所述映射点坐标将对应的映射点映射至所述相机坐标系以获得标定参考点。
18.根据权利要求11至17任一项所述的装置,其特征在于,所述装置还包括:
判断模块,用于在所述第一映射模块根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及所述第二获取模块获取映射得到的左右车道线的交叉点之前,判断所述左车道线在所述世界坐标系的倾斜度及所述右车道线在所述世界坐标系的倾斜度是否均小于预设值;以及在判断结果为是时,触发所述第一映射模块根据所述坐标参数将所述左右车道线映射至自定义的虚拟二维图像上,及所述第二获取模块获取映射得到的左右车道线的交叉点。
19.一种车载相机,其特征在于,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行权利要求1-9任一项所述的一种车载相机标定方法。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1-9任一项所述的一种车载相机标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327898.3A CN112927309B (zh) | 2021-03-26 | 2021-03-26 | 一种车载相机标定方法、装置、车载相机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327898.3A CN112927309B (zh) | 2021-03-26 | 2021-03-26 | 一种车载相机标定方法、装置、车载相机及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112927309A true CN112927309A (zh) | 2021-06-08 |
CN112927309B CN112927309B (zh) | 2024-04-09 |
Family
ID=76176247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110327898.3A Active CN112927309B (zh) | 2021-03-26 | 2021-03-26 | 一种车载相机标定方法、装置、车载相机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927309B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067001A (zh) * | 2022-01-14 | 2022-02-18 | 天津所托瑞安汽车科技有限公司 | 车载相机角度标定方法、终端及存储介质 |
CN114252082A (zh) * | 2022-03-01 | 2022-03-29 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
CN115107834A (zh) * | 2022-07-18 | 2022-09-27 | 西南交通大学 | 一种铁道车辆轮对运行轨迹的车载监测系统 |
CN117446441A (zh) * | 2023-11-08 | 2024-01-26 | 山东金旭钢构工程有限公司 | 一种板坯传输纠偏的控制方法及系统 |
CN118397109A (zh) * | 2024-06-27 | 2024-07-26 | 杭州海康威视数字技术股份有限公司 | 车载相机标定方法、装置、电子设备及机器可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110157026A1 (en) * | 2009-12-30 | 2011-06-30 | Hong Kong Applied Science and Technology Research Institute Company Limited | Coordinate locating method, coordinate locating device, and display apparatus comprising the coordinate locating device |
CN106875448A (zh) * | 2017-02-16 | 2017-06-20 | 武汉极目智能技术有限公司 | 一种车载单目摄像头外部参数自标定方法 |
CN107133985A (zh) * | 2017-04-20 | 2017-09-05 | 常州智行科技有限公司 | 一种基于车道线消逝点的车载摄像机自动标定方法 |
CN110930459A (zh) * | 2019-10-29 | 2020-03-27 | 北京经纬恒润科技有限公司 | 灭点提取方法、相机标定方法以及存储介质 |
CN112102413A (zh) * | 2020-07-22 | 2020-12-18 | 西安交通大学 | 一种基于虚车道线的车载相机自动标定方法 |
CN112183512A (zh) * | 2020-12-02 | 2021-01-05 | 深圳佑驾创新科技有限公司 | 摄像头标定方法、装置、车载终端和存储介质 |
CN112233186A (zh) * | 2020-10-14 | 2021-01-15 | 徐双双 | 基于图像感知的设备气密性检测相机自标定方法 |
-
2021
- 2021-03-26 CN CN202110327898.3A patent/CN112927309B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110157026A1 (en) * | 2009-12-30 | 2011-06-30 | Hong Kong Applied Science and Technology Research Institute Company Limited | Coordinate locating method, coordinate locating device, and display apparatus comprising the coordinate locating device |
CN106875448A (zh) * | 2017-02-16 | 2017-06-20 | 武汉极目智能技术有限公司 | 一种车载单目摄像头外部参数自标定方法 |
CN107133985A (zh) * | 2017-04-20 | 2017-09-05 | 常州智行科技有限公司 | 一种基于车道线消逝点的车载摄像机自动标定方法 |
CN110930459A (zh) * | 2019-10-29 | 2020-03-27 | 北京经纬恒润科技有限公司 | 灭点提取方法、相机标定方法以及存储介质 |
CN112102413A (zh) * | 2020-07-22 | 2020-12-18 | 西安交通大学 | 一种基于虚车道线的车载相机自动标定方法 |
CN112233186A (zh) * | 2020-10-14 | 2021-01-15 | 徐双双 | 基于图像感知的设备气密性检测相机自标定方法 |
CN112183512A (zh) * | 2020-12-02 | 2021-01-05 | 深圳佑驾创新科技有限公司 | 摄像头标定方法、装置、车载终端和存储介质 |
Non-Patent Citations (2)
Title |
---|
李婵: "《基于消失点及模型匹配的相机自动标定算法研究》", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑), 31 January 2020 (2020-01-31) * |
陈军: "《基于道路特征的车载相机标定动态补偿算法》", 机械工程学报, 20 October 2010 (2010-10-20) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067001A (zh) * | 2022-01-14 | 2022-02-18 | 天津所托瑞安汽车科技有限公司 | 车载相机角度标定方法、终端及存储介质 |
CN114252082A (zh) * | 2022-03-01 | 2022-03-29 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
CN115107834A (zh) * | 2022-07-18 | 2022-09-27 | 西南交通大学 | 一种铁道车辆轮对运行轨迹的车载监测系统 |
CN115107834B (zh) * | 2022-07-18 | 2024-09-17 | 西南交通大学 | 一种铁道车辆轮对运行轨迹的车载监测系统 |
CN117446441A (zh) * | 2023-11-08 | 2024-01-26 | 山东金旭钢构工程有限公司 | 一种板坯传输纠偏的控制方法及系统 |
CN117446441B (zh) * | 2023-11-08 | 2024-06-07 | 山东金旭钢构工程有限公司 | 一种板坯传输纠偏的控制方法及系统 |
CN118397109A (zh) * | 2024-06-27 | 2024-07-26 | 杭州海康威视数字技术股份有限公司 | 车载相机标定方法、装置、电子设备及机器可读存储介质 |
CN118397109B (zh) * | 2024-06-27 | 2024-08-20 | 杭州海康威视数字技术股份有限公司 | 车载相机标定方法、装置、电子设备及机器可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112927309B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112927309A (zh) | 一种车载相机标定方法、装置、车载相机及存储介质 | |
EP2958054B1 (en) | Hazard detection in a scene with moving shadows | |
CN109074490B (zh) | 通路检测方法、相关装置及计算机可读存储介质 | |
CN110119698B (zh) | 用于确定对象状态的方法、装置、设备和存储介质 | |
US11200432B2 (en) | Method and apparatus for determining driving information | |
CN109946703B (zh) | 一种传感器姿态调整方法及装置 | |
US10984555B2 (en) | Object detection device and vehicle | |
JP6756101B2 (ja) | 物体認識装置 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
US20220044032A1 (en) | Dynamic adjustment of augmented reality image | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
CN114550042A (zh) | 一种道路消失点提取方法、车载传感器标定方法及装置 | |
CN114972427A (zh) | 一种基于单目视觉的目标跟踪方法、终端设备及存储介质 | |
CN114705121A (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
CN114919584A (zh) | 机动车定点目标测距方法、装置及计算机可读存储介质 | |
KR102003387B1 (ko) | 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체 | |
US9384576B2 (en) | Method and device for computing a change in an image scale of an object | |
CN114119724A (zh) | 一种调整用于自动驾驶的高度图的网格间距的方法 | |
CN116703979A (zh) | 目标跟踪方法、装置、终端及存储介质 | |
CN114037977B (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
EP3163533A1 (en) | Adaptive view projection for a vehicle camera system | |
CN116148820A (zh) | 一种激光雷达校准方法、计算机设备、可读存储介质及机动车 | |
US11477371B2 (en) | Partial image generating device, storage medium storing computer program for partial image generation and partial image generating method | |
EP3389015A1 (en) | Roll angle calibration method and roll angle calibration device | |
WO2022133986A1 (en) | Accuracy estimation method and system |
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 |