CN113192145A - 设备标定方法及装置、电子设备和存储介质 - Google Patents
设备标定方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113192145A CN113192145A CN202110500470.4A CN202110500470A CN113192145A CN 113192145 A CN113192145 A CN 113192145A CN 202110500470 A CN202110500470 A CN 202110500470A CN 113192145 A CN113192145 A CN 113192145A
- Authority
- CN
- China
- Prior art keywords
- image
- corner
- calibration
- determining
- positions
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 14
- 241001417527 Pempheridae Species 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 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
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本公开涉及一种设备标定方法及装置、电子设备和存储介质,所述方法包括:获取标定场景的场景图像;对场景图像进行角点检测,确定M个图像角点及其图像位置;针对任意K个图像角点组成的角点组,根据角点组中的K个图像角点的图像位置及K个边缘角点的平面位置,确定角点组的单应性矩阵;根据角点组的单应性矩阵、角点组外的M‑K个图像角点的图像位置及N‑K个非边缘角点的平面位置,确定该角点组的重投影误差;根据多个角点组的重投影误差确定出目标角点组;根据目标角点组的单应性矩阵、N个标定角点的平面位置、M个图像角点的图像位置,确定标定结果。本公开实施例可提高标定的便捷性和速度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种设备标定方法及装置、电子设备和存储介质。
背景技术
在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,需要建立相机成像的几何模型,这些几何模型参数就是相机参数(即内参)。另外,相机与参考坐标系(例如相机所在的设备的坐标系)之间的空间关系也需要确定,并使用特定的参数来描述(即外参)。在大多数条件下,这些参数必须通过定制化的数据采集以及实验、计算求解才能得到,这个求解参数的过程就称之为相机标定。无论是在图像测量或者机器视觉应用中,相机参数的标定都是非常关键的环节,其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。
相关技术中的标定方法,通常在地平面上放置有棋盘格标定板,通过相机采集对应的图像,基于棋盘格上每一个角点在世界坐标系上的位置和在图像坐标系上的位置的对应关系,实现相机的标定。然而,对于低视角的移动设备(例如扫地机机器人等),其机身较低,棋盘格标定板放置在地面时,由于透视原理导致较远处的许多角点非常模糊,在图像中占据的像素也很少,无法被检测到,导致标定精度下降。
发明内容
本公开提出了一种设备标定技术方案。
根据本公开的一方面,提供了一种设备标定方法,包括:
获取移动设备的图像采集部件采集的、标定场景的第一场景图像,其中,在所述标定场景的地平面上放置有N个标定角点的标定图案,所述N个标定角点包括K个边缘角点及N-K个非边缘角点,N、K为整数且4≤K<N;对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,M为整数且M>K;针对所述M个图像角点中的任意K个图像角点组成的角点组,根据所述角点组中的K个图像角点的第一图像位置及所述K个边缘角点的第一平面位置,确定所述角点组的第一单应性矩阵;根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差;根据多个角点组的重投影误差,从所述多个角点组中确定出目标角点组;根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述图像采集部件的标定结果。
在一种可能的实现方式中,所述根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差,包括:根据所述角点组的第一单应性矩阵及所述M-K个图像角点的第一图像位置,确定所述M-K个图像角点的第二平面位置;根据所述M-K个图像角点的第二平面位置及所述N-K个非边缘角点的第一平面位置之间的距离,确定出R-K个第一角点对,每个第一角点对包括一个图像角点和一个非边缘角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差。
在一种可能的实现方式中,所述根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差,包括:分别确定各个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置之间的平面距离;根据所述R-K个第一角点对的平面距离,确定所述角点组的重投影误差。
在一种可能的实现方式中,所述根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述移动设备的标定结果,包括:根据所述M个图像角点的第一图像位置及所述目标角点组的第一单应性矩阵,确定所述M个图像角点的第三平面位置;根据所述M个图像角点的第三平面位置及所述N个标定角点的第一平面位置之间的距离,确定出R个第二角点对,每个第二角点对包括一个图像角点和一个标定角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;根据所述R个第二角点对中的图像角点的第一图像位置与标定角点的第一平面位置,确定出第二单应性矩阵,所述标定结果包括所述第二单应性矩阵。
在一种可能的实现方式中,所述对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,包括:对所述第一场景图像进行角点检测,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第二图像位置;对所述M个图像角点进行反畸变,确定所述M个图像角点的第一图像位置。
在一种可能的实现方式中,所述方法还包括:获取所述图像采集部件采集的、所述移动设备的作业场景的第二场景图像;对所述第二场景图像进行目标检测,确定所述第二场景图像中的目标及所述目标的第三图像位置;根据所述第三图像位置及所述图像采集部件的标定结果,确定所述目标在所述作业场景中的第四平面位置;根据所述目标的第四平面位置,控制所述移动设备执行相应的处理。
在一种可能的实现方式中,所述移动设备包括自动扫地机、自动拖地机、自动割草机、自动扫雪机中的任意一种,所述图像采集部件包括单目RGB相机、双目RGB相机、TOF相机、红外相机中的任意一种。
根据本公开的一方面,提供了一种设备标定装置,包括:
图像采集模块,用于获取移动设备的图像采集部件采集的、标定场景的第一场景图像,其中,在所述标定场景的地平面上放置有N个标定角点的标定图案,所述N个标定角点包括K个边缘角点及N-K个非边缘角点,N、K为整数且4≤K<N;
角点检测模块,用于对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,M为整数且M>K;
矩阵确定模块,用于针对所述M个图像角点中的任意K个图像角点组成的角点组,根据所述角点组中的K个图像角点的第一图像位置及所述K个边缘角点的第一平面位置,确定所述角点组的第一单应性矩阵;
误差确定模块,用于根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差;
目标角点组确定模块,用于根据多个角点组的重投影误差,从所述多个角点组中确定出目标角点组;
标定结果确定模块,用于根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述图像采集部件的标定结果。
在一种可能的实现方式中,所述误差确定模块包括:第一位置确定子模块,用于根据所述角点组的第一单应性矩阵及所述M-K个图像角点的第一图像位置,确定所述M-K个图像角点的第二平面位置;第一角点对确定子模块,用于根据所述M-K个图像角点的第二平面位置及所述N-K个非边缘角点的第一平面位置之间的距离,确定出R-K个第一角点对,每个第一角点对包括一个图像角点和一个非边缘角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;误差确定子模块,用于根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差。
在一种可能的实现方式中,所述误差确定子模块用于:分别确定各个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置之间的平面距离;根据所述R-K个第一角点对的平面距离,确定所述角点组的重投影误差。
在一种可能的实现方式中,所述标定结果确定模块包括:第二位置确定子模块,用于根据所述M个图像角点的第一图像位置及所述目标角点组的第一单应性矩阵,确定所述M个图像角点的第三平面位置;第二角点对确定子模块,用于根据所述M个图像角点的第三平面位置及所述N个标定角点的第一平面位置之间的距离,确定出R个第二角点对,每个第二角点对包括一个图像角点和一个标定角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;矩阵确定子模块,用于根据所述R个第二角点对中的图像角点的第一图像位置与标定角点的第一平面位置,确定出第二单应性矩阵,所述标定结果包括所述第二单应性矩阵。
在一种可能的实现方式中,所述角点检测模块包括:第三位置确定子模块,用于对所述第一场景图像进行角点检测,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第二图像位置;反畸变子模块,用于对所述M个图像角点进行反畸变,确定所述M个图像角点的第一图像位置。
在一种可能的实现方式中,所述装置还包括:作业场景图像采集模块,用于获取所述图像采集部件采集的、所述移动设备的作业场景的第二场景图像;目标检测模块,用于对所述第二场景图像进行目标检测,确定所述第二场景图像中的目标及所述目标的第三图像位置;位置确定模块,用于根据所述第三图像位置及所述图像采集部件的标定结果,确定所述目标在所述作业场景中的第四平面位置;控制模块,用于根据所述目标的第四平面位置,控制所述移动设备执行相应的处理。
在一种可能的实现方式中,所述移动设备包括自动扫地机、自动拖地机、自动割草机、自动扫雪机中的任意一种,所述图像采集部件包括单目RGB相机、双目RGB相机、TOF相机、红外相机中的任意一种。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,能够在场景中放置自定义的标定图案,获取图像采集部件采集的场景图像;根据从图像中检测出的图像角点的图像位置及标定角点的平面位置,计算多种角点匹配方式下的单应性矩阵,并确定出各种匹配方式的误差;根据误差确定出目标角点组,基于目标角点组的单应性矩阵得到最终的标定结果,从而准确且快速地实现移动设备的自动标定,提高标定的便捷性和速度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的设备标定方法的流程图。
图2示出根据本公开实施例的标定图案的示意图。
图3示出根据本公开实施例的标定角点的平面位置的示意图。
图4示出根据本公开实施例的图像角点的图像位置的示意图。
图5示出根据本公开实施例的图像角点的图像位置的示意图。
图6示出根据本公开实施例的设备标定装置的框图。
图7示出根据本公开实施例的一种电子设备的框图。
图8示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
对于低视角的移动设备,采用棋盘格标定方式时的标定精度较差,因此,可以设置自定义的标定图案,使得标定图案的角点能够在移动设备的相机图像上清晰地成像,以便实现相机标定。然而,相关技术中无法自动检测角点的图像位置与平面位置之间对应关系,需要人工标注,导致人工成本和时间成本均较高。
根据本公开实施例的设备标定方法,能够自动检测角点的图像位置与平面位置之间对应关系,准确且快速地实现移动设备的相机标定,从而提高标定的便捷性和速度。
图1示出根据本公开实施例的设备标定方法的流程图,如图1所示,所述设备标定方法包括:
在步骤S11中,获取移动设备的图像采集部件采集的、标定场景的第一场景图像,其中,在所述标定场景的地平面上放置有N个标定角点的标定图案,所述N个标定角点包括K个边缘角点及N-K个非边缘角点,N、K为整数且4≤K<N;
在步骤S12中,对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,M为整数且M>K;
在步骤S13中,针对所述M个图像角点中的任意K个图像角点组成的角点组,根据所述角点组中的K个图像角点的第一图像位置及所述K个边缘角点的第一平面位置,确定所述角点组的第一单应性矩阵;
在步骤S14中,根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差;
在步骤S15中,根据多个角点组的重投影误差,从所述多个角点组中确定出目标角点组;
在步骤S16中,根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述图像采集部件的标定结果。
在一种可能的实现方式中,所述设备标定方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
举例来说,移动设备可以为机身接近地平面的、低视角的任意电子设备,例如包括自动扫地机、自动拖地机、自动割草机、自动扫雪机中的任意一种。本公开对移动设备的类型不作限制。
在一种可能的实现方式中,移动设备上可设置有图像采集部件,用于采集所述移动设备所在场景的图像信息。该图像采集部件可例如包括单目RGB相机、双目RGB相机、TOF(Time of flight,飞行时间)相机、红外相机中的任意一种。本公开对图像采集部件的具体类型不作限制。
在一种可能的实现方式中,可根据移动设备的类型,设置相应的标定场景,例如适应于自动扫地机的室内场景、适应于自动割草机的室外场景等,本公开对标定场景的类别不作限制。
图2示出根据本公开实施例的标定图案的示意图。如图2所示,每个标定图案可具有类似于棋盘格的相交的黑白区域,以便后续处理中能够识别出标定图案中心的标定角点。本公开对标定图案的具体形状不作限制。
在一种可能的实现方式中,在标定场景的地平面上,可放置有多个标定图案。各个标定图案之间的横向距离较大,纵向距离较小;或者在横向放置更多的标定图案,纵向放置更少的标定图案,以便标定图案中心的标定角点能够在移动设备的该图像采集部件采集的图像上清晰地成像。本公开对标定图案的放置方式及布局不作限制。
在一种可能的实现方式中,在放置好标定图案后,可根据标定场景的地平面的平面坐标系(也可称为世界坐标系),确定各个标定图案中心的标定角点,在平面坐标系中的平面位置(称为第一平面位置)。可在预先设定的第一平面位置处放置标定图案;也可在放置标定图案后,记录标定角点的第一平面位置,本公开对此不作限制。
在一种可能的实现方式中,设标定角点为N个,则可得到N个标定角点的第一平面位置,分别记为(W1、W2、W3、……WN)。可从N个标定角点中确定出K个边缘角点及N-K个非边缘角点,以便后续处理,K为整数且4≤K<N。
图3示出根据本公开实施例的标定角点的平面位置的示意图。如图3所示,标定角点中选择出最靠近边角的4个点,作为边缘角点,包括左上角点(位置W1)、右上角点(位置W2)、左下角点(位置W3)、右下角点(位置W4)。这样,能够在后续处理中实现单应性矩阵的计算。
应当理解,也可以选择靠近中心的标定角点作为边缘角点,选择出的边缘角点的数量可以大于4个,只要能够实现单应性矩阵的计算即可,本公开对此不作限制。
在一种可能的实现方式中,可控制移动设备接近标定场景中的多个标定图案所在的区域,并控制待标定的图像采集部件采集场景图像(称为第一场景图像)。在步骤S11中,可获取该第一场景图像。
在一种可能的实现方式中,在步骤S12中,可对第一场景图像进行角点检测,确定出第一场景图像中的多个图像角点(设为M个图像角点),得到该M个图像角点在图像坐标系中的位置(称为第二图像位置),分别记为(I1、I2、I3、……IM)。
图4示出根据本公开实施例的图像角点的图像位置的示意图。如图4所示,从第一场景图像中检测出18个图像角点,图像位置分别记为(I1、I2、I3、……I18)。
在一种可能的实现方式中,可采用相关技术中针对棋盘格的角点检测方式实现第一场景图像的角点检测;也可采用卷积神经网络实现第一场景图像的角点检测,本公开对角点检测得到具体方式不作限制。
在一种可能的实现方式中,图像采集部件采集的第一场景图像存在图像畸变。在该情况下,可对检测出的M个图像角点分别进行反畸变处理,得到M个图像角点的反畸变后的图像位置(称为第一图像位置),分别记为(P1、P2、P3、……PM)。本公开对反畸变处理的具体方式不作限制。
图5示出根据本公开实施例的图像角点的图像位置的示意图。如图5所示,第一场景图像中的18个图像角点,反畸变后的第一图像位置分别记为(P1、P2、P3、……P18)。
在一种可能的实现方式中,在步骤S13中,可从M个图像角点中任意有序选取出K个图像角点,作为一个角点组,分别与K个边缘角点组成角点对,根据K个图像角点的第一图像位置及K个边缘角点的第一平面位置,计算出该角点组的单应性矩阵(称为第一单应性矩阵)。本公开对单应性矩阵的具体计算方式不作限制。
在一种可能的实现方式中,在步骤S14中,根据该第一单应性矩阵及该角点组外的M-K个图像角点的第一图像位置,可计算出该M-K个图像角点的平面位置(称为第二平面位置);进而,可根据N-K个非边缘角点的第一平面位置与该M-K个图像角点的第二平面位置之间的距离,进行角点匹配,得到R-K个角点对。其中,M≥N的情况下,R=N;M<N的情况下,R=M,也即R取M、N中较小的值。
在一种可能的实现方式中,根据R-K个角点对中的图像角点和非边缘角点之间的距离,可确定出该第一单应性矩阵的重投影误差,也即对应于该角点组的重投影误差。
在一种可能的实现方式中,可从M个图像角点中选取出不同的K个图像角点和/或顺序不同的K个图像角点,作为一个新的角点组,重复执行步骤S13-S14,得到多个角点组的重投影误差。
在角点组中的图像角点相同但顺序不同时,与K个边缘角点组成的角点对不同,得到的第一单应性矩阵也不同,因此是不同的排列方式。这样,从M个图像角点中选取出K个图像角点的选取方式一共有种。经次处理后,可得到个角点组的重投影误差。
在一种可能的实现方式中,在得到个角点组的重投影误差后,可在步骤S15中将重投影误差最小的角点组确定为最准确的角点组,称为目标角点组;也可以设定有误差阈值,确定出重投影误差小于或等于误差阈值的至少一个角点组,从该至少一个角点组中选择出目标角点组。本公开对目标角点组的具体确定方式不作限制。
在一种可能的实现方式中,在步骤S16中,根据目标角点组的第一单应性矩阵和M个图像角点的第一图像位置(P1、P2、P3、……PM),可分别计算M个图像角点的平面位置(称为第三平面位置),记为(WP1、WP2、WP3、……WPM)。进而,可根据N个标定角点的第一平面位置(W1、W2、W3、……WN)与M个图像角点的第三平面位置(WP1、WP2、WP3、……WPM)之间的距离,进行角点匹配,得到R个角点对,例如记为(P1,W1)、(P2,W2)、……、(PR,WR)。
在一种可能的实现方式中,根据各个角点对中图像角点的第一图像位置及标定角点的第一平面位置,可计算出最终的单应性矩阵(称为第二单应性矩阵),将该第二单应性矩阵作为移动设备的图像采集部件的标定结果,从而实现整个标定过程。
根据本公开实施例的设备标定方法,能够在场景中放置自定义的标定图案,获取图像采集部件采集的场景图像;根据从图像中检测出的图像角点的图像位置及标定角点的平面位置,计算多种角点匹配方式下的单应性矩阵,并确定出各种匹配方式的误差;根据误差确定出目标角点组,基于目标角点组的单应性矩阵得到最终的标定结果,从而准确且快速地实现移动设备的自动标定,提高标定的便捷性和速度。
下面对根据本公开实施例的设备标定方法进行展开说明。
如前所述,在标定场景中放置有自定义的标定图案,各个标定图案中心的标定角点在地平面的平面坐标系中的第一平面位置,记为(W1、W2、W3、……WN)。在步骤S11中,获取到图像采集部件采集的第一场景图像。
在一种可能的实现方式中,可从N个标定角点中确定出K个边缘角点及N-K个非边缘角点(K≥4),以便后续处理。
在一种可能的实现方式中,在步骤S12中确定第一场景图像中图像角点的位置。其中,步骤S12可包括:
对所述第一场景图像进行角点检测,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第二图像位置;
对所述M个图像角点进行反畸变,确定所述M个图像角点的反畸变后的第一图像位置。
也即,对第一场景图像进行角点检测,确定出第一场景图像中的M个图像角点,得到该M个图像角点在图像坐标系中的第二图像位置(I1、I2、I3、……IM);再对M个图像角点分别进行反畸变处理,得到反畸变后的第一图像位置(P1、P2、P3、……PM)。本公开对角点检测及反畸变处理的具体方式均不作限制。
通过这种方式,可使得图像角点的图像位置更为准确,提高标定的精度。
在一种可能的实现方式中,在步骤S13中,可从M个图像角点中任意有序选取出K个图像角点,作为一个角点组。将K个图像角点与K个边缘角点组成K个角点对,每个角点对包括一个图像角点和一个边缘角点。根据该K个角点对,可计算出该角点组的第一单应性矩阵(H矩阵)。本公开对单应性矩阵的具体计算方式不作限制。
在一种可能的实现方式中,可在步骤S14中确定用该角点组的单应性矩阵作为标定结果时的误差。其中,步骤S14可包括:
根据所述角点组的第一单应性矩阵及所述M-K个图像角点的第一图像位置,确定所述M-K个图像角点的第二平面位置;
根据所述M-K个图像角点的第二平面位置及所述N-K个非边缘角点的第一平面位置之间的距离,确定出R-K个第一角点对,每个第一角点对包括一个图像角点和一个非边缘角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;
根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差。
举例来说,基于该角点组的第一单应性矩阵以及该角点组之外的其余M-K个图像角点的第一图像位置,可计算出该M-K个图像角点的第二平面位置;进而,可根据该M-K个图像角点的第二平面位置及N-K个非边缘角点的第一平面位置,进行角点匹配。
在一种可能的实现方式中,可计算各个第二平面位置与各个第一平面位置之间的距离,逐个进行匹配。对于该M-K个图像角点中的一个图像角点,可从N-K个非边缘角点中,选取与该图像角点距离最近的非边缘角点,作为匹配的标定角点,组成一个第一角点对。并且,将该第一角点对中的角点分别从M-K个图像角点的集合以及N-K个非边缘角点的集合中移除,以免重复匹配。
在一种可能的实现方式中,对于集合中剩余的M-K-1个图像角点中的一个图像角点,可从剩余的N-K-1个非边缘角点中,选取与该图像角点距离最近的非边缘角点,作为匹配的标定角点,组成下一个第一角点对,并将该第一角点对中的角点分别从角点集合中移除。以此类推,可得到R-K个第一角点对。其中,M≥N的情况下,R=N;M<N的情况下,R=M,剩余的图像角点或非边缘角点不参与计算。
在一种可能的实现方式中,根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差的步骤,可包括:
分别确定各个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置之间的平面距离;
根据所述R-K个第一角点对的平面距离,确定所述角点组的重投影误差。
也即,可分别确定各个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置之间的距离,得到R-K个距离;对该R-K个距离求平均值,即可得到该角点组的重投影误差。
通过这种方式,能够在采用任意的K个图像角点进行匹配时,准确地确定出该角点组的重投影误差,以便后续查找出合适的角点组。
在一种可能的实现方式中,可从M个图像角点中选取出不同的K个图像角点和/或顺序不同的K个图像角点,作为一个新的角点组,重复执行步骤S13-S14,得到多个角点组的重投影误差。
在角点组中的图像角点相同但顺序不同时,与K个边缘角点组成的角点对不同,得到的第一单应性矩阵也不同,因此是不同的排列方式。这样,从M个图像角点中选取出K个图像角点的选取方式一共有种。经次处理后,可得到个角点组的重投影误差。
在一种可能的实现方式中,在得到个角点组的重投影误差后,可在步骤S15中将重投影误差最小的角点组确定为目标角点组;也可从重投影误差小于或等于误差阈值的至少一个角点组中,选择出目标角点组。目标角点组的第一单应性矩阵可称为暂定单应性矩阵。
在一种可能的实现方式中,在确定目标角点组后,可在步骤S16中计算最终的单应性矩阵。其中,步骤S16可包括:
根据所述M个图像角点的第一图像位置及所述目标角点组的第一单应性矩阵,确定所述M个图像角点的第三平面位置;
根据所述M个图像角点的第三平面位置及所述N个标定角点的第一平面位置之间的距离,确定出R个第二角点对,每个第二角点对包括一个图像角点和一个标定角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;
根据所述R个第二角点对中的图像角点的第一图像位置与标定角点的第一平面位置,确定出第二单应性矩阵,所述标定结果包括所述第二单应性矩阵。
举例来说,根据目标角点组的第一单应性矩阵和M个图像角点的第一图像位置(P1、P2、P3、……PM),可分别计算出M个图像角点在平面坐标系下的第三平面位置(WP1、WP2、WP3、……WPM)。进而,可根据N个标定角点的第一平面位置(W1、W2、W3、……WN)与M个图像角点的第三平面位置(WP1、WP2、WP3、……WPM)之间的距离,进行角点匹配。
与前面的处理过程类似,可计算各个第三平面位置与各个第一平面位置之间的距离,逐个进行匹配。对于M个图像角点中的一个图像角点,可从N个标定角点中,选取与该图像角点距离最近的标定角点,作为匹配的标定角点,组成一个第二角点对。并且,将该第二角点对中的角点分别从M个图像角点的集合以及N个标定角点的集合中移除,以免重复匹配。
在一种可能的实现方式中,对于集合中剩余的M-1个图像角点中的一个图像角点,可从剩余的N-1个标定角点中,选取与该图像角点距离最近的标定角点,作为匹配的标定角点,组成下一个第二角点对,并将该第二角点对中的角点分别从角点集合中移除。以此类推,可得到R个第二角点对。其中,M≥N的情况下,R=N;M<N的情况下,R=M,剩余的图像角点或标定角点不参与计算。
在一种可能的实现方式中,根据各个第二角点对中图像角点的第一图像位置第一图像位置(P1、P2、P3、……PM)及标定角点的第一平面位置(W1、W2、W3、……WN),可计算出最终的第二单应性矩阵,将该第二单应性矩阵作为图像采集部件的标定结果。
通过这种方式,根据目标角点组的单应性矩阵再次进行角点匹配,并根据所有的角点对计算单应性矩阵,能够使得计算结果更加鲁棒,从而进一步提高标定结果的精度和稳定性。
在一种可能的实现方式中,在完成图像采集部件的标定后,可在移动设备中存储该标定结果(即第二单应性矩阵),使得移动设备根据第二单应性矩阵实现相应的功能,例如建图、障碍物分析、路径规划等。
在一种可能的实现方式中,根据本公开实施例的设备标定方法还可包括:
获取所述图像采集部件采集的、所述移动设备的作业场景的第二场景图像;
对所述第二场景图像进行目标检测,确定所述第二场景图像中的目标及所述目标的第三图像位置;
根据所述第三图像位置及所述图像采集部件的标定结果,确定所述目标在所述作业场景中的第四平面位置;
根据所述目标的第四平面位置,控制所述移动设备执行相应的处理。
举例来说,在移动设备在作业场景(室内场景或室外场景)中移动并进行作业(例如扫地、割草等)时,可通过图像采集部件采集该作业场景的场景图像(称为第二场景图像)。
在一种可能的实现方式中,可对第二场景图像进行目标检测,确定第二场景图像中的目标,例如人员、物体等。可通过目标检测网络(例如卷积神经网络)实现该目标检测过程;也可通过相关技术中的其他方式实现该目标检测过程,本公开对目标检测的具体方式不作限制。
在一种可能的实现方式中,在检测出目标后,可对目标进行反畸变处理,得到目标在反畸变后的图像位置(称为第三图像位置)。本公开对反畸变处理的具体方式不作限制。
在一种可能的实现方式中,根据目标的第三图像位置及存储的标定结果,可直接计算出目标在作业场景中的平面坐标系下的平面位置(称为第四平面位置)。
在一种可能的实现方式中,根据所述目标的第四平面位置,可控制所述移动设备执行相应的处理。例如,可将目标加入到作业场景的地图中,实现地图的构建。例如,可根据移动设备自身的定位位置和目标的第四平面位置,确定出目标相对于移动设备的方向和距离等信息,规划移动设备的移动路径,控制移动设备按照规划的移动路径,进行移动作业,以便绕开障碍物。本公开对移动设备执行处理的具体内容不作限制。
通过这种方式,可根据标定结果实现对场景图像中的目标的定位,并基于定位执行相应的处理,从而提高移动设备的作业性能。
根据本公开实施例的设备标定方法,能够应用于各种低视角的移动设备(例如扫地机器人)中,对移动设备的图像采集部件(例如单目RGB相机、双目RGB相机、TOF相机、红外相机等)进行标定。
根据本公开实施例的设备标定方法,能够在场景中放置自定义的标定图案,使得标定图案的角点能够在移动设备的相机图像上清晰地成像;根据从图像中检测出的图像角点的图像位置,以及标定角点的平面位置,通过排列的方式计算多种角点匹配方式下的单应性矩阵,并确定出各种匹配方式的误差;根据误差最小的单应性矩阵再次角点匹配,计算得到最终的标定结果。该方法能够自动检测角点的图像位置与平面位置之间对应关系,准确且快速地实现移动设备的相机标定,提高标定的便捷性和速度。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了设备标定装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种设备标定方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图6示出根据本公开实施例的设备标定装置的框图,如图6所示,所述装置包括:
图像采集模块61,用于获取移动设备的图像采集部件采集的、标定场景的第一场景图像,其中,在所述标定场景的地平面上放置有N个标定角点的标定图案,所述N个标定角点包括K个边缘角点及N-K个非边缘角点,N、K为整数且4≤K<N;
角点检测模块62,用于对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,M为整数且M>K;
矩阵确定模块63,用于针对所述M个图像角点中的任意K个图像角点组成的角点组,根据所述角点组中的K个图像角点的第一图像位置及所述K个边缘角点的第一平面位置,确定所述角点组的第一单应性矩阵;
误差确定模块64,用于根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差;
目标角点组确定模块65,用于根据多个角点组的重投影误差,从所述多个角点组中确定出目标角点组;
标定结果确定模块66,用于根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述图像采集部件的标定结果。
在一种可能的实现方式中,所述误差确定模块包括:第一位置确定子模块,用于根据所述角点组的第一单应性矩阵及所述M-K个图像角点的第一图像位置,确定所述M-K个图像角点的第二平面位置;第一角点对确定子模块,用于根据所述M-K个图像角点的第二平面位置及所述N-K个非边缘角点的第一平面位置之间的距离,确定出R-K个第一角点对,每个第一角点对包括一个图像角点和一个非边缘角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;误差确定子模块,用于根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差。
在一种可能的实现方式中,所述误差确定子模块用于:分别确定各个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置之间的平面距离;根据所述R-K个第一角点对的平面距离,确定所述角点组的重投影误差。
在一种可能的实现方式中,所述标定结果确定模块包括:第二位置确定子模块,用于根据所述M个图像角点的第一图像位置及所述目标角点组的第一单应性矩阵,确定所述M个图像角点的第三平面位置;第二角点对确定子模块,用于根据所述M个图像角点的第三平面位置及所述N个标定角点的第一平面位置之间的距离,确定出R个第二角点对,每个第二角点对包括一个图像角点和一个标定角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;矩阵确定子模块,用于根据所述R个第二角点对中的图像角点的第一图像位置与标定角点的第一平面位置,确定出第二单应性矩阵,所述标定结果包括所述第二单应性矩阵。
在一种可能的实现方式中,所述角点检测模块包括:第三位置确定子模块,用于对所述第一场景图像进行角点检测,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第二图像位置;反畸变子模块,用于对所述M个图像角点进行反畸变,确定所述M个图像角点的第一图像位置。
在一种可能的实现方式中,所述装置还包括:作业场景图像采集模块,用于获取所述图像采集部件采集的、所述移动设备的作业场景的第二场景图像;目标检测模块,用于对所述第二场景图像进行目标检测,确定所述第二场景图像中的目标及所述目标的第三图像位置;位置确定模块,用于根据所述第三图像位置及所述图像采集部件的标定结果,确定所述目标在所述作业场景中的第四平面位置;控制模块,用于根据所述目标的第四平面位置,控制所述移动设备执行相应的处理。
在一种可能的实现方式中,所述移动设备包括自动扫地机、自动拖地机、自动割草机、自动扫雪机中的任意一种,所述图像采集部件包括单目RGB相机、双目RGB相机、TOF相机、红外相机中的任意一种。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的易失性或非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图7,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图8示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图8,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种设备标定方法,其特征在于,包括:
获取移动设备的图像采集部件采集的、标定场景的第一场景图像,其中,在所述标定场景的地平面上放置有N个标定角点的标定图案,所述N个标定角点包括K个边缘角点及N-K个非边缘角点,N、K为整数且4≤K<N;
对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,M为整数且M>K;
针对所述M个图像角点中的任意K个图像角点组成的角点组,根据所述角点组中的K个图像角点的第一图像位置及所述K个边缘角点的第一平面位置,确定所述角点组的第一单应性矩阵;
根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差;
根据多个角点组的重投影误差,从所述多个角点组中确定出目标角点组;
根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述图像采集部件的标定结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差,包括:
根据所述角点组的第一单应性矩阵及所述M-K个图像角点的第一图像位置,确定所述M-K个图像角点的第二平面位置;
根据所述M-K个图像角点的第二平面位置及所述N-K个非边缘角点的第一平面位置之间的距离,确定出R-K个第一角点对,每个第一角点对包括一个图像角点和一个非边缘角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;
根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差。
3.根据权利要求2所述的方法,其特征在于,所述根据所述R-K个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置,确定所述角点组的重投影误差,包括:
分别确定各个第一角点对中的图像角点的第二平面位置与非边缘角点的第一平面位置之间的平面距离;
根据所述R-K个第一角点对的平面距离,确定所述角点组的重投影误差。
4.根据权利要求1-3中任意一项所述的方法,其特征在于,所述根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述移动设备的标定结果,包括:
根据所述M个图像角点的第一图像位置及所述目标角点组的第一单应性矩阵,确定所述M个图像角点的第三平面位置;
根据所述M个图像角点的第三平面位置及所述N个标定角点的第一平面位置之间的距离,确定出R个第二角点对,每个第二角点对包括一个图像角点和一个标定角点,其中,M≥N的情况下,R=N;M<N的情况下,R=M;
根据所述R个第二角点对中的图像角点的第一图像位置与标定角点的第一平面位置,确定出第二单应性矩阵,所述标定结果包括所述第二单应性矩阵。
5.根据权利要求1-4中任意一项所述的方法,其特征在于,所述对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,包括:
对所述第一场景图像进行角点检测,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第二图像位置;
对所述M个图像角点进行反畸变,确定所述M个图像角点的第一图像位置。
6.根据权利要求1-5中任意一项所述的方法,其特征在于,所述方法还包括:
获取所述图像采集部件采集的、所述移动设备的作业场景的第二场景图像;
对所述第二场景图像进行目标检测,确定所述第二场景图像中的目标及所述目标的第三图像位置;
根据所述第三图像位置及所述图像采集部件的标定结果,确定所述目标在所述作业场景中的第四平面位置;
根据所述目标的第四平面位置,控制所述移动设备执行相应的处理。
7.根据权利要求1-6中任意一项所述的方法,其特征在于,所述移动设备包括自动扫地机、自动拖地机、自动割草机、自动扫雪机中的任意一种,所述图像采集部件包括单目RGB相机、双目RGB相机、TOF相机、红外相机中的任意一种。
8.一种设备标定装置,其特征在于,包括:
图像采集模块,用于获取移动设备的图像采集部件采集的、标定场景的第一场景图像,其中,在所述标定场景的地平面上放置有N个标定角点的标定图案,所述N个标定角点包括K个边缘角点及N-K个非边缘角点,N、K为整数且4≤K<N;
角点检测模块,用于对所述第一场景图像进行角点检测处理,确定所述第一场景图像中的M个图像角点及所述M个图像角点的第一图像位置,M为整数且M>K;
矩阵确定模块,用于针对所述M个图像角点中的任意K个图像角点组成的角点组,根据所述角点组中的K个图像角点的第一图像位置及所述K个边缘角点的第一平面位置,确定所述角点组的第一单应性矩阵;
误差确定模块,用于根据所述角点组的第一单应性矩阵、所述角点组外的M-K个图像角点的第一图像位置,以及所述N-K个非边缘角点的第一平面位置,确定所述角点组的重投影误差;
目标角点组确定模块,用于根据多个角点组的重投影误差,从所述多个角点组中确定出目标角点组;
标定结果确定模块,用于根据所述目标角点组的第一单应性矩阵、所述N个标定角点的第一平面位置、所述M个图像角点的第一图像位置,确定所述图像采集部件的标定结果。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500470.4A CN113192145B (zh) | 2021-05-08 | 2021-05-08 | 设备标定方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500470.4A CN113192145B (zh) | 2021-05-08 | 2021-05-08 | 设备标定方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192145A true CN113192145A (zh) | 2021-07-30 |
CN113192145B CN113192145B (zh) | 2023-02-28 |
Family
ID=76984315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110500470.4A Active CN113192145B (zh) | 2021-05-08 | 2021-05-08 | 设备标定方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192145B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115416022A (zh) * | 2022-08-26 | 2022-12-02 | 汕头大学 | 一种移动平台系统的定位方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942796A (zh) * | 2014-04-23 | 2014-07-23 | 清华大学 | 一种高精度的投影仪-摄像机标定系统及标定方法 |
CN107633536A (zh) * | 2017-08-09 | 2018-01-26 | 武汉科技大学 | 一种基于二维平面模板的相机标定方法及系统 |
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 |
US20200058130A1 (en) * | 2018-08-14 | 2020-02-20 | Boe Technology Group Co., Ltd. | Image processing method, electronic device and computer-readable storage medium |
CN110815205A (zh) * | 2018-08-14 | 2020-02-21 | 杭州海康机器人技术有限公司 | 移动机器人的标定方法、系统及装置 |
CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
CN111681286A (zh) * | 2020-06-09 | 2020-09-18 | 商汤集团有限公司 | 一种标定方法、装置、系统、电子设备及存储介质 |
CN112085798A (zh) * | 2020-08-10 | 2020-12-15 | 深圳市优必选科技股份有限公司 | 摄像机标定方法、装置、电子设备及存储介质 |
-
2021
- 2021-05-08 CN CN202110500470.4A patent/CN113192145B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942796A (zh) * | 2014-04-23 | 2014-07-23 | 清华大学 | 一种高精度的投影仪-摄像机标定系统及标定方法 |
CN107633536A (zh) * | 2017-08-09 | 2018-01-26 | 武汉科技大学 | 一种基于二维平面模板的相机标定方法及系统 |
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 |
US20200058130A1 (en) * | 2018-08-14 | 2020-02-20 | Boe Technology Group Co., Ltd. | Image processing method, electronic device and computer-readable storage medium |
CN110815205A (zh) * | 2018-08-14 | 2020-02-21 | 杭州海康机器人技术有限公司 | 移动机器人的标定方法、系统及装置 |
CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
CN111681286A (zh) * | 2020-06-09 | 2020-09-18 | 商汤集团有限公司 | 一种标定方法、装置、系统、电子设备及存储介质 |
CN112085798A (zh) * | 2020-08-10 | 2020-12-15 | 深圳市优必选科技股份有限公司 | 摄像机标定方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
HE JUAN ET.AL: "Automatic corner detection and localization for camera calibration", 《IEEE 2011 10TH INTERNATIONAL CONFERENCE ON ELECTRONIC MEASUREMENT & INSTRUMENTS》 * |
刘嵩等: "基于单应性矩阵的棋盘格角点检测研究", 《电子设计工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115416022A (zh) * | 2022-08-26 | 2022-12-02 | 汕头大学 | 一种移动平台系统的定位方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113192145B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697734B (zh) | 位姿估计方法及装置、电子设备和存储介质 | |
CN109584362B (zh) | 三维模型构建方法及装置、电子设备和存储介质 | |
CN109819229B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111323007B (zh) | 定位方法及装置、电子设备和存储介质 | |
CN114019473A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
CN113052919A (zh) | 一种视觉传感器的标定方法及装置、电子设备和存储介质 | |
CN113205549B (zh) | 深度估计方法及装置、电子设备和存储介质 | |
CN114088062B (zh) | 目标定位方法及装置、电子设备和存储介质 | |
CN110930336B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
WO2022134475A1 (zh) | 点云地图构建方法及装置、电子设备、存储介质和程序 | |
CN114170324A (zh) | 标定方法及装置、电子设备和存储介质 | |
CN111523485A (zh) | 位姿识别方法及装置、电子设备和存储介质 | |
CN109241875B (zh) | 姿态检测方法及装置、电子设备和存储介质 | |
CN112219224A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN111563138A (zh) | 定位方法及装置、电子设备和存储介质 | |
CN113192145B (zh) | 设备标定方法及装置、电子设备和存储介质 | |
CN113052900A (zh) | 一种位置确定方法及装置、电子设备和存储介质 | |
CN112365406B (zh) | 图像处理方法、装置以及可读存储介质 | |
CN112837372A (zh) | 数据生成方法及装置、电子设备和存储介质 | |
CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
CN112767541A (zh) | 三维重建方法及装置、电子设备和存储介质 | |
CN113066134A (zh) | 一种视觉传感器的标定方法及装置、电子设备和存储介质 | |
CN112529781B (zh) | 图像处理方法、装置以及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |