CN113255468A - 车载全景影像标定块识别优化方法、系统及可读存储介质 - Google Patents
车载全景影像标定块识别优化方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN113255468A CN113255468A CN202110491178.0A CN202110491178A CN113255468A CN 113255468 A CN113255468 A CN 113255468A CN 202110491178 A CN202110491178 A CN 202110491178A CN 113255468 A CN113255468 A CN 113255468A
- Authority
- CN
- China
- Prior art keywords
- coordinates
- image
- shot image
- calibration
- quadrangles
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种车载全景影像标定块识别优化方法、系统及可读存储介质，所述方法包括以下步骤获取车辆标定拍摄图像；对拍摄图像中的所有四边形的四个顶点的坐标进行标记；根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。本发明提供的车载全景影像标定块识别优化方法，通过获取车辆标定拍摄图像、对拍摄图像中的所有四边形的四个顶点坐标进行标记，再根据标记的四个顶点坐标识别得到正确的标定块，标定块识别不受标定场地、环境光线和车辆停放位置等因素的影响，有效避免车轮或车身反光导致的标定块或其他四边形误识别为标定块导致标定失败的情况发生，全景影像标定成功率高，提升车辆下线交付效率。
Description
技术领域
本发明涉及车辆影像识别标定技术领域，具体是涉及一种车载全景影像标定块识别优化方法、系统及可读存储介质。
背景技术
车载全景系统因摄像头镜头、感光芯片等生产工艺以及摄像头装配等的不一致导致系统出厂后出现拼接错位，需对各个摄像头进行校准从而保证各个方向的图像能够正确的拼接起来，组成一幅全景图。目前主流车载标定方案采用黑色标定块布铺在车身四角，前后左右摄像头拍摄标定块，通过计算每张图片上的标定块角点坐标，建立标定块角点之间的位置关系，将拼接后的全景图进行畸变矫正，通过矫正后的无畸变图得出角点坐标与虚拟全景图中角点真实坐标的单应性矩阵。由于标定场地和环境光线和车辆停放位置等因素，导致在检测图片上的标定块的角点坐标时，经常出现误识别，将车轮或者车身上反光到的标定块误识别为正常标定块，导致标定失败。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种车载全景影像标定块识别优化方法及系统。
第一方面，本发明提供了一种车载全景影像标定块识别优化方法，其特征在于，包括以下步骤：
获取车辆标定拍摄图像；
对拍摄图像中的所有四边形的四个顶点的坐标进行标记；
根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。
根据第一方面，在第一方面的第一种可能的实现方式中，所述“根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块”步骤，具体包括以下步骤：
根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度；
根据得到的所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块。
根据第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述“根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度”步骤，具体包括以下步骤：
根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的横坐标取平均值，获取四边形的中心点横坐标；
根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的纵坐标取平均值，获取四边形的中心点纵坐标；
根据拍摄图像中标记的四边形的四个顶点的坐标，计算获取四边形的对角线长度。
根据第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述“根据得到的拍摄图像中所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块”步骤，具体包括以下步骤：
获取取像模块相对于车身位置的公差范围值；
根据拍摄图像中所有四边形的中心点坐标、拍摄图像中所有四边形的对角线长度以及取像模块相对于车身位置的公差范围值，获取各标定块理论上的中心点坐标范围值和对角线长度范围值；
根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块。
根据第一方面的第一种可能的实现方式，在第一方面的第四种可能的实现方式中，所述“根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块”步骤，具体包括以下步骤：
根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，比对拍摄图像中所有四边形的中心点坐标和对应的中心点坐标范围值，比对拍摄图像中所有四边形的对角线长度和对应的对角线长度范围值；
当拍摄图像中的四边形的中心点坐标处于对应的中心点坐标范围内，且对角线长度处于对应的对角线长度范围内时，判定拍摄图像中的四边形是正确的标定块。
根据第一方面，在第一方面的第五种可能的实现方式中，所述“比对拍摄图像中所有四边形的中心点坐标和对应的中心点坐标范围值，比对拍摄图像中所有四边形的对角线长度和对应的对角线长度范围值”步骤之后，还包括以下步骤：
当拍摄图像中的四边形的中心点横坐标超出理论标定块的中心点横坐标范围；或，
当拍摄图像中的四边形的中心点纵坐标超出理论标定块的中心点纵坐标范围；或，
当拍摄图像中的四边形的两条对角线中的任一条超出理论标定块的对角线长度范围值；
则判定拍摄图像中的四边形是误识别的标定块。
根据第一方面，在第一方面的第六种可能的实现方式中，所述“对拍摄图像中的所有四边形的四个顶点的坐标进行标记”步骤，具体包括以下步骤：
对拍摄图像进行高斯滤波处理；
对高斯滤波处理后的拍摄图像进行灰度处理；
对灰度处理后的拍摄图像进行二值化处理；
对二值化处理后的拍摄图像以预设阈值为条件，进行边缘检测；
从边缘检测的拍摄图像中提取四条边缘线段；
根据提取的四条边缘线段，获取所有四边形的四个顶点的坐标。
根据第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述“根据提取的四条边缘线段，获取所有四边形的四个顶点的坐标”步骤，具体包括以下步骤：
根据提取的四条边缘线段，获取所述四条边缘线段中任意两条相邻线段所在直线的交点；
根据获取的所述四条边缘线段中任意两条相邻线段所在直线的交点，获取四边形的四个顶点的坐标。
第二方面，本发明提供了一种车载全景影像标定算法标定块识别优化系统，包括：
取像模块，用于获取车辆标定拍摄图像；
顶点坐标获取模块，与所述取像模块通信连接，对拍摄图像中的所有四边形的四个顶点的坐标进行标记；
标定块识别模块，与所述顶点坐标获取模块通信连接，根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。
第三方面，本发明提供了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计算机程序，计算机程序被处理器执行时实现如上所述车载全景影像标定算法标定块识别优化方法的所有方法步骤。
与现有技术相比，本发明的优点如下：
本发明提供的车载全景影像标定块识别优化方法、系统及可读存储介质，通过获取车辆标定拍摄图像、对拍摄图像中的所有四边形的四个顶点坐标进行标记，再根据标记的四个顶点坐标识别得到正确的标定块，标定块识别不受标定场地、环境光线和车辆停放位置等因素的影响，有效避免车轮或车身反光导致的标定块或其他四边形误识别为标定块导致标定失败的情况发生，全景影像标定成功率高，有效提升车辆下线交付效率。
附图说明
图1是本发明实施例的车载全景影像标定块识别优化方法的方法流程示意图；
图2是本发明实施例的车载全景影像标定块识别优化方法的标定示意图；
图3是本发明实施例的车载全景影像标定识别优化方法的另一方法流程示意图；
图4是本发明实施例的车载全景影像标定识别优化系统的功能模块框图。
图中，
100、取像模块；200、顶点坐标获取模块；300、标定块识别模块；400、车辆。
具体实施方式
现在将详细参照本发明的具体实施例，在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明，但将理解，不是想要将本发明限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。
注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
本发明的目的是为了克服上述背景技术的不足，提供一种车载全景影像标定块识别优化方法及系统。
请参考图1，本发明提供了一种车载全景影像标定块识别优化方法，其特征在于，包括以下步骤：
S100、获取车辆标定拍摄图像；
S200、对拍摄图像中的所有四边形的四个顶点的坐标进行标记；
S300、根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。
本发明提供的车载全景影像标定块识别优化方法、系统及可读存储介质，通过获取车辆标定拍摄图像、对拍摄图像中的所有四边形的四个顶点坐标进行标记，再根据标记的四个顶点坐标识别得到正确的标定块，标定块识别不受标定场地、环境光线和车辆停放位置等因素的影响，有效避免车轮或车身反光导致的标定块或其他四边形误识别为标定块导致标定失败的情况发生，全景影像标定成功率高，有效提升车辆下线交付效率。
在一实施例中，请参考图2，步骤S100中，获取车辆400处于标定工位上的前后左右四个方位上的取像模块100的拍摄图像，用于获取车辆的全景影像。
在一实施例中，请参考图3，所述“根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块”步骤，具体包括以下步骤：
S310、根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度；
S320、根据得到的所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块。
在一实施例中，所述“根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度”步骤，具体包括以下步骤：
根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的横坐标取平均值，获取四边形的中心点横坐标；
根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的纵坐标取平均值，获取四边形的中心点纵坐标；
根据拍摄图像中标记的四边形的四个顶点的坐标，计算获取四边形的对角线长度。
例如在拍摄图像中识别到三个四边形，并分别计算出三个四边形的中心点坐标01(X1,Y1)，02(X2,Y2)，03(X3,Y3),以及三个四边形的对角线长度。
在一实施例中，所述“根据得到的拍摄图像中所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块”步骤，具体包括以下步骤：
获取取像模块相对于车身位置的公差范围值；
根据拍摄图像中所有四边形的中心点坐标、拍摄图像中所有四边形的对角线长度以及取像模块相对于车身位置的公差范围值，获取各标定块理论上的中心点坐标范围值和对角线长度范围值；
根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块。
在一实施例中，通过采集多台车辆的图像数据，计算每张图片上拍到的各个标定块的中心点坐标和对角线长度，根据这些中心点坐标和对角线长度数据，并考虑取像模块相对于车身位置的公差范围确定各个标定块理论上的中心点坐标范围值和对角线长度范围值。
在一实施例中，所述“根据拍摄图像中所有四边形的中心点坐标、拍摄图像中所有四边形的对角线长度以及取像模块相对于车身位置的公差范围值，获取各标定块理论上的中心点坐标范围值和对角线长度范围值；”步骤之后，还包括以下步骤：
存储各标定块理论上的中心点坐标范围值和对角线长度范围值，用于调用该范围值进行比对分析。
在一实施例中，将识别的三个四边形的中心坐标点01(X1,Y1)，02(X2,Y2)，03(X3,Y3),以及各对角线长度，与所存储得到预设范围值进行比对，有任意一项超出预设范围值的则排除，确认为误识别的标定块。
在一实施例中，所述“根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块”步骤，具体包括以下步骤，以实现对正确标定块的识别判定：
根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，比对拍摄图像中所有四边形的中心点坐标和对应的中心点坐标范围值，比对拍摄图像中所有四边形的对角线长度和对应的对角线长度范围值；
当拍摄图像中的四边形的中心点坐标处于对应的中心点坐标范围内，且对角线长度处于对应的对角线长度范围内时，判定拍摄图像中的四边形是正确的标定块。
在一实施例中，所述“比对拍摄图像中所有四边形的中心点坐标和对应的中心点坐标范围值，比对拍摄图像中所有四边形的对角线长度和对应的对角线长度范围值”步骤之后，还包括以下步骤，实现对标定块的否定识别判定：
当拍摄图像中的四边形的中心点横坐标超出理论标定块的中心点横坐标范围；或，
当拍摄图像中的四边形的中心点纵坐标超出理论标定块的中心点纵坐标范围；或，
当拍摄图像中的四边形的两条对角线中的任一条超出理论标定块的对角线长度范围值；
则判定拍摄图像中的四边形是误识别的标定块。
在一实施例中，所述“对拍摄图像中的所有四边形的四个顶点的坐标进行标记”步骤，具体包括以下步骤：
对拍摄图像进行高斯滤波处理；
对高斯滤波处理后的拍摄图像进行灰度处理；
对灰度处理后的拍摄图像进行二值化处理；
对二值化处理后的拍摄图像以预设阈值为条件，进行边缘检测；
从边缘检测的拍摄图像中提取四条边缘线段；
根据提取的四条边缘线段，获取所有四边形的四个顶点的坐标。
在一实施例中国，所述“根据提取的四条边缘线段，获取所有四边形的四个顶点的坐标”步骤，具体包括以下步骤：
根据提取的四条边缘线段，获取所述四条边缘线段中任意两条相邻线段所在直线的交点；
根据获取的所述四条边缘线段中任意两条相邻线段所在直线的交点，获取四边形的四个顶点的坐标。
基于同一发明构思，请参考图4，本发明提供了一种车载全景影像标定算法标定块识别优化系统，包括：
取像模块100，用于获取车辆400标定拍摄图像；
顶点坐标获取模块200，与所述取像模块100通信连接，对拍摄图像中的所有四边形的四个顶点的坐标进行标记；
标定块识别模块300，与所述顶点坐标获取模块200通信连接，根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。
在一实施例中，所述车载全景影像标定算法标定块识别优化系统，所述标定块识别模块还包括四边形信息获取单元和标定块识别单元，所述四边形信息获取单元与所述顶点坐标获取模块200通信连接，用于根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度；所述标定块识别单元与所述四边形信息获取单元通信连接，用于根据得到的所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块。
在一实施例中，所述四边形信息获取单元包括中心点横坐标获取子单元、中心点纵坐标获取子单元和对角线长度获取子单元，所述中心点横坐标获取子单元与所述顶点坐标获取模块200通信连接，用于根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的横坐标取平均值，获取四边形的中心点横坐标；所述中心点纵坐标获取子单元与所述顶点坐标获取模块200通信连接，用于根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的纵坐标取平均值，获取四边形的中心点纵坐标；所述对角线长度获取子单元与所述顶点坐标获取模块200通信连接，用于根据拍摄图像中标记的而所有四边形的四个顶点的坐标，计算获取对应的四边形的对角线长度。
在一实施例中，所述车载全景影像标定块识别优化系统还包括公差范围值获取模块、以及坐标和对角线范围值获取模块，所述公差范围值获取模块用于获取取像模块相对车身位置的公差范围值，所述坐标和对角线范围值获取模块与所述公差范围值获取模块和四边形信息获取单元通信连接，用于根据拍摄图像中所有四边形的中心点坐标、拍摄图像中所有四边形的对角线长度以及取像模块相对于车身位置的公差范围值，获取各标定块理论上的中心点坐标范围值和对角线长度范围值；所述标定块识别单元与所述四边形信息获取单元和坐标和对角线范围值获取模块通信连接，用于根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块。
基于同一发明构思，本发明提供了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计算机程序，计算机程序被处理器执行时实现如上所述车载全景影像标定算法标定块识别优化方法的所有方法步骤。
本发明实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
基于同一发明构思，本申请实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种车载全景影像标定块识别优化方法，其特征在于，包括以下步骤：
获取车辆标定拍摄图像；
对拍摄图像中的所有四边形的四个顶点的坐标进行标记；
根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。
2.如权利要求1所述的车载全景影像标定块识别优化方法，其特征在于，所述“根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块”步骤，具体包括以下步骤：
根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度；
根据得到的所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块。
3.如权利要求2所述的车载全景影像标定块识别优化方法，其特征在于，所述“根据拍摄图像中标记的四边形的四个顶点的坐标，获取车辆标定拍摄图像中所有四边形的中心点坐标以及对角线长度”步骤，具体包括以下步骤：
根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的横坐标取平均值，获取四边形的中心点横坐标；
根据拍摄图像中标记的四边形的四个顶点的坐标，对拍摄图像中的所有四边形的四个顶点的坐标的纵坐标取平均值，获取四边形的中心点纵坐标；
根据拍摄图像中标记的四边形的四个顶点的坐标，计算获取四边形的对角线长度。
4.如权利要求2所述的车载全景影像标定块识别优化方法，其特征在于，所述“根据得到的拍摄图像中所有四边形的中心点坐标以及对角线长度，识别得到正确的标定块”步骤，具体包括以下步骤：
获取取像模块相对于车身位置的公差范围值；
根据拍摄图像中所有四边形的中心点坐标、拍摄图像中所有四边形的对角线长度以及取像模块相对于车身位置的公差范围值，获取各标定块理论上的中心点坐标范围值和对角线长度范围值；
根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块。
5.如权利要求2所述的车载全景影像标定块识别优化方法，其特征在于，所述“根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，识别得到正确的标定块”步骤，具体包括以下步骤：
根据拍摄图像中所有四边形的中心点坐标、对角线长度、各标定块理论上的中心点坐标范围值和对角线长度范围值，比对拍摄图像中所有四边形的中心点坐标和对应的中心点坐标范围值，比对拍摄图像中所有四边形的对角线长度和对应的对角线长度范围值；
当拍摄图像中的四边形的中心点坐标处于对应的中心点坐标范围内，且对角线长度处于对应的对角线长度范围内时，判定拍摄图像中的四边形是正确的标定块。
6.如权利要求1所述的车载全景影像标定块识别优化方法，其特征在于，所述“比对拍摄图像中所有四边形的中心点坐标和对应的中心点坐标范围值，比对拍摄图像中所有四边形的对角线长度和对应的对角线长度范围值”步骤之后，还包括以下步骤：
当拍摄图像中的四边形的中心点横坐标超出理论标定块的中心点横坐标范围；或，
当拍摄图像中的四边形的中心点纵坐标超出理论标定块的中心点纵坐标范围；或，
当拍摄图像中的四边形的两条对角线中的任一条超出理论标定块的对角线长度范围值；
则判定拍摄图像中的四边形是误识别的标定块。
7.如权利要求1所述的车载全景影像标定块识别优化方法，其特征在于，所述“对拍摄图像中的所有四边形的四个顶点的坐标进行标记”步骤，具体包括以下步骤：
对拍摄图像进行高斯滤波处理；
对高斯滤波处理后的拍摄图像进行灰度处理；
对灰度处理后的拍摄图像进行二值化处理；
对二值化处理后的拍摄图像以预设阈值为条件，进行边缘检测；
从边缘检测的拍摄图像中提取四条边缘线段；
根据提取的四条边缘线段，获取所有四边形的四个顶点的坐标。
8.如权利要求7所述的车载全景影像标定块识别优化方法，其特征在于，所述“根据提取的四条边缘线段，获取所有四边形的四个顶点的坐标”步骤，具体包括以下步骤：
根据提取的四条边缘线段，获取所述四条边缘线段中任意两条相邻线段所在直线的交点；
根据获取的所述四条边缘线段中任意两条相邻线段所在直线的交点，获取四边形的四个顶点的坐标。
9.一种车载全景影像标定算法标定块识别优化系统，其特征在于，包括：
取像模块，用于获取车辆标定拍摄图像；
顶点坐标获取模块，与所述取像模块通信连接，对拍摄图像中的所有四边形的四个顶点的坐标进行标记；
标定块识别模块，与所述顶点坐标获取模块通信连接，根据拍摄图像中标记的四边形的四个顶点的坐标，识别得到正确的标定块。
10.一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计算机程序，计算机程序被处理器执行时实现如权利要求1至8中任一项所述车载全景影像标定算法标定块识别优化方法的所有方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110491178.0A CN113255468A (zh) | 2021-05-06 | 2021-05-06 | 车载全景影像标定块识别优化方法、系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110491178.0A CN113255468A (zh) | 2021-05-06 | 2021-05-06 | 车载全景影像标定块识别优化方法、系统及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113255468A true CN113255468A (zh) | 2021-08-13 |
Family
ID=77223726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110491178.0A Pending CN113255468A (zh) | 2021-05-06 | 2021-05-06 | 车载全景影像标定块识别优化方法、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113255468A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170069095A1 (en) * | 2015-09-09 | 2017-03-09 | Electronics And Telecommunications Research Institute | Apparatus and method for restoring cubical object |
| CN108263283A (zh) * | 2018-01-25 | 2018-07-10 | 长沙立中汽车设计开发股份有限公司 | 多编组变角度车辆全景环视系统标定及拼接方法 |
| 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 |
| CN111462250A (zh) * | 2020-04-03 | 2020-07-28 | 上海兆芯集成电路有限公司 | 校正系统及校正方法 |
| CN111986270A (zh) * | 2020-08-26 | 2020-11-24 | 深圳市爱培科技术股份有限公司 | 一种全景泊车标定方法、装置及存储介质 |
| CN112308934A (zh) * | 2020-11-20 | 2021-02-02 | 展讯通信(天津)有限公司 | 标定检测方法及装置、存储介质、计算设备 |
-
2021
- 2021-05-06 CN CN202110491178.0A patent/CN113255468A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170069095A1 (en) * | 2015-09-09 | 2017-03-09 | Electronics And Telecommunications Research Institute | Apparatus and method for restoring cubical object |
| CN108263283A (zh) * | 2018-01-25 | 2018-07-10 | 长沙立中汽车设计开发股份有限公司 | 多编组变角度车辆全景环视系统标定及拼接方法 |
| 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 |
| CN111462250A (zh) * | 2020-04-03 | 2020-07-28 | 上海兆芯集成电路有限公司 | 校正系统及校正方法 |
| CN111986270A (zh) * | 2020-08-26 | 2020-11-24 | 深圳市爱培科技术股份有限公司 | 一种全景泊车标定方法、装置及存储介质 |
| CN112308934A (zh) * | 2020-11-20 | 2021-02-02 | 展讯通信(天津)有限公司 | 标定检测方法及装置、存储介质、计算设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
| CN108805934B (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
| CN112927306B (zh) | 拍摄装置的标定方法、装置及终端设备 | |
| CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
| CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
| CN111145271B (zh) | 相机参数的精确度的确定方法、装置、存储介质及终端 | |
| CN109741241B (zh) | 鱼眼图像的处理方法、装置、设备和存储介质 | |
| CN110660105A (zh) | 一种全景环视系统的标定参数优化方法及装置 | |
| CN111243034A (zh) | 一种全景辅助泊车标定方法、装置、设备及存储介质 | |
| CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
| CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
| CN107680035B (zh) | 一种参数标定方法和装置、服务器及可读存储介质 | |
| CN115272477A (zh) | 应用于全景影像拼接的棋盘格编码角点检测算法 | |
| CN114187188A (zh) | 图像矫正方法、装置及电子设备 | |
| WO2024002396A2 (zh) | 一种车辆充电口识别方法及相关设备 | |
| CN111311658B (zh) | 双光成像系统图像配准方法及相关装置 | |
| CN113255468A (zh) | 车载全景影像标定块识别优化方法、系统及可读存储介质 | |
| CN111462244B (zh) | 车载环视系统在线标定方法、系统及装置 | |
| CN116757935A (zh) | 一种鱼眼相机的图像融合拼接方法、系统及电子设备 | |
| CN116228535A (zh) | 图像处理方法、装置、电子设备及车辆 | |
| CN115100153A (zh) | 基于双目匹配的管内检测方法、装置、电子设备及介质 | |
| CN112597832B (zh) | 矩形件安装偏位判定方法和装置 | |
| CN112629828B (zh) | 一种光学信息检测方法、装置及设备 | |
| CN114140429A (zh) | 一种车端实时停车位检测方法和装置 | |
| CN112927301A (zh) | 摄像头标定方法、装置、计算设备及可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |
|
| RJ01 | Rejection of invention patent application after publication |