CN112991202B - 光心位置的校准方法、终端设备及计算机可读存储介质 - Google Patents
光心位置的校准方法、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112991202B CN112991202B CN202110227056.0A CN202110227056A CN112991202B CN 112991202 B CN112991202 B CN 112991202B CN 202110227056 A CN202110227056 A CN 202110227056A CN 112991202 B CN112991202 B CN 112991202B
- Authority
- CN
- China
- Prior art keywords
- image
- column
- image point
- determining
- value
- 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
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005070 sampling Methods 0.000 claims description 71
- 238000009795 derivation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Abstract
本申请公开了一种光心位置的校准方法、终端设备及计算机可读存储介质,该方法应用于鱼眼型摄像设备的终端设备,包括:获取预设光源环境的待处理图像,将待处理图像进行灰度处理,得到待处理图像对应的灰度图像;基于灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定灰度图像对应的有效区域;基于最大灰度值图像点和有效区域确定有效图像点;基于有效图像点确定对应的目标图像点,并基于目标图像点确定对应的光心图像点。本申请通过灰度图像中图像点的灰度值确定最大灰度值图像点和有效区域,并确定灰度图像中的有效图像点,通过有效图像点确定光心图像点,从而准确校准了设备的光心位置。
Description
技术领域
本申请涉及鱼眼型摄像设备的终端设备技术领域,尤其涉及一种光心位置的校准方法、终端设备及计算机可读存储介质。
背景技术
随着VR(Virtual Reality,虚拟现实技术)技术、AR(Augmented Reality,增强现实)技术的流行和普及,鱼眼摄像设备开始占据越来越大的市场份额。在鱼眼摄像设备中,由于鱼眼镜头的FOV(视角)大,造成鱼眼摄像设备的中心亮度远远大于边缘亮度,使得鱼眼摄像设备的亮度中心发生偏移,从而影响鱼眼摄像设备的成像效果。
上述内容仅用于辅助理解本申请的技术方案,并不代表承认上述内容是现有技术。
发明内容
本申请的主要目的在于提供一种光心位置的校准方法、终端设备及计算机可读存储介质,旨在实现准确校准设备的光心位置。
为实现上述目的,本申请实施例提供一种光心位置的校准方法,所述光心位置的校准方法应用于携带有鱼眼型摄像设备的终端设备,所述光心位置的校准方法包括:
获取预设光源环境的待处理图像,将所述待处理图像进行灰度处理,得到所述待处理图像对应的灰度图像;
基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定所述灰度图像对应的有效区域;
基于所述最大灰度值图像点和所述有效区域确定有效图像点;
基于所述有效图像点确定对应的目标图像点,并基于所述目标图像点确定对应的光心图像点。
可选地,所述基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点的步骤包括:
确定所述灰度图像中各个图像点对应的坐标信息,其中,所述坐标信息包括行坐标值和列坐标值;
基于所述行坐标值确定各行中灰度值最大的图像点,并将各行中灰度值最大的图像点确定为最大灰度值行图像点;
基于所述列坐标值确定各列中灰度值最大的图像点,并将各列中灰度值最大的图像点确定为最大灰度值列图像点;
将所述最大灰度值行图像点和所述最大灰度值列图像点确定为所述最大灰度值图像点。
可选地,所述基于各个图像点的灰度值确定所述灰度图像对应的有效区域的步骤包括:
基于所述行坐标值并通过预设采样方式对各行的灰度值进行行采样,确定各行的行采样值;
基于所述列坐标值并通过所述预设采样方式对各列的灰度值进行列采样,确定各列的列采样值;
基于各行的行采样值确定所述灰度图像的有效行区域,并基于各列的列采样值确定所述灰度图像的有效列区域;
将所述有效行区域和所述有效列区域确定为所述有效区域。
可选地,所述基于各行的行采样值确定所述灰度图像的有效行区域的步骤包括:
基于各行的行采样值确定各行的灰度平均值,并将各行的灰度平均值分别进行求导,得到各行的灰度导数值;
基于各行的灰度导数值确定各行的灰度极值,并基于各行的灰度极值确定各行的边界位置点;
基于各行的边界位置点确定所述灰度图像的有效行区域。
可选地,所述基于所述最大灰度值图像点和所述有效区域确定有效图像点的步骤包括:
基于有效行区域确定最大灰度值列图像点中的有效列图像点,并基于有效列区域确定最大灰度值行图像点中的有效行图像点;
将所述有效行图像点和所述有效列图像点确定为所述有效图像点。
可选地,所述基于有效行区域确定最大灰度值列图像点中的有效列图像点,并基于有效列区域确定最大灰度值行图像点中的有效行图像点的步骤包括:
将在所述有效行区域内的最大灰度值列图像点确定为有效列图像点,并将在所述有效列区域内的最大灰度值行图像点确定为有效行图像点。
可选地,所述基于所述有效图像点确定对应的目标图像点的步骤包括:
基于所述有效行图像点的行坐标值确定行坐标均值和行坐标方差值,并基于所述有效列图像点的列坐标值确定列坐标均值和列坐标方差值;
将满足基于所述行坐标均值和所述行坐标方差值的预设正态分布的有效行图像点确定为目标行图像点;
将满足基于所述列坐标均值和所述列坐标方差值的预设正态分布的有效列图像点确定为目标列图像点;
将所述目标行图像点和所述目标列图像点确定为所述目标图像点。
可选地,所述基于所述目标图像点确定对应的光心图像点的步骤包括:
基于所述目标行图像点的行坐标值确定对应的行坐标期望值,并将所述行坐标期望值确定为目标行坐标值;
基于所述目标列图像点的列坐标值确定对应的列坐标期望值,并将所述列坐标期望值确定为目标列坐标值;
基于所述目标行坐标值和所述目标列坐标值确定对应的光心图像点。
本申请实施例还提供一种终端设备,所述终端设备包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的光心位置的校准程序,所述光心位置的校准程序被所述处理器执行时实现如上所述的光心位置的校准方法的步骤。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有光心位置的校准程序,所述光心位置的校准程序被处理器执行时实现如上所述的光心位置的校准方法的步骤。
本申请实施例提供的光心位置的校准方法、终端设备及计算机可读存储介质,通过获取预设光源环境的待处理图像,将待处理图像进行灰度处理,得到待处理图像对应的灰度图像;基于灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定灰度图像对应的有效区域;基于最大灰度值图像点和有效区域确定有效图像点;基于有效图像点确定对应的目标图像点,并基于目标图像点确定对应的光心图像点。由此可知,本申请在校准光心图像点的过程中,通过灰度图像中图像点的灰度值确定最大灰度值图像点和有效区域,再通过最大灰度值图像点和有效区域剔除无效图像点,确定灰度图像中的有效图像点,最后通过有效图像点确定光心图像点,从而准确校准了设备的光心位置。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的终端设备结构示意图;
图2是本申请光心位置的校准方法第一实施例的流程示意图;
图3是本申请光心位置的校准方法中图像点的灰度值趋势示意图;
图4是本申请光心位置的校准方法第一实施例中步骤S20的细化流程示意图;
图5是本申请光心位置的校准方法四倍超采样的计算方法示意图;
图6是本申请光心位置的校准方法第一实施例中步骤S40的细化流程示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例的主要解决方案是:获取预设光源环境的待处理图像,将待处理图像进行灰度处理,得到待处理图像对应的灰度图像;基于灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定灰度图像对应的有效区域;基于最大灰度值图像点和有效区域确定有效图像点;基于有效图像点确定对应的目标图像点,并基于目标图像点确定对应的光心图像点。本申请在校准光心图像点的过程中,通过灰度图像中图像点的灰度值确定最大灰度值图像点和有效区域,再通过最大灰度值图像点和有效区域剔除无效图像点,确定灰度图像中的有效图像点,最后通过有效图像点确定光心图像点,从而准确校准了设备的光心位置。
具体地,参照图1,图1为本申请实施例方案涉及的硬件运行环境的终端设备结构示意图。该终端设备可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,用户接口1003,网络接口1004,通信总线1002。通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(board),用户接口1003可选的还可以包括标准的有线接口(如USB(Universal SerialBus,通用串行总线)接口)、无线接口(如蓝牙接口)。网络接口1004可以包括标准的有线接口、无线接口(如WI-FI((Wireless-Fidelity))接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。可选地,终端设备还可以包括RF(RadioFrequency,射频)电路,传感器、WiFi模块等。
本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及光心位置的校准程序。其中,操作系统是管理和控制终端设备硬件和软件资源的程序,支持光心位置的校准程序以及其它软件或程序的运行。
在图1所示的终端设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信;其中,处理器1001可以用于调用存储器1005中存储的光心位置的校准程序,并执行如下操作:
获取预设光源环境的待处理图像,将所述待处理图像进行灰度处理,得到所述待处理图像对应的灰度图像;
基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定所述灰度图像对应的有效区域;
基于所述最大灰度值图像点和所述有效区域确定有效图像点;
基于所述有效图像点确定对应的目标图像点,并基于所述目标图像点确定对应的光心图像点。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
确定所述灰度图像中各个图像点对应的坐标信息,其中,所述坐标信息包括行坐标值和列坐标值;
基于所述行坐标值确定各行中灰度值最大的图像点,并将各行中灰度值最大的图像点确定为最大灰度值行图像点;
基于所述列坐标值确定各列中灰度值最大的图像点,并将各列中灰度值最大的图像点确定为最大灰度值列图像点;
将所述最大灰度值行图像点和所述最大灰度值列图像点确定为所述最大灰度值图像点。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
基于所述行坐标值并通过预设采样方式对各行的灰度值进行行采样,确定各行的行采样值;
基于所述列坐标值并通过所述预设采样方式对各列的灰度值进行列采样,确定各列的列采样值;
基于各行的行采样值确定所述灰度图像的有效行区域,并基于各列的列采样值确定所述灰度图像的有效列区域;
将所述有效行区域和所述有效列区域确定为所述有效区域。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
基于各行的行采样值确定各行的灰度平均值,并将各行的灰度平均值分别进行求导,得到各行的灰度导数值;
基于各行的灰度导数值确定各行的灰度极值,并基于各行的灰度极值确定各行的边界位置点;
基于各行的边界位置点确定所述灰度图像的有效行区域。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
基于有效行区域确定最大灰度值列图像点中的有效列图像点,并基于有效列区域确定最大灰度值行图像点中的有效行图像点;
将所述有效行图像点和所述有效列图像点确定为所述有效图像点。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
将在所述有效行区域内的最大灰度值列图像点确定为有效列图像点,并将在所述有效列区域内的最大灰度值行图像点确定为有效行图像点。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
基于所述有效行图像点的行坐标值确定行坐标均值和行坐标方差值,并基于所述有效列图像点的列坐标值确定列坐标均值和列坐标方差值;
将满足基于所述行坐标均值和所述行坐标方差值的预设正态分布的有效行图像点确定为目标行图像点;
将满足基于所述列坐标均值和所述列坐标方差值的预设正态分布的有效列图像点确定为目标列图像点;
将所述目标行图像点和所述目标列图像点确定为所述目标图像点。
进一步地,处理器1001可以调用存储器1005中存储的光心位置的校准程序,还执行以下操作:
基于所述目标行图像点的行坐标值确定对应的行坐标期望值,并将所述行坐标期望值确定为目标行坐标值;
基于所述目标列图像点的列坐标值确定对应的列坐标期望值,并将所述列坐标期望值确定为目标列坐标值;
基于所述目标行坐标值和所述目标列坐标值确定对应的光心图像点。
基于上述的终端设备架构但不限于上述架构,本申请实施例提供了光心位置的校准方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些数据下,可以以不同于此处的顺序完成所示出或描述的步骤。
本实施例以携带有鱼眼型摄像设备的终端设备作为执行主体进行举例。参照图2,图2为本申请光心位置的校准方法第一实施例的流程示意图。
所述光心位置的校准方法应用于携带有鱼眼型摄像设备的终端设备,所述光心位置的校准方法包括:
步骤S10,获取预设光源环境的待处理图像,将所述待处理图像进行灰度处理,得到所述待处理图像对应的灰度图像。
需要说明的是,本实施例以终端设备表示携带有鱼眼型摄像设备的终端设备,比如,鱼眼型摄像设备的监控设备。
终端设备通过摄像设备(鱼眼型摄像设备,摄像设备包括但不限制于摄像头和摄像仪)拍摄在预设光源环境下的图像,预设光源环境可以为均匀光源环境,也可以为紫色光源环境,得到预设光源环境的待处理图像,其中,待处理图像为用于校准拍摄设备的光心图像点的图像,待处理图像的图像大小由终端设备中传感器的性能决定的,不同型号类型的终端设备的传感器的性能不一样,由此得到的待处理图像的图像不一样,本实施例不作限制。进一步地,终端设备拍摄到待处理图像后,对待处理图像进行灰度处理,将待处理图像转化为灰度图像,得到待处理图像的灰度图像。
需要说明的是,对于摄像设备的镜头而言,其径向的灰度大小是从中心到边缘逐渐衰减的,与偏离中心角度的余弦四次方近似成比例,特别是鱼眼型摄像设备的镜头,因为其FOV(视角)大,因此镜头曲率大,单位角度偏离情况下,灰度衰减也很明显,每一行或者每一列中图像点的灰度值趋势,如图3所示,因此需要确定灰度图像对应的有效区域,具体如步骤S20。
步骤S20,基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定所述灰度图像对应的有效区域。
需要说明的是,终端设备拍摄到待处理图像的同时,确定待处理图像中各个图像点对应的坐标信息,坐标信息包括行坐标值(横坐标值)和列坐标值(纵坐标值)。终端设备将待处理图像灰度处理后,每个图像点都有对应的灰度值,并将每个图像点的灰度值与其对应的坐标信息进行绑定。
终端设备根据各个图像点的行坐标值将各行图像点的灰度值进行数值大小比较,确定第一图像点及第一图像点的第一坐标点,其中,第一图像点为各行中灰度值最大的图像点,第一坐标点为第一图像点对应的坐标点,也即各行中灰度值最大的图像点对应的坐标点。同理,终端设备根据各个图像点的列坐标值将各列图像点的灰度值进行数值大小比较,确定第二图像点及第二图像点的第二坐标点,其中,第二图像点为各列中灰度值最大的图像点,第二坐标点为第二图像点对应的坐标点,也即各列中灰度值最大的图像点对应的坐标点。
终端设备根据各个图像点的行坐标值对各行图像点的灰度值进行分组采样,得到各行灰度值的计算样本。然后,终端设备通过对各行灰度值的计算样本进行求导,并在求导后取极值,确定每行的边缘位置点,将所有行的边缘位置点进行连接,确定边缘位置点形成的内区域和外区域,并将边缘位置点形成的内区域确定为基于行坐标值确定的有效行区域,其中,边缘位置点形成的内区域定义为有效区域,边缘位置点形成的外区域定义为无效区域。同理,终端设备根据各个图像点的列坐标值对各列图像点的灰度值进行分组采样,得到各列灰度值的计算样本。然后,终端设备通过对各列灰度值的计算样本进行求导,并在求导后取极值,确定每列中的边缘位置点,将所有列的边缘位置点进行连接,确定边缘位置点形成的内区域和外区域,并将边缘位置点形成的内区域确定为基于列坐标值确定的有效列区域。终端设备将有效行区域和有效列区域共同确定为灰度图像对应的有效区域。
进一步地,所述步骤S20,基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点的步骤包括:
步骤S201,确定所述灰度图像中各个图像点对应的坐标信息,其中,所述坐标信息包括行坐标值和列坐标值;
步骤S202,基于所述行坐标值确定各行中灰度值最大的图像点,并将各行中灰度值最大的图像点确定为最大灰度值行图像点;
步骤S203,基于所述列坐标值确定各列中灰度值最大的图像点,并将各列中灰度值最大的图像点确定为最大灰度值列图像点;
步骤S204,将所述最大灰度值行图像点和所述最大灰度值列图像点确定为所述最大灰度值图像点。
具体地,终端设备在拍摄得到待处理图像后,确定待处理图像中各个图像点对应的坐标信息,坐标信息包括行坐标值和列坐标值。然后,终端设备根据各个图像点的行坐标值将各行图像点的灰度值进行数值大小比较,确定各行中灰度值最大的图像点,并将各行中灰度值最大的图像点确定为最大灰度值行图像点,可以理解为,将各行中灰度值最大的图像点对应的坐标点确定为各行中最大灰度值坐标点。同理,终端设备根据各个图像点的列坐标值将各列图像点的灰度值进行数值大小比较,确定各列中灰度值最大的图像点,并将各列中灰度值最大的图像点确定为最大灰度值列图像点,可以理解为将各列中灰度值最大的图像点对应的坐标点确定为各列中最大灰度值坐标点。终端设备将得到的最大灰度值行图像点和最大灰度值列图像点确定为灰度图像中各行以及各列最大灰度值图像点,也即,灰度图像中各行以及各列最大灰度值坐标点。
步骤S30,基于所述最大灰度值图像点和所述有效区域确定有效图像点。
终端设备确定各行和各列中最大灰度值图像点,以及有效行区域和有效列区域后,终端设备通过有效列区域检验各行的最大灰度值图像点,即将各行中不在有效列区域内的最大灰度值图像点进行剔除,将各行中在有效列区域内的最大灰度值图像点确定为有效行图像点。同理,终端设备通过有效行区域检验各列的最大灰度值图像点,即将各列中不在有效行区域内的最大灰度值图像点进行剔除,将各列中在有效行区域内的最大灰度值图像点确定为有效列图像点。终端设备将有效行图像点和有效列图像点确定为灰度图像中的有效图像点。
进一步地,所述步骤S30包括:
步骤S301,基于有效行区域确定最大灰度值列图像点中的有效列图像点,并基于有效列区域确定最大灰度值行图像点中的有效行图像点;
步骤S302,将所述有效行图像点和所述有效列图像点确定为所述有效图像点。
具体地,终端设备将各行中在有效列区域内的最大灰度值图像点确定为有效行图像点。同理,终端设备将各列中在有效行区域内的最大灰度值图像点确定为有效列图像点。最后,终端设备将有效行图像点和有效列图像点确定为灰度图像中的有效图像点。
进一步地,所述步骤S301包括:
步骤S3011,将在所述有效行区域内的最大灰度值列图像点确定为有效列图像点,并将在所述有效列区域内的最大灰度值行图像点确定为有效行图像点。
具体地,终端设备将各行中在有效列区域内的最大灰度值图像点确定为有效行图像点。同理,终端设备将各列中在有效行区域内的最大灰度值图像点确定为有效列图像点。
步骤S40,基于所述有效图像点确定对应的目标图像点,并基于所述目标图像点确定对应的光心图像点。
终端设备确定有效图像点后,计算有效行图像点的行坐标均值和行坐标方差值,然后根据有效行图像点中的各个行坐标值与行坐标均值和行坐标方差值的分布关系,将不符合均值3Sigma(正态分布,即均值分布在(μ-3σ,μ+3σ),其中,μ为行坐标均值,σ为行坐标方差值)的有效行图像点进行剔除,将符合均值3Sigma的所有有效行图像点确定为目标行图像点。同理,计算有效列图像点的列坐标均值和列坐标方差值,然后根据有效列图像点中的各个列坐标值与列坐标均值和列坐标方差值的分布关系,将不符合均值3Sigma的有效列图像点进行剔除,将符合均值3Sigmaa(正态分布,即均值分布在(μ-3σ,μ+3σ),其中,μ为列坐标均值,σ为列坐标方差值)的所有有效列图像点确定为目标列图像点。接着,终端设备计算目标行图像点的行坐标的期望值,将行坐标的期望值确定为目标行坐标值,并计算目标列图像点的列坐标期望值,将列坐标的期望值确定为目标列坐标值。最后,终端设备将目标行坐标值和目标列坐标值组成的坐标点对应的图像点确定为光心图像点,即将目标行坐标值和目标列坐标值组成的坐标点确定为光心坐标点,并将通过光心坐标点的垂直方向的直线确定为第一拟合直线,通过光心坐标点的水平方向的直线确定为第二拟合直线。
本实施例通过获取预设光源环境的待处理图像,将待处理图像进行灰度处理,得到待处理图像对应的灰度图像;基于灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定灰度图像对应的有效区域;基于最大灰度值图像点和有效区域确定有效图像点;基于有效图像点确定对应的目标图像点,并基于目标图像点确定对应的光心图像点。由此可知,本实施例在校准光心图像点的过程中,通过灰度图像中图像点的灰度值确定最大灰度值图像点和有效区域,再通过最大灰度值图像点和有效区域剔除无效图像点,确定灰度图像中的有效图像点,最后通过有效图像点确定光心图像点,从而准确校准了设备的光心位置。
参照图4,图4为本申请光心位置的校准方法第一实施例中步骤S20的细化流程示意图。所述步骤S20,基于各个图像点的灰度值确定所述灰度图像对应的有效区域还包括:
步骤S205,基于所述行坐标值并通过预设采样方式对各行的灰度值进行行采样,确定各行的行采样值;
步骤S206,基于所述列坐标值并通过所述预设采样方式对各列的灰度值进行列采样,确定各列的列采样值;
步骤S207,基于各行的行采样值确定所述灰度图像的有效行区域,并基于各列的列采样值确定所述灰度图像的有效列区域;
步骤S208,将所述有效行区域和所述有效列区域确定为所述有效区域。
具体地,结合图5,图5是本申请光心位置的校准方法四倍超采样的计算方法示意图。终端设备根据各个图像点的行坐标值并通过四倍超采样方式(本实施例默认的预设采样方式)对各行的灰度值进行行采样,得到各行的行采样值。然后,终端设备分别计算每行各个行采样值中灰度值的平均值,得到每行各个行采样值中的灰度平均值,再对每行各个行采样值中的灰度平均值进行求导,得到每行各个行采样值对应的灰度导数值,将每行的各个灰度导数值进行数值大小比较,确定每行各个行采样值在求导后的灰度极值,根据灰度极值确定对应的极值点,可以理解为,根据灰度极值确定对应的边界位置点,将所有行的边界位置点进行连接,确定边界位置点形成的内区域和外区域,并将边界位置点形成的内区域确定为灰度图像的有效行区域,其中,边界位置点形成的内区域定义为有效区域,边界位置点形成的外区域定义为无效区域。同理,终端设备根据各个图像点的列坐标值并通过四倍超采样方式对各列的灰度值进行列采样,得到各列的列采样值。然后,终端设备分别计算每列中各个列采样值中灰度值的平均值,得到每列中各个列采样值中的灰度平均值,再对每列中各个列采样值中的灰度平均值进行求导,得到每列中各个列采样值对应的灰度导数值,将每列中的各个灰度导数值进行数值大小比较,确定每列中各个列采样值在求导后的灰度极值,根据灰度极值确定对应的极值点,可以理解为,根据灰度极值确定对应的边界位置点,将所有列的边界位置点进行连接,确定边界位置点形成的内区域和外区域,并将边界位置点形成的内区域确定为灰度图像的有效列区域。最后,终端设备将有效行区域和有效列区域共同确定为灰度图像对应的有效区域。
进一步地,所述步骤S207,基于各行的行采样值确定所述灰度图像的有效行区域的步骤包括:
步骤S2071,基于各行的行采样值确定各行的灰度平均值,并将各行的灰度平均值分别进行求导,得到各行的灰度导数值;
步骤S2072,基于各行的灰度导数值确定各行的灰度极值,并基于各行的灰度极值确定各行的边界位置点;
步骤S2073,基于各行的边界位置点确定所述灰度图像的有效行区域。
具体地,终端设备计算每行各个行采样值中灰度值的平均值,得到每行各个行采样值中的灰度平均值,再对每行各个行采样值中的灰度平均值进行一阶求导,得到每行各个行采样值对应的灰度一阶导数值,将每行的各个灰度一阶导数值进行数值大小比较,确定每行各个行采样值在求导后的灰度一阶极值,根据灰度一阶极值确定对应的极值点,可以理解为,根据灰度一阶极值确定对应的边界位置点,将所有行的边界位置点进行连接,确定边界位置点形成的内区域和外区域,并将边界位置点形成的内区域确定为灰度图像的有效行区域。同理可得到灰度图像的有效列区域,本实施例在此不作赘述。
进一步地,如图5所示,(128,125,124,126)、(120,119,117,113)、(110,09,100,90)、(80,30,28,26)、(20,15,14,13)和(12,11,11)分别为某列或者某行四倍超采样的6组采样值,8.5、15、61.25、25.5和3.75为6组采样值得到的5个灰度导数值,将5个灰度导数值进行比较,并结合曲线,确定61.25为5个灰度导数值的极值,确定对应的极值点即边界点位置(边界位置点)。
本实施例基于行坐标值并通过预设采样方式对各行的灰度值进行行采样,确定各行的行采样值;基于列坐标值并通过预设采样方式对各列的灰度值进行列采样,确定各列的列采样值;基于各行的行采样值确定灰度图像的有效行区域,并基于各列的列采样值确定灰度图像的有效列区域;将有效行区域和有效列区域确定为有效区域。由此可知,本实施例通过计算各行和各列中采样值的灰度平均值,将灰度平均值求导得到灰度导数值,再根据灰度导数值确定灰度极值,最后根据灰度极值确定各行和各列的边界位置点,确定有效行区域和有效列区域,精准确定各行和各列的有效区域,从而准确校准光心图像点。
参照图6,图6为本申请光心位置的校准方法第一实施例中步骤S40的细化流程示意图。所述步骤S40,基于所述有效图像点确定对应的目标图像点的步骤包括:
步骤S401,基于所述有效行图像点的行坐标值确定行坐标均值和行坐标方差值,并基于所述有效列图像点的列坐标值确定列坐标均值和列坐标方差值;
步骤S402,将满足基于所述行坐标均值和所述行坐标方差值的预设正态分布的有效行图像点确定为目标行图像点;
步骤S403,将满足基于所述列坐标均值和所述列坐标方差值的预设正态分布的有效列图像点确定为目标列图像点;
步骤S404,将所述目标行图像点和所述目标列图像点确定为所述目标图像点;
步骤S405,基于所述目标行图像点的行坐标值确定对应的行坐标期望值,并将所述行坐标期望值确定为目标行坐标值;
步骤S406,基于所述目标列图像点的列坐标值确定对应的列坐标期望值,并将所述列坐标期望值确定为目标列坐标值;
步骤S407,基于所述目标行坐标值和所述目标列坐标值确定对应的光心图像点。
具体地,终端设备计算有效行图像点的行坐标值对应的行坐标均值和行坐标方差值,并计算有效列图像点的列坐标值对应的列坐标均值和列坐标方差值。然后,终端设备根据有效行图像点中的各个行坐标值与行坐标均值和行坐标方差值的分布关系,将不符合均值3Sigma(本实施例默认情况下的预设正态分布)的有效行图像点进行剔除,将符合均值3Sigma的所有有效行图像点确定为目标行图像点。终端设备根据有效列图像点中的各个列坐标值与列坐标均值和列坐标方差值的分布关系,将不符合均值3Sigma的有效列图像点进行剔除,将符合均值3Sigma的所有有效列图像点确定为目标列图像点。最后,终端设备将目标行图像点和目标列图像点确定为目标图像点。接着,终端设备计算目标行图像点的行坐标值对应的行坐标的期望值,将行坐标的期望值确定为目标行坐标值,并计算目标列图像点的列坐标值对应的列坐标期望值,将列坐标的期望值确定为目标列坐标值。最后,终端设备将目标行坐标值和目标列坐标值组成的坐标点对应的图像点确定为光心图像点,即将目标行坐标值和目标列坐标值组成的坐标点确定为光心坐标点。
本实施例基于有效行图像点的行坐标值确定行坐标均值和行坐标方差值,并基于有效列图像点的列坐标值确定列坐标均值和列坐标方差值;将满足基于行坐标均值和行坐标方差值的预设正态分布的有效行图像点确定为目标行图像点;将满足基于列坐标均值和列坐标方差值的预设正态分布的有效列图像点确定为目标列图像点;将目标行图像点和目标列图像点确定为目标图像点;基于目标行图像点的行坐标值确定对应的行坐标期望值,并将行坐标期望值确定为目标行坐标值;基于目标列图像点的列坐标值确定对应的列坐标期望值,并将列坐标期望值确定为目标列坐标值;基于目标行坐标值和目标列坐标值确定对应的光心图像点。本实施例通过行坐标值和列坐标至确定对应的坐标均值和坐标方差值,结合正态分布确定目标行图像点和目标列图像点,再通过计算目标行图像点和目标列图像点对应的期望值确定对应的目标行坐标值和目标列坐标值,最后根据目标行坐标值和目标列坐标值确定对应的光心图像点,本实施例在确定光心图像点的过程中,都是通过计算进行推导的,从而准确校准光心图像点。
本申请还提供一种光心位置的校准装置。所述光心位置的校准装置应用于携带有鱼眼型摄像设备的终端设备,所述光心位置的校准装置包括:
获取模块,用于获取预设光源环境的待处理图像;
处理模块,用于将所述待处理图像进行灰度处理,得到所述待处理图像对应的灰度图像;
确定模块,用于基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定所述灰度图像对应的有效区域;
所述确定模块还用于基于所述最大灰度值图像点和所述有效区域确定有效图像点;
所述确定模块还用于基于所述有效图像点确定对应的目标图像点,并基于所述目标图像点确定对应的光心图像点。
其中,上述光心位置的校准装置中各个模块的功能实现与上述光心位置的校准方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
本申请还提供一种终端设备,该终端设备包括存储器、处理器和存储在存储器上并在处理器上运行的光心位置的校准程序,所述光心位置的校准程序被处理器执行时实现如以上任一项实施例所述的光心位置的校准方法的步骤。
本申请终端设备的具体实施例与上述光心位置的校准方法各实施例基本相同,在此不作赘述。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质上存储有光心位置的校准程序,所述光心位置的校准程序被处理器执行时实现如以上任一项实施例所述的光心位置的校准方法的步骤。
本申请计算机可读存储介质的具体实施例与上述光心位置的校准方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的数据下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多数据下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件货物的形式体现出来,该计算机软件货物存储在一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备完成本申请各个实施例所述的方法。
Claims (8)
1.一种光心位置的校准方法,其特征在于,所述光心位置的校准方法应用于携带有鱼眼型摄像设备的终端设备,所述光心位置的校准方法包括:
获取预设光源环境的待处理图像,将所述待处理图像进行灰度处理,得到所述待处理图像对应的灰度图像,其中,所述终端设备拍摄到待处理图像的同时,确定待处理图像中各个图像点对应的坐标信息,所述坐标信息包括行坐标值和列坐标值;
基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点,并基于各个图像点的灰度值确定所述灰度图像对应的有效区域;
基于所述最大灰度值图像点和所述有效区域确定有效图像点;
基于所述有效图像点确定对应的目标图像点,并基于所述目标图像点确定对应的光心图像点;
所述基于各个图像点的灰度值确定所述灰度图像对应的有效区域的步骤包括:
基于所述行坐标值并通过预设采样方式对各行的灰度值进行行采样,确定各行的行采样值;
基于所述列坐标值并通过所述预设采样方式对各列的灰度值进行列采样,确定各列的列采样值;
基于各行的行采样值确定所述灰度图像的有效行区域,并基于各列的列采样值确定所述灰度图像的有效列区域;
将所述有效行区域和所述有效列区域确定为所述有效区域;
所述基于各行的行采样值确定所述灰度图像的有效行区域的步骤包括:
基于各行的行采样值确定各行的灰度平均值,并将各行的灰度平均值分别进行求导,得到各行的灰度导数值;
基于各行的灰度导数值确定各行的灰度极值,并基于各行的灰度极值确定各行的边界位置点;
基于各行的边界位置进行连接,确定边界位置点形成的内区域和外区域,并将所述内区域确定为所述灰度图像的有效行区域。
2.如权利要求1所述的光心位置的校准方法,其特征在于,所述基于所述灰度图像中各个图像点的灰度值确定最大灰度值图像点的步骤包括:
基于所述行坐标值确定各行中灰度值最大的图像点,并将各行中灰度值最大的图像点确定为最大灰度值行图像点;
基于所述列坐标值确定各列中灰度值最大的图像点,并将各列中灰度值最大的图像点确定为最大灰度值列图像点;
将所述最大灰度值行图像点和所述最大灰度值列图像点确定为所述最大灰度值图像点。
3.如权利要求1至2任一项所述的光心位置的校准方法,其特征在于,所述基于所述最大灰度值图像点和所述有效区域确定有效图像点的步骤包括:
基于有效行区域确定最大灰度值列图像点中的有效列图像点,并基于有效列区域确定最大灰度值行图像点中的有效行图像点;
将所述有效行图像点和所述有效列图像点确定为所述有效图像点。
4.如权利要求3所述的光心位置的校准方法,其特征在于,所述基于有效行区域确定最大灰度值列图像点中的有效列图像点,并基于有效列区域确定最大灰度值行图像点中的有效行图像点的步骤包括:
将在所述有效行区域内的最大灰度值列图像点确定为有效列图像点,并将在所述有效列区域内的最大灰度值行图像点确定为有效行图像点。
5.如权利要求4所述的光心位置的校准方法,其特征在于,所述基于所述有效图像点确定对应的目标图像点的步骤包括:
基于所述有效行图像点的行坐标值确定行坐标均值和行坐标方差值,并基于所述有效列图像点的列坐标值确定列坐标均值和列坐标方差值;
将满足基于所述行坐标均值和所述行坐标方差值的预设正态分布的有效行图像点确定为目标行图像点;
将满足基于所述列坐标均值和所述列坐标方差值的预设正态分布的有效列图像点确定为目标列图像点;
将所述目标行图像点和所述目标列图像点确定为所述目标图像点。
6.如权利要求5所述的光心位置的校准方法,其特征在于,所述基于所述目标图像点确定对应的光心图像点的步骤包括:
基于所述目标行图像点的行坐标值确定对应的行坐标期望值,并将所述行坐标期望值确定为目标行坐标值;
基于所述目标列图像点的列坐标值确定对应的列坐标期望值,并将所述列坐标期望值确定为目标列坐标值;
基于所述目标行坐标值和所述目标列坐标值确定对应的光心图像点。
7.一种终端设备,其特征在于,所述终端设备包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的光心位置的校准程序,所述光心位置的校准程序被所述处理器执行时实现如权利要求1至6中任一项所述的光心位置的校准方法的步骤。
8.一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上存储有光心位置的校准程序,所述光心位置的校准程序被处理器执行时实现如权利要求1至6中任一项所述的光心位置的校准方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110227056.0A CN112991202B (zh) | 2021-03-01 | 2021-03-01 | 光心位置的校准方法、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110227056.0A CN112991202B (zh) | 2021-03-01 | 2021-03-01 | 光心位置的校准方法、终端设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991202A CN112991202A (zh) | 2021-06-18 |
CN112991202B true CN112991202B (zh) | 2023-04-25 |
Family
ID=76351651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110227056.0A Active CN112991202B (zh) | 2021-03-01 | 2021-03-01 | 光心位置的校准方法、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991202B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690191A (zh) * | 2021-07-30 | 2023-02-03 | 浙江宇视科技有限公司 | 光心确定方法、装置、电子设备及介质 |
CN113706508A (zh) * | 2021-08-27 | 2021-11-26 | 歌尔科技有限公司 | 光束质量分析方法、设备、光束分析系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815869A (zh) * | 2016-10-28 | 2017-06-09 | 北京鑫洋泉电子科技有限公司 | 鱼眼相机的光心确定方法及装置 |
CN108632604A (zh) * | 2018-05-25 | 2018-10-09 | 歌尔科技有限公司 | 镜头光心的检测方法及装置 |
CN109163888A (zh) * | 2018-08-29 | 2019-01-08 | 歌尔股份有限公司 | 光学中心测试方法、装置和设备 |
CN111638043A (zh) * | 2020-06-10 | 2020-09-08 | 浙江大华技术股份有限公司 | 一种光学中心确定方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873389A (zh) * | 2005-06-03 | 2006-12-06 | 展讯通信(上海)有限公司 | 一种应用在数码相机上标定镜头光学中心的方法 |
CN101207833B (zh) * | 2006-12-19 | 2010-05-19 | Tcl数码科技(深圳)有限责任公司 | 数码相机镜头光心偏移的检测方法 |
TWI480578B (zh) * | 2012-12-06 | 2015-04-11 | Avisonic Technology Corp | 偵測廣角鏡頭之光學中心的方法以及光學中心偵測裝置 |
CN106839976B (zh) * | 2016-12-22 | 2020-05-12 | 歌尔科技有限公司 | 一种检测镜头中心的方法及装置 |
CN107255557A (zh) * | 2017-05-02 | 2017-10-17 | 深圳大学 | 一种摄像头的光学中心检测方法及装置 |
CN107392954B (zh) * | 2017-07-04 | 2019-11-19 | 大连理工大学 | 一种基于序列图像的粗大误差点剔除方法 |
CN110288576B (zh) * | 2019-06-20 | 2022-03-22 | 河北科技大学 | 光条中心提取方法、终端设备及存储介质 |
-
2021
- 2021-03-01 CN CN202110227056.0A patent/CN112991202B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815869A (zh) * | 2016-10-28 | 2017-06-09 | 北京鑫洋泉电子科技有限公司 | 鱼眼相机的光心确定方法及装置 |
CN108632604A (zh) * | 2018-05-25 | 2018-10-09 | 歌尔科技有限公司 | 镜头光心的检测方法及装置 |
CN109163888A (zh) * | 2018-08-29 | 2019-01-08 | 歌尔股份有限公司 | 光学中心测试方法、装置和设备 |
CN111638043A (zh) * | 2020-06-10 | 2020-09-08 | 浙江大华技术股份有限公司 | 一种光学中心确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112991202A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
CN112991202B (zh) | 光心位置的校准方法、终端设备及计算机可读存储介质 | |
CN110858872B (zh) | 光轴偏移补偿方法及装置 | |
CN107657595B (zh) | 一种畸变校正方法及移动终端和相关介质产品 | |
CN111083458B (zh) | 一种亮度校正方法、系统、设备及计算机可读存储介质 | |
CN102957845A (zh) | 图像处理程序、方法、装置和图像拾取装置 | |
CN109859216B (zh) | 基于深度学习的测距方法、装置、设备及存储介质 | |
CN111325798A (zh) | 相机模型纠正方法、装置、ar实现设备及可读存储介质 | |
CN110807814A (zh) | 摄影机位姿计算方法、装置、设备及存储介质 | |
CN111896233A (zh) | 对比度测试方法、对比度测试设备及存储介质 | |
CN110136205B (zh) | 多目相机的视差校准方法、装置及系统 | |
CN112446917A (zh) | 一种姿态确定方法及装置 | |
CN116614620B (zh) | 一种高像素光学镜头组装设备及控制方法 | |
CN111795805B (zh) | 测试图的绘制方法、终端设备及存储介质 | |
CN113110433A (zh) | 机器人姿态调整方法、装置、设备及存储介质 | |
US20220237824A1 (en) | Distortion calibration method for ultra-wide angle imaging apparatus, system and photographing device including same | |
CN108629219B (zh) | 一种识别一维码的方法及装置 | |
US20120106824A1 (en) | Methods and Systems Involving Measuring Complex Dimensions of Silicon Devices | |
CN116430069A (zh) | 机器视觉流体流速测量方法、装置、计算机设备及存储介质 | |
CN114693769A (zh) | 一种c臂机的标定方法及装置 | |
CN114034303A (zh) | 一种基于卡尔曼滤波的移动目标物定位方法、装置 | |
CN112887630A (zh) | 自动曝光方法及电子设备、计算机可读存储介质 | |
CN111883151A (zh) | 音频信号的处理方法、装置、设备和存储介质 | |
CN110708537A (zh) | 图像传感器性能测试方法及装置、存储介质 | |
KR20200101800A (ko) | 이미지 효과 적용 방법 및 이를 지원하는 전자 장치 |
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 |