CN112991459A - 一种相机标定方法、装置、设备以及存储介质 - Google Patents
一种相机标定方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112991459A CN112991459A CN202110258504.3A CN202110258504A CN112991459A CN 112991459 A CN112991459 A CN 112991459A CN 202110258504 A CN202110258504 A CN 202110258504A CN 112991459 A CN112991459 A CN 112991459A
- Authority
- CN
- China
- Prior art keywords
- calibration
- target camera
- determining
- camera
- parameters
- 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 91
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 16
- 230000008447 perception Effects 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种相机标定方法、装置、设备以及存储介质,涉及人工智能领域,尤其涉及计算机视觉、智能交通和路侧感知领域。具体实现方案为:根据目标相机的传感器分辨率,确定所述目标相机的图像对角线长度;根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和所述图像对角线长度,确定所述目标相机的焦距;根据所述目标相机的焦距和所述传感器分辨率,确定所述初步标定参数;若检测到所述初步标定参数满足批量标定规则,则将所述初步标定参数作为所述目标相机和所述目标相机的同型号相机的最终标定参数。解决了现有技术标定同一型号的相机时,过程复杂、耗时长且成本高等问题,为相机的标定提供了一种新思路。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及人工智能领域,具体涉及计算机视觉、智能交通和路侧感知领域。
背景技术
随着人工智能技术的发展,相机的使用场景越来越广泛。为了便于管理,多数场景都批量部署了同一型号的相机,例如,路侧感知场景通常在城市道路上部署同一型号的路侧感知枪式相机。众所周知,相机在使用前需要进行相机参数的标定,如标定相机的内部参数和畸变参数。因此,对于某一场景待部署的同一型号的多个相机,现有技术通常采用张正友标定法依次对各相机进行参数标定,存在过程复杂、耗时长且成本高等缺陷。
发明内容
本申请提供了一种相机标定方法、装置、设备以及存储介质。
根据本申请的第一方面,提供了一种相机标定方法,包括:
根据目标相机的传感器分辨率,确定所述目标相机的图像对角线长度;
根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和所述图像对角线长度,确定所述目标相机的焦距;
根据所述目标相机的焦距和所述传感器分辨率,确定所述初步标定参数;
若检测到所述初步标定参数满足批量标定规则,则将所述初步标定参数作为所述目标相机和所述目标相机的同型号相机的最终标定参数。
根据本申请的第二方面,提供了一种相机标定装置,包括:
对角线确定模块,用于根据目标相机的传感器分辨率,确定所述目标相机的图像对角线长度;
相机焦距确定模块,用于根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和所述图像对角线长度,确定所述目标相机的焦距;
第一参数确定模块,用于根据所述目标相机的焦距和所述传感器分辨率,确定所述初步标定参数;
批量标注检测模块,用于检测所述初步标定参数是否满足批量标定规则;
标定参数设置模块,用于若检测到所述初步标定参数满足批量标定规则,则将所述初步标定参数作为所述目标相机和所述目标相机的同型号相机的最终标定参数。
根据本申请的第三方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任一实施例所述的相机标定方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行本申请任一实施例所述的相机标定方法。
根据本申请的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本申请任一实施例所述的相机标定方法。
本申请实施例的技术方案,解决了现有技术标定同一型号的相机时,过程复杂、耗时长且成本高等问题,为相机的标定提供了一种新思路。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例提供的一种相机标定方法的流程图;
图2A是根据本申请实施例提供的另一种相机标定方法的流程图;
图2B是根据本申请实施例提供的标定板的示意图;
图3是根据本申请实施例提供的另一种相机标定方法的流程图
图4是根据本申请实施例提供的一种相机标定装置的结构示意图;
图5是用来实现本申请实施例的相机标定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例提供的一种相机标定方法的流程图。本实施例适用于对同一型号的多个相机进行参数标定的情况。例如,对路侧感知场景中需要部署的同一型号的多个路侧感知枪式相机进行参数标定的情况。该实施例可以由电子设备中配置的相机标定装置来执行,该装置可以采用软件和/或硬件来实现。如图1所示,该方法包括:
S101,根据目标相机的传感器分辨率,确定目标相机的图像对角线长度。
其中,所谓目标相机可以是本申请实施例需要进行参数标定的目标型号的多个相机中的任一相机,该目标型号相机优选为小视场相机,如路侧感知枪式相机。目标相机的传感器可以是目标相机的图像传感器,即目标相机的感光器件,例如,电荷耦合元件(Charge-coupled Device,CCD)和互补金属氧化物半导体(Complementary Metal OxideSemiconductor,CMOS)等。目标相机的传感器分辨率为目标相机的传感器参数中的一种,具体的分辨率数值可以通过目标相机的使用说明进行查找。目标相机的图像对角线长度可以是指目标相机拍摄的图像的对角线长度。需要说明的是,相机拍摄的图像的尺寸取决于相机内部传感器的感光面积的尺寸,即传感器分辨率。由于一个相机的传感器分辨率是固定且已知的,所以即使不用相机实际拍摄一张图像,也可以根据相机传感器参数,确定出相机拍摄的图像的对角线长度。且对于同一型号的各相机而言,它们对应的图像对角线长度都是相同的。
可选的,在本申请实施例中,可以根据目标相机的传感器分辨率,按照下述公式(1)确定目标相机的图像对角线长度。
其中,diagonal_img表示目标相机拍摄的图像的图像对角线长度;width和height分别表示目标相机的传感器的感光面区域的宽度和高度,即目标相机的传感器分辨率。
S102,根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和图像对角线长度,确定目标相机的焦距。
其中,传感器尺寸sensor_size_scale可以是影响相机成像能力的重要指标之一,可以反应出传感器的成像面积。例如,1/1.8英寸的传感器的成像面积与一根直径为1/1.8英寸的光导摄像管的成像靶面面积相似。可选的,常见的传感器尺寸可以包括1/1.8英寸、2/3英寸、1/2英寸等型号尺寸。标准尺寸的传感器对角线长度可以是预先选定的标准尺寸的传感器的对角线长度,需要说明的是,该标准尺寸的传感器对角线长度是已知的。优选的,本申请实施例可以设置标准尺寸为一英寸,并将一英寸的传感器的对角线长度16mm作为一英寸的传感器对角线长度。目标相机的传感器焦距lens是指平行光入射时从透镜光心到光聚集之焦点的距离,即照相机中的镜片光学中心到传感器成像平面的距离。目标相机的焦距f是指光学中心到成像平面的像素数。其中,目标相机的传感器的焦距和传感器尺寸为目标相机的传感器参数,同样可以通过目标相机的使用说明进行查找。
可选的,在本申请实施例中,可以根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸和图像对角线长度,按照下述公式(2)确定目标相机的焦距。
f=(lens/(diagonal/sensor_size_scale))×diagonal_img; (2)
其中,f表示目标相机的焦距;lens表示目标相机的传感器焦距;diagonal表示标准尺寸的传感器对角线长度;sensor_size_scale表示目标相机的传感器尺寸;diagonal_img表示图像对角线长度。
S103,根据目标相机的焦距和传感器分辨率,确定初步标定参数。
其中,本申请实施例的初步标定参数可以是采用传感器参数为目标相机确定的标定参数。该初步标定参数可以包括:内部参数和畸变参数两种。
可选的,在本申请实施例中,可以根据目标相机的焦距和传感器分辨率,按照下述公式(3)-(4)确定初步标定参数。
K1=[f,0,width/2;0,f,height/2.0;0,0,1]; (3)
D2=[0,0,0,0,0]; (4)
其中,K1为初步标定参数中的内部参数;D2为初步标定参数中的畸变参数;f表示目标相机的焦距;width和height表示目标相机的传感器分辨率。
需要说明的是,本步骤只需根据目标型号相机的固定的参数(即传感器参数)即可快速计算相应的初步标定参数,整个标定参数确定过程,无需使用该目标型号的各个相机对应的特有数据,如各个相机拍摄的标定板图像,相比于现有技术的常规标定参数确定方法(如张正友标定法),极大的降低了标定参数确定的复杂性。
S104,若检测到初步标定参数满足批量标定规则,则将初步标定参数作为目标相机和目标相机的同型号相机的最终标定参数。
其中,批量标定规则可以是预先设置的衡量是否可以对同一型号的相机执行批量标定操作的具体准则。本申请实施例所谓的批量标定指的是对同一型号的多个相机,无需按照常规标定参数确定方法,逐一确定各相机对应的标定参数,而是直接为各相机设置相同的某一标定参数(如本实施例的初步标定参数)。最终标定参数可以是最终为待标定目标型号的各相机设置的标定参数。需要说明的是,本申请实施例需要保证为相机设置的最终标定参数能够很好的修正相机拍摄图像的畸变问题,使得相机拍摄图像的效果更为真实。
可选的,在本申请实施例中,检测到初步标定参数满足批量标定规则的方式有很多,对此本实施例不进行限定。例如,可以是获取目标相机拍摄的图像,采用该初步标定参数来对拍摄的图像进行畸变矫正,若矫正后的图像效果满足相关要求,如能够真实展示拍摄物体,则说明S101-S103确定的初步标定参数满足批量标定规则,否则不满足批量标定规则。还可以是再采用现有技术的常规标定参数确定方法(如张正友标定法),为该目标相机确定一组标准的标定参数(即标准标定参数),然后比较S101-S103快速确定的初步标定参数与该标准标定参数之间的误差,若误差小于对应的误差阈值,则说明S101-S103确定的初步标定参数满足批量标定规则,否则不满足批量标定规则。也可以采用其他方式来检测初步标定参数是否满足批量标定规则,对此本实施例不进行限定。
可选的,在本申请实施例中,若检测到初步标定参数满足批量标定规则,则说明S101-S103确定的初步标定参数的准确性达到了标定要求。由于同一型号的相机的传感器的规格是相同的,即同一型号的相机的传感器参数也是相同的,且确定初步标定参数时使用的是相机传感器参数,并非使用到目标相机特有的数据,如目标相机实际拍摄的标定板图像,所以本申请实施例S101-S103确定的初步标定参数,具有通用性,可适用于目标相机的同型号的任意相机。此时,可以将S101-S103确定的初步标定参数作为目标相机及其同型号相机的最终标定参数。即无需再采用任何方式为目标相机和目标相机的同型号相机逐一计算对应的标定参数。例如,若在路侧感知场景中,需要在城市道路上部署一万个同一型号的路侧感知枪式相机,若根据该型号的路侧感知枪式相机的传感器参数确定的初步标定参数满足批量标定规则,则直接将该初步标定参数作为这一万个同一型号的路侧感知枪式相机的最终标定参数。
可选的,在本申请实施例中,确定目标相机和目标相机的同型号相机的最终标定参数之后,就可以将目标相机及其同型号相机部署在对应的应用场景中,基于本申请实施例确定的最终标定参,对目标相机及其同型号相机拍摄的场景图像进行相关处理(如去畸变处理)后,在执行该应用场景的后续操作。例如,若在路侧感知场景中,将目标相机及其同型号相机部署在道路两侧,本实施例可以是基于为各相机部署的最终标定参数,对目标相机及其同型号相机拍摄的道路图像先进行去畸变处理,得到真实的道路图像后,再进行后续的道路感知信息的提取操作。
需要说明的是,现有技术在确定相机的标定参数时,通常需要借助标定板(如棋盘格标定板),通过目标相机拍摄多张标定板图像,基于标定板图像、标定板的板面数据(如棋盘格标定板上黑白格的尺寸),以及相机的传感器参数,按照大量的推理公式,计算相机的标定参数。虽然该方法确定的标定参数的精度相比于本申请确定的初步标定参数的精度要高,但是其操作复杂度较高,且确定标定参数的过程中,用到了各个相机特有的参数,如各相机拍摄的标定板图像,所以现有技术为一个相机确定标定参数,只适用于该相机,并不适用于同一型号的其他相机。所以即使待标定的多个相机是同一型号的相机,现有技术仍然需要针对每个相机都重复进行一次标定参数的确定,存在过程复杂、耗时长且成本高等缺陷。而本申请实施例S101-S103确定初步标定参数依据的数据是同型号相机的固有数据,即相机的传感器参数,操作过程简单,且在初步标定参数满足批量标定规则时,无需再对目标相机的同型号相机执行任何确定标定参数的操作,直接将初步标定参数作为目标相机及其同型号相机的最终标定参数,极大的降低了同型号相机的参数标定过程的复杂度,提高了相机标定效率。
本申请实施例的方案,通过目标相机的传感器分辨率、传感器尺寸、传感器焦距和标准尺寸的传感器对角线长度,确定初步标定参数,在初步标定参数满足批量标定规则时,将初步标定参作为目标相机及其同型号相机的最终标定参数。本申请实施例给出了一种根据传感器参数,确定相机的标定参数的具体实现方案,相比于现有技术常规的标定参数确定方法(如张正友标定法),本申请确定标定参数的复杂度大大降低,另外,本申请实施例的方案,若通过传感器参数为目标相机确定的初步标定参数满足批量标定规则,则无需在对目标相机及其同型号相机逐一确定标定参数,解决了现有技术对同型号的每个相机按照复杂方式逐一确定标定参数,过程复杂、耗时长且成本高等问题,极大的提高了相机标定效率。
可选的,在本申请实施例中,若检测到初步标定参数不满足批量标定规则,则通过标准标定法确定目标相机和目标相机的同型号相机的最终标定参数。具体的,本申请实施例确定的初步标定参数不满足批量标定规则,则说明本实施例确定的初步标定参数的准确性未达到了标定要求。此时不能基于该初始标定参数确定目标相机以及同型号相机的最终标定参数,需要按照现有技术常用的标准标定法,如张正友标定法,来逐一为目标相机及其同型号相机确定最终标定参数。这样设置的好处是保证了为目标相机及其同型号相机参数标定的精准性。需要说明的是,虽然本申请实施例在初步标定参数不满足批量标定规则时,也需要通过复杂的过程逐一对同型号的各相机进行标定,但是本申请实施例的方案并非针对每种型号的相机都逐一确定标定参数,在初始标定参数满足批量标定规则时,就无需逐一标定各相机,所以相比于现有技术的方案,仍然提高了相机标定效率。
图2A是根据本申请实施例提供的另一种相机标定方法的流程图;图2B是根据本申请实施例提供的标定板的示意图。本实施例在上述实施例的基础上,给出了检测到初步标定参数满足批量标定规则的具体情况介绍。如图2A-2B所示,该方法包括:
S201,根据目标相机的传感器分辨率,确定目标相机的图像对角线长度。
S202,根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和图像对角线长度,确定目标相机的焦距。
S203,根据目标相机的焦距和传感器分辨率,确定初步标定参数。
S204,根据目标相机拍摄的标定板图像、初步标定参数和标定板的板面数据,确定第一重投影误差。
其中,本申请实施例所述的标定板可以是进行相机参数标定时使用的带有固定间距图案阵列平板。标定板图像可以是目标相机拍摄该标定板得到的包含标定板板面(即固定间距图案阵列)的图像。标定板的板面数据可以是相机标定板上的固定间距图案阵列的相关尺寸数据。例如,若标定板为图2B所示的棋盘格标定板,则该板面数据可以是棋盘格标定板上黑白格的实际数量和尺寸等。重投影误差可以是指标定板上的特征点投影到标定板图像中后,投影点坐标与特征点在标定板图像中的实际坐标之间的误差。
可选的,本申请实施例可以通过目标相机拍摄不同角度、不同位置的多张标定板图像,然后基于相机投影模型,通过S203确定的初步标定参数和标定板的板面数据,将标定板上的特征点(如标定板上的角点)投影到拍摄的标定板图像上,并确定特征点在标定板图像上的投影点的坐标,进而计算各特征点在标定板图像中的位置坐标,与其投影点在标定板图像中的位置坐标之差,作为第一重投影误差。具体的确定过程可以包括如下四个子步骤:
S2041,根据目标相机拍摄的标定板图像和标定板的板面数据,确定标定板上的角点的图像二维坐标和世界三维坐标。
具体的,对目标相机拍摄的每一张标定板图像进行角点检测,得到标定板上的各个角点(即图2B中的黑白格交替处的交点,如点1和点2等)的图像二维坐标2d_pts;即该图像二维坐标是指各角点在图像坐标系下的二维像素坐标。然后再根据标定板的版面数据(如棋盘格标定板上黑白格的实际数量和尺寸),确定标定板上的各个角点的世界三维坐标3d_pts;即该世界三位坐标是指各角点在世界坐标系下的三维距离坐标。例如,以图2B所示的棋盘格标定板的点1为坐标中心点,且棋盘格中的黑白方格的边长为3cm,则点1的三维坐标为(0,0,0),点2的三维坐标为(0,3,0)。
S2042,根据角点的图像二维坐标和世界三维坐标,以及初步标定参数,确定标定板图像的外部参数。
具体的,本子步骤可以针对拍摄的每一张标定板图像,将初步标定参数中的内部参数和畸变参数,以及角点的图像二维坐标和世界三维坐标作为输入,调用三维点到二维点对的运动算法(pespective-n-point,pnp),即可求解出每一张标定板图像对应的外部参数。
S2043,根据外部参数、角点的世界三维坐标和初步标定参数,确定角点在标定板图像中的投影点坐标;
具体的,本子步骤可以按照下述公式(5)根据每一张标定板图像的外部参数、角点的世界三维坐标和初步标定参数,确定角点在该张标定板图像中的投影点坐标。
其中,(XW,YW,ZW)T表示标定板上的各角点的世界三维坐标3d_pts;(u,v,1)T表示标定板上的各角点的在标定板图像中的投影点坐标2d_pro_pts;R和t表示标定板图像的外部参数;K1表示初步标定参数中的内部参数;S表示尺度因子。可选的,该尺度因子为标定板上的各角点在相机坐标系下的z轴坐标值。
S2044,根据角点的图像二维坐标和角点在标定板图像中的投影点坐标,确定第一重投影误差。
具体的,针对每一张标定板图像,计算标定板上的每个角点的图像二维坐标2d_pts与该角点在该标定板图像中的投影点坐标2d_pro_pts之间的误差值error,再计算该标定板图像中,各角点的误差均值,得到该标定板图像的图像误差,进而对各标定板图像的图像误差求均值,得到平均误差total_error,本步骤可以将每个标定板图像中各角点的误差值error和各标定板图像的平均误差total_error,作为本子步骤确定的第一重投影误差。
S205,判断第一重投影误差是否小于预设误差阈值,若是,则执行S206,若否,则执行S207。
可选的,本申请实施例可以是判断S204确定的第一重投影误差是否小于预先设置的预设误差阈值(如1.5个像素),若是,则说明S203确定的初步标定参数的准确性较高,可以执行S206的操作确定初步标定参数满足批量标定规则,并将初步标定参数作为目标相机和目标相机的同型号相机的最终标定参数。否则说明S203确定的初步标定参数的准确性较低,需要执行S207的操作确定初步标定参数不满足批量标定规则,并通过标准标定法确定目标相机和目标相机的同型号相机的最终标定参数。
S206,确定初步标定参数满足批量标定规则,并将初步标定参数作为目标相机和目标相机的同型号相机的最终标定参数。
S207,确定初步标定参数不满足批量标定规则,并通过标准标定法确定目标相机和目标相机的同型号相机的最终标定参数。
本申请实施例的方案,通过目标传感器参数确定出初步标定参数后,基于目标相机拍摄的标定板图像、初步标定参数和标定板的板面数据,通过计算重投影误差来判断初步标定参数是否满足批量标定规则,若满足,则初步标定参数作为目标相机及其同型号相机的最终标定参数,否则需要通过标准标定法逐一对目标相机及其同型号相机进行参数标定。本申请实施例的方案给出了一种通过计算重投影误差来确定初步标定参数是否满足批量标定规则的方案,重投影误差可以更为精准的反映出初步标定参数的精准性,提高了批量设置同型号相机的标定参数的精准性。
图3是根据本申请实施例提供的另一种相机标定方法的流程图。本实施例在上述实施例的基础上,给出了一种相机标定的优选实例的情况介绍。如图3所示,该方法包括:
S301,根据目标相机的传感器分辨率,确定目标相机的图像对角线长度。
S302,根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和图像对角线长度,确定目标相机的焦距。
S303,根据目标相机的焦距和传感器分辨率,确定初步标定参数。
S304,根据目标相机拍摄的标定板图像、初步标定参数和标定板的板面数据,确定第一重投影误差。
S305,根据目标相机拍摄的标定板图像、基准标定参数和标定板的板面数据,确定第二重投影误差。
其中,所谓基准标定参数通过标准标定法对目标相机进行标定得到。所述标准标定法为现有技术在确定相机标定参数时常用的方法,例如,本申请实施例的标准标定法优选为张正友标定法。需要说明的是,通过标准标定法对目标相机进行标定的过程复杂性较高,如张正友标定法需要借助棋盘格标定板,通过目标相机拍摄多张棋盘格标定板图像、棋盘格标定板上黑白各的尺寸,以及相机的传感器参数,按照大量的推理公式,得到目标相机的基准标定参数。另外,还需要说明的是,本申请实施例中以标准标定法对目标相机进行标定得到的标定参数(即基准标定参数)作为目标相机的标准标定参数,来衡量S303确定的初步标定参数是否精准。
可选的,本步骤根据目标相机拍摄的标定板图像、基准标定参数和标定板的板面数据,确定第二重投影误差的过程,与上述实施例介绍的根据目标相机拍摄的标定板图像、初步标定参数和标定板的板面数据,确定第一重投影误差的过程类似。具体包括:(1)采用基准标定参数中的内部参数和畸变参数,对目标相机拍摄的标定板图像进行去畸变处理;(2)根据去畸变处理后的标定板图像和标定板的板面数据,确定标定板上的角点的图像二维坐标和世界三维坐标;(3)根据角点的图像二维坐标和世界三维坐标,以及基准标定参数,确定标定板图像的外部参数;(4)根据该外部参数、角点的世界三维坐标和基准标定参数,确定角点在所述标定板图像中的投影点坐标;(5)根据角点的图像二维坐标和角点在所述标定板图像中的投影点坐标,确定第二重投影误差。
S306,判断第一重投影误差和第二重投影误差,与预设误差阈值的关系,若两误差均小于预设误差阈值,则执行S307;若只有第二重投影误差小于预设误差阈值,则执行S308;若第二重投影误差不满足小于预设误差阈值,则执行S309。
可选的,在本申请实施例中,若第一重投影误差和第二重投影误差均小于预设误差阈值(如1.5个像素),则说明S303确定的初步标定参数的准确性较高,可以执行S307的操作;若第二重投影误差小于预设误差阈值,但第一重投影误差大于或等于预设误差阈值,则说明S303确定的初步标定参数的准确性较低,可以执行S308的操作;若第二重投影误差不满足小于预设误差阈值的条件,说明标准标定参数都不准确,此时说明目标相机的硬件存在问题,无法衡量初步标定参数的准确性,此时需要执行S309的操作,即无论第一重投影误差是否满足小于预设误差阈值的条件,此时需要更换待标定的目标相机重新执行本步骤的操作。
S307,确定初步标定参数满足批量标定规则,并将初步标定参数作为目标相机和目标相机的同型号相机的最终标定参数。
S308,确定初步标定参数不满足批量标定规则,并通过标准标定法确定目标相机和目标相机的同型号相机的最终标定参数。
S309,确定目标相机的硬件存在问题,更换目标相机重新确定第二重投影误差后,返回执行S306的操作。
本申请实施例的方案,在通过目标传感器参数确定出初步标定参数后,基于目标相机拍摄的标定板图像和标定板的板面数据,计算初步标定参数对应的第一重投影误差,以及基准标定参数确定的第二重投影误差,进而根据两重投影误差与预设误差阈值的关系来确定初步标定参数是否满足批量标定规则,进而决定是否可以基于初步标定参数设置同一型号相机的标定参数。本申请实施例的方案引入基准标定参数来确定初始标定参数的精准性,提高了是否可以批量标注相机的判断结果的精准性,进而保障了批量设置同型号相机的标定参数的精准性。
图4是根据本申请实施例提供的一种相机标定装置的结构示意图,本实施例适用于对同一型号的多个相机进行参数标定的情况。例如,对路侧感知场景中需要部署的同一型号的多个路侧感知枪式相机进行参数标定的情况。该装置可实现本申请任意实施例所述的相机标定方法。该装置400具体包括如下:
对角线确定模块401,用于根据目标相机的传感器分辨率,确定所述目标相机的图像对角线长度;
相机焦距确定模块402,用于根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和所述图像对角线长度,确定所述目标相机的焦距;
第一参数确定模块403,用于根据所述目标相机的焦距和所述传感器分辨率,确定所述初步标定参数;
批量标注检测模块404,用于检测所述初步标定参数是否满足批量标定规则;
标定参数设置模块405,用于若检测到所述初步标定参数满足批量标定规则,则将所述初步标定参数作为所述目标相机和所述目标相机的同型号相机的最终标定参数。
本申请实施例的技术方案,通过目标相机的传感器分辨率、传感器尺寸、传感器焦距和标准尺寸的传感器对角线长度,确定初步标定参数,在初步标定参数满足批量标定规则时,将初步标定参作为目标相机及其同型号相机的最终标定参数。本申请实施例给出了一种根据传感器参数,确定相机的标定参数的具体实现方案,相比于现有技术常规的标定参数确定方法(如张正友标定法),本申请确定标定参数的复杂度大大降低,另外,本申请实施例的方案,若通过传感器参数为目标相机确定的初步标定参数满足批量标定规则,则无需在对目标相机及其同型号相机逐一确定标定参数,解决了现有技术对同型号的每个相机按照复杂方式逐一确定标定参数,过程复杂、耗时长且成本高等问题,极大的提高了相机标定效率。
进一步的,所述批量标注检测模块404包括:
误差确定单元,用于根据所述目标相机拍摄的标定板图像、所述初步标定参数和标定板的板面数据,确定第一重投影误差;
批量标注检测单元,用于若所述第一重投影误差小于预设误差阈值,则所述初步标定参数满足批量标定规则。
进一步的,所述误差确定单元具体用于:
根据所述目标相机拍摄的标定板图像和标定板的板面数据,确定标定板上的角点的图像二维坐标和世界三维坐标;
根据所述角点的图像二维坐标和世界三维坐标,以及所述初步标定参数,确定所述标定板图像的外部参数;
根据所述外部参数、所述角点的世界三维坐标和所述初步标定参数,确定所述角点在所述标定板图像中的投影点坐标;
根据所述角点的图像二维坐标和所述角点在所述标定板图像中的投影点坐标,确定第一重投影误差。
进一步的,所述误差确定单元还用于:
根据所述目标相机拍摄的标定板图像、基准标定参数和标定板的板面数据,确定第二重投影误差;其中,所述基准标定参数通过标准标定法对所述目标相机进行标定得到;
相应的,所述批量标注检测单元具体用于:
若所述第一重投影误差和所述第二重投影误差均小于预设误差阈值,则所述初步标定参数满足批量标定规则。
进一步的,所述装置还包括:
第二参数确定模块,用于若检测到所述初步标定参数不满足批量标定规则,则通过标准标定法确定所述目标相机和所述目标相机的同型号相机的最终标定参数。
上述产品可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本申请的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如相机标定方法。例如,在一些实施例中,相机标定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的相机标定方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行相机标定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种相机标定方法,包括:
根据目标相机的传感器分辨率,确定所述目标相机的图像对角线长度;
根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和所述图像对角线长度,确定所述目标相机的焦距;
根据所述目标相机的焦距和所述传感器分辨率,确定所述初步标定参数;
若检测到所述初步标定参数满足批量标定规则,则将所述初步标定参数作为所述目标相机和所述目标相机的同型号相机的最终标定参数。
2.根据权利要求1所述的方法,其中,所述检测到所述初步标定参数满足批量标定规则,包括:
根据所述目标相机拍摄的标定板图像、所述初步标定参数和标定板的板面数据,确定第一重投影误差;
若所述第一重投影误差小于预设误差阈值,则所述初步标定参数满足批量标定规则。
3.根据权利要求2所述的方法,其中,根据所述目标相机拍摄的标定板图像、所述初步标定参数和标定板的板面数据,确定第一重投影误差,包括:
根据所述目标相机拍摄的标定板图像和标定板的板面数据,确定标定板上的角点的图像二维坐标和世界三维坐标;
根据所述角点的图像二维坐标和世界三维坐标,以及所述初步标定参数,确定所述标定板图像的外部参数;
根据所述外部参数、所述角点的世界三维坐标和所述初步标定参数,确定所述角点在所述标定板图像中的投影点坐标;
根据所述角点的图像二维坐标和所述角点在所述标定板图像中的投影点坐标,确定第一重投影误差。
4.根据权利要求2所述的方法,还包括:
根据所述目标相机拍摄的标定板图像、基准标定参数和标定板的板面数据,确定第二重投影误差;其中,所述基准标定参数通过标准标定法对所述目标相机进行标定得到;
相应的,若所述第一重投影误差小于预设误差阈值,则所述初步标定参数满足批量标定规则,包括:
若所述第一重投影误差和所述第二重投影误差均小于预设误差阈值,则所述初步标定参数满足批量标定规则。
5.根据权利要求1-4中任一项所述的方法,还包括:
若检测到所述初步标定参数不满足批量标定规则,则通过标准标定法确定所述目标相机和所述目标相机的同型号相机的最终标定参数。
6.一种相机标定装置,包括:
对角线确定模块,用于根据目标相机的传感器分辨率,确定所述目标相机的图像对角线长度;
相机焦距确定模块,用于根据标准尺寸的传感器对角线长度、目标相机的传感器尺寸、目标相机的传感器焦距和所述图像对角线长度,确定所述目标相机的焦距;
第一参数确定模块,用于根据所述目标相机的焦距和所述传感器分辨率,确定所述初步标定参数;
批量标注检测模块,用于检测所述初步标定参数是否满足批量标定规则;
标定参数设置模块,用于若检测到所述初步标定参数满足批量标定规则,则将所述初步标定参数作为所述目标相机和所述目标相机的同型号相机的最终标定参数。
7.根据权利要求6所述的装置,其中,所述批量标注检测模块包括:
误差确定单元,用于根据所述目标相机拍摄的标定板图像、所述初步标定参数和标定板的板面数据,确定第一重投影误差;
批量标注检测单元,用于若所述第一重投影误差小于预设误差阈值,则所述初步标定参数满足批量标定规则。
8.根据权利要求7所述的装置,其中,所述误差确定单元具体用于:
根据所述目标相机拍摄的标定板图像和标定板的板面数据,确定标定板上的角点的图像二维坐标和世界三维坐标;
根据所述角点的图像二维坐标和世界三维坐标,以及所述初步标定参数,确定所述标定板图像的外部参数;
根据所述外部参数、所述角点的世界三维坐标和所述初步标定参数,确定所述角点在所述标定板图像中的投影点坐标;
根据所述角点的图像二维坐标和所述角点在所述标定板图像中的投影点坐标,确定第一重投影误差。
9.根据权利要求7所述的装置,其中,所述误差确定单元还用于:
根据所述目标相机拍摄的标定板图像、基准标定参数和标定板的板面数据,确定第二重投影误差;其中,所述基准标定参数通过标准标定法对所述目标相机进行标定得到;
相应的,所述批量标注检测单元具体用于:
若所述第一重投影误差和所述第二重投影误差均小于预设误差阈值,则所述初步标定参数满足批量标定规则。
10.根据权利要求6-9中任一项所述的装置,还包括:
第二参数确定模块,用于若检测到所述初步标定参数不满足批量标定规则,则通过标准标定法确定所述目标相机和所述目标相机的同型号相机的最终标定参数。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的相机标定方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的相机标定方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的相机标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110258504.3A CN112991459B (zh) | 2021-03-09 | 2021-03-09 | 一种相机标定方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110258504.3A CN112991459B (zh) | 2021-03-09 | 2021-03-09 | 一种相机标定方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991459A true CN112991459A (zh) | 2021-06-18 |
CN112991459B CN112991459B (zh) | 2023-12-12 |
Family
ID=76334646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110258504.3A Active CN112991459B (zh) | 2021-03-09 | 2021-03-09 | 一种相机标定方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991459B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344906A (zh) * | 2021-06-29 | 2021-09-03 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机评估方法、装置、路侧设备和云控平台 |
CN113689506A (zh) * | 2021-09-01 | 2021-11-23 | 北京深点视觉科技有限公司 | 线阵相机标定方法 |
CN115423804A (zh) * | 2022-11-02 | 2022-12-02 | 依未科技(北京)有限公司 | 影像标定方法及装置、影像处理方法 |
WO2023241372A1 (zh) * | 2022-06-13 | 2023-12-21 | 华为技术有限公司 | 相机内参标定方法及相关设备 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004212142A (ja) * | 2002-12-27 | 2004-07-29 | System House Fukuchiyama:Kk | 画像寸法の測定方法 |
JP2006189586A (ja) * | 2005-01-05 | 2006-07-20 | Nippon Zeon Co Ltd | 撮像レンズ |
KR20080016315A (ko) * | 2006-08-18 | 2008-02-21 | 김민성 | 영상계측을 위한 카메라 교정방법 |
CN102136143A (zh) * | 2011-03-17 | 2011-07-27 | 北京师范大学 | 基于空间共线点的单光心反射折射摄像机焦距标定方法 |
CN104835159A (zh) * | 2015-05-07 | 2015-08-12 | 中国科学院长春光学精密机械与物理研究所 | 用于连续变焦距光学成像系统的数字图像校正方法 |
US20160227207A1 (en) * | 2015-02-03 | 2016-08-04 | Electronics And Telecommunications Research Institute | Apparatus and method for calibrating a camera |
US20160353068A1 (en) * | 2015-05-28 | 2016-12-01 | Masaaki Ishikawa | Projection system, image processing apparatus, and computer-readable storage medium |
CN106595702A (zh) * | 2016-09-22 | 2017-04-26 | 中国人民解放军装备学院 | 一种基于天文标定的多传感器空间配准方法 |
WO2019011027A1 (zh) * | 2017-07-11 | 2019-01-17 | 深圳市道通智能航空技术有限公司 | 应用于三维相机的图像校准方法和装置 |
KR101943046B1 (ko) * | 2017-09-18 | 2019-01-28 | 한국과학기술연구원 | 보조 rgb-d 카메라를 이용한 프로젝터-카메라의 캘리브레이션 방법 |
CN110458898A (zh) * | 2019-08-15 | 2019-11-15 | 北京迈格威科技有限公司 | 相机标定板、标定数据采集方法、畸变校正方法及装置 |
CN111402344A (zh) * | 2020-04-23 | 2020-07-10 | Oppo广东移动通信有限公司 | 标定方法、标定装置和非易失性计算机可读存储介质 |
CN111462245A (zh) * | 2020-01-09 | 2020-07-28 | 华中科技大学 | 一种基于矩形结构的变焦相机姿态标定方法和系统 |
CN112288825A (zh) * | 2020-10-29 | 2021-01-29 | 北京百度网讯科技有限公司 | 相机标定方法、装置、电子设备、存储介质和路侧设备 |
CN112330752A (zh) * | 2020-11-13 | 2021-02-05 | 深圳先进技术研究院 | 多相机联合标定方法、装置、终端设备及可读存储介质 |
CN112381889A (zh) * | 2020-11-19 | 2021-02-19 | 北京百度网讯科技有限公司 | 相机检验方法、装置、设备及存储介质 |
-
2021
- 2021-03-09 CN CN202110258504.3A patent/CN112991459B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004212142A (ja) * | 2002-12-27 | 2004-07-29 | System House Fukuchiyama:Kk | 画像寸法の測定方法 |
JP2006189586A (ja) * | 2005-01-05 | 2006-07-20 | Nippon Zeon Co Ltd | 撮像レンズ |
KR20080016315A (ko) * | 2006-08-18 | 2008-02-21 | 김민성 | 영상계측을 위한 카메라 교정방법 |
CN102136143A (zh) * | 2011-03-17 | 2011-07-27 | 北京师范大学 | 基于空间共线点的单光心反射折射摄像机焦距标定方法 |
US20160227207A1 (en) * | 2015-02-03 | 2016-08-04 | Electronics And Telecommunications Research Institute | Apparatus and method for calibrating a camera |
CN104835159A (zh) * | 2015-05-07 | 2015-08-12 | 中国科学院长春光学精密机械与物理研究所 | 用于连续变焦距光学成像系统的数字图像校正方法 |
US20160353068A1 (en) * | 2015-05-28 | 2016-12-01 | Masaaki Ishikawa | Projection system, image processing apparatus, and computer-readable storage medium |
CN106595702A (zh) * | 2016-09-22 | 2017-04-26 | 中国人民解放军装备学院 | 一种基于天文标定的多传感器空间配准方法 |
WO2019011027A1 (zh) * | 2017-07-11 | 2019-01-17 | 深圳市道通智能航空技术有限公司 | 应用于三维相机的图像校准方法和装置 |
KR101943046B1 (ko) * | 2017-09-18 | 2019-01-28 | 한국과학기술연구원 | 보조 rgb-d 카메라를 이용한 프로젝터-카메라의 캘리브레이션 방법 |
CN110458898A (zh) * | 2019-08-15 | 2019-11-15 | 北京迈格威科技有限公司 | 相机标定板、标定数据采集方法、畸变校正方法及装置 |
CN111462245A (zh) * | 2020-01-09 | 2020-07-28 | 华中科技大学 | 一种基于矩形结构的变焦相机姿态标定方法和系统 |
CN111402344A (zh) * | 2020-04-23 | 2020-07-10 | Oppo广东移动通信有限公司 | 标定方法、标定装置和非易失性计算机可读存储介质 |
CN112288825A (zh) * | 2020-10-29 | 2021-01-29 | 北京百度网讯科技有限公司 | 相机标定方法、装置、电子设备、存储介质和路侧设备 |
CN112330752A (zh) * | 2020-11-13 | 2021-02-05 | 深圳先进技术研究院 | 多相机联合标定方法、装置、终端设备及可读存储介质 |
CN112381889A (zh) * | 2020-11-19 | 2021-02-19 | 北京百度网讯科技有限公司 | 相机检验方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
周梓聪;吕武;刘阳;许泽恩;马杰;: "二轴转台测角法用于线阵相机几何参数标定", 中国图象图形学报, no. 09 * |
王子昂;李刚;刘秉琦;黄富瑜;陈一超;: "超大视场长波红外立体视觉外部参数标定及内外参数评价", 光谱学与光谱分析, no. 09 * |
路长伟: "图像传感器的规格与镜头焦距转换系数", 《科技视野》, pages 222 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344906A (zh) * | 2021-06-29 | 2021-09-03 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机评估方法、装置、路侧设备和云控平台 |
CN113344906B (zh) * | 2021-06-29 | 2024-04-23 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机评估方法、装置、路侧设备和云控平台 |
CN113689506A (zh) * | 2021-09-01 | 2021-11-23 | 北京深点视觉科技有限公司 | 线阵相机标定方法 |
WO2023241372A1 (zh) * | 2022-06-13 | 2023-12-21 | 华为技术有限公司 | 相机内参标定方法及相关设备 |
CN115423804A (zh) * | 2022-11-02 | 2022-12-02 | 依未科技(北京)有限公司 | 影像标定方法及装置、影像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112991459B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112991459A (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
EP3910543A2 (en) | Method for training object detection model, object detection method and related apparatus | |
EP4027299A2 (en) | Method and apparatus for generating depth map, and storage medium | |
CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN112381889A (zh) | 相机检验方法、装置、设备及存储介质 | |
CN110705433A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN113344906A (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
CN110162362B (zh) | 动态控件位置检测与测试方法、装置、设备及存储介质 | |
CN107734324B (zh) | 一种闪光灯照度均匀性的测量方法、系统及终端设备 | |
CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN115311624A (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
CN115265472A (zh) | 路面沉降测量方法、装置、设备以及介质 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN115147561A (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114549825A (zh) | 目标检测方法、装置、电子设备与存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN113139454B (zh) | 基于单张图像的道路宽度提取方法及装置 | |
CN115019157B (zh) | 目标物检测方法、装置、设备和计算机可读存储介质 | |
CN114742896A (zh) | 路侧感知系统的相机筛选方法、装置、设备及存储介质 | |
CN118072294A (zh) | 水尺数值读取方法、装置、电子设备及存储介质 | |
CN113642425A (zh) | 基于多模态的图像检测方法、装置、电子设备及存储介质 | |
CN117152270A (zh) | 激光雷达与相机的联合标定方法、装置、设备及介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211020 Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |