CN113362398A - 确定相机内参误差的方法、系统、设备和存储介质 - Google Patents

Abstract

本发明提供确定相机内参误差的方法、系统、设备和介质，所述方法包括：利用相机拍摄具有几何约束的参照物，得到所述参照物的图像；根据所述图像以及所述相机的设计内参，计算所述图像的特征；确定所述图像的特征符合所述参照物的几何约束的程度，以确定所述相机的设计内参与所述相机的实际内参的误差。本发明提供的方法从所拍摄的参照物图像中获取到图像的有限数据集，基于有限数据集计算得到图像的特征，利用参照物的几何约束与图像的特征确定相机的设计内参与实际内参的误差，该方法的处理速度快、难度低、无需利用专业设备进行标定，能够快速地初步筛选出存在问题的相机。

Description

确定相机内参误差的方法、系统、设备和存储介质

技术领域

本发明涉及相机检测领域，更具体地，涉及确定相机内参误差的方法、系统、设备和存储介质。

背景技术

在相机模组的生产过程中，相机模组的零部件在组装结合的过程中容易出现轻微误差，多处误差的累计会对相机造成一定影响，因此相机模组的生产需要经过AA(ActiveAlignment，主动校准)工艺。一般来说，AA过后的相机模组的实际内参(内参矩阵以及畸变系数)会与相机模组的设计内参相差不大，有些许波动，若AA过后的实际内参与设计内参相差过大，则表明相机模组的AA过程中存在问题，需要在产线上快速检测并剔除该相机模组。其中，相机模组的设计内参是指预先为相机设计的理想参数值，实际内参是指相机在组装完成并经过AA后的实际参数值。

传统的相机标定方法占地大、成本高、耗时长，所以不适用于在产线上快速初筛有问题的相机模组。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷，提供确定相机内参误差的方法、系统、设备和存储介质，用于解决传统的相机标定方法不适用于在产线上快速筛选不合格的相机的问题。

本发明采用的技术方案包括：

一种确定相机内参误差的方法，包括：利用相机拍摄具有几何约束的参照物，得到所述参照物的图像；根据所述图像以及所述相机的设计内参，计算所述图像的特征；确定所述图像的特征符合所述参照物的几何约束的程度，以确定所述相机的设计内参与所述相机的实际内参的误差。

本发明提供的方法用于确定相机的设计内参与实际内参之间的误差。由于相机在拍摄时不可避免地会使所拍摄的图像产生一定的畸变，相机会根据相机的内参对所拍摄的图像进行校正，使最后呈现的图像能够更加接近所拍摄的物品的原貌，因此，基于相机拍摄的参照物图像，利用相机的设计内参可以计算得到参照物图像的特征，将参照物的几何约束与参照物图像的特征进行比较，根据参照物图像的特征符合参照物的几何约束的程度，可以确定设计内参与实际内参的误差。本发明提供的方法从所拍摄的参照物图像中获取到图像的有限数据集，计算得到图像的特征，利用参照物的几何约束与图像的特征确定相机的设计内参与实际内参的误差，该方法的处理速度快、难度低、无需利用专业设备进行标定，能够快速地初步筛选出存在问题的相机。

进一步，根据所述图像以及所述相机的设计内参，计算所述图像的特征，具体包括：选取所述图像中的至少两个点，根据所选取的点的平面坐标以及所述相机的设计内参，计算所选取的点的空间坐标；根据所选取的点的空间坐标确定所述图像的特征。

将图像上至少两个点的二维平面坐标转换为点的三维空间坐标，根据该三维空间坐标可以得到图像的特征，根据该三维空间坐标所得到的图像特征应能够反映出参照物上对应的点的几何约束。

进一步，所述设计内参包括所述相机的设计畸变系数和所述相机的设计内参矩阵；根据所选取的点的平面坐标以及所述相机的设计内参，计算所选取的点的空间坐标，具体包括：根据所选取的点的平面坐标以及所述相机的设计内参矩阵，计算所选取的点畸变后的空间坐标；根据所选取的点畸变后的空间坐标以及所述相机的设计畸变系数，计算所选取的点畸变前的空间坐标。

如果相机在成像过程中利用设计内参对受到畸变影响的图像进行调整，那么在成像的过程中，根据图像中点的平面坐标和相机的设计内参矩阵，可以计算得到点在畸变后的空间坐标，再根据相机的设计畸变系数计算得到点在畸变前的空间坐标，而点在畸变前的空间坐标应能够反映出参照物上对应的点的几何约束。

进一步，根据所选取的点畸变后的空间坐标以及所述相机的设计畸变系数，计算所选取的点畸变前的空间坐标，具体包括：根据所选取的点畸变后的空间坐标，计算畸变后的所述相机的入射角；根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，计算畸变前的所述相机的入射角；根据所述畸变前的相机的入射角与所述畸变后的相机的出射角之间的关系，计算所选取的点畸变前的空间坐标。

在计算得到点在畸变后的空间坐标时，可以计算出畸变后的相机入射角，再根据相机的畸变系数计算得到畸变前的相机入射角，根据畸变前后的相机入射角之间的比例关系、所选取的点在畸变后的空间坐标，以及已知的参照物到相机的距离，可以按比例计算得到点在畸变前的空间坐标。

进一步，根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，计算畸变前的所述相机的入射角，具体包括：根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，采用梯度下降算法计算所述畸变前的相机的出射角。

畸变前的相机的入射角与畸变后的相机的出射角，以及设计畸变系数三者之间存在非线性关系，利用梯度下降算法能够更加准确地计算出畸变前的相机的入射角。

进一步，根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，采用梯度下降算法计算所述畸变前的相机的入射角，具体包括：以所述畸变后的相机的出射角，以及所述相机的设计畸变系数构造所述梯度下降算法的损失函数；以所述损失函数的导数构造所述梯度下降算法的梯度；采用所述梯度下降算法计算所述畸变前的相机的入射角。

在梯度下降算法过程中，畸变前的相机入射角作为损失函数的变量，在迭代计算过程中不断修正，以使损失函数的函数值达到最小，而在损失函数的函数值达到最小时，修正后的损失函数变量即为畸变前的相机入射角。利用梯度下降算法迭代计算得到畸变前的相机的入射角，可以避免复杂的公式推导和演算，计算速度快，有利于提高整个方法的执行速度。

进一步，以所述目标函数的导数构造所述梯度下降算法的梯度，具体包括：以n倍的所述目标函数的导数构造所述梯度下降算法的梯度，n≥2。

梯度下降算法中的梯度一般由损失函数的导数构成，在本发明的梯度下降算法中，将梯度定为目标函数的导数的n倍，是为了能够以更陡的梯度快速得到畸变前的相机入射角，加快整个计算过程，有利于在产线上快速筛选出有问题的相机。

进一步，所述参照物为黑白方格标定板；选取所述图像中的至少两个点，具体包括：选取所述图像中对应所述黑白方格标定板的至少两个角点；根据所选取的点的空间坐标确定所述图像的特征，具体包括：根据所选取的角点的空间坐标确定所述图像的特征。

黑白方格标定板由均匀的黑白方格相间组成，作为参照物具有十分明显且容易计算的几何约束，在选取图像中的点时，选取黑白方格标定板中的角点，在将图像的特征与参照物的几何约束进行比较时，难度较小且速度较快。

进一步，根据所选取的点的空间坐标确定所述图像的特征，具体包括：根据所选取的点的空间坐标确定所选取的点所构成的特征值，以所述特征值的平均值、标准差或方差作为所述图像的特征。

一种确定相机内参误差的系统，包括：图像获取模块，用于获取相机拍摄的具有几何约束的参照物的图像；特征计算模块，用于根据所述图像以及所述相机的设计内参，计算所述图像的特征；误差确定模块，用于确定所述图像的特征符合所述参照物的几何约束的程度，以确定所述相机的设计内参与所述相机的实际内参的误差。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述确定相机内参误差的方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述确定相机内参误差的方法。

与现有技术相比，本发明的有益效果为：

本发明提供的方法利用了相机成像过程的原理，从所拍摄的参照物图像中获取到图像特征的有限数据集，计算得到图像的特征，利用参照物的几何约束与图像的特征确定相机的设计内参与实际内参的误差，该方法的处理速度快、难度低、无需利用专业设备进行标定，能够快速地初步筛选出存在问题的相机。

附图说明

图1为本发明的实施例一的方法步骤S1～S3的流程示意图。

图2为本发明的实施例一的方法步骤S21～S23的流程示意图。

图3为本发明的实施例一的方法步骤S221～S222的流程示意图。

图4为本发明的实施例一的方法步骤S2221～S223的流程示意图。

图5为本发明的实施例一中黑白方格标定板作为参照物的示意图。

图6为本发明的实施例一中其中一种优选的实施方式中方法步骤T1～T9的流程示意图。

图7为本发明的实施例一中参照物为黑白方格标定板时所选取的角点的示意图。

图8为本发明的实施例二的系统的模块组成示意图。

具体实施方式

本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本实施例提供一种确定相机内参误差的方法，用于筛选存在问题的相机。存在问题的相机是指在组装完成且AA过后实际内参与设计内参相差较大的相机。相机一般会根据其设计内参对所拍摄的图像进行校正，如相机存在实际内参与设计内参相差较大的问题，则相机所拍摄呈现的图像的畸变程度较高，不符合投入使用的要求。因此，本实施例提供的方法用于初筛出这一类相机，使这一类存在问题的相机可以在投入使用被初筛出来。

如图1所示，本实施例提供的方法包括步骤S1～S3：

S1：利用相机拍摄具有几何约束的参照物，得到参照物的图像；

具体地，在步骤S1中，拍摄所利用的相机是指需要进行初筛的产品。参照物是指相机所拍摄的实物物品，优选地，参照物为用于相机标定的标定板或标定物。参照物的几何约束是指任何从参照物本身的特征中所确定的条件，该条件是可以通过测量、计算或其他任何适用方法得到的。

S2：根据所述图像以及相机的设计内参，计算图像的特征；

具体地，设计内参所指的理想参数值可以是相机中会使图像产生畸变的任何内部或外部参数值，例如是相机镜头的畸变系数、相机的内参矩阵、相机的镜头焦距等等。图像的特征是可以通过测量、计算或任何适用方法获取到的。

S3：确定图像的特征符合参照物的几何约束的程度，以确定相机的设计内参与相机的实际内参的误差；

具体地，实际内参可以是相机中会使图像产生畸变的任何内部或外部参数，例如相机镜头的畸变系数、相机的内参矩阵、相机的镜头焦距等等。

利用相机拍摄参照物得到参照物的图像，这个参照物的图像会受到相机镜头畸变的影响而失真，设计内参可以消除相机镜头畸变的影响而使图像反映参照物的真实样貌。如相机的设计内参与实际内参存在误差，会导致图像的特征不能够反映出参照物的真实特征，则根据图像的特征符合参照物的几何约束的程度可确定设计内参与实际内参的误差。如误差较大，则该相机应被筛选为存在问题的相机。本实施例提供的方法能够快速地初步筛选出存在问题的相机，处理速度快、操作难度低、无需利用专业设备进行标定。

图像的特征可以由图像中的至少两个点计算得到，如图2所示，步骤S2的具体执行过程为：

S21：选取所述图像中的至少两个点；

具体地，图像中的点是指构成图像的像素点。优选地，所选取的点为图像中的角点，角点是指极值点，也可以认为是在某一方面属性特别突出的点。

S22：根据所选取的点的平面坐标以及相机的设计内参，计算所选取的点的空间坐标；

具体地，点的平面坐标是指点在像素坐标系的平面坐标；点的空间坐标是指点在相机坐标系或世界坐标系的空间坐标。

S23：根据所选取的点的空间坐标确定图像的特征。

在一种实施方式中，图像的特征是所选取的点的空间坐标所构成的特征值。示例性地，根据至少两个点的空间坐标计算得到至少两个点之间的距离，或者根据至少两个点之间的距离继而得到边的边长，或者根据边的边长继而得到某个区域的面积，这些所得到的距离、边长和面积等均可作为所述特征值。

在另一种实施方式中，图像的特征可以是所述特征值的平均值、标准差或方差等。

所述相机的设计内参具体可以包括相机的设计畸变系数和相机的设计内参矩阵。相应地，如图3所示，步骤S22的具体执行过程为：

S221：根据所选取的点的平面坐标以及相机的设计内参矩阵，计算所选取的点畸变后的空间坐标；

所选取的点畸变后的空间坐标是指所选取的点在受到镜头的畸变影响后在相机坐标系的空间坐标。

具体地，假设其中一个所选取的点P在像素坐标系的平面坐标为[u v]，相机的设计内参矩阵为

则该点P畸变后在相机坐标系的空间坐标为[x_d y_d 1]，其中

S222：根据所选取的点畸变后的空间坐标以及相机的设计畸变系数，计算所选取的点畸变前的空间坐标；

所选取的点畸变前的空间坐标是指所选取的点在未受到镜头的畸变影响前在相机坐标系/世界坐标系的空间坐标。

具体地，点畸变前的空间坐标可通过畸变后相机的出射角以及畸变前相机的入射角换算得到，畸变后相机的出射角是指主光线射出相机镜头的角度，畸变前相机的入射角是指主光线入射相机镜头的角度。相应地，如图4所示，步骤S222的具体执行过程为：

S2221：根据所选取的点畸变后的空间坐标，计算畸变后的相机的出射角；

步骤S2221的具体计算过程是：根据所选取的点畸变后在相机坐标系的空间坐标计算出所选取的点畸变后在相机坐标系的x、y轴平面的投影长度，通过所选取的点畸变后在相机坐标系的x、y轴平面的投影长度计算得到畸变后的相机出射角。

以所述点P为例，根据点P畸变后再相机坐标系的空间坐标[x_d y_d 1]计算出角点P畸变后在相机坐标系的x、y轴平面的投影长度rd，计算方式是

而畸变后的相机出射角θ_d＝tan^-1(r_d)。

S2222：根据畸变后的相机的出射角以及相机的设计畸变系数，计算畸变前的相机的入射角；

在一种优选的实施方式中，步骤`S2222可采用梯度下降算法计算。利用梯度下降算法计算畸变前的相机的入射角，可以避免进行复杂的公式推导，梯度下降算法自动迭代计算得到最后结果，计算速度快，有利于提高整个方法的执行速度。

在该梯度下降算法中，梯度下降算法的损失函数是以畸变前的相机的入射角为变量，根据畸变后的相机的出射角，以及相机的设计畸变系数构造的。在求解损失函数的最小值的过程中，每次的迭代求解都会使变量，也就是畸变前的相机的入射角下降一定的值，由于损失函数中的变量不断下降，也使整个损失函数沿一定的梯度不断下降。梯度下降算法中的梯度为损失函数的导数，优选地，梯度为损失函数的导数的n倍，n≥2。梯度为损失函数的导数的n倍可以使损失函数的下降速度加快，提高整体方法执行的速度，但为了保证迭代计算的准确性，n的值不宜取太大，n的优选取值为2。当损失函数的函数值达到最小化时，可以得到对应的畸变前的相机的入射角。

以所述点P为例，相机的设计畸变参数为[k₁ k₂ k₃ k₄]，结合畸变后的相机的出射角θ_d，构造损失函数err＝θ*(1+k₁θ²+k₂θ⁴+k₃θ⁶+k₄θ⁸)-θ_d，其中，θ为畸变前的相机的入射角，作为损失函数的变量。梯度slope为损失函数的导数的2倍，slope＝2*(1+3k₁θ²+5k₂θ⁴+7k₃θ⁶+9k₄θ⁸)，在求解损失函数的最小值的过程中，每次迭代计算时变量θ下降的值为

损失函数err的最小函数值应为0，当损失函数err的函数值不为0时，使变量

执行多次迭代计算直至损失函数err的函数值为0时，对应的变量θ的值为所求的畸变前的相机的入射角。

S2223：根据畸变前的相机的入射角与畸变后的相机的出射角之间的关系，计算所选取的点畸变前的空间坐标；

相机入射角和出射角之间的关系可以通过所选取的点畸变前后在相机坐标系的x、y轴平面的投影长度的比值体现，根据畸变后的相机的出射角可以计算得到所选取的点畸变后在相机坐标系的x、y轴平面的投影长度，根据畸变前的相机的入射角可以计算得到所选取的点畸变后在相机坐标系的x、y轴平面的投影长度。其次，参照物到相机的距离是可以测量得到的，基于畸变前的相机的入射角与畸变后的相机的出射角之间的关系，以及参照物到相机的距离，可计算得到所选的点畸变前的空间坐标。

以所述点P为例，根据畸变前的相机的入射角计算得到点P畸变前在相机坐标系的x、y轴平面的投影长度r＝sin(θ)。利用r/rd作为畸变前的相机的入射角θ与畸变后的相机的出射角θd之间的关系，结合测量得到的参照物到相机的距离L，点P畸变前在相机坐标系的空间坐标为[Xc Yc Zc]，其中，

Zc＝L。

在一种更具体的实施方式中，参照物为如图5所示的黑白方格标定板，对于黑白方格标定板，其最明显的特点是由均匀的方格组成，因此其最显而易见的几何约束例如有：黑白方格标定板上所有方格的面积相等、黑白方格标定板上所有方格的边长相等、黑白方格标定板上所有方格的面积或边长的标准差或方差为0等等。

如图6所示，本实施例提供的方法具体包括以下步骤：

T1：利用相机拍摄黑白方格标定板，得到该黑白方格标定板的图像；

T2：选取所述图像中的至少4个角点；

具体地，角点一般是指方格的顶点，如图7所示角点为圆圈示意的点。

T3：根据所选取的角点在像素坐标系的平面坐标以及相机的设计内参矩阵，计算所选取的点畸变后在相机坐标系的空间坐标；

T4：根据所选取的角点畸变后在相机坐标系的空间坐标，计算畸变后的相机的出射角；

T5：根据畸变后的相机的出射角以及相机的设计畸变系数，采用梯度下降算法计算畸变前的相机的入射角；

梯度下降算法的损失函数是以畸变后的相机的出射角，以及相机的设计畸变系数构造的，损失函数中以畸变前的相机的入射角为损失函数中的变量；梯度下降算法的梯度为目标函数的导数的2倍。

T6：根据畸变前的相机的入射角确定所选取的角点畸变前在相机坐标系的x、y轴平面的投影长度；根据畸变后的相机的出射角确定所选取的角点畸变后在相机坐标系的x、y轴平面的投影长度；根据所选取的角点畸变前后在相机坐标系的x、y轴平面的投影长度之间的比值，以及黑白方格标定板到相机的距离，计算所选取的角点畸变前在相机坐标系的空间坐标；

T7：根据所选取的角点畸变前在相机坐标系的空间坐标，确定所选取的角点中所有相邻的角点之间的距离；

相比于计算图像中各个方格的面积等其他计算方式，计算图像中各个方格的边长是较为简单和快捷的。

T8：确定所有相邻的角点之间的距离的标准差或方差，以所有相邻的角点之间的距离的标准差或方差作为该图像的特征；

黑白方格标定板中各个方格的边长都相等，也体现为黑白方格标定板中所有相邻角点之间的距离相等，也就是说，黑白方格标定板中所有相邻角点之间的距离是离散度很低的数据集，因此以所有相邻角点之间的距离的平均值、标准值或方差等用于表示数据离散程度的值作为图像的特征。优选地，与所有相邻角点之间的距离的平均值相比，所有相邻角点之间的距离的标准差或方差能更加准确地体现数据的离散程度，因此以所有相邻角点之间的距离的标准差或方差作为图像的特征。

T9：确定所述图像中的所有相邻的角点之间的距离的标准差或方差与0之间相差的程度，以确定相机的设计内参与实际内参之间的误差。

图像中所有相邻的角点之间的距离的标准差或方差与0之间相差的程度越大，相机的设计内参与实际内参之间的误差越大，该相机应被筛选为存在问题的相机，反之亦然。

实施例二

基于与前述实施例相同的思想，本实施例提供一种确定相机内参误差的系统，用于筛选存在问题的相机。存在问题的相机是指在组装完成且AA过后实际内参与设计内参相差较大的相机。相机一般会根据其设计内参对所拍摄的图像进行校正，如相机存在实际内参与设计内参相差较大的问题，则相机所拍摄呈现的图像的畸变程度较高，不符合投入使用的要求。

如图8所示，该确定相机内参误差的系统包括：

图像获取模块100，用于获取相机拍摄的具有几何约束的参照物的图像；

特征计算模块200，用于根据图像以及相机的设计内参，计算图像的特征；

误差确定模块300，用于确定图像的特征符合所述参照物的几何约束的程度，以确定相机的设计内参与相机的实际内参的误差。

本实施例提供的系统能够快速地初步筛选出存在问题的相机，处理速度快、操作难度低、无需利用专业设备进行标定。

在一种实施方式中，图像的特征可以由图像中的至少两个点计算得到，特征计算模块200包括：

点选取子模块210，用于选取图像中的至少两个点；在一种优选的实施方式中，所选取的点为图像中的角点。

坐标计算子模块220，用于根据所选取的点的平面坐标以及相机的设计内参，计算所选取的点的空间坐标；

特征确定子模块230，用于根据所选取的点的空间坐标确定图像的特征。

在一种实施方式中，所述相机的设计内参具体可以包括相机的设计畸变系数和相机的设计内参矩阵。相应地，坐标计算子模块220可以包括：：

第一计算单元221，用于根据所选取的点的平面坐标以及相机的设计内参矩阵，计算所选取的点畸变后的空间坐标；

第二计算单元222，用于根据所选取的点畸变后的空间坐标以及相机的设计畸变系数，计算所选取的点畸变前的空间坐标，根据所选取的点畸变前的空间坐标确定图像的特征。

在一种实施方式中，第二计算单元222具体用于根据所选取的点畸变后的空间坐标，计算畸变后的相机的出射角；根据畸变后的相机的出射角以及相机的设计畸变系数，计算畸变前的相机的入射角；根据畸变前的相机的入射角与畸变后的相机的出射角之间的关系，计算所选取的点畸变前的空间坐标。

在一种优选的实施方式中，第二计算单元222根据畸变后的相机的出射角以及相机的设计畸变系数计算畸变前相机的入射角时是采用梯度下降算法计算的。所述梯度下降算法的损失函数是以所述畸变后的相机的出射角以及所述相机的设计畸变系数构造的，并以畸变前的入射角作为变量；所述梯度下降算法的梯度是以所述损失函数的导数构造的。优选地，所述梯度下降算法的梯度是以n倍的所述目标函数的导数构造的，n≥2，n的优选值为2。

在一种具体的实施方式中，参照物为黑白方格标定板，在黑白方格标定板中，角点一般是指方格的顶点。

在一种优选的实施方式中，特征确定子模块230包括：

第一确定单元231，用于根据所选取的点的空间坐标确定所选取的点所构成的特征值；

第二确定单元232，用于以所述特征值的平均值、标准差或方差作为所述图像的特征。

上述的确定相机内参误差的系统的实施方式中，各功能模块的逻辑划分仅作为举例说明，实际应用中可根据需要，例如出于硬件的配置要求或软件的实现的考虑，将上述功能分配由不同的功能模块完成，即可对确定相机内参误差的系统的内部结构划分为与上述内容不同的功能模块，但能够完成以上描述的全部功能。其次，上述示例的确定相机内参误差的系统的模块的执行过程等内容，由于与前述实施例的确定相机内参误差的方法基于同一构思，其原理和所带来的技术效果与前述的确定相机内参误差的方法相同，具体内容可参见方法实施方式的叙述，此处不再赘述。

实施例三

基于与前述实施例相同的思想，本实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现实施例一所述确定相机内参误差的方法，具备相应的功能和有益效果。

实施例四

基于与前述实施例相同的思想，本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一所述确定相机内参误差的方法，具备相应的功能和有益效果。

显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (12)

1.一种确定相机内参误差的方法，其特征在于，包括：

利用相机拍摄具有几何约束的参照物，得到所述参照物的图像；

根据所述图像以及所述相机的设计内参，计算所述图像的特征；

确定所述图像的特征符合所述参照物的几何约束的程度，以确定所述相机的设计内参与所述相机的实际内参的误差。

2.根据权利要求1所述的确定相机内参误差的方法，其特征在于，

根据所述图像以及所述相机的设计内参，计算所述图像的特征，具体包括：

选取所述图像中的至少两个点，根据所选取的点的平面坐标以及所述相机的设计内参，计算所选取的点的空间坐标；根据所选取的点的空间坐标确定所述图像的特征。

3.根据权利要求2所述的确定相机内参误差的方法，其特征在于，

所述设计内参包括所述相机的设计畸变系数和所述相机的设计内参矩阵；

根据所选取的点的平面坐标以及所述相机的设计内参，计算所选取的点的空间坐标，具体包括：

根据所选取的点的平面坐标以及所述相机的设计内参矩阵，计算所选取的点畸变后的空间坐标；根据所选取的点畸变后的空间坐标以及所述相机的设计畸变系数，计算所选取的点畸变前的空间坐标。

4.根据权利要求3所述的确定相机内参误差的方法，其特征在于，

根据所选取的点畸变后的空间坐标以及所述相机的设计畸变系数，计算所选取的点畸变前的空间坐标，具体包括：

根据所选取的点畸变后的空间坐标，计算畸变后的所述相机的入射角；根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，计算畸变前的所述相机的入射角；根据所述畸变前的相机的入射角与所述畸变后的相机的出射角之间的关系，计算所选取的点畸变前的空间坐标。

5.根据权利要求4所述的确定相机内参误差的方法，其特征在于，

根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，计算畸变前的所述相机的入射角，具体包括：

根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，采用梯度下降算法计算所述畸变前的相机的入射角。

6.根据权利要求5所述的确定相机内参误差的方法，其特征在于，

根据所述畸变后的相机的出射角以及所述相机的设计畸变系数，采用梯度下降算法计算所述畸变前的相机的入射角，具体包括：

以所述畸变后的相机的出射角，以及所述相机的设计畸变系数构造所述梯度下降算法的损失函数；

以所述损失函数的导数构造所述梯度下降算法的梯度；

采用所述梯度下降算法计算所述畸变前的相机的入射角。

7.根据权利要求6所述的确定相机内参误差的方法，其特征在于，

以所述目标函数的导数构造所述梯度下降算法的梯度，具体包括：以n倍的所述目标函数的导数构造所述梯度下降算法的梯度，n≥2。

8.根据权利要求2所述的确定相机内参误差的方法，其特征在于，所述参照物为黑白方格标定板；

选取所述图像中的至少两个点，具体包括：选取所述图像中对应所述黑白方格标定板的至少两个点；

根据所选取的点的空间坐标确定所述图像的特征，具体包括：根据所选取的点的空间坐标确定所述图像的特征。

9.根据权利要求2或8所述的确定相机内参误差的方法，其特征在于，

根据所选取的点的空间坐标确定所述图像的特征，具体包括：

根据所选取的点的空间坐标确定所选取的点所构成的特征值，以所述特征值的平均值、标准差或方差作为所述图像的特征。

10.一种确定相机内参误差的系统，其特征在于，包括：

图像获取模块，用于获取相机拍摄的具有几何约束的参照物的图像；

特征计算模块，用于根据所述图像以及所述相机的设计内参，计算所述图像的特征；

误差确定模块，用于确定所述图像的特征符合所述参照物的几何约束的程度，以确定所述相机的设计内参与所述相机的实际内参的误差。

11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～9任一项所述确定相机内参误差的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～9任一项所述确定相机内参误差的方法。

Images