CN113628283B - 摄像装置的参数标定方法、装置、介质以及电子设备 - Google Patents

摄像装置的参数标定方法、装置、介质以及电子设备 Download PDF

Info

Publication number
CN113628283B
CN113628283B CN202110912188.7A CN202110912188A CN113628283B CN 113628283 B CN113628283 B CN 113628283B CN 202110912188 A CN202110912188 A CN 202110912188A CN 113628283 B CN113628283 B CN 113628283B
Authority
CN
China
Prior art keywords
calibrated
imaging device
matrix
coordinate system
camera
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
Application number
CN202110912188.7A
Other languages
English (en)
Other versions
CN113628283A (zh
Inventor
刘强
张家馨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Horizon Journey Hangzhou Artificial Intelligence Technology Co ltd
Original Assignee
Horizon Journey Hangzhou Artificial Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Horizon Journey Hangzhou Artificial Intelligence Technology Co ltd filed Critical Horizon Journey Hangzhou Artificial Intelligence Technology Co ltd
Priority to CN202110912188.7A priority Critical patent/CN113628283B/zh
Publication of CN113628283A publication Critical patent/CN113628283A/zh
Application granted granted Critical
Publication of CN113628283B publication Critical patent/CN113628283B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85Stereo camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10012Stereo images

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

公开了一种摄像装置的参数标定方法、装置、介质以及电子设备,其中的方法包括:对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点;对所述多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对;根据所述匹配的多个特征点对以及所述待标定摄像装置和参考摄像装置间的距离,确定所述待标定摄像装置的外参。本公开提供的技术方案有利于便捷准确的重新标定摄像装置的外参。对于智能驾驶应用而言,有利于提高车辆行驶的安全性。

Description

摄像装置的参数标定方法、装置、介质以及电子设备
技术领域
本公开涉及参数标定技术,尤其涉及一种摄像装置的参数标定方法、摄像装置的参数标定装置、存储介质以及电子设备。
背景技术
在ADAS(Advanced Driving Assistant System,高级驾驶辅助系统)等应用中,通常需要使用多个摄像装置。例如,在车辆上安装多个摄像装置,以实现自动巡航或者智能驾驶等功能。
多个摄像装置在使用过程中,摄像装置之间的相对位置可能会发生变化。例如,车辆的震动以及车内的高温严寒等因素可能会导致固定摄像装置的螺钉松动,从而使两个摄像装置之间的相对位置发生变化。再例如,摄像装置的更换可能会导致更换后的摄像装置与更换前的摄像装置的位置发生变化,从而使两个摄像装置之间的相对位置发生变化。
在两个摄像装置之间的相对位置发生变化的情况下,通常需要对摄像装置的外参重新进行标定。如何便捷准确的重新标定摄像装置的外参,是一个值得关注的技术问题。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种摄像装置的参数标定方法、装置、存储介质以及电子设备。
根据本公开实施例的一个方面,提供了一种摄像装置的参数标定方法,该方法包括:对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点;对多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对;根据匹配的多个特征点对以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的外参。
根据本公开实施例的再一个方面,提供了一种摄像装置的参数标定装置,该装置包括:获取特征点模块,用于对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点;特征点匹配模块,用于对获取特征点模块获得的多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对;确定外参模块,用于根据特征点匹配模块获得的多个特征点对以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的外参。
根据本公开实施例的再一方面,提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序用于实现上述方法。
根据本公开实施例的又一方面,提供了一种电子设备,该电子设备包括:处理器;用于存储处理器可执行指令的存储器;处理器,用于从存储器中读取可执行指令,并执行指令以实现上述方法。
基于本公开上述实施例提供的一种摄像装置的参数标定方法和装置,通过对两个摄像装置分别拍摄的图像进行特征点提取,并对特征点进行匹配,可以随时随地的获得匹配的特征点对;通过利用匹配的特点对和已知的两个摄像装置间的距离,可以随时随地的确定出待标定摄像装置的外参。由此可知,本公开提供的技术方案有利于便捷准确的重新标定摄像装置的外参。对于智能驾驶而言,有利于提高车辆行驶的安全性。
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
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征以及优势将变得更加明显。附图用来提供对本公开实施例的进一步的理解,并且构成说明书的一部分,与本公开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,相同的参考标号通常代表相同部件或步骤。
图1是本公开所适用的场景示意图;
图2为本公开的摄像装置的参数标定方法一个实施例的流程图;
图3为本公开的摄像装置的参数标定方法的又一个实施例的流程图;
图4为本公开的摄像装置的参数标定方法的一个实施例中用于确定平移矩阵的流程图;
图5为本公开的摄像装置的参数标定方法的又一个实施例的流程示意图;
图6为本公开的摄像装置的参数标定装置的一个实施例的结构示意图;
图7为本公开的摄像装置的参数标定装置的又一个实施例的结构示意图;
图8是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅是一种描述关联对象的关联关系,表示可以存在三种关系,如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开的实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或者专用计算系统环境或配置一起操作。适于与终端设备、计算机系统或者服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施。在分布式云计算环境中,任务可以是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本公开概述
在实现本公开的过程中,发明人发现,目前通常是利用已知大小的棋盘格等特定设备来对摄像装置的外参进行标定。利用棋盘格对摄像装置的外参进行标定的过程可以为:首先,将已知大小的棋盘格设置在多个摄像装置的视场角范围内;其次,每个摄像装置均针对该棋盘格进行拍摄,获得多个包含有棋盘格的图像;之后,可以从多幅图像中确定出棋盘格中的多个相同角点,由于棋盘格中的角点间的距离是已知的,分别计算出其在对应摄像装置的3D坐标系中的3D坐标,获得相同角点的多个3D坐标,之后,根据相同角点的多个3D坐标即可计算出一个摄像装置相对于另一个摄像装置的外参,例如,两个摄像装置间的旋转矩阵和平移矩阵。
上述标定方式由于需要预先准备棋盘格等特定设备,而使标定过程存在不便之处。如果能够在不借助特定设备的情况下,随时随地的实现摄像装置的外参标定,则能够较大程度上提高外参标定的便捷性。
示例性概述
本公开提出的摄像装置的参数标定方法,基于两个摄像装置分别拍摄的图像,可以随时随地的确定出待标定摄像装置的外参。有利于便捷准确的重新标定摄像装置的外参。对于智能驾驶而言,有利于提高车辆行驶的安全性。
下面结合图1进行示例性说明,图1使出了本公开的摄像装置的参数标定方法的一个应用场景示意图。在图1所示的场景中,车辆100上安装有多个摄像装置,分别从多个角度采集图像,车载电脑或远端服务器基于采集到的图像,通过图像识别、数据分析等处理方式,为车辆提供辅助驾驶功能,例如可以是自动巡航、自动泊车、并线辅助或智能驾驶等。其中,预先校准过的摄像装置101与摄像装置102可以同时采集车辆前方的图像,车辆的行车电脑中的自动巡航模块可以基于相机参数(例如可以是相机内参和校准时确定的相机外参),对两个摄像装置提供的实时图像进行识别、配准等操作,以确定车辆前方的实时路况,从而实现车辆的自动巡航功能。
当摄像装置102发生松动时,摄像装置102的位姿就会产生偏移,导致摄像装置102的实际参数与校准时确定的参数不再一致。可以理解的是,此时车辆的自动巡航模块仍基于校准时确定的参数对采集到的图像进行识别和配准操作时,准确度会下降,从而影响到行车安全。
本公开提供的摄像装置的参数标定方法的执行主体例如可以是车辆的行车电脑,行车电脑可以将摄像装置102确定为待标定摄像装置,将摄像装置101确定为参考摄像装置。从两个摄像装置采集的图像中分别提取多个特征点,通过特征点匹配处理,得到多个匹配的特征点对,然后结合两个摄像装置之间的距离,确定摄像装置102的外参,例如可以是相对于摄像装置103的位姿矩阵。
需要说明的是,虽然摄像装置102的位置会发生偏移,但是该偏移距离通常远远小于两个摄像装置之间的距离,因而偏移距离对参数标定精度的影响极其细微。出于上述考虑,本公开将偏移距离忽略不计,即假设两个摄像装置之间的距离预先确定的。
示例性方法
图2为本公开的摄像装置的参数标定方法一个实施例的流程图。如图2所示的流程包括:S200、S201以及S202。下面对各步骤分别进行说明。
S200、对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点。
在本实施例中,待标定摄像装置与参考摄像装置的采集区域至少存在部分重合区域。第一特征点与第二特征点可以是表征图像中位置信息或实例信息的关键点,例如可以是角点、实例边界的交点等。
作为示例,车载电脑预先设置有图像处理单元,其中可以预先装载有进行图像处理算法的计算机指令,图像处理算法例如可以是各种类型的神经网络。车载电脑通过数据总线与待标定摄像装置和参考摄像装置通信,以获取第一图像和第二图像。之后,将第一图像和第二图像输入图像处理单元,图像处理单元通过执行预设的图像处理算法的计算机指令,可以从第一图像和第二图像中分别提取出多个第一特征点和多个第二特征点。
再例如,执行主体(例如图1所示的车辆的车载电脑或远程服务端)可以采用SIFT算法(Scale-invariant feature transform,尺度不变特征变换),通过高斯微分函数来识别出第一图像和第二图像中对于尺度和旋转不变的兴趣点,将这些识别出的兴趣点分别作为第一特征点和第二特征点,并生成兴趣点的描述子。
可以理解的是,特征点的数量与标定参数的准确度是正相关的,同时,特征点的数量与数据处理的运算量也是正相关的,因此,可以根据实际需求,均衡准确度与运算量,预先设定第一特征点和第二特征点的数量。
S201、对多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对。
在本实施例中,匹配的特征点对表征真实空间中的一个点同时对应的第一特征点和第二特征点。
作为示例,可以采用SIFT算法,分别确定出各个第一特征点的描述子与各个第二特征点的描述子的相似度,然后将相似度大于预设阈值的第一特征点和第二特征点确定为匹配的特征点对。
再例如,可以采用预训练的深度学习模型确定出各个第一特征点和各个第二特征点的相似度,然后将相似度大于预设阈值的到一特征点和第二特征点确定出匹配的特征点对,作为示例,可以是语义分割类模型或是卷积神经网络等深度学习模型。
S202、根据匹配的多个特征点对以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的外参。
在本实施例中,待标定摄像装置的外参用于表征待标定摄像装置相对于参考摄像装置的位置参数和姿态参数,例如可以用平移矩阵表征待标定摄像装相对于参考摄像装置的相对位置,可以用旋转矩阵表征待标定摄像装置相对于参考摄像装置的相对姿态。
在一个具体的示例中,执行主体(例如可以是图1所示的车辆的车载电脑或远程服务端)中预存有待标定摄像装置和参考摄像装置的相机参数,相机参数可以包括相机内参和相机外参,其中,相机内参表征相机的内部参数,是由相机自身的性能参数决定的,例如可以包括相机的焦距、主点、畸变系数等。相机外参是指相机的外参,用于表征相机在真实世界中的位姿,例如可以是参考摄像装置在世界坐标系中的坐标和相机的方位角。对于步骤S201中确定出的特征点对,首先,执行主体可以基于待标定摄像装置的相机内参和第一特征点在第一图像中的像素坐标,通过坐标变换确定出第一特征点在待标定摄像装置的相机坐标系中的坐标;以及,基于参考摄像装置的相机内参和第二特征点在第二图像中的像素坐标,通过坐标变换确定出第二特征点在参考摄像装置的相机坐标系中的坐标。之后,执行主体可以基于第一特征点在待标定摄像装置的相机坐标系中的坐标和待标定摄像装置的相机外参,确定出第一特征点在世界坐标系中的第一世界坐标;以及,基于参考摄像装置的相机外参和第二特征点在参考摄像装置的相机坐标系中的坐标,确定出第二特征点在世界坐标系中的第二世界坐标。需要说明的是,每个匹配特征点对中的第一特征点与第二特征点映射至真实世界中的同一个点,因而,两者在世界坐标系中的世界坐标是相同的,基于此,执行主体可以基于第一世界坐标与第二世界坐标的差值以及待标定摄像装置与参考摄像装置之间的距离,确定出待标定摄像装置相对于参考摄像装置的相对位置和相对姿态,即可确定待标定摄像装置的外参。
基于本公开上述实施例提供的一种摄像装置的参数标定方法和装置,通过对两个摄像装置分别拍摄的图像进行特征点提取,并对特征点进行匹配,可以随时随地的获得匹配的特征点对;通过利用匹配的特点对和已知的两个摄像装置间的距离,可以随时随地的确定出待标定摄像装置的外参。由此可知,本公开提供的技术方案有利于便捷准确的重新标定摄像装置的外参。对于智能驾驶而言,有利于提高车辆行驶的安全性。
接着参考图3,图3示出了本公开的摄像装置的参数标定方法的又一个实施例的流程图,如图3所示,该流程包括步骤S300、S301、S302、,下面对各步骤分别进行说明。
S300、对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点。
S301、对多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对。
在本实施例中,步骤S300至步骤S301与前述步骤S200至步骤S201相对应,此处不再赘述。
S302、根据匹配的多个特征点对、待标定摄像装置的内部参数以及参考摄像装置的内部参数,确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵。
在本实施例中,待标定摄像装置的三维坐标系表征待标定摄像装置的相机坐标系,参考摄像装置的三维坐标系表征参考摄像装置的相机坐标系。旋转矩阵用于表征待标定摄像装置相对于参考摄像装置的相对姿态。第一位移矩阵用于表征待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系在世界坐标系下的偏移方向。
作为示例,执行主体可以将步骤S301中确定出的匹配的特征点对输入预先训练的OpenCV模型中,通过OpenCV模型中封装的RANSAC(Random Sample Consensus,随机采样一致性)函数,确定出第一图像与第二图像之间的基础矩阵,基础矩阵表征真实世界中同一个点在第一图像与第二图像中的约束关系。之后,执行主体再从基础矩阵中提取出旋转矩阵和第一位移矩阵。
在另一个具体的示例中,执行主体可以从多个匹配的特征点对中选取出5个特征点对;然后通过坐标变换,分别确定出每个匹配的特征点对中第一特征点在待标定摄像装置的相机坐标系中的坐标,以及第二特征点在参考摄像装置的相机坐标系中的坐标;之后,基于5个特征点对确定出第一图像与第二图像之间的本质矩阵,本质矩阵用于表征真实世界中的同一个点在待标定摄像装置的视角和参考摄像装置的视角之间的约束关系;再之后,执行主体可以从本质矩阵中提取出旋转矩阵和第一位移矩阵。
在本实施例的一些可选的实现方式中,可以分别获取多张第一图像和多张第二图像,然后对这些第一图像和第二图像进行两两配对,并从每一组第一图像和第二图像中均确定出多个匹配的特征点对,然后对确定出的匹配的特征点对执行步骤S302,例如可以是输入预训练的OpenCV模型中,以确定出旋转矩阵和第一位移矩阵。如此,可以提高旋转矩阵和第一位移矩阵的准确度,进而提高摄像装置的参数标定的准确度。
S303、根据第一位移矩阵、以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的平移矩阵。
在本实施例中,平移矩阵表征待标定摄像装置相对于参考摄像装置的相对位置,步骤S302中确定的旋转矩阵表征待标定摄像装置相对于参考摄像装置的相对姿态,结合平移矩阵和旋转矩阵即可确定待标定摄像装置相对于参考摄像装置的相对位姿,即实现了对待标定摄像装置的参数标定。
步骤S302中确定出的第一位移矩阵可以表征待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系在世界坐标系下的偏移方向,结合待标定摄像装置和参考摄像装置间的距离可以确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系在世界坐标系下的偏移方向和偏移距离,如此一来,可以得到待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的平移矩阵。
通过图3可以看出,图3示出的摄像装置的参数标定方法的实施例突出了如下步骤:首先根据匹配的多个特征点对以及待标定摄像装置和参考摄像装置的相机内参确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵,然后根据第一位移矩阵、以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的平移矩阵,可以进一步提高摄像装置参数标定的准确度。
接着参考图4,在图3所示的实施例一个可选的实施方式中,步骤S302可以进一步包括图4所示的步骤S400和S401。
S400、根据所述第一位移矩阵的矢量长度和所述距离确定所述第一位移矩阵的缩放系数。
在本实现方式中,缩放系数用于表征第一位移矩阵与平移矩阵之间的对应关系,考虑到实践中待标定摄像头与参考摄像头之间的距离远大于待标定摄像头因松动产生的偏移,待标定摄像头因松动产生的偏移对于参数标定的精度影响较小,因此,本公开将待标定摄像头与参考摄像头之间的距离视为已知量。并且,第一位移矩阵表征待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系在世界坐标系下的偏移方向,结合待标定摄像头与参考摄像头之间的距离以及第一位移矩阵的矢量长度,可以确定出第一位移矩阵的缩放系数。
作为示例,可以预先通过对历史数据或实验数据的统计分析,确定出摄像头与参考摄像头之间的距离、第一位移矩阵的矢量长度与缩放系数之间的对应关系,之后,执行主体可以基于该对应关系,确定出第一位移矩阵的缩放系数。
S401、根据第一位移矩阵的缩放系数和距离,确定待标定摄像装置的平移矩阵。
在本实现方式中,平移矩阵表征待标定摄像装置相对于参考摄像装置的相对位置。
从图4可以看出,图4所示的用于确定待标定摄像装置的平移矩阵的流程,可以先根据待标定摄像头与参考摄像头之间的距离以及第一位移矩阵的矢量长度确定第一位移矩阵的缩放系数,之后根据该距离和缩放系数确定待标定摄像装置的平移矩阵,可以更便捷、更准确地确定摄像装置的相对位置参数。
在图4所示的流程的一个优选的实施方式中,在步骤S400中,可以将第一位移矩阵的矢量长度和距离的比值,作为缩放系数;在步骤S401中,可以将第一位移矩阵和缩放系统的比值,作为待标定摄像装置的平移矩阵。如此一来,可以进一步提高待标定摄像装置的平移矩阵的准确度。
接下来参考图5,图5示出了本公开的摄像装置的参数标定方法的又一个实施例的流程示意图,该流程包括步骤S500至步骤S505。
S500、对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点。
S501、对多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对。
在本实施例中,步骤S500至步骤S501与前述步骤S200至步骤S201相对应,此处不再赘述。
S502、从匹配的多个特征点对中选取预定数量的特征点对。
本实施例中,执行主体可以基于预设策略从匹配的多个特征点对中选取预定数量的特征点对,例如可以基于点的尺度和旋转不变形选取出角点概率较高的第一特征点和第二特征点。再例如,可以基于点的鲁棒性特征选取出鲁棒性较高的第一特征点和第二特征点,鲁棒性特征可以包括可重复性、可区别性、高效率和本地性等。
可以理解的是,参与摄像装置参数标定的特征点对数量越多,得到的摄像装置的参数的准确度也就越高,相应的,数据运算量也越大,因此,可以均衡准确度和运算量,确定选取特征点对的数量。作为示例,若采用5点法进行矩阵运算,则可以选取5个特征点对。若采用8点法进行矩阵运算,则可以选取8个特征点对,可以理解的是,前者的准确度低于后者,但是运算速度要比后者快。
S503、根据选取出的特征点对、待标定摄像装置的内部参数以及参考摄像装置的内部参数,计算待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的第一旋转矩阵和第二位移矩阵。
本实施例中的第一旋转矩阵和第二位移矩阵分别与前述实施例中的旋转矩阵和第一位移矩阵相对应,其计算方式可参考前述步骤S302或图4所示的流程,此处不再赘述。
S504、利用匹配的多个特征点对,对第一旋转矩阵和第二位移矩阵进行验证。
在本实施例中,第一旋转矩阵和第二位移矩阵可以表征待标定摄像装置相对于参考摄像装置的相对位姿,可以通过验证第一旋转矩阵和第二位移矩阵,评估参数标定的准确度。
在一个具体的示例中,执行主体可以从步骤S501中确定的多个特征点对中随机选取出预设数量的特征点对,然后对每个特征点执行如下验证步骤:基于待标定摄像装置的内部参数和第一特征点在第一图像中的像素坐标,确定出第一特征点在待标定摄像装置中的相机坐标系中的坐标,并基于第一旋转矩阵和第二位移矩阵将第一特征点在待标定摄像装置中的相机坐标系中的坐标转换为第一特征点在参考摄像装置的相机坐标系中的坐标;之后,基于参考摄像装置的内部参数和第二特征点在第二图像中的像素坐标,确定出第二特征点在参考摄像装置的相机坐标系中的坐标,通过对比第一特征点和第二特征点各自在参考摄像装置的相机坐标系中的坐标,对第一旋转矩阵和第二位移矩阵进行验证。若第一特征点和第二特征点各自在参考摄像装置的相机坐标系中的坐标的差值小于预设阈值,则确定该特征点对满足条件,若满足条件的特征点对的数量达到预设的数量阈值,或满足条件的特征点对的数量在全部特征点对中所占比例达到预设的比例阈值,则确定验证通过。
在本实施例的一个可选的实现方式中,还可以通过如下步骤对第一旋转矩阵和第二位移矩阵进行验证:利用第一旋转矩阵和第二位移矩阵,对匹配的多个特征点对中的第一特征点进行映射计算,获得多个特征点对各自对应的映射坐标;根据多个特征点对中的第二特征点分别在第二图像中的坐标和多个特征点对各自对应的映射坐标的差异,确定第一旋转矩阵和第二位移矩阵的验证结果。
在本实现方式中,映射坐标表征第一特征点在第二图像中的坐标,通过对比映射坐标与第二特征点在第二图像中的坐标之间的差异,可以对第一旋转矩阵与第二位移矩阵进行验证。
作为示例,执行主体可以首先基于待标定摄像装置的内部参数和第一特征点在第一图像中的坐标,确定出第一特征点在待标定摄像装置的相机坐标系中的坐标,并基于第一旋转矩阵和第二位移矩阵,将第一特征点在待标定摄像装置的相机坐标系中的坐标转换为第一特征点在参考摄像装置的相机坐标系中的坐标;之后,基于参考摄像装置的内部参数,将第一特征点在参考摄像装置的相机坐标系中的坐标转换为第一特征点的在第二图像中的坐标,即得到第一特征点的映射坐标。再之后,可以确定映射坐标与第二特征点在第二图像中的坐标之间的差异(例如可以是两个坐标之间的距离),若差异小于预设的差异阈值,则可以确定该特征点对满足条件,若满足条件的特征点对数量或比例大于预设阈值,则可以确定第一旋转矩阵和第二位移矩阵通过验证。
S505、若验证通过,则将第一旋转矩阵和第二位移矩阵作为待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵。
在本实施例中,验证通过表示第一旋转矩阵和第二位移矩阵表征待标定摄像装置相对于参考摄像装置的相对位姿的准确度符合条件,此时可以将第一旋转矩阵和第二位移矩阵作为待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵,即完成对待标定摄像装置的参数标定。
在本实施例的一个可选的实现方式中,若验证未通过,则再次从匹配的多个特征点对中选取预定数量的特征点对,以再次获得第一旋转矩阵和第二位移矩阵。
在本实现方式中,若验证未通过,表示第一旋转矩阵和第二位移矩阵表征待标定摄像装置相对于参考摄像装置的相对位姿的准确度较低,此时若将第一旋转矩阵和第二位移矩阵作为待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵,则会导致较大的误差。为避免这种情况,可以再次执行上述步骤S502和步骤S503,以从匹配的多个特征点对中选取预定数量的特征点对,并再次获得第一旋转矩阵和第二位移矩阵。之后,对再次获得的第一旋转矩阵和第二位移矩阵执行上述步骤S504对其进行验证,直至确定出的第一旋转矩阵和第二位移矩阵通过验证,如此,可以确保摄像装置的参数标定具有较高的准确度。
图5所示的实施例体现了对第一旋转矩阵和第二位移矩阵进行验证的步骤,只有通过验证的第一旋转矩阵和第二位移矩阵才会被确定为待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵,可以确保摄像装置的参数标定具有较高的准确度。
在上述各个实施例的一些可选的实现方式中,该方法还可以包括:若确定出的待标定摄像装置的外参与待标定摄像装置的预设外参不相同,则确定待标定摄像装置的和参考设置装置之间的设置位置发生变化;或者利用确定出的待标定摄像装置的外参,更新待标定摄像装置的预设外参。
在本实现方式中,执行主体可以通过对比若确定出的待标定摄像装置的外参与预设外参,确定待标定摄像装置的和参考设置装置之间的设置位置是否发生变化,可以避免待标定摄像装置的和参考设置装置之间的设置位置发生变化时,预设外参与当前状态不一致导致计算结果出现误差。
进一步地,当待标定摄像装置的和参考设置装置之间的设置位置发生变化时,可以将预设外参更新为确定出的待标定摄像装置的外参与预设外参,从而实现了对摄像装置的外参的自动标定。
示例性装置
图6为本公开的摄像装置的参数标定装置的一个实施例的结构示意图。该实施例的装置可用于实现本公开相应的方法实施例。如图6所示的装置包括:获取特征点模块601,用于对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点;特征点匹配模块602,用于对获取特征点模块获得的多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对;确定外参模块603,用于根据特征点匹配模块获得的多个特征点对以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的外参。
在本实施例中,确定外参模块603包括:第一子模块,用于根据特征点匹配模块获得的多个特征点对、待标定摄像装置的内部参数以及参考摄像装置的内部参数,确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵;第二子模块,用于根据第一子模块确定出的第一位移矩阵以及待标定摄像装置和参考摄像装置间的距离,确定待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的平移矩阵。
最后参考图7,图7为本公开的摄像装置的参数标定装置的又一个实施例的结构示意图。该实施例的装置可用于实现本公开相应的方法实施例。如图7所示的实施中,该装置的第二子模块包括:第一单元701,用于根据第一子模块确定出的第一位移矩阵的矢量长度和距离,确定第一位移矩阵的缩放系数;第二单元702,用于根据第一单元确定出的第一位移矩阵的缩放系数和距离,确定待标定摄像装置的平移矩阵。
示例性电子设备
下面参考图8来描述根据本公开实施例的电子设备。图8示出了根据本公开实施例的电子设备的框图。如图8所示,电子设备800包括一个或多个处理器801和存储器802。
处理器801可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备800中的其他组件以执行期望的功能。
存储器802可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器,例如,可以包括:随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器,例如,可以包括:只读存储器(ROM)、硬盘以及闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器801可以运行所述程序指令,以实现上文所述的本公开的各个实施例的摄像装置的参数标定方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备800还可以包括:输入装置803以及输出装置804等,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。此外,该输入设备803还可以包括例如键盘、鼠标等等。该输出装置804可以向外部输出各种信息。该输出设备804可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备800中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备800还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的摄像装置的参数标定方法或者基于语言模型的概率预测方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的摄像装置的参数标定方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列举)可以包括:具有一个或者多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势以及效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备以及系统。诸如“包括”、“包含、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述,以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改等对于本领域技术人员而言,是非常显而易见的,并且在此定义的一般原理可以应用于其他方面,而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式中。尽管以上已经讨论了多个示例方面以及实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (8)

1.一种摄像装置的参数标定方法,包括:
对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点;
对所述多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对;
根据所述匹配的多个特征点对以及所述待标定摄像装置和参考摄像装置间的距离,确定所述待标定摄像装置的外参;其中,所述待标定摄像装置和参考摄像装置间的距离是预先确定的;
所述根据所述匹配的多个特征点对以及所述待标定摄像装置和参考摄像装置间的距离,确定所述待标定摄像装置的外参,包括:
根据所述匹配的多个特征点对、所述待标定摄像装置的内部参数以及所述参考摄像装置的内部参数,确定所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵;
根据所述第一位移矩阵、以及所述待标定摄像装置和参考摄像装置间的距离,确定所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的平移矩阵;
所述根据所述第一位移矩阵、以及所述待标定摄像装置和参考摄像装置间的距离,确定所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的平移矩阵,包括:
根据所述第一位移矩阵的矢量长度和所述距离确定所述第一位移矩阵的缩放系数;
根据所述第一位移矩阵的缩放系数和所述距离,确定所述待标定摄像装置的平移矩阵。
2.根据权利要求1所述的方法,其中,所述根据所述匹配的多个特征点对、所述待标定摄像装置的内部参数以及所述参考摄像装置的内部参数,确定所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵,包括:
从所述匹配的多个特征点对中选取预定数量的特征点对;
根据所述选取出的特征点对、所述待标定摄像装置的内部参数以及所述参考摄像装置的内部参数,计算所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的第一旋转矩阵和第二位移矩阵;
利用所述匹配的多个特征点对,对所述第一旋转矩阵和第二位移矩阵进行验证;
若所述验证通过,则将所述第一旋转矩阵和第二位移矩阵作为所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵。
3.根据权利要求2所述的方法,其中,所述利用所述匹配的多个特征点对,对所述第一旋转矩阵和第二位移矩阵进行验证,包括:
利用所述第一旋转矩阵和第二位移矩阵,对所述匹配的多个特征点对中的第一特征点进行映射计算,获得多个特征点对各自对应的映射坐标;
根据所述多个特征点对中的第二特征点分别在第二图像中的坐标和所述多个特征点对各自对应的映射坐标的差异,确定所述第一旋转矩阵和第二位移矩阵的验证结果。
4.根据权利要求2或3所述的方法,其中,所述根据所述匹配的多个特征点对、所述待标定摄像装置的内部参数以及所述参考摄像装置的内部参数,确定所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵,还包括:
若所述验证未通过,则再次从所述匹配的多个特征点对中选取预定数量的特征点对,以再次获得第一旋转矩阵和第二位移矩阵。
5.根据权利要求1至3中任一项所述的方法,其中,所述方法还包括:
若所述确定出的待标定摄像装置的外参与所述待标定摄像装置的预设外参不相同,则确定所述待标定摄像装置的和所述参考设置装置之间的设置位置发生变化;或者
利用所述确定出的待标定摄像装置的外参,更新所述待标定摄像装置的预设外参。
6.一种摄像装置的参数标定装置,包括:
获取特征点模块,用于对待标定摄像装置拍摄的第一图像和参考摄像装置拍摄的第二图像,分别进行特征点提取操作,获得第一图像中的多个第一特征点和第二图像中的多个第二特征点;
特征点匹配模块,用于对所述获取特征点模块获得的多个第一特征点和多个第二特征点进行特征点匹配处理,获得匹配的多个特征点对;
确定外参模块,用于根据所述特征点匹配模块获得的多个特征点对以及所述待标定摄像装置和参考摄像装置间的距离,确定所述待标定摄像装置的外参;其中,所述待标定摄像装置和参考摄像装置间的距离是预先确定的;
所述确定外参模块包括:
第一子模块,用于根据所述特征点匹配模块获得的所述多个特征点对、所述待标定摄像装置的内部参数以及所述参考摄像装置的内部参数,确定所述待标定摄像装置的三维坐标系相对于所述参考摄像装置的三维坐标系的旋转矩阵和第一位移矩阵;
第二子模块,用于根据所述第一子模块确定出的所述第一位移矩阵以及所述待标定摄像装置和所述参考摄像装置间的距离,确定所述待标定摄像装置的三维坐标系相对于参考摄像装置的三维坐标系的平移矩阵;
所述第二子模块包括:
第一单元,用于根据所述第一子模块确定出的所述第一位移矩阵的矢量长度和所述距离,确定所述第一位移矩阵的缩放系数;
第二单元,用于根据所述第一单元确定出的所述第一位移矩阵的缩放系数和所述距离,确定所述待标定摄像装置的平移矩阵。
7.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-5中任一项所述的方法。
8.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-5中任一项所述的方法。
CN202110912188.7A 2021-08-10 2021-08-10 摄像装置的参数标定方法、装置、介质以及电子设备 Active CN113628283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110912188.7A CN113628283B (zh) 2021-08-10 2021-08-10 摄像装置的参数标定方法、装置、介质以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110912188.7A CN113628283B (zh) 2021-08-10 2021-08-10 摄像装置的参数标定方法、装置、介质以及电子设备

Publications (2)

Publication Number Publication Date
CN113628283A CN113628283A (zh) 2021-11-09
CN113628283B true CN113628283B (zh) 2024-05-17

Family

ID=78383867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110912188.7A Active CN113628283B (zh) 2021-08-10 2021-08-10 摄像装置的参数标定方法、装置、介质以及电子设备

Country Status (1)

Country Link
CN (1) CN113628283B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766292A (zh) * 2014-01-02 2015-07-08 株式会社理光 多台立体相机标定方法和系统
JP2017078923A (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
CN106875451A (zh) * 2017-02-27 2017-06-20 安徽华米信息科技有限公司 相机标定方法、装置及电子设备
CN109523597A (zh) * 2017-09-18 2019-03-26 百度在线网络技术(北京)有限公司 相机外参的标定方法和装置
CN110264528A (zh) * 2019-06-25 2019-09-20 中国人民解放军国防科技大学 一种鱼眼镜头双目像机快速自标定方法
CN110322485A (zh) * 2019-06-25 2019-10-11 南京大学 一种异构多相机成像系统的快速图像配准方法
CN111024003A (zh) * 2020-01-02 2020-04-17 安徽工业大学 一种基于单应性矩阵优化的3d四轮定位检测方法
CN112419425A (zh) * 2020-11-20 2021-02-26 南京理工大学 用于结构变形测量的抗扰动高精度相机群测量方法
CN112509058A (zh) * 2020-11-30 2021-03-16 北京百度网讯科技有限公司 外参的计算方法、装置、电子设备和存储介质
CN113077524A (zh) * 2021-04-22 2021-07-06 中德(珠海)人工智能研究院有限公司 一种双目鱼眼相机自动标定方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008187564A (ja) * 2007-01-31 2008-08-14 Sanyo Electric Co Ltd カメラ校正装置及び方法並びに車両
CN108230395A (zh) * 2017-06-14 2018-06-29 深圳市商汤科技有限公司 双视角图像校准及图像处理方法、装置、存储介质和电子设备
KR102297683B1 (ko) * 2019-07-01 2021-09-07 (주)베이다스 복수의 카메라들을 캘리브레이션하는 방법 및 장치

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766292A (zh) * 2014-01-02 2015-07-08 株式会社理光 多台立体相机标定方法和系统
JP2017078923A (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
CN106875451A (zh) * 2017-02-27 2017-06-20 安徽华米信息科技有限公司 相机标定方法、装置及电子设备
WO2018153374A1 (zh) * 2017-02-27 2018-08-30 安徽华米信息科技有限公司 相机标定
CN109523597A (zh) * 2017-09-18 2019-03-26 百度在线网络技术(北京)有限公司 相机外参的标定方法和装置
CN110264528A (zh) * 2019-06-25 2019-09-20 中国人民解放军国防科技大学 一种鱼眼镜头双目像机快速自标定方法
CN110322485A (zh) * 2019-06-25 2019-10-11 南京大学 一种异构多相机成像系统的快速图像配准方法
CN111024003A (zh) * 2020-01-02 2020-04-17 安徽工业大学 一种基于单应性矩阵优化的3d四轮定位检测方法
CN112419425A (zh) * 2020-11-20 2021-02-26 南京理工大学 用于结构变形测量的抗扰动高精度相机群测量方法
CN112509058A (zh) * 2020-11-30 2021-03-16 北京百度网讯科技有限公司 外参的计算方法、装置、电子设备和存储介质
CN113077524A (zh) * 2021-04-22 2021-07-06 中德(珠海)人工智能研究院有限公司 一种双目鱼眼相机自动标定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113628283A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
EP3627180B1 (en) Sensor calibration method and device, computer device, medium, and vehicle
US11816865B2 (en) Extrinsic camera parameter calibration method, extrinsic camera parameter calibration apparatus, and extrinsic camera parameter calibration system
US20220215557A1 (en) Edge detection method and device, electronic equipment, and computer-readable storage medium
CN111429354B (zh) 图像拼接及全景图拼接方法和装置、存储介质、电子设备
CN111428805B (zh) 显著性物体的检测方法、模型、存储介质及电子设备
CN112509047A (zh) 基于图像的位姿确定方法、装置、存储介质及电子设备
CN112435193B (zh) 一种点云数据去噪的方法、装置、存储介质和电子设备
CN110068824B (zh) 一种传感器位姿确定方法和装置
CN113793370B (zh) 三维点云配准方法、装置、电子设备及可读介质
CN112489114A (zh) 图像转换方法、装置、计算机可读存储介质及电子设备
CN114757301A (zh) 车载视觉感知方法和装置、可读存储介质、电子设备
CN115388906B (zh) 位姿的确定方法、装置、电子设备和存储介质
WO2023231435A1 (zh) 视觉感知方法、装置、存储介质和电子设备
CN114170325A (zh) 确定单应性矩阵的方法、装置、介质、设备和程序产品
CN116071601A (zh) 训练模型的方法、装置、设备和介质
CN113592706B (zh) 调整单应性矩阵参数的方法和装置
CN113639782A (zh) 车载传感器的外参标定方法和装置、设备和介质
CN113628283B (zh) 摄像装置的参数标定方法、装置、介质以及电子设备
CN111951211B (zh) 一种目标检测方法、装置及计算机可读存储介质
CN116168271A (zh) 图像的处理方法、模型的训练方法、装置、设备和介质
CN112489111B (zh) 相机外参标定方法、装置及相机外参标定系统
CN114170439A (zh) 姿态识别方法、装置、存储介质和电子设备
CN111401285B (zh) 目标跟踪方法、装置及电子设备
CN112199978B (zh) 视频物体检测方法和装置、存储介质和电子设备
WO2020137068A1 (ja) 位置推定システム

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