CN113470116B - 对摄像装置标定数据的验证方法、装置、设备及存储介质 - Google Patents
对摄像装置标定数据的验证方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113470116B CN113470116B CN202110665201.3A CN202110665201A CN113470116B CN 113470116 B CN113470116 B CN 113470116B CN 202110665201 A CN202110665201 A CN 202110665201A CN 113470116 B CN113470116 B CN 113470116B
- Authority
- CN
- China
- Prior art keywords
- image
- calibration
- indication value
- quality
- graph
- 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.)
- Active
Links
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
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请公开了一种对摄像装置标定数据的验证方法、装置、设备及存储介质,属于计算机技术领域。该方法包括:将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值;如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对多个摄像装置进行外参标定后得到的标定数据,对多个摄像装置拍摄的图像进行图像拼接处理,得到图像拼接处理后的拼接图;将拼接图输入到预先训练的第二图像质量打分模型,得到拼接图对应的第二质量分值;如果第二质量分值大于预设的第二分数阈值,则确定对多个摄像装置标定正确。本申请可提高对车辆摄像装置进行外参标定的效率。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种对摄像装置标定数据的验证方法、装置、设备及存储介质。
背景技术
全景环视技术是目前车辆中常见的一种辅助驾驶技术。全景环视技术可以通过车辆上安装的多个摄像装置分别对应的标定数据,如摄像装置对应的单应性矩阵、外参等,对多个摄像装置分别拍摄的图片进行图像拼接处理,得到一张拼接图,该拼接图可以为车辆周围环境的俯视图。驾驶员可以通过观察对应的拼接图,确定车辆周围是否存在障碍物等,进而完成相应的驾驶操作,如低速泊车。
在相关技术中,车辆上安装的多个摄像装置对应的标定数据,是需要车辆在出厂之前预先对各个摄像装置进行外参标定得到的。其中在对摄像装置进行外参标定的过程中,需要将车辆停在设定的标定场地中,并控制车辆上安装的多个摄像装置对标定场地中放置的标定板进行拍摄,然后根据每个标定板在拍摄的图像中的位置以及标定板在标定场地中的位置,计算车辆上每个摄像装置对应的标定数据。
在实现本申请的过程中,发明人发现相关技术至少存在以下问题:
得到多个摄像装置对应的标定数据后,还需要技术人员对标定数据进行验证,确定对摄像装置进行外参标定的标定数据是否正确。在验证过程中,可以根据多个摄像装置对应的标定数据,对多个摄像装置拍摄的图像进行图像拼接处理,得到对应的拼接图。然后由技术人员观察得到的拼接图是否出现异常问题,例如是否出现较大的畸变、拼缝等。如果确定不存在异常问题,则说明对多个摄像装置标定正确。如果确定存在异常问题,则可以说明多个摄像装置标定失败,得到的标定数据不够准确,可以重新对车辆的各个摄像装置重新进行外参标定,得到新的标定数据。但由于对车辆的摄像装置进行外参标定后,都需要技术人员根据经验确定是否对多个摄像装置标定正确,如此导致对车辆的摄像装置进行外参标定的效率较低。
发明内容
本申请实施例提供了一种对摄像装置标定数据的验证方法、装置、设备及存储介质,能够提高车辆的摄像装置进行外参标定的效率。所述技术方案如下:
第一方面,提供了一种对摄像装置标定数据的验证方法,所述方法包括:
将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值;
如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图;
将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值;
如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确。
可选的,所述将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值,包括:
将所述多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,由所述第一图像质量打分模型分别输出每个输入的图像对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值,其中,所述标定板状态指示值用于指示所述标定板出现遮挡、污损的程度,所述车辆状态指示值用于指示所述车辆在标定场地中的位置以及所述车辆的各个部件的位置偏离对应预设位置的程度;
分别对所述多个摄像装置拍摄的每个图像对应的亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到所述每个图像对应的第一质量分值。
可选的,所述方法还包括:
如果存在摄像装置拍摄的图像对应的第一质量分值小于等于所述第一分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第一图像质量打分模型输出所述环境亮度指示值、所述标定板状态指示值以及所述车辆状态指示值,确定对所述多个摄像装置标定失败的原因。
可选的,所述将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值,包括:
将所述拼接图输入到预先训练的第二图像质量打分模型,由所述第二图像质量打分模型输出所述拼接图对应的拼缝状态指示值、畸变程度指示值以及所述拼接图中标定板的几何状态指示值,其中,所述拼缝状态指示值用于指示所述拼接图中出现的拼缝处对应的图像错位程度,所述标定板的几何状态指示值用于指示所述拼接图中显示的标定板与实际的标定板的形状匹配程度;
对所述拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值进行加权求和处理,得到所述拼接图对应的第二质量分值。
可选的,所述方法还包括:
如果所述第二质量分值小于等于所述第二分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第二图像质量打分模型输出的所述拼缝状态指示值、所述畸变程度指示值以及所述几何状态指示值,确定对所述多个摄像装置标定失败的原因。
可选的,所述将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值,包括:
将所述多个摄像装置拍摄的多组图像分别输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值;
所述如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图,包括:
如果存在至少一组图像中的各图像对应的第一质量分值均大于所述第一分数阈值,则基于由所述至少一组图像对所述多个摄像装置进行外参标定得到的标定数据,对所述至少一组图像中的各图像进行图像拼接处理,得到至少一个拼接图。
可选的,所述将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值,包括:
将所述至少一个拼接图输入到所述预先训练的第二图像质量打分模型,得到所述至少一个拼接图对应的第二质量分值;
所述如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确,包括:
如果在所述至少一个拼接图中,存在对应的第二质量分值大于所述第二分数阈值的拼接图,则确定对所述多个摄像装置标定正确;
所述方法还包括:基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据。
可选的,所述基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据,包括:
如果存在多个对应的第二质量分值大于所述第二分数阈值的拼接图,则在所述多个对应的第二质量分值大于所述第二分数阈值的拼接图中,确定对应第二质量分值最高的预设数目个拼接图;
对所述预设数目个拼接图进行显示;
接收所述预设数目个拼接图中目标拼接图的选择指令,将所述目标拼接图对应的标定数据确定为所述多个摄像装置的标定数据。
第二方面、提供了一种对摄像装置标定数据的验证装置,所述装置包括:
打分模块,用于将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值;
拼接模块,用于如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图;
所述打分模块,用于将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值;
确定模块,用于如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确。
可选的,所述打分模块用于:
将所述多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,由所述第一图像质量打分模型分别输出每个输入的图像对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值,其中,所述标定板状态指示值用于指示所述标定板出现遮挡、污损的程度,所述车辆状态指示值用于指示所述车辆在标定场地中的位置以及所述车辆的各个部件的位置偏离对应预设位置的程度;
分别对所述多个摄像装置拍摄的每个图像对应的亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到所述每个图像对应的第一质量分值。
可选的,所述确定模块还用于:
如果存在摄像装置拍摄的图像对应的第一质量分值小于等于所述第一分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第一图像质量打分模型输出所述环境亮度指示值、所述标定板状态指示值以及所述车辆状态指示值,确定对所述多个摄像装置标定失败的原因。
可选的,所述打分模块用于:
将所述拼接图输入到预先训练的第二图像质量打分模型,由所述第二图像质量打分模型输出所述拼接图对应的拼缝状态指示值、畸变程度指示值以及所述拼接图中标定板的几何状态指示值,其中,所述拼缝状态指示值用于指示所述拼接图中出现的拼缝处对应的图像错位程度,所述标定板的几何状态指示值用于指示所述拼接图中显示的标定板与实际的标定板的形状匹配程度;
对所述拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值进行加权求和处理,得到所述拼接图对应的第二质量分值。
可选的,所述确定模块还用于:
如果所述第二质量分值小于等于所述第二分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第二图像质量打分模型输出的所述拼缝状态指示值、所述畸变程度指示值以及所述几何状态指示值,确定对所述多个摄像装置标定失败的原因。
可选的,所述打分模块用于:
将所述多个摄像装置拍摄的多组图像分别输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值;
所述拼接模块用于:如果存在至少一组图像中的各图像对应的第一质量分值均大于所述第一分数阈值,则基于由所述至少一组图像对所述多个摄像装置进行外参标定得到的标定数据,对所述至少一组图像中的各图像进行图像拼接处理,得到至少一个拼接图。
可选的,所述打分模块用于:
将所述至少一个拼接图输入到所述预先训练的第二图像质量打分模型,得到所述至少一个拼接图对应的第二质量分值;
所述确定模块用于:如果在所述至少一个拼接图中,存在对应的第二质量分值大于所述第二分数阈值的拼接图,则确定对所述多个摄像装置标定正确;
所述装置还包括显示模块,用于:基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据。
可选的,所述显示模块还用于:
如果存在多个对应的第二质量分值大于所述第二分数阈值的拼接图,则在所述多个对应的第二质量分值大于所述第二分数阈值的拼接图中,确定对应第二质量分值最高的预设数目个拼接图;
对所述预设数目个拼接图进行显示;
接收所述预设数目个拼接图中目标拼接图的选择指令,将所述目标拼接图对应的标定数据确定为所述多个摄像装置的标定数据。
第三方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如第一方面所述的对摄像装置标定数据的验证方法所执行的操作。
第四方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如第一方面所述的对摄像装置标定数据的验证方法所执行的操作。
本申请实施例提供的技术方案带来的有益效果是:
本申请通过预先训练的第一图像质量打分模型,对车辆的多个相机拍摄的图像分别进行质量打分,如果对应的第一质量分值都大于预设的第一分数阈值,则可以将多个相机拍摄的图像进行图像拼接处理,并通过的预先训练的第二图像质量打分模型对拼接图进行质量打分,而确定拼接图的质量分数,然后可以根据拼接图的质量分数确定是否对摄像装置的标定数据标定成功。可见,采用本申请不再需要技术人员在对摄像装置外参标定的过程中,人为的判断是否对摄像装置标定成功,可以提高对车辆的摄像装置进行外参标定的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的标定场地示意图;
图2是本申请实施例提供的对摄像装置标定数据的验证方法流程图;
图3是本申请实施例提供的对摄像装置标定数据的验证方法流程图;
图4是本申请实施例提供的对摄像装置标定数据的验证方法示意图;
图5是本申请实施例提供的对摄像装置标定数据的验证装置结构示意图;
图6是本申请实施例提供的计算机设备结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的对摄像装置标定数据的验证方法可以由终端实现。该终端可以是车载终端,也可以是手机、平板电脑、智能穿戴设备、台式计算机、笔记本电脑等。该终端可具备处理器、存储器等部件。其中,存储器可用于存储本申请提供的对摄像装置标定数据的验证方法对应的执行程序和执行数据,如车辆上安装的相机拍摄的图像,处理器可以执行存储器存储的执行数据,对执行数据进行处理,例如对车辆上安装的相机拍摄的图像进行图像处理,从而实现本申请提供的对摄像装置标定数据的验证方法。
对车辆的摄像装置进行外参标定的处理如下:技术人员可以将需要标定摄像装置外参的车辆停在预先设置的标定场地,如图1所示,在标定场地的中可以在不同的位置放置标定板,该标定板可以是一个矩形的平板,该标定板上还可以具有棋盘格形式的图案。车辆可以停在标定场地中的指定位置,然后对控制车辆上安装的摄像装置进行拍摄。对于任一个摄像装置的标定数据,得到该摄像装置拍摄图像后,可以确定该摄像装置拍摄图像中标定板在图像坐标系中的坐标值,例如标定板的顶点分别在图像中的坐标值。然后可以根据该摄像装置拍摄图像中标定板在世界坐标系中的坐标值,以及标定板在图像中的坐标值,计算该摄像装置对应的单应性矩阵。在得到该摄像装置对应的单应性矩阵之后,可以根据单应性矩阵以及该摄像装置已知的内参计算对应的外参。其中,外参可以包括平移矩阵和旋转矩阵等,摄像装置的内参包括中心点、焦距、畸变系数等。标定数据可以为得到的摄像装置对应的单应性矩阵、外参等。
其中,图像坐标系可以是图像的某个顶点为原点的坐标系,标定板在图像坐标系中的坐标值可以是标定板对应的像素在图像坐标系中的坐标。世界坐标系可以是以标定场地的中心为原点的坐标系,标定板在世界坐标系中的坐标值,可以由技术人员根据标定板在标定场地中的位置确定。
本申请实施例提供的对摄像装置标定数据的验证方法,在得到对车辆的各个摄像装置对应的标定数据之后,可以对得到的标定数据进行验证,确定对车辆的各个摄像装置是否标定正确。
图2是本申请实施例提供的一种对摄像装置标定数据的验证方法的流程图。参见图2,该实施例包括:
步骤201、将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值。
其中,车辆的多个摄像装置可以安装在车辆周围的相机,例如可以是分别安装在左右后视镜的相机、安装在后备厢的相机、安装在车辆栅格或者车标下面的相机等,安装在车辆上的相机也可以是鱼眼相机。多个摄像装置进行外参标定后,可以得到一组标定数据,在该组标定数据中包括车辆上的每个相机对应的标定数据。多个摄像装置拍摄的图像可以是用于计算多个相机对应的标定数据的图像,例如可以是对多个摄像装置进行外参标定时拍摄的图像。预先训练的第一图像质量打分模型可以基于VGG(Visual Geometry GroupNetwork,视觉几何组网络)、GoogleNet(一种图像分类网络)、ResNet(Residual Network,残留网络)等实现。第一质量分值为根据第一图像质量打分模型得到的图像对应的质量分值。
在实施中,在对车辆的相机进行外参标定的过程中,可以先控制车辆停在标定场地中的指定位置,然后再控制车辆的相机拍摄图像,根据相机拍摄的图像计算每个相机对应的标定数据。在得到车辆的相机拍摄的图像后,还可以将车辆的相机拍摄的图像输入到预先训练的第一图像质量打分模型中,得到每个相机拍摄的图像的第一质量分值。
可选的,通过第一图像质量打分模型得到摄像装置拍的图像的第一质量分值的处理可以如下:将多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,由第一图像质量打分模型分别输出每个输入的图像对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值,分别对多个摄像装置拍摄的每个图像对应的亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到每个图像对应的第一质量分值。其中,标定板状态指示值用于指示标定板出现遮挡、污损的程度;环境亮度指示值用于指示图像的亮度值是否存在异常;车辆状态指示值用于指示车辆在标定场地中的位置和车辆上各个部件的位置偏离预设位置的程度。其中,车辆在标定场地中的预设位置可以由技术人员预先在标定场地中设定,车辆上各个部件可以是车门、后备厢门、后视镜等,对应的预设位置可以是车门、后备厢门处于关闭时的位置、后视镜处于打开的位置。
在实施中,可以将车辆的相机拍摄的图像输入到预先训练的第一图像质量打分模型中,由第一图像质量打分模型输出对应图像的环境亮度指示值、标定板状态指示值以及车辆状态指示值。其中,对于环境亮度指示值,可用于指示图像中的环境光是否正常,例如图像中的整体的亮度值不在正常的亮度值范围内,或者图像中存在局部亮度过高的情况,则该环境亮度指示值可较低;对于标定板状态指示值,如果图像中的标定板存在污损、毁坏、遮挡、反光等情况,则该标定板状态指示值较低;对于车辆状态指示值,如果当前车辆的车门、后备箱门没关、车辆的后视镜没打开,或者车辆没有停在预设位置,则对应的车辆状态指示值就会较低。其中,当前车辆的车门、后备厢门没关、车辆的后视镜没打开可以根据安装在车门、后备厢门以及后视镜上的相机拍摄的图片确定,对于车辆没有停在预定的位置,可以根据相机拍摄的标定板在图像中的位置确定,如果车辆停在了标定场地的预定位置,则标定板在各个相机拍摄的图像中的位置也是固定的。
在第一图像质量打分模型得到相机拍摄的照片对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值后,可以根据预先设定的环境亮度指示值、标定板状态指示值以及车辆状态指示值分别对应的权重系数,对第二图像质量打分模型输出的环境亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到相机拍摄的图片对应的第一质量分数。其中,对应的权重系数可以由技术人员预先设置,此处不对权重系数的数值进行限定。
其中,第一图像质量打分模型的训练过程可以为现有的训练过程,对应的训练样本可以包括不同质量的由车辆的相机拍摄的样本拍摄图像,例如可以包括不同环境亮度的图像、不同标定板状态的图像以及不同车辆状态的图像等。对于不同的样本拍摄图像,技术人员可以预先设置对应的基准环境亮度指示值、基准标定板状态指示值以及基准车辆状态指示值。然后可以根据大量的样本拍摄图像,对第一图像质量打分模型进行训练,通过每个样本拍摄图像对应的输出值、预先设置的基准值以及损失函数对第一图像质量打分模型中的参数进行调整。当第一图像质量打分模型的准确率达到预设准确率阈值时,可以确定完成了对第一图像质量打分模型的训练。
步骤202、如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对多个摄像装置进行外参标定后得到的标定数据,对多个摄像装置拍摄的图像进行图像拼接处理,得到图像拼接处理后的拼接图。
在实施中,如果车辆的各个相机拍摄的图片对应的第一质量分数都大于对应的第一分数阈值时,则说明当前各个相机拍摄的图像的质量较高,可以进行图像拼接处理。如果车辆的各个相机拍摄的图片对应的第一质量分数存在小于对应的第一分数阈值时,则说明相机拍摄的图像中的存在质量较低的图像,即使进行图像拼接处理,得到的拼接图的质量也是较低的,因此可以对再控制车辆上的相机重新拍摄图像,在确定车辆上的相机重新拍摄图像的第一质量分数都大于第一分数阈值时,可以再执行图像拼接处理。
也就是说,在本申请中,在对车辆的相机拍摄的图像进行图像拼接处理之前,可以先对相机拍摄图像的质量进行验证,确定拍摄的图像是不存在质量问题的,进而再对车辆的相机拍摄的图像进行图像拼接处理。这样在之后的处理中,如果得到的拼接图如果存在问题,则可以排除是车辆的相机拍摄的图像的质量不高导致的。
在进行图像拼接处理时,可以获取车辆上的多个相机拍摄的图像,然后根据对应相机的标定数据,将相机拍摄的图像从图像坐标系转换到世界坐标系中,得到多个转换坐标系之后的图像,然后再根据图像拼接算法将多个转换坐标系之后的图像进行图像拼接处理,得到拼接图,该拼接图即为车辆周围环境的俯视图。
可选的,如果存在摄像装置拍摄的图像对应的第一质量分值小于等于第一分数阈值,则确定对多个摄像装置标定失败,在本申请如果对多个摄像装置标定失败,可以基于第一图像质量打分模型输出环境亮度指示值、标定板状态指示值以及车辆状态指示值,确定对多个摄像装置标定失败的原因。
在实施中,如果存在相机拍摄的图像对应的第一质量分值小于等于第一分数阈值,则说明相机拍摄的图像中的存在质量较低的图像,即使进行图像拼接处理,得到的拼接图的质量也是较低的,且通过对应的质量较低的图像,对相应的相机进行外参标定得到的标定参数的准确度也是较低的,因此可以认为对多个相机的标定失败。在标定失败后,可以在终端的显示界面中显示标定失败,例如在车载终端的屏幕上显示标定失败。并且还可以根据第一图像质量打分模型输出环境亮度指示值、标定板状态指示值以及车辆状态指示值,确定对多个摄像装置标定失败的原因,并对标定失败的原因进行显示,以提示技术人员进行改进。
例如,可以对环境亮度指示值、标定板状态指示值以及车辆状态指示值分别设置对应的环境亮度阈值、标定板状态阈值以及车辆状态阈值。在确定对多个相机的标定失败后,可以确定环境亮度指示值、标定板状态指示值以及车辆状态指示值低于对应阈值的值,并根据对应的值确定标定失败的原因。例如,如果是环境亮度指示值低于环境亮度阈值,则标定失败的原因可以是标定场所中的环境光影响了对相机的外参标定;如果是标定板状态指示值小于标定板状态阈值,则可以确定是标定板存在出现遮挡、污损等影响了对相机的外参标定;如果是车辆状态指示值小于车辆状态阈值,则可以确定车辆在标定场地中的位置,或者车辆的车辆、左视镜、右视镜等位置未处于预设位置,从而影响了对相机的外参标定。
步骤203、将拼接图输入到预先训练的第二图像质量打分模型,得到拼接图对应的第二质量分值。
其中,预先训练的第二图像质量打分模型可以基于VGG、GoogleNet、ResNet等实现。第二质量分值为根据第二图像质量打分模型得到的图像对应的质量分值。在实施中,在根据多个摄像装置对应的标定数据进行图像拼接处理得到的拼接图后,可以将对应的拼接图输入到预先训练的第二图像质量打分模型中,得到拼接图对应的第二质量分值。
可选的,根据第二图像质量打分模型,得到拼接图对应的第二质量分值的处理可以如下:将拼接图输入到预先训练的第二图像质量打分模型,由第二图像质量打分模型输出拼接图对应的拼缝状态指示值、畸变程度指示值以及拼接图中标定板的几何状态指示值,对拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值进行加权求和处理,得到拼接图对应的第二质量分值。其中,拼缝状态指示值用于指示拼接图中出现的拼缝处的图像错位程度,标定板的几何状态指示值用于指示拼接图中显示的标定板与实际的标定板的形状匹配程度,畸变程度指示值用于指示拼接图中图像出现的畸变程度。
在实施中,由于拼接图是由多个图像根据对应拍摄相机的标定数据进行拼接得到的,如果得到的摄像装置的标定数据存在较大的误差,则会直接影响拼接图的质量。例如,在拼接图中图像的拼接处可能存在错位,导致出现拼缝。也可能导致拼接图中出现较大的畸变,并且在拼接图中显示的标定板也会出现较大的形变。
在将拼接图输入到第二图像质量打分模型后,第二图像质量打分模型可以对输入的拼接图进行特征提取、特征识别等处理,分别输出拼接图对应的拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值。其中,对于拼缝状态指示值,如果拼接图中出现的拼缝越多,拼缝越明显,即拼缝处的图像错位越大,该拼缝状态指示值则可以越大;对于畸变程度指示值,如果拼接图中画面出现的畸变程度越大,则该畸变程度指示值则可以越大;对于标定板的几何状态指示值,如果拼接图中的拼接板与实际的标定板的形状匹配程度越高,该几何状态指示值可以越高。
在得到第二图像质量打分模型输出拼接图对应的拼缝状态指示值、畸变程度指示值以及拼接图中标定板的几何状态指示值后,可以根据预先设置的每个指示值对应的权重系数,对第二图像质量打分模型输出拼接图对应的拼缝状态指示值、畸变程度指示值以及拼接图中标定板的几何状态指示值进行加权求和处理,得到拼接图对应的第二质量分数。例如,对于拼缝状态指示值、畸变程度指示值的权重系数可以为负值,标定板的几何状态指示值的权重系数为正值,即拼缝状态指示值、畸变程度指示值越大,对应的第二质量分数就越低,标定板的几何状态越高,对应的第二质量分数就越高。其中,需要说明的是,上述对拼缝状态指示值、畸变程度指示值以及拼接图中标定板的几何状态指示值进行加权求和的处理仅是示例性说明,实际的权重系数可以由技术人员在实施方案时,根据实际情况设定。
其中,第二图像质量打分模型的训练过程可以为现有的训练过程,对应的训练样本可以包括不同质量的样本拼接图,例如可以包括不同拼缝状态的拼接图、具有不同几何状态的标定板的拼接图、存在不同程度畸变的拼接图等。对于不同的样本拼接图,技术人员可以预先设置对应的基准拼缝状态指示值、基准畸变程度指示值以及拼接图中标定板的基准几何状态指示值。然后可以根据大量的样本拼接图,对第二图像质量打分模型进行训练,通过每个样本拼接图的输出值、预先设置的基准值以及损失函数对第二图像质量打分模型中的参数进行调整。当第二图像质量打分模型的准确率达到预设准确率阈值时,可以确定完成了对第二图像质量打分模型的训练。
步骤204、如果第二质量分值大于预设的第二分数阈值,则确定对多个摄像装置标定正确。
在实施中,在得到拼接图对应的第二质量分值后,可以确定第二质量分值与第二分数阈值的大小关系。其中第二分数阈值可以由技术人员根据经验进行设置,其具体值此处不进行限定。如果第二质量分值小于或等于第一分数阈值,则说明,根据对车辆的相机对应的标定数据进行图像拼接处理后得到的拼接图的质量并不高。因此,可以确定对车辆的多个相机的标定数据标定失败。反之,如果第二质量分值大于第二分数阈值,则说明,根据车辆的相机对应的标定数据进行图像拼接处理后得到的拼接图的质量比较高。因此,可以确定对车辆的多个相机的标定数据标定正确。
可选的,如果摄像装置第二质量分值小于等于摄像装置第二分数阈值,则确定对摄像装置多个摄像装置标定失败;在本申请如果对多个摄像装置标定失败,可以基于第二图像质量打分模型输出的摄像装置拼缝状态指示值、摄像装置畸变程度指示值以及摄像装置几何状态指示值,确定对多个摄像装置标定失败的原因。
在实施中,如果拼接图的第二质量分值小于等于第二分数阈值,则根据标定数据得到的拼接图的质量较低,因此可以认为对多个相机的标定失败。在标定失败后,可以在终端的显示界面中显示标定失败,例如在车载终端的屏幕上显示标定失败。并且还可以根据第二图像质量打分模型输出的拼缝状态指示值、畸变程度指示值以及几何状态指示值,确定对多个摄像装置标定失败的原因,并对标定失败的原因进行显示,以提示技术人员进行改进。
例如,可以为拼缝状态指示值、畸变程度指示值以及几何状态指示值分别设置对应的拼缝状态阈值、畸变程度阈值以及几何状态阈值。在确定对多个相机的标定失败后,可以确定拼缝状态指示值、畸变程度指示值以及几何状态指示值低于对应阈值的值,并根据对应的值确定标定失败的原因。例如,如果是拼缝状态指示值低于拼缝状态阈值,则标定失败的原因可以是拼接图中存在明显的拼缝;如果是畸变程度指示值小于畸变程度阈值,则标定失败的原因可以是拼接图中存在了较为明显的畸变;如果是几何状态指示值小于几何状态阈值,则标定失败的原因可以是拼接图中的标定板的几何形态存在较为明显的形变等。
本申请通过预先训练的第一图像质量打分模型,对车辆的多个相机拍摄的图像分别进行质量打分,如果对应的第一质量分值都大于预设的第一分数阈值,则可以将多个相机拍摄的图像进行图像拼接处理,并通过的预先训练的第二图像质量打分模型对拼接图进行质量打分,而确定拼接图的质量分数,然后可以根据拼接图的质量分数确定是否对摄像装置的标定数据标定成功。可见,采用本申请不再需要技术人员在对摄像装置外参标定的过程中,人为的判断是否对摄像装置标定成功,可以提高对车辆的摄像装置进行外参标定的效率。
图3是本申请实施例提供的一种对摄像装置标定数据的验证方法的流程图。参见图3,该实施例包括:
步骤301、将多个摄像装置拍摄的多组图像分别输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值。
在实施中,在对车辆的各个摄像装置的进行外参标定时,可采用视频标定的方式对车辆的各个摄像装置进行外参标定,即可以控制各个摄像装置同时拍摄一段固定时长的视频。然后可以将在多个视频中具有相同位置的图像(即拍摄时间相同的视频帧)组成一组图像。对于每组图像,都可以将每组图像中的各个输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值。其中,通过第一图像质量打分模型得到图像对应的第一质量分值的处理,可参见上述步骤201,此次不再赘述。
步骤302、如果存在至少一组图像中的各图像对应的第一质量分值均大于第一分数阈值,则基于由至少一组图像对多个摄像装置进行外参标定得到的标定数据,对至少一组图像中的各图像进行图像拼接处理,得到至少一个拼接图。
对于一组图像,如果该组图像中的包括的各个图像对应的第一质量分值都大于对应的第一分数阈值,则可以确定该组图像的质量不存在问题,可以进行后续的图像拼接处理。而如果对于一组图像,在该组图像中的存在对应图像的第一质量分值小于或等于对应的第一分数阈值,则可以确定该组图像的质量存在问题,通过该组图像进行外参标定的标定数据可能存在较大的误差,因此可以舍弃通过该组图片进行外参标定,则可以不进行后续的图像拼接处理。
也就是说,如果在多组图像中存在至少一组图像中的各图像对应的第一质量分值均大于第一分数阈值,则可以根据对应组的图像进行外参标定得到的标定数据,并对对应的组的各图像进行图像拼接处理,得到至少一组图像中,每组图像对应的拼接图。
步骤303、将至少一个拼接图输入到预先训练的第二图像质量打分模型,得到至少一个拼接图对应的第二质量分值。
在实施中,在得到至少一组图像中每组图像对应的拼接图后。可以将对应的拼接图分别输入到第二图像质量打分模型中,根据第二图像质量打分模型得到每个拼接图对应的第二质量分值。其中,通过第二图像质量打分模型得到图像对应的第二质量分值的处理,可参见上述步骤203,此次不再赘述。
步骤304、如果在至少一个拼接图中,存在对应的第二质量分值大于第二分数阈值的拼接图,则确定对多个摄像装置标定正确。
如果在多个拼接图中确定存在对应的第二质量分值大于第二分数阈值的拼接图,则可以确定对多个摄像装置的标定数据标定正确。
另外,如果至少一个拼接图中不存在对应的第二质量分值大于第二分数阈值的拼接图,或者在步骤303中不存在至少一组图像中的各图像对应的第一质量分值均大于第一分数阈值,则可以确定对多个相机标定失败。在确定对多个相机标定失败后,可以根据第一图像质量打分模型对各个图像输出的环境亮度指示值、标定板状态指示值以及车辆状态指示值,确定对多个摄像装置标定失败的原因,并对失败原因进行显示,具体可参见上述步骤202的处理。或者可以根据第二图像质量打分模型输出的摄像装置拼缝状态指示值、摄像装置畸变程度指示值以及摄像装置几何状态指示值,确定对多个摄像装置标定失败的原因,并对失败原因进行显示,具体可参见上述步骤204的处理。
步骤305、基于对应的第一质量分值大于第一分数阈值的拼接图,确定多个摄像装置的标定数据。
在实施中,在确定对多个摄像装置的外参标定成功后,如果多对应的第二质量分值大于第一分数阈值的拼接图只有一个,则可以将该大于第二分数阈值的拼接图对应的标定数据确定为车辆相机的标定数据。如果对应的第二质量分值大于第二分数阈值的拼接图包括多个,则可以在多个对应的大于第二分数阈值的拼接图中确定目标拼接图,将该目标拼接图对应的标定数据确定为车辆相机的标定数据。例如可以将对应的第二质量分值最高的拼接图确定为目标拼接图。
可选的,本申请还提供了一种确定标定数据的方法,如下:如果存在多个对应的第二质量分值大于第二分数阈值的拼接图,则在多个对应的第二质量分值大于第二分数阈值的拼接图中,确定对应第二质量分值最高的预设数目个拼接图;对预设数目个拼接图进行显示;接收预设数目个拼接图中目标拼接图的选择指令,将目标拼接图对应的标定数据确定为多个摄像装置的标定数据。
在实施中,如果存在多个对应的第二质量分值大于第二分数阈值的拼接图,则可以对第二质量分值最高的预设数目个拼接图进行显示。例如对进行图像处理的终端为车载终端,则可以将预设数据个拼接图显示在车载终端的屏幕上。如图4所示,可以将第一质量分值最高的拼接图显示为最佳拼接图,然后将第一质量分值次高的拼接图显示为候选拼接图。技术人员可以对显示的多个拼接图进行观察,再次人为的确定质量最好的拼接图,如果最佳拼接图为质量最好的拼接图则可以点击确认,此时目标拼接图为最佳拼接图,目标拼接图的选择指令可根据技术人员点击确认选项后触发。如果确定质量最好的拼接图在候选拼接图中,则可以对确定的候选拼接图进行选定,并点击确认选项触发目标拼接图的选择指令,此时目标拼接图为技术人员选定的候选拼接图。车载终端接收到目标拼接图的选择指令,可以在当前显示的预设数目个拼接图中,确定选定指令对应的目标拼接图,并将通过目标拼接图确定的标定数据确定为当前车辆的各相机对应的标定数据。
在本申请实施例中,可以控制车辆的摄像装置采用视频标定的方式对车辆的各个摄像装置进行外参标定,只要能够利用多个摄像装置拍摄的视频中任一组一视频帧,成功的对各个摄像装置的外参标定,即可以完成对摄像装置的外参标定。可见在本申请还能够提高对车辆各个摄像装置进行外参标定的成功率。另外在本申请中,还可以将得到的对应第一质量分值较高的多个拼接图进行显示,再由技术人员对显示的拼接图进行选择,从而确定车辆的摄像装置对应的标定数据。如此通过机选加人选的方式能够为车辆的摄像装置确定更准确的标定数据。
本申请通过预先训练的第一图像质量打分模型,对车辆的多个相机拍摄的图像分别进行质量打分,如果对应的第一质量分值都大于预设的第一分数阈值,则可以将多个相机拍摄的图像进行图像拼接处理,并通过的预先训练的第二图像质量打分模型对拼接图进行质量打分,而确定拼接图的质量分数,然后可以根据拼接图的质量分数确定是否对摄像装置的标定数据标定成功。可见,采用本申请不再需要技术人员在对摄像装置外参标定的过程中,人为的判断是否对摄像装置标定成功,可以提高对车辆的摄像装置进行外参标定的效率。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
如图5所示,本申请提供了一种对摄像装置标定数据的验证装置,该装置可以是上述实施例的终端,参见图5,该装置包括:
打分模块510,用于将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值;
拼接模块520,用于如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图;
所述打分模块510,用于将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值;
确定模块530,用于如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确。
可选的,所述打分模块510用于:
将所述多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,由所述第一图像质量打分模型分别输出每个输入的图像对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值,其中,所述标定板状态指示值用于指示所述标定板出现遮挡、污损的程度,所述车辆状态指示值用于指示所述车辆在标定场地中的位置以及所述车辆的各个部件的位置偏离对应预设位置的程度;
分别对所述多个摄像装置拍摄的每个图像对应的亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到所述每个图像对应的第一质量分值。
可选的,所述确定模块530还用于:
如果存在摄像装置拍摄的图像对应的第一质量分值小于等于所述第一分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第一图像质量打分模型输出所述环境亮度指示值、所述标定板状态指示值以及所述车辆状态指示值,确定对所述多个摄像装置标定失败的原因。
可选的,所述打分模块510用于:
将所述拼接图输入到预先训练的第二图像质量打分模型,由所述第二图像质量打分模型输出所述拼接图对应的拼缝状态指示值、畸变程度指示值以及所述拼接图中标定板的几何状态指示值,其中,所述拼缝状态指示值用于指示所述拼接图中出现的拼缝处对应的图像错位程度,所述标定板的几何状态指示值用于指示所述拼接图中显示的标定板与实际的标定板的形状匹配程度;
对所述拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值进行加权求和处理,得到所述拼接图对应的第二质量分值。
可选的,所述确定模块530还用于:
如果所述第二质量分值小于等于所述第二分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第二图像质量打分模型输出的所述拼缝状态指示值、所述畸变程度指示值以及所述几何状态指示值,确定对所述多个摄像装置标定失败的原因。
可选的,所述打分模块510用于:
将所述多个摄像装置拍摄的多组图像分别输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值;
所述拼接模块用于:如果存在至少一组图像中的各图像对应的第一质量分值均大于所述第一分数阈值,则基于由所述至少一组图像对所述多个摄像装置进行外参标定得到的标定数据,对所述至少一组图像中的各图像进行图像拼接处理,得到至少一个拼接图。
可选的,所述打分模块510用于:
将所述至少一个拼接图输入到所述预先训练的第二图像质量打分模型,得到所述至少一个拼接图对应的第二质量分值;
所述确定模块用于:如果在所述至少一个拼接图中,存在对应的第二质量分值大于所述第二分数阈值的拼接图,则确定对所述多个摄像装置标定正确;
所述装置还包括显示模块,用于:基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据。
可选的,所述显示模块还用于:
如果存在多个对应的第二质量分值大于所述第二分数阈值的拼接图,则在所述多个对应的第二质量分值大于所述第二分数阈值的拼接图中,确定对应第二质量分值最高的预设数目个拼接图;
对所述预设数目个拼接图进行显示;
接收所述预设数目个拼接图中目标拼接图的选择指令,将所述目标拼接图对应的标定数据确定为所述多个摄像装置的标定数据。
需要说明的是:上述实施例提供的对摄像装置标定数据的验证的装置在对摄像装置标定数据的进行验证时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将终端的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的对摄像装置标定数据的验证的装置与对摄像装置标定数据的验证的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图6示出了本申请一个示例性实施例提供的计算机设备600的结构框图。该计算机设备600可以是上述实施例中的终端,比如:车载终端、智能手机、平板电脑、MP3播放器(moving picture experts group audio layer III,动态影像专家压缩标准音频层面3)、MP4(moving picture experts group audio layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。计算机设备600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,计算机设备600包括有:处理器601和存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(digital signal processing,数字信号处理)、FPGA(field-programmable gate array,现场可编程门阵列)、PLA(programmable logic array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(central processingunit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以集成有GPU(graphics processing unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(artificial intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的对摄像装置标定数据的验证的方法。
在一些实施例中,计算机设备600还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(input/output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(radio frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(wireless fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(near field communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏605用于显示UI(user interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置在计算机设备600的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在计算机设备600的不同表面或呈折叠设计;在另一些实施例中,显示屏605可以是柔性显示屏,设置在计算机设备600的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(liquid crystal display,液晶显示屏)、OLED(organic light-emittingdiode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(virtual reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在计算机设备600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
定位组件608用于定位计算机设备600的当前地理位置,以实现导航或LBS(location based service,基于位置的服务)。定位组件608可以是基于美国的GPS(globalpositioning system,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源609用于为计算机设备600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,计算机设备600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于:加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以计算机设备600建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号,控制显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测计算机设备600的机体方向及转动角度,陀螺仪传感器612可以与加速度传感器611协同采集用户对计算机设备600的3D动作。处理器601根据陀螺仪传感器612采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在计算机设备600的侧边框和/或显示屏605的下层。当压力传感器613设置在计算机设备600的侧边框时,可以检测用户对计算机设备600的握持信号,由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在显示屏605的下层时,由处理器601根据用户对显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹,由处理器601根据指纹传感器614采集到的指纹识别用户的身份,或者,由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器601授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置在计算机设备600的正面、背面或侧面。当计算机设备600上设置有物理按键或厂商Logo时,指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器615采集的环境光强度,控制显示屏605的显示亮度。具体地,当环境光强度较高时,调高显示屏605的显示亮度;当环境光强度较低时,调低显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器615采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器616,也称距离传感器,通常设置在计算机设备600的前面板。接近传感器616用于采集用户与计算机设备600的正面之间的距离。在一个实施例中,当接近传感器616检测到用户与计算机设备600的正面之间的距离逐渐变小时,由处理器601控制显示屏605从亮屏状态切换为息屏状态;当接近传感器616检测到用户与计算机设备600的正面之间的距离逐渐变大时,由处理器601控制显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图6中示出的结构并不构成对计算机设备600的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述实施例中对摄像装置标定数据的验证的方法。该计算机可读存储介质可以是非暂态的。例如,所述计算机可读存储介质可以是ROM(read-only memory,只读存储器)、RAM(random access memory,随机存取存储器)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (16)
1.一种对摄像装置标定数据的验证方法,其特征在于,所述方法包括:
将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值;
如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图;
将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值;
如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确;
所述将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值,包括:
将所述多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,由所述第一图像质量打分模型分别输出每个输入的图像对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值,其中,所述标定板状态指示值用于指示所述标定板出现遮挡、污损的程度,所述车辆状态指示值用于指示所述车辆在标定场地中的位置以及所述车辆的各个部件的位置偏离对应预设位置的程度;
分别对所述多个摄像装置拍摄的每个图像对应的亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到所述每个图像对应的第一质量分值。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果存在摄像装置拍摄的图像对应的第一质量分值小于等于所述第一分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第一图像质量打分模型输出所述环境亮度指示值、所述标定板状态指示值以及所述车辆状态指示值,确定对所述多个摄像装置标定失败的原因。
3.根据权利要求1所述的方法,其特征在于,所述将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值,包括:
将所述拼接图输入到预先训练的第二图像质量打分模型,由所述第二图像质量打分模型输出所述拼接图对应的拼缝状态指示值、畸变程度指示值以及所述拼接图中标定板的几何状态指示值,其中,所述拼缝状态指示值用于指示所述拼接图中出现的拼缝处对应的图像错位程度,所述标定板的几何状态指示值用于指示所述拼接图中显示的标定板与实际的标定板的形状匹配程度;
对所述拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值进行加权求和处理,得到所述拼接图对应的第二质量分值。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述第二质量分值小于等于所述第二分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第二图像质量打分模型输出的所述拼缝状态指示值、所述畸变程度指示值以及所述几何状态指示值,确定对所述多个摄像装置标定失败的原因。
5.根据权利要求1所述的方法,其特征在于,所述将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值,包括:
将所述多个摄像装置拍摄的多组图像分别输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值;
所述如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图,包括:
如果存在至少一组图像中的各图像对应的第一质量分值均大于所述第一分数阈值,则基于由所述至少一组图像对所述多个摄像装置进行外参标定得到的标定数据,对所述至少一组图像中的各图像进行图像拼接处理,得到至少一个拼接图。
6.根据权利要求5所述的方法,其特征在于,所述将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值,包括:
将所述至少一个拼接图输入到所述预先训练的第二图像质量打分模型,得到所述至少一个拼接图对应的第二质量分值;
所述如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确,包括:
如果在所述至少一个拼接图中,存在对应的第二质量分值大于所述第二分数阈值的拼接图,则确定对所述多个摄像装置标定正确;
所述方法还包括:基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据。
7.根据权利要求6所述的方法,其特征在于,所述基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据,包括:
如果存在多个对应的第二质量分值大于所述第二分数阈值的拼接图,则在所述多个对应的第二质量分值大于所述第二分数阈值的拼接图中,确定对应第二质量分值最高的预设数目个拼接图;
对所述预设数目个拼接图进行显示;
接收所述预设数目个拼接图中目标拼接图的选择指令,将所述目标拼接图对应的标定数据确定为所述多个摄像装置的标定数据。
8.一种对摄像装置标定数据的验证装置,其特征在于,所述装置包括:
打分模块,用于将车辆的多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,得到每个摄像装置拍摄的图像对应的第一质量分值;
拼接模块,用于如果每个摄像装置拍摄的图像对应的第一质量分值大于预设的第一分数阈值,则基于对所述多个摄像装置进行外参标定后得到的标定数据,对所述多个摄像装置拍摄的图像进行图像拼接处理,得到所述图像拼接处理后的拼接图;
所述打分模块,用于将所述拼接图输入到预先训练的第二图像质量打分模型,得到所述拼接图对应的第二质量分值;
确定模块,用于如果所述第二质量分值大于预设的第二分数阈值,则确定对所述多个摄像装置标定正确;
所述打分模块用于:
将所述多个摄像装置拍摄的图像分别输入到预先训练的第一图像质量打分模型中,由所述第一图像质量打分模型分别输出每个输入的图像对应的环境亮度指示值、标定板状态指示值以及车辆状态指示值,其中,所述标定板状态指示值用于指示所述标定板出现遮挡、污损的程度,所述车辆状态指示值用于指示所述车辆在标定场地中的位置以及所述车辆的各个部件的位置偏离对应预设位置的程度;
分别对所述多个摄像装置拍摄的每个图像对应的亮度指示值、标定板状态指示值以及车辆状态指示值,进行加权求和处理,得到所述每个图像对应的第一质量分值。
9.根据权利要求8所述的装置,其特征在于,所述确定模块还用于:
如果存在摄像装置拍摄的图像对应的第一质量分值小于等于所述第一分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第一图像质量打分模型输出所述环境亮度指示值、所述标定板状态指示值以及所述车辆状态指示值,确定对所述多个摄像装置标定失败的原因。
10.根据权利要求8所述的装置,其特征在于,所述打分模块用于:
将所述拼接图输入到预先训练的第二图像质量打分模型,由所述第二图像质量打分模型输出所述拼接图对应的拼缝状态指示值、畸变程度指示值以及所述拼接图中标定板的几何状态指示值,其中,所述拼缝状态指示值用于指示所述拼接图中出现的拼缝处对应的图像错位程度,所述标定板的几何状态指示值用于指示所述拼接图中显示的标定板与实际的标定板的形状匹配程度;
对所述拼缝状态指示值、畸变程度指示值以及标定板的几何状态指示值进行加权求和处理,得到所述拼接图对应的第二质量分值。
11.根据权利要求10所述的装置,其特征在于,所述确定模块还用于:
如果所述第二质量分值小于等于所述第二分数阈值,则确定对所述多个摄像装置标定失败;
基于所述第二图像质量打分模型输出的所述拼缝状态指示值、所述畸变程度指示值以及所述几何状态指示值,确定对所述多个摄像装置标定失败的原因。
12.根据权利要求8所述的装置,其特征在于,所述打分模块用于:
将所述多个摄像装置拍摄的多组图像分别输入到预先训练的第一图像质量打分模型中,得到每组图像中各图像对应的第一质量分值;
所述拼接模块用于:如果存在至少一组图像中的各图像对应的第一质量分值均大于所述第一分数阈值,则基于由所述至少一组图像对所述多个摄像装置进行外参标定得到的标定数据,对所述至少一组图像中的各图像进行图像拼接处理,得到至少一个拼接图。
13.根据权利要求12所述的装置,其特征在于,所述打分模块用于:
将所述至少一个拼接图输入到所述预先训练的第二图像质量打分模型,得到所述至少一个拼接图对应的第二质量分值;
所述确定模块用于:如果在所述至少一个拼接图中,存在对应的第二质量分值大于所述第二分数阈值的拼接图,则确定对所述多个摄像装置标定正确;
所述装置还包括显示模块,用于:基于所述对应的第二质量分值大于所述第二分数阈值的拼接图,确定所述多个摄像装置的标定数据。
14.根据权利要求13所述的装置,其特征在于,所述显示模块还用于:
如果存在多个对应的第二质量分值大于所述第二分数阈值的拼接图,则在所述多个对应的第二质量分值大于所述第二分数阈值的拼接图中,确定对应第二质量分值最高的预设数目个拼接图;
对所述预设数目个拼接图进行显示;
接收所述预设数目个拼接图中目标拼接图的选择指令,将所述目标拼接图对应的标定数据确定为所述多个摄像装置的标定数据。
15.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求7任一项所述的对摄像装置标定数据的验证方法所执行的操作。
16.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如权利要求1至权利要求7任一项所述的对摄像装置标定数据的验证方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665201.3A CN113470116B (zh) | 2021-06-16 | 2021-06-16 | 对摄像装置标定数据的验证方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665201.3A CN113470116B (zh) | 2021-06-16 | 2021-06-16 | 对摄像装置标定数据的验证方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470116A CN113470116A (zh) | 2021-10-01 |
CN113470116B true CN113470116B (zh) | 2023-09-01 |
Family
ID=77870177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110665201.3A Active CN113470116B (zh) | 2021-06-16 | 2021-06-16 | 对摄像装置标定数据的验证方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470116B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821544B (zh) * | 2022-06-29 | 2023-04-11 | 小米汽车科技有限公司 | 感知信息生成方法、装置、车辆、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104363443A (zh) * | 2014-11-08 | 2015-02-18 | 天津大学 | 基于立体扰动的立体相机会聚拍摄客观评价方法 |
CN107464218A (zh) * | 2016-06-02 | 2017-12-12 | 维森软件技术(上海)有限公司 | 汽车标定系统及其标定方法 |
CN110006452A (zh) * | 2019-04-17 | 2019-07-12 | 武汉大学 | 高分六号宽视场相机相对几何定标方法及系统 |
CN110349219A (zh) * | 2018-04-04 | 2019-10-18 | 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及装置 |
CN110706282A (zh) * | 2019-10-31 | 2020-01-17 | 镁佳(北京)科技有限公司 | 全景系统自动标定方法、装置、可读存储介质及电子设备 |
CN110910459A (zh) * | 2018-12-27 | 2020-03-24 | 北京爱笔科技有限公司 | 一种对摄像装置的标定方法、装置及标定设备 |
CN110930382A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
CN111210399A (zh) * | 2018-11-22 | 2020-05-29 | 杭州海康威视数字技术股份有限公司 | 一种成像质量评价方法、装置及设备 |
CN112215886A (zh) * | 2020-10-10 | 2021-01-12 | 深圳道可视科技有限公司 | 全景泊车的标定方法及其系统 |
CN112581546A (zh) * | 2020-12-30 | 2021-03-30 | 深圳市杉川机器人有限公司 | 摄像头标定方法、装置、计算机设备和存储介质 |
CN112634374A (zh) * | 2020-12-18 | 2021-04-09 | 杭州海康威视数字技术股份有限公司 | 双目相机的立体标定方法、装置、系统及双目相机 |
EP3806041A1 (en) * | 2019-10-09 | 2021-04-14 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for jointly calibrating external parameters of multiple cameras, device and medium |
CN113012104A (zh) * | 2021-02-08 | 2021-06-22 | 格力电器(芜湖)有限公司 | 器件翅片数量检测方法、控制器及装置、存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180281698A1 (en) * | 2017-03-31 | 2018-10-04 | Magna Electronics Inc. | Vehicular camera calibration system |
-
2021
- 2021-06-16 CN CN202110665201.3A patent/CN113470116B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104363443A (zh) * | 2014-11-08 | 2015-02-18 | 天津大学 | 基于立体扰动的立体相机会聚拍摄客观评价方法 |
CN107464218A (zh) * | 2016-06-02 | 2017-12-12 | 维森软件技术(上海)有限公司 | 汽车标定系统及其标定方法 |
CN110349219A (zh) * | 2018-04-04 | 2019-10-18 | 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及装置 |
CN111210399A (zh) * | 2018-11-22 | 2020-05-29 | 杭州海康威视数字技术股份有限公司 | 一种成像质量评价方法、装置及设备 |
CN110910459A (zh) * | 2018-12-27 | 2020-03-24 | 北京爱笔科技有限公司 | 一种对摄像装置的标定方法、装置及标定设备 |
CN110006452A (zh) * | 2019-04-17 | 2019-07-12 | 武汉大学 | 高分六号宽视场相机相对几何定标方法及系统 |
EP3806041A1 (en) * | 2019-10-09 | 2021-04-14 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for jointly calibrating external parameters of multiple cameras, device and medium |
CN110706282A (zh) * | 2019-10-31 | 2020-01-17 | 镁佳(北京)科技有限公司 | 全景系统自动标定方法、装置、可读存储介质及电子设备 |
CN110930382A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
CN112215886A (zh) * | 2020-10-10 | 2021-01-12 | 深圳道可视科技有限公司 | 全景泊车的标定方法及其系统 |
CN112634374A (zh) * | 2020-12-18 | 2021-04-09 | 杭州海康威视数字技术股份有限公司 | 双目相机的立体标定方法、装置、系统及双目相机 |
CN112581546A (zh) * | 2020-12-30 | 2021-03-30 | 深圳市杉川机器人有限公司 | 摄像头标定方法、装置、计算机设备和存储介质 |
CN113012104A (zh) * | 2021-02-08 | 2021-06-22 | 格力电器(芜湖)有限公司 | 器件翅片数量检测方法、控制器及装置、存储介质 |
Non-Patent Citations (1)
Title |
---|
基于视觉追踪技术的三维点云自动拼接方法及精度分析;王智 等;《测绘通报》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113470116A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108305236B (zh) | 图像增强处理方法及装置 | |
CN109948586B (zh) | 人脸验证的方法、装置、设备及存储介质 | |
CN109558837B (zh) | 人脸关键点检测方法、装置及存储介质 | |
CN109302632B (zh) | 获取直播视频画面的方法、装置、终端及存储介质 | |
CN109886208B (zh) | 物体检测的方法、装置、计算机设备及存储介质 | |
WO2021238564A1 (zh) | 显示设备及其畸变参数确定方法、装置、系统及存储介质 | |
CN111982305A (zh) | 温度测量方法、装置及计算机存储介质 | |
CN113763228A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112396076A (zh) | 车牌图像生成方法、装置及计算机存储介质 | |
CN111753606A (zh) | 一种智能模型的升级方法及装置 | |
CN113470116B (zh) | 对摄像装置标定数据的验证方法、装置、设备及存储介质 | |
CN111127541A (zh) | 车辆尺寸的确定方法、装置及存储介质 | |
CN111179628B (zh) | 自动驾驶车辆的定位方法、装置、电子设备及存储介质 | |
CN112967261B (zh) | 图像融合方法、装置、设备及存储介质 | |
CN112243083B (zh) | 抓拍方法、装置及计算机存储介质 | |
CN113709353B (zh) | 图像采集方法和设备 | |
CN111127539B (zh) | 视差确定方法、装置、计算机设备及存储介质 | |
CN111723615B (zh) | 对检测物图像进行检测物匹配判定的方法和装置 | |
CN111757146B (zh) | 视频拼接的方法、系统及存储介质 | |
CN110717365B (zh) | 一种获取图片的方法及装置 | |
CN110443841B (zh) | 地面深度的测量方法、装置及系统 | |
CN110517188B (zh) | 确定鸟瞰图像的方法和装置 | |
CN112241987A (zh) | 确定防区的系统、方法、装置及存储介质 | |
CN112150554B (zh) | 画面显示方法、装置、终端和存储介质 | |
CN111353934B (zh) | 一种视频合成的方法及装置 |
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 |