CN113240752A - 一种内参和外参协同标定方法和装置 - Google Patents
一种内参和外参协同标定方法和装置 Download PDFInfo
- Publication number
- CN113240752A CN113240752A CN202110558280.8A CN202110558280A CN113240752A CN 113240752 A CN113240752 A CN 113240752A CN 202110558280 A CN202110558280 A CN 202110558280A CN 113240752 A CN113240752 A CN 113240752A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- calibration
- corner
- corrected
- 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 64
- 238000012937 correction Methods 0.000 claims abstract description 63
- 238000012795 verification Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005316 response function Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
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
本公开涉及一种内参和外参协同标定方法和装置。该方法包括：获取摄像头的标定参照图像中各角点的坐标参数；根据角点的坐标参数对标定参照图像进行畸变矫正，得到矫正后摄像头的内参；根据矫正后摄像头的内参对角点准确度进行验证；重复上述步骤，直至验证通过，将矫正后摄像头的内参作为标定后的摄像头的内参；根据角点的坐标参数以及标定后的摄像头的内参，确定标定后摄像头的外参。该方法同时实现摄像头的内参和外参的标定，减少摄像头参数校正的成本。在外参标定时，不依赖于模组厂标定的摄像头的内参，不依赖于特定的标定场地，内参和外参能够协同调整，摄像头外参的及时调整依赖于适时标定的内参，能够提高标定的精准度。
Description
技术领域
本公开涉及一种内参和外参协同标定方法和装置。
背景技术
360°全景泊车系统通过安装在车前后左右的多个摄像头捕获的图像信息进行投影、拼接以及融合，从而达到全景显示的效果。而这些步骤效果的实现则要求摄像头呈现的全景视图的误差尽可能的小，这主要依赖于该多个摄像头的参数，因此在生产过程中需要对每一辆车的摄像头的参数进行标定。摄像头的参数的标定分为内参标定和外参标定。
现有技术中，摄像头的内参通常采用统一的参数，由摄像头的模组厂在出厂时标定，将摄像头的内参写入每个摄像头的模组；摄像头的外参需要在车辆的产线上单独进标定，由于该外参标定方式，还需要依赖于摄像头的内参。
发明内容
鉴于现有技术中存在的技术缺陷和技术弊端，本公开实施例提供克服上述问题或者至少部分地解决上述问题的一种内参和外参协同标定方法和装置。
作为本公开实施例的第一方面，涉及一种内参和外参协同标定方法，包括：
获取摄像头的标定参照图像中各角点的坐标参数；
根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参；
根据矫正后摄像头的内参对角点准确度进行验证；
重复上述步骤，直至验证通过，将所述矫正后摄像头的内参作为标定后的摄像头的内参；
根据所述角点的坐标参数以及所述标定后的摄像头的内参，确定标定后摄像头的外参。
作为本公开实施例的第二方面，涉及一种内参和外参协同标定装置，包括：
坐标确定模块，用于获取摄像头的标定参照图像中各角点的坐标参数；
内参重建模块，根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参；
内参确定模块，用于根据矫正后摄像头的内参对角点准确度进行验证，并将验证通过的所述矫正后的内参作为标定后的摄像头的内参；
外参确定模块，根据所述角点的坐标参数以及所述标定后的摄像头的内参，确定标定后摄像头的外参。
作为本公开实施例的第三方面，涉及一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的内参和外参协同标定方法。
作为本公开实施例的第四方面，涉及一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述的内参和外参协同标定方法。
作为本公开实施例的第五方面，涉一种车辆，包括上述的标定设备。
本公开实施例至少实现了如下技术效果：
本公开提供的内参和外参协同标定方法，适用于360°全景泊车辅助系统的摄像头的内参和外参标定，可以在通用场地下实现摄像头内参和外参的调整，其使用具有广泛性、便利性和适用性，并且，同时实现摄像头的内参和外参的标定，保证摄像头的内参和外参的标定效果，减少摄像头参数校正的总的时间消耗，节约成本。
本公开提供的内参和外参协同标定方法，在外参标定时，不依赖于模组厂标定的摄像头的内参，不需要依赖于特定的标定场地，便于摄像头外参标定，有利于售后及运维操作，同时，有利于减少物流成本。
本公开提供的内参和外参协同标定方法，具有较强的鲁棒性，内参和外参能够协同调整，摄像头外参的及时调整依赖于适时标定的内参，一旦摄像头内参发生改变，外参也能随之调整，相较于普通的内外参分散标定的方式，能够提高标定的精准度，改善生产工艺带来的误差对全景泊车系统带来的影响，实现安全驾驶和便利泊车。
本公开提供的内参和外参协同标定方法，可以针对每个摄像头模组进行内参标定，在实现摄像头的内参标定时，不会增加摄像头参数标定的工作环节及流程，内参标定的精确度高，有利于保证360°全景泊车辅助系统的图像拼接的精准度，取得更好的全景图片的展示效果。
本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所记载的结构来实现和获得。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
附图用来提供对本公开的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。在附图中：
图1为本公开实施例提供的一种内参和外参协同标定方法的流程图；
图2为本公开实施例提供的适用于内参和外参协同标定方法的标定场结构示意图；
图3为图2所示的标定场中的第一标定装置的结构示意图；
图4为图2所示的标定场中的第二标定装置的结构示意图；
图5为图1所示的内参和外参协同标定方法中外参标定的流程图；
图6为图1所示的内参和外参协同标定方法中内参标定和外参标定的流程图；
图7为本公开实施例提供的一种内参和外参协同标定装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
实施例一
本公开的发明人发现，由于现有技术中，摄像头的内参通常采用统一的参数，由摄像头的模组厂在出厂时标定，将摄像头的内参写入每个摄像头的模组，导致摄像头的内参精度不高；并且，由于摄像头的外参需要在车辆的产线上单独进标定，由于该外参标定方式，还需要依赖于摄像头的内参，因此，这也同时导致摄像头的外参的精准度不高。基于此，本公开实施例提供一种内参和外参协同标定方法，参照图1所示，包括：
S101：获取摄像头的标定参照图像中各角点的坐标参数；
S102：根据角点的坐标参数对标定参照图像进行畸变矫正，得到矫正后摄像头的内参；
S103：根据矫正后摄像头的内参对角点准确度进行验证；
S104：判断是否验证通过，若否，则重复上述步骤S101至步骤S103；
若是，则执行步骤S105；
S105：将矫正后摄像头的内参作为标定后的摄像头的内参；
S106：根据角点的坐标参数以及标定后的摄像头的内参，确定标定后摄像头的外参。
本公开提供的内参和外参协同标定方法，适用于360°全景泊车辅助系统的摄像头的内参和外参标定，可以在通用场地实现摄像头内参和外参的调整，其使用具有广泛性、便利性和适用性，并且，同时实现摄像头的内参和外参的标定，保证摄像头的内参和外参的标定效果，减少摄像头参数校正的总的时间消耗，节约成本。
本公开提供的内参和外参协同标定方法，在外参标定时，不依赖于模组厂标定的摄像头的内参，不需要依赖于特定的标定场地，便于摄像头外参标定，有利于售后及运维操作，同时，有利于减少物流成本。
本公开提供的内参和外参协同标定方法，具有较强的鲁棒性，内参和外参能够协同调整，摄像头外参的及时调整依赖于适时标定的内参，一旦摄像头内参发生改变，外参也能随之调整，相较于普通的内外参分散标定的方式，能够提高标定的精准度，改善生产工艺带来的误差对全景泊车系统带来的影响，实现安全驾驶和便利泊车。
本公开提供的内参和外参协同标定方法，可以针对每个摄像头进行内参标定，在实现摄像头的内参标定时，不会增加摄像头参数标定的工作环节及流程，内参标定的精确度高，有利于保证360°全景泊车辅助系统的图像拼接的精准度，取得更好的全景图片的展示效果。
本公开实施例中在进行摄像头标定之前，可以在预先确定的标定场中布置好标定装置，再将摄像头置于标定场中的预设的图像拍摄位置。该标定装置可以是标定板或者标定布。假设360°全景泊车辅助系统包括设置于车身前后左右四个方向的多个摄像头，则可以在在预先确定的标定场中布置好标定装置，且该标定装置处于360°全景泊车辅助系统的相邻两个摄像头视场重叠的区域。
参照图2所示，为应用于本公开实施例的一种标定场的示意图。该标定场包括：待标定设备区域2，该待标定设备区域2的四个顶角分别对应设置有一个第一标定装置1。当需要对假设360°全景泊车辅助系统的摄像头进行标定时，将设置该360°全景泊车辅助系统的车辆置于该待标定设备区域2。进一步的，可以在该待标定设备区域2中设置车辆前轮位置限定区域201，以方便车辆停放。
参照图3所示，假设该第一标定装置1的背景区域颜色为白色，该第一标定装置1上间隔设置有多个第一标定块，例如将该第一标定区域1按照6×6排列的方式划分为36个小的方格，将这36个小方块按照从左到右从上到下的顺序依次标记为A1-A36，在A1-A36这36个方格中间隔设置有18个大小差异的第一标定块，其中：A1、A3、A13、A15、A20、A25、A27、A32的方格中均为30mm×20mm的黑色第一标定块；A5、A17、A22、A24、A29、A34、A36的方格中均为20mm×20mm的黑色第一标定块；A8的方格中为30mm×30mm的黑色第一标定块；A10、A12的方格中均为20mm×30mm的黑色第一标定块。则该第一标定装置1中，A36、A29、A22、A15、A8、A1中的这几个顶点相连的第一标定块整体呈由小到大趋势的方式布置，同样的，A24、A17、A10和A3中的这几个顶点相连的第一标定块，以及A34、A27、A20和A13中的这几个顶点相连的第一标定块也整体呈由小到大趋势的方式布置。
在一个实施例中，参照图1所示，该标定场还包括：与第一标定装置1间隔设置的第二标定装置3；该第二标定装置3包括间隔设置的多个大小一致的第二标定块。
参照图4所示，假设该第二标定装置3的背景区域颜色为白色，该第二标定装置3上间隔设置有多个第二标定块，例如将该第二标定装置3按照3×2排列的方式划分为6个小的方格，将这6个小方块按照从左到右从上到下的顺序依次标记为B1-B6，在B1-B6这6个方格中间隔设置有3个大小一致的第二标定块，例如，在B2、B4和B6的方格中均设置大小一致的黑色标定块。
需要说明的是，以上实施例中示出的标定场，以及对标定场和标定场中的第一标定装置和第二标定装置的描述，仅为适用于本公开实施例提出的内参和外参协同标定方法的一个具体实现方式。现有技术中的其他标定场以及在标定场中采用其他形式的标定装置，也可以适用于本公开实施例提供的内参和外参协同标定方法。该方法可以采用现有技术中的棋盘格标定布或者其他标定参照对象，只要该标定场中的标定装置具有角点结构的任意元素或元素组合，能够在摄像头拍摄图像后，获取到其标定参照图像中的角点，实现摄像头标定的目的即可。本公开实施例中，在此不做具体限定。
本公开实施例中，上述步骤S101的具体实现过程可以包括：
检测标定参照图像中各角点，并确定各角点的在世界坐标系中的世界坐标；
根据角点的世界坐标，确定角点的像素坐标。
本公开实施例中所描述的角点的坐标参数可以包括角点在世界坐标系中的世界坐标、相机坐标系中的相机坐标、图像坐标系中的图像坐标和像素坐标系中的像素坐标中的至少一个。
在一个具体实施例中，可以通过下述方式实现检测标定参照图像中各角点，并确定各角点的在世界坐标系中的世界坐标:
基于Harris角点检测算法，使用一个固定的图像局部的小窗口W在获取的标定参照图像上进行任意方向[u,v]的偏移，比较偏移前后窗口中的像素灰度变化程度E(u,v)，如果在任意方向上的，均存在灰度的变化，则在窗口w中检测到角点。
在对点(X，Y)进行角点检测时，将图像I(X，Y)带入下述公式(1)中，提取Harris矩阵的两个特征值λ1和λ2，如果λ1和λ2均大于预设阈值，则该窗口灰度变化较大，进而可以确定该被检测的点(X，Y)为角点。
其中，w(x,y)表示窗口函数；I表示图像灰度值；H表示Harris矩阵。
本公开实施例中，矩阵H为一个2*2的对角矩阵，λ1和λ2为矩阵H的对角线为特征值，若确定的λ1和λ2的值均小于第一预设阈值，则该被检测的点(X，Y)为平坦的图像区域的点；若λ1和λ2中的一个大于第一预设阈值，而另一个小于第一预设阈值，则该被检测的点(X，Y)为边缘的图像区域的点；若λ1和λ2的值均大于第一预设阈值，则该被检测的点(X，Y)为所在图像的角点。
在一个具体实施例中，基于上述描述，为了更方便的确定角点，可以根据该Harris矩阵定义角点响应函数R(response function)，通过判定R大小来判断像素是否为角点。具体的，可以是，将角点响应函数R定义成下述公式(2)：
R＝det|M|-K·Tr(M)＝λ1λ2-k(λ1+λ2)2， 公式(2)
其中，k的取值为0.04至0.06；
进而，通过判断R值的大小，就可以判定该被检测的点(X，Y)是否为角点，其中，若R>0且小于第二预设阈值，则确定该被检测的点(X，Y)为平坦的图像区域的点；若R<0，则该被检测的点(X，Y)是边缘的图像区域的点；若R大于第二预设阈值，则确定该被检测的点(X，Y)为角点，其中第二预设阈值大于0。
在一个具体实施例中，可以通过下述方式实现根据角点的世界坐标，确定角点的像素坐标：
首先，将检测的标定参照图像中各角点在世界坐标系中的世界坐标先转化为相机坐标系中的相机坐标；
接着，将确定的标定参照图像中各角点在相机坐标系中的相机坐标重建为图像坐标系中的图像坐标；
最后，将确定的标定参照图像中各角点在图像坐标系中的图像坐标转化为像素坐标系中的像素坐标。
其中，将检测的标定参照图像中各角点在世界坐标系中的世界坐标转化为相机坐标系中的相机坐标，可以通过下述方式实现：
假设标定参照图像所在平面为世界坐标系z＝0的平面上，则世界坐标系中的世界坐标与相机坐标系中的相机坐标之间的转化满足下述公式(3)，将标定参照图像中各角点在世界坐标系中的世界坐标带入下述公式(3)，即可得到标定参照图像中各角点在相机坐标系中的相机坐标。
其中，[xc,yc,zc,1]T表示相机坐标系的齐次坐标；[X,Y,Z,1]T表示世界坐标系的齐次坐标；R和t为待标定的摄像头外参，其中，R为3×3的旋转矩阵，t为3×1的平移矢量。
其中，将确定的标定参照图像中各角点在相机坐标系中的相机坐标重建为图像坐标系中的图像坐标，可以通过下述方式实现：
相机坐标系中的相机坐标与图像坐标系中的图像坐标之间的转化满足下述公式(4)，将标定参照图像中各角点在相机坐标系中的相机坐标带入下述公式(4)，即可得到标定参照图像中各角点在图像坐标系中的图像坐标。
其中，s表示比例因子；[x0,y0,1]表示图像坐标系的图像坐标；
表示相机的内参矩阵，其中，f表示相机的焦距。
其中，将确定的标定参照图像中各角点在图像坐标系中的图像坐标转化为像素坐标系中的像素坐标，可以通过下述方式实现：
图像坐标系中的图像坐标与像素坐标系中的像素坐标之间的转化满足下述公式(5)，将标定参照图像中各角点图像坐标系中的图像坐标带入下述公式(5)，即可得到标定参照图像中各角点在像素坐标系中的像素坐标。
其中，dx和dy表示像素和图像之间的转换关系，即1pixel＝dx mm；u0和v0表示图像坐标系的原点在图像坐标系中的坐标；[x,y,1]表示检测到的角点的像素坐标。
本公开实施例中，上述步骤S102的具体实现过程可以包括：
根据角点的世界坐标和像素坐标，确定摄像头的焦距和图像中心，得到矫正后摄像头的内参矩阵；
根据角点的世界坐标和摄像头的内参矩阵，得到角点的校正后像素坐标；
根据角点的像素坐标和角点的校正后像素坐标对标定参照图像进行畸变矫正，得到矫正后摄像头的畸变参数。
其中，根据角点的世界坐标和像素坐标，确定摄像头的焦距和图像中心，得到矫正后摄像头的内参矩阵，可以通过下述方式实现：
世界坐标系中的世界坐标与像素坐标系中的像素坐标之间的转化满足下述公式(6)，在确定摄像头的内参矩阵时，将检测到的标定参照图像中角点在像素坐标系中的像素坐标(x,y,1)T和在世界坐标系中的世界坐标(X,Y,Z)T、以及摄像头的摄待标定的像头外参R和t代入带入下述公式(6)中，得到矫正后摄像头的焦距(fx，fy)和图像中心(u0，v0)，进而得到矫正后摄像头的内参矩阵，其中，fx是摄像头在x轴方向上的归一化焦距，fy是相机在y轴方向上的归一化焦距，u0是摄像头在x轴方向上的镜头中心坐标，v0摄像头在y轴方向上的是镜头中心坐标。
其中，根据角点的世界坐标和矫正后摄像头的内参矩阵，得到角点的校正后像素坐标，可以通过下述方式实现：
将矫正后摄像头的内参矩阵带入上述公式(6)中，根据角点在世界坐标系中的齐次坐标[X,Y,Z,1]T，得到角点的校正后像素坐标(xcorrected,ycorrected)。
其中，根据所述角点的像素坐标和角点的校正后像素坐标对标定参照图像进行畸变矫正，得到矫正后摄像头的畸变参数，可以通过下述方式实现：
分别采用泰勒级数展开式对角点的像素坐标进行径向畸变描述和切向畸变描述，将角点的像素坐标带入下述公式(7)和公式(8)，进而可以通过下述公式(9)得到畸变校正后的角点的像素坐标：
x*＝x(1+k1r2+k2r4+k3r6)，y*＝y(1+k1r2+k2r4+k3r6)， 公式(7)
x*＝x+(2p1y+p2(r2+2x2))，y*＝y+(2p2x+p1(r2+2x2))， 公式(8)
其中，
(x*,y*)表示矫正后的角点坐标位置，r表示该角点距离相机中心的距离，(x0,y0)表示原点的像素坐标。
将角点的校正后像素坐标(xcorrected,ycorrected)和焦点的像素坐标(x，y)带入上述公式(9)，得到下式(10)。根据下式(10)即可推导出畸变参数k1、k2、k3、p1和p2。
本公开实施例中，上述步骤S103的具体实现过程可以包括：
根据角点的像素坐标和矫正后摄像头的内参，确定角点的校正后世界坐标；
根据角点的世界坐标和角点的校正后世界坐标的偏差，对角点准确度进行验证。
上述根据角点的像素坐标和矫正后摄像头的内参，确定角点的校正后世界坐标，具体包括：
将矫正后摄像头的内参矩阵带入上述公式(6)，根据角点在像素坐标系中的像素坐标(x，y)，得到角点的校正后世界坐标(Xcerrected，Ycerrected)。
上述根据角点的世界坐标和角点的校正后世界坐标的偏差，对角点准确度进行验证，具体包括：
将角点在世界坐标系中的世界坐标(X，Y)和角点的校正后世界坐标(Xcerrected，Ycerrected)进行做差，计算两者之间的偏差，并确定两者之间的偏差是否大于预设的偏差阈值，若否，则验证通过，从而可以将所述矫正后摄像头的内参作为标定后的摄像头的内参。其中，预设的偏差阈值的大小可以根据摄像头拍摄图像的像素进行设置，例如当图像像素为4K时，设置该偏差阈值的大小为5像素。
本公开实施例中，参照图5所示，上述步骤S106的具体实现过程可以包括：
S201：根据标定后的摄像头的内参，确定畸变矫正后图像；
S202：确定标定参照图像中各角点的角点特征和畸变矫正后图像中对应角点的角点特征并进行匹配，得到匹配成功的标定参照图像的角点和畸变矫正后图像的角点；
S203：根据匹配成功的标定参照图像的角点的坐标参数和畸变矫正后图像的角点的坐标参数，得到标定后摄像头的外参。
本公开实施例中，上述步骤S201的具体实现过程可以包括：
根据标定后的摄像头的内参和角点的坐标参数，对标定参照图像进行畸变矫正，确定畸变矫正后角点的坐标参数，得到畸变矫正后图像。
在一个具体实施例中，上述的角点的坐标参数可以是角点的像素坐标(x，y)，将角点的像素坐标(x，y)，以及根据上述步骤S101至S103得到的标定后摄像头的内参中的畸变参数k1、k2、k3、p1和p2带入上述公式(9)中，对标定参照图像进行畸变矫正，确定畸变矫正后角点的像素坐标(x*,y*)，从而得到畸变矫正后图像。
本公开实施例中，上述步骤S202的具体实现过程可以包括：
对标定参照图像和畸变矫正后图像分别构建尺度空间，得到标定参照图像的特征角点和所述畸变矫正后图像的特征角点；
从标定参照图像的特征角点和畸变矫正后图像的特征角点中分别获取标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点；
对所标定参照图像的可用特征角点的特征描述因子和畸变矫正后图像的可用特征角点的特征描述因子进行匹配，筛选得到匹配成功的标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点。
在一个具体实施例中，上述对标定参照图像和畸变矫正后图像构建尺度空间，得到所述标定参照图像的特征角点和所述畸变矫正后图像的特征角点，具体实现过程可以包括：
针对标定参照图像和畸变矫正后图像分别生成高斯差分金字塔(DOG金字塔)，构建向量尺度空间，得到高斯差分图像；
将标定参照图像的角点(x，y)与其所在的高斯差分图像邻域的8个像素，以及标定参照图像的角点(x，y)所在的向量尺度空间中的上下2幅高斯差分图像中对应位置邻域的9个点，共计26个点进行像素值比较，若标定参照图像的角点(x，y)的像素值均大于该26个点的像素值或均小于该26个点的像素值，则确定该标定参照图像的角点(x，y)为特征角点；
将畸变矫正后图像的角点(x*,y*)高斯差分图像邻域的8个像素，以及畸变矫正后图像的角点(x*,y*)所在的向量尺度空间中的上下2幅高斯差分图像中对应位置邻域的9个点，共计26个点进行像素值比较，若畸变矫正后图像的角点(x*,y*)的像素值均大于该26个点的像素值或均小于该26个点的像素值，则确定该畸变矫正后图像的角点(x*,y*)为特征角点；
在一个具体实施例中，上述从标定参照图像的特征角点和畸变矫正后图像的特征角点中分别获取标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点，具体实现过程可以包括：
针对上述标定参照图像的特征角点和畸变矫正后图像的特征角点，在标定参照图像的特征角点和畸变矫正后图像的特征角点附近进行曲线拟合来判决该标定参照图像的特征角点和畸变矫正后图像的特征角点是否处于最优极值点位置，具体的可以是通过计算该标定参照图像的特征角点和畸变矫正后图像的特征角点与对应拟合曲线的偏移量是否大于预设偏移量阈值，若否则确定该标定参照图像的特征角点或畸变矫正后图像的特征角点处于最优极值点位置，确定标定参照图像的亚像素级的特征角点或畸变矫正后图像的亚像素级的特征角点。
在一个具体实施例中，为了得到更精确的标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点，可以在计算得到的标定参照图像的特征角点和畸变矫正后图像的特征角点与对应拟合曲线的偏移量大于预设偏移量阈值的情况下，则进行不超过预设次数的迭代拟合，通过奇异值分解Hessian矩阵提取主成分与原始位置矩阵偏导进行矩阵乘积运算获取偏移量，确定最后一次迭代后的偏移量是否大于预设偏移量阈值。
接着，判断确定的标定参照图像的亚像素级的特征角点或畸变矫正后图像的亚像素级的特征角点是否为边缘点。
在一个具体实施例中，可以采用二阶Hessian矩阵来进行判别标定参照图像的亚像素级的特征角点或畸变矫正后图像的亚像素级的特征角点是否为边缘点：具体过程包括：
对于任一待检测的亚像素级的特征角点(x*,y*)，将图像I(x*,y*)带入下述公式(11)，计算特征值λ1和λ2，若λ1和λ2的差值大于预设差值阈值，则确定该被检测的亚像素级的特征角点为边界点，需要过滤掉该亚像素级的特征角点；若λ1和λ2的差值小于预设差值阈值，则确定该被检测的亚像素级的特征角点为可用特征角点。
其中，λ1和λ2为H矩阵的特征值。
在一个具体实施例中，上述对标定参照图像的可用特征角点的特征描述因子和畸变矫正后图像的可用特征角点的特征描述因子进行匹配，筛选得到匹配成功的标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点，具体实现过程包括：
分别对以标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点为中心的邻域内所有点进行梯度计算。在进行梯度计算时，可以通过将梯度方向归一化到36个方向内，每个方向代表了10°的范围，统计落到每个方向内的关键点个数，将数量最多的方向确定为该标定参照图像的可用特征角点或畸变矫正后图像的可用特征角点的主方向。
在一个具体实施例中，上述梯度计算可以通过下述公式(12)和下述公式(13)实现，将该标定参照图像的可用特征角点或畸变矫正后图像的可用特征角点的像素坐标带入下述公式(12)和下述公式(13)，确定梯度幅值m(x,y)和梯度方向θ(x,y):
进而，确定标定参照图像的可用特征角点的特征描述因子和所述畸变矫正后图像的可用特征角点的特征描述因子。
下面以确定标定参照图像的可用特征角点的128维的特征描述因子为例进行举例说明：
以该标定参照图像的可用特征角点为中心，取领域内16*16大小的区域，并把这个区域分成4*4个大小为4*4的小区域，计算每个小区域的加权梯度直方图，加权包含该点的梯度大小和该点离特征点的距离，每个小区域直方图在0-360之间划分为8个方向区间，每个区间为45度，最后获得4*4*8的128维特征描述因子Ri＝(ri1,ri2,ri3...ri128)。
畸变矫正后图像的可用特征角点的128维特征描述因子Si＝(si1,si2,si3...si128)的计算过程相同与上述标定参照图像的可用特征角点的128维的特征描述因子Ri＝(ri1,ri2,ri3...ri128)的计算过程相类似，在此不再赘述。
在一个具体实施例中，对标定参照图像的可用特征角点的特征描述因子和畸变矫正后图像的可用特征角点的特征描述因子进行匹配的具体过程可以包括下述步骤：
计算标定参照图像的可用特征角点的特征描述因子和所述畸变矫正后图像的可用特征角点的特征描述因子的欧式距离；
判断该欧式距离是否小于预设欧氏距离阈值，若是，则可以判定标定参照图像的可用特征角点与畸变矫正后图像的可用特征角点匹配成功。
在一个具体实施例中，若标定参照图像的可用特征角点的特征描述因子为128维的特征描述因子Ri＝(ri1,ri2,ri3...ri128)，该畸变矫正后图像的可用特征角点的特征描述因子为128维的特征描述因子Si＝(si1,si2,si3...si128)，则根据下述公式(14)计算得到标定参照图像的可用特征角点的特征描述因子和所述畸变矫正后图像的可用特征角点的特征描述因子的欧式距离：
本公开实施例中，上述步骤S203的具体实现过程可以包括：
根据匹配成功的矫正后图像的可用特征角点的像素坐标和标定后的摄像头的内参，得到畸变矫正后图像的可用特征角点的相机坐标；
根据畸变矫正后图像的可用特征角点的相机坐标和匹配成功的标定参照图像的可用特征角点的世界坐标，得到标定后摄像头的外参。
在一个具体实施例中，可以是，将匹配成功的矫正后图像的可用特征角点的像素坐标(x*,y*)，以及根据上述步骤S101-S103得到的标定后摄像头的内参中的畸变参数k1、k2、k3、p1和p2带入上述公式(9)中，得到下式(15)，从而推导得到像素坐标(xi,yi)，接着，将得到的该像素坐标(xi,yi)，带入上述公式(4)中，得到下式(16)，从而推导得到匹配成功的矫正后图像的可用特征角点的像素坐标(x*,y*)所对应的相机坐标系中的相机坐标(xci,yci,zci)。
最后，将该相机坐标(xci,yci,zci)和所述匹配成功的标定参照图像的可用特征角点的世界坐标(Xi,Yi,Zi)带入上述公式(3)中，得到下式(17)从而推导出标定后摄像头外参R和t，其中，R为3×3的旋转矩阵，t为3×1的平移矢量。
在一个具体实施例中，参照图6所示，本公开实施例中内参和外参协同标定方法执行时，需将待标定的摄像头置于标定场中的预设的图像拍摄位置，在内参标定时，通过上述步骤S101至步骤S105得到标定后摄像头的内参，然后得到的标定后的摄像头的内参和上述步骤S101得到的角点的坐标参数，然后在外参标定时，执行上述步骤S201至步骤S203得到标定后摄像头的外参。图6所示的内参标定和外参标定的具体实现方式，可以参照上述实施例中关于步骤S101至步骤S106的具体实现过程的描述，在此不再赘述。
基于同一发明构思，本公开实施例还提供了一种内参和外参协同标定装置，参照图7所示，可以包括：坐标确定模块11、内参重建模块12、内参确定模块13和外参确定模块14，其中：
坐标确定模块11，用于获取摄像头的标定参照图像中各角点的坐标参数；
内参重建模块12，根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参；
内参确定模块13，用于根据矫正后摄像头的内参对角点准确度进行验证，并将验证通过的所述矫正后的内参作为标定后的摄像头的内参；
外参确定模块14，根据所述角点的坐标参数以及所述标定后的摄像头的内参，确定标定后摄像头的外参。
在一个或一些可选的实施例中，外参确定模块14，具体用于根据所述标定后的摄像头的内参，确定畸变矫正后图像；
确定所述标定参照图像中各角点的角点特征和畸变矫正后图像的角点的角点特征并进行匹配，得到匹配成功的标定参照图像的角点和畸变矫正后图像的角点；
根据所述匹配成功的标定参照图像的角点的坐标参数和畸变矫正后图像的角点的坐标参数，得到所述标定后摄像头的外参。
在一个或一些可选的实施例中，坐标确定模块11，具体用于检测所述标定参照图像中各角点，并确定各角点的在世界坐标系中的世界坐标；
根据角点的世界坐标，确定角点的像素坐标。
在一个或一些可选的实施例中，内参重建模块12，具体用于根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参，包括：
根据所述角点的世界坐标和像素坐标，确定摄像头的焦距和图像中心，得到矫正后摄像头的内参矩阵；
根据所述角点的世界坐标和所述矫正后摄像头的内参矩阵，得到角点的校正后像素坐标；
根据所述角点的像素坐标和所述角点的校正后像素坐标对所述标定参照图像进行畸变矫正，得到矫正后摄像头的畸变参数。
在一个或一些可选的实施例中，内参确定模块13，具体用于根据所述角点的像素坐标和所述矫正后摄像头的内参，确定所述角点的校正后世界坐标；
根据所述角点的世界坐标和所述角点的校正后世界坐标的偏差，对所述角点准确度进行验证。
在一个或一些可选的实施例中，外参确定模块14，具体用于根据标定后的摄像头的内参和角点的坐标参数，对标定参照图像进行畸变矫正，确定畸变矫正后角点的坐标参数，得到畸变矫正后图像。
在一个或一些可选的实施例中，外参确定模块14，具体用于对所述标定参照图像和所述畸变矫正后图像分别构建尺度空间，得到所述标定参照图像的特征角点和所述畸变矫正后图像的特征角点；
从所述标定参照图像的特征角点和所述畸变矫正后图像的特征角点中分别获取所述标定参照图像的可用特征角点和所述畸变矫正后图像的可用特征角点；
对所述标定参照图像的可用特征角点的特征描述因子和所述畸变矫正后图像的可用特征角点的特征描述因子进行匹配，筛选得到匹配成功的标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点。
在一个或一些可选的实施例中，外参确定模块14，具体用于根据匹配成功的矫正后图像的可用特征角点的像素坐标和所述标定后的摄像头的内参，得到畸变矫正后图像的可用特征角点的相机坐标；
根据所述畸变矫正后图像的可用特征角点的相机坐标和所述匹配成功的标定参照图像的可用特征角点的世界坐标，得到标定后摄像头的外参。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述内参和外参协同标定方法。
本公开实施例还提供了一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述内参和外参协同标定方法。
由于这些装置所解决问题的原理与前述内参和外参协同标定方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。
本公开实施例的标定设备可以是车机设备，基于此，本公开实施例还提供了一种车辆，包括上述的标定设备。
当然本公开实施例的标定设备也可以是远程服务器端设备，只要能够实现前述内参和外参协同标定方法即可。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是：以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围。
Claims (12)
1.一种内参和外参协同标定方法，其特征在于，包括：
获取摄像头的标定参照图像中各角点的坐标参数；
根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参；
根据矫正后摄像头的内参对角点准确度进行验证；
重复上述步骤，直至验证通过，将所述矫正后摄像头的内参作为标定后的摄像头的内参；
根据所述角点的坐标参数以及所述标定后的摄像头的内参，确定标定后摄像头的外参。
2.如权利要求1所述的方法，其特征在于，所述根据角点的坐标参数以及所述标定后的摄像头的内参，确定标定后摄像头的外参，包括：
根据所述标定后的摄像头的内参，确定畸变矫正后图像；
确定所述标定参照图像中各角点的角点特征和畸变矫正后图像的角点的角点特征并进行匹配，得到匹配成功的标定参照图像的角点和畸变矫正后图像的角点；
根据所述匹配成功的标定参照图像的角点的坐标参数和畸变矫正后图像的角点的坐标参数，得到所述标定后摄像头的外参。
3.如权利要求1或2所述的方法，其特征在于，获取摄像头的标定参照图像中各角点的坐标参数，包括：
检测所述标定参照图像中各角点，并确定各角点的在世界坐标系中的世界坐标；
根据角点的世界坐标，确定角点的像素坐标。
4.如权利要求3所述的方法，其特征在于，根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参，包括：
根据所述角点的世界坐标和像素坐标，确定摄像头的焦距和图像中心，得到矫正后摄像头的内参矩阵；
根据所述角点的世界坐标和所述矫正后摄像头的内参矩阵，得到角点的校正后像素坐标；
根据所述角点的像素坐标和所述角点的校正后像素坐标对所述标定参照图像进行畸变矫正，得到矫正后摄像头的畸变参数。
5.如权利要求4所述的方法，其特征在于，根据矫正后摄像头的内参对角点准确度进行验证，包括：
根据所述角点的像素坐标和所述矫正后摄像头的内参，确定所述角点的校正后世界坐标；
根据所述角点的世界坐标和所述角点的校正后世界坐标的偏差，对所述角点准确度进行验证。
6.如权利要求2所述的方法，其特征在于，根据所述标定后的摄像头的内参，确定畸变矫正后图像，包括：
根据标定后的摄像头的内参和角点的坐标参数，对标定参照图像进行畸变矫正，确定畸变矫正后角点的坐标参数，得到畸变矫正后图像。
7.如权利要求6所述的方法，其特征在于，确定所述标定参照图像中各角点的角点特征和畸变矫正后图像中对应角点的角点特征并进行匹配，得到匹配成功的标定参照图像的角点和畸变矫正后图像的角点，包括：
对所述标定参照图像和所述畸变矫正后图像分别构建尺度空间，得到所述标定参照图像的特征角点和所述畸变矫正后图像的特征角点；
从所述标定参照图像的特征角点和所述畸变矫正后图像的特征角点中分别获取所述标定参照图像的可用特征角点和所述畸变矫正后图像的可用特征角点；
对所述标定参照图像的可用特征角点的特征描述因子和所述畸变矫正后图像的可用特征角点的特征描述因子进行匹配，筛选得到匹配成功的标定参照图像的可用特征角点和畸变矫正后图像的可用特征角点。
8.如权利要求7所述的方法，其特征在于，根据所述匹配成功的标定参照图像的角点的坐标参数和畸变矫正后图像的角点的坐标参数，得到所述标定后摄像头的外参，包括：
根据匹配成功的矫正后图像的可用特征角点的像素坐标和所述标定后的摄像头的内参，得到畸变矫正后图像的可用特征角点的相机坐标；
根据所述畸变矫正后图像的可用特征角点的相机坐标和所述匹配成功的标定参照图像的可用特征角点的世界坐标，得到标定后摄像头的外参。
9.一种内参和外参协同标定装置，其特征在于，包括：
坐标确定模块，用于获取摄像头的标定参照图像中各角点的坐标参数；
内参重建模块，根据所述角点的坐标参数对所述标定参照图像进行畸变矫正，得到矫正后摄像头的内参；
内参确定模块，用于根据矫正后摄像头的内参对角点准确度进行验证，并将验证通过的所述矫正后的内参作为标定后的摄像头的内参；
外参确定模块，根据所述角点的坐标参数以及所述标定后的摄像头的内参，确定标定后摄像头的外参。
10.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-8任一项所述的内参和外参协同标定方法。
11.一种标定设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-8任一项所述的内参和外参协同标定方法。
12.一种车辆，包括权利要求11所述的标定设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110558280.8A CN113240752B (zh) | 2021-05-21 | 2021-05-21 | 一种内参和外参协同标定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110558280.8A CN113240752B (zh) | 2021-05-21 | 2021-05-21 | 一种内参和外参协同标定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113240752A true CN113240752A (zh) | 2021-08-10 |
| CN113240752B CN113240752B (zh) | 2024-03-22 |
Family
ID=77138184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110558280.8A Active CN113240752B (zh) | 2021-05-21 | 2021-05-21 | 一种内参和外参协同标定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240752B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114299164A (zh) * | 2021-12-31 | 2022-04-08 | 惠州市德赛西威智能交通技术研究院有限公司 | 摄像头标定方法、存储介质和电子设备 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11355813A (ja) * | 1998-06-04 | 1999-12-24 | Honda Motor Co Ltd | カメラの内部パラメータ決定装置 |
| CN105096329A (zh) * | 2015-08-20 | 2015-11-25 | 厦门雅迅网络股份有限公司 | 一种精确校正超广角摄像头图像畸变的方法 |
| JP2016218815A (ja) * | 2015-05-22 | 2016-12-22 | 株式会社明電舎 | ラインセンサカメラのキャリブレーション装置及び方法 |
| WO2017069191A1 (ja) * | 2015-10-20 | 2017-04-27 | クラリオン株式会社 | キャリブレーション装置、キャリブレーション方法、及び、キャリブレーションプログラム |
| WO2017195801A1 (ja) * | 2016-05-13 | 2017-11-16 | オリンパス株式会社 | 較正装置、較正方法、光学装置、撮影装置、投影装置、計測システムおよび計測方法 |
| CN108364252A (zh) * | 2018-01-12 | 2018-08-03 | 深圳市粒视界科技有限公司 | 一种多鱼眼镜头全景相机的矫正和标定方法 |
| CN109712194A (zh) * | 2018-12-10 | 2019-05-03 | 深圳开阳电子股份有限公司 | 车载环视系统及其立体标定方法和计算机可读存储介质 |
| CN109961482A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
| CN109961484A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
| KR102023087B1 (ko) * | 2018-05-31 | 2019-09-20 | 주식회사 미르기술 | 카메라 캘리브레이션 방법 |
| WO2019184885A1 (zh) * | 2018-03-30 | 2019-10-03 | 杭州海康威视数字技术股份有限公司 | 一种相机外参标定方法、装置及电子设备 |
| 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 |
| CN110517202A (zh) * | 2019-08-30 | 2019-11-29 | 的卢技术有限公司 | 一种车身摄像头标定方法及其标定装置 |
| CN110599548A (zh) * | 2019-09-02 | 2019-12-20 | Oppo广东移动通信有限公司 | 摄像头的标定方法、装置、相机及计算机可读存储介质 |
| WO2020010945A1 (zh) * | 2018-07-11 | 2020-01-16 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| KR102087132B1 (ko) * | 2018-12-21 | 2020-04-20 | 엠텍비젼 주식회사 | 건설장비에서 서라운드 뷰를 이용한 작업 가이드 영상 표시 장치 및 방법 |
| WO2020124988A1 (zh) * | 2018-12-21 | 2020-06-25 | 广州小鹏汽车科技有限公司 | 一种基于视觉的车位检测方法及装置 |
| US20200226789A1 (en) * | 2019-01-14 | 2020-07-16 | Beijing Boe Optoelectronics Technology Co., Ltd. | Camera calibration plate, camera calibration method and device, and image acquisition system |
| WO2020188799A1 (ja) * | 2019-03-20 | 2020-09-24 | 日本電気株式会社 | カメラ校正装置、カメラ校正方法、及びプログラムが格納された非一時的なコンピュータ可読媒体 |
| WO2021037086A1 (zh) * | 2019-08-26 | 2021-03-04 | 华为技术有限公司 | 定位方法及装置 |
-
2021
- 2021-05-21 CN CN202110558280.8A patent/CN113240752B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11355813A (ja) * | 1998-06-04 | 1999-12-24 | Honda Motor Co Ltd | カメラの内部パラメータ決定装置 |
| JP2016218815A (ja) * | 2015-05-22 | 2016-12-22 | 株式会社明電舎 | ラインセンサカメラのキャリブレーション装置及び方法 |
| CN105096329A (zh) * | 2015-08-20 | 2015-11-25 | 厦门雅迅网络股份有限公司 | 一种精确校正超广角摄像头图像畸变的方法 |
| WO2017069191A1 (ja) * | 2015-10-20 | 2017-04-27 | クラリオン株式会社 | キャリブレーション装置、キャリブレーション方法、及び、キャリブレーションプログラム |
| WO2017195801A1 (ja) * | 2016-05-13 | 2017-11-16 | オリンパス株式会社 | 較正装置、較正方法、光学装置、撮影装置、投影装置、計測システムおよび計測方法 |
| CN109961484A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
| CN109961482A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
| CN108364252A (zh) * | 2018-01-12 | 2018-08-03 | 深圳市粒视界科技有限公司 | 一种多鱼眼镜头全景相机的矫正和标定方法 |
| WO2019184885A1 (zh) * | 2018-03-30 | 2019-10-03 | 杭州海康威视数字技术股份有限公司 | 一种相机外参标定方法、装置及电子设备 |
| KR102023087B1 (ko) * | 2018-05-31 | 2019-09-20 | 주식회사 미르기술 | 카메라 캘리브레이션 방법 |
| WO2020010945A1 (zh) * | 2018-07-11 | 2020-01-16 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
| CN109712194A (zh) * | 2018-12-10 | 2019-05-03 | 深圳开阳电子股份有限公司 | 车载环视系统及其立体标定方法和计算机可读存储介质 |
| KR102087132B1 (ko) * | 2018-12-21 | 2020-04-20 | 엠텍비젼 주식회사 | 건설장비에서 서라운드 뷰를 이용한 작업 가이드 영상 표시 장치 및 방법 |
| WO2020124988A1 (zh) * | 2018-12-21 | 2020-06-25 | 广州小鹏汽车科技有限公司 | 一种基于视觉的车位检测方法及装置 |
| US20200226789A1 (en) * | 2019-01-14 | 2020-07-16 | Beijing Boe Optoelectronics Technology Co., Ltd. | Camera calibration plate, camera calibration method and device, and image acquisition system |
| WO2020188799A1 (ja) * | 2019-03-20 | 2020-09-24 | 日本電気株式会社 | カメラ校正装置、カメラ校正方法、及びプログラムが格納された非一時的なコンピュータ可読媒体 |
| 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 |
| WO2021037086A1 (zh) * | 2019-08-26 | 2021-03-04 | 华为技术有限公司 | 定位方法及装置 |
| CN110517202A (zh) * | 2019-08-30 | 2019-11-29 | 的卢技术有限公司 | 一种车身摄像头标定方法及其标定装置 |
| CN110599548A (zh) * | 2019-09-02 | 2019-12-20 | Oppo广东移动通信有限公司 | 摄像头的标定方法、装置、相机及计算机可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114299164A (zh) * | 2021-12-31 | 2022-04-08 | 惠州市德赛西威智能交通技术研究院有限公司 | 摄像头标定方法、存储介质和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113240752B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517202B (zh) | 一种车身摄像头标定方法及其标定装置 | |
| CN102982526B (zh) | 标定车辆视觉系统的方法和车辆视觉系统 | |
| EP3100234B1 (en) | Data-processing system and method for calibration of a vehicle surround view system | |
| Wang et al. | A new calibration model of camera lens distortion | |
| CN102750697A (zh) | 一种参数标定方法及装置 | |
| CN102298779B (zh) | 全景辅助泊车系统的图像配准方法 | |
| CN105931222B (zh) | 用低精度二维平面靶标实现高精度相机标定的方法 | |
| CN102169573B (zh) | 高精度的宽视场镜头实时畸变矫正方法及系统 | |
| CN107016646A (zh) | 一种基于改进的逼近投影变换图像拼接方法 | |
| CN108429908B (zh) | 一种摄像模组的测试方法、装置、设备及介质 | |
| CN106815866B (zh) | 鱼眼相机的标定方法及其标定系统和标板 | |
| TWI521448B (zh) | Vehicle identification system and method | |
| CN112562014B (zh) | 相机标定方法、系统、介质及装置 | |
| CN113920205B (zh) | 一种非同轴相机的标定方法 | |
| CN107871329B (zh) | 一种相机光学中心的快速标定方法及装置 | |
| CN112308934B (zh) | 标定检测方法及装置、存储介质、计算设备 | |
| Alemán-Flores et al. | Line detection in images showing significant lens distortion and application to distortion correction | |
| CN111461963A (zh) | 一种鱼眼图像拼接方法及装置 | |
| CN105118086A (zh) | 3d-aoi设备中的3d点云数据配准方法及系统 | |
| CN112465915A (zh) | 一种车载环视系统标定方法 | |
| CN111243034A (zh) | 一种全景辅助泊车标定方法、装置、设备及存储介质 | |
| Perdigoto et al. | Calibration of mirror position and extrinsic parameters in axial non-central catadioptric systems | |
| CN107492080A (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
| CN112365421A (zh) | 图像矫正处理方法及装置 | |
| CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 |
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 |