CN113658265A - 相机标定方法、装置、电子设备及存储介质 - Google Patents
相机标定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113658265A CN113658265A CN202110807725.1A CN202110807725A CN113658265A CN 113658265 A CN113658265 A CN 113658265A CN 202110807725 A CN202110807725 A CN 202110807725A CN 113658265 A CN113658265 A CN 113658265A
- Authority
- CN
- China
- Prior art keywords
- camera
- parameter group
- target
- image
- detection frame
- 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 56
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 242
- 238000010586 diagram Methods 0.000 claims description 47
- 238000004088 simulation Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 abstract description 8
- 238000013461 design Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本申请提供一种相机标定方法、装置、电子设备及存储介质,包括:获取第一图像中至少两个目标所在区域的检测框的信息;第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括对应的检测框在第一图像中的位置和尺寸;根据至少两个目标的检测框的信息,确定出第一线性参数组;第一线性参数组用于表征检测框在第一图像中的位置和尺寸之间的线性关系;在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从对应关系中查找出与第一线性参数组对应的第一相机参数组;第一相机参数组包括相机的架设高度、相机的俯仰角和相机的焦距,根据第一相机参数组确定目标相机参数组,无需放置标定物或控制相机运动就能完成相机标定。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种相机标定方法、装置、电子设备及存储介质。
背景技术
在图像测量过程以及机器视觉应用中,为确定空间物体表面中的点的三维几何位置与图像中的像素点的对应关系,通常需要建立相机成像的几何模型,而几何模型的参数就是相机参数,求解相机参数的过程称之为相机标定。
现有的相机标定方法主要有两类,第一类相机标定方法需要依靠放置的标定物,且标定物的制作精度会影响标定结果,同时,由于有些应用场景(例如,安防监控场景)不适合放置标定物,继而限制了该方法的应用;第二类相机标定方法主要利用相机的运动信息来对相机进行标定,该方法不需要依靠标定物,但需要控制相机做某些特殊运动,并且该方法不适用于运动信息未知或无法控制相机移动的场景(例如,安防监控场景),从上述分析可知,现有的相机标定方法的应用场景局限。
发明内容
鉴于此,本申请实施例的目的在于提供一种相机标定方法、装置、电子设备及存储介质,以解决上述问题。
第一方面,本申请实施例提供一种相机标定方法,所述方法包括:获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系;在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设高度、所述相机的俯仰角和所述相机的焦距;根据所述第一相机参数组确定目标相机参数组。
在上述实现过程中,获取相机拍摄到的第一图像中至少两个目标所在区域的检测框的信息,每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;根据至少两个目标的检测框的信息,确定出表征检测框在第一图像中的位置和尺寸之间的线性关系的第一线性参数组,继而从预先确定的线性参数组和相机参数组的对应关系中,快速地查找出与该第一线性参数组对应的第一相机参数组,并根据第一相机参数组确定目标相机参数组,整个过程无需放置标定物,也无需控制相机运动就能完成相机标定。
基于第一方面,在一种可能的设计中,所述方法还包括:获取多个不同的相机参数组;所述多个不同的相机参数组中的任意两个相机参数组所对应的参数的种类相同;针对每个相机参数组,利用该相机参数组、至少两个虚拟目标的尺寸和位置信息,生成检测框仿真图;其中,所述检测框仿真图中包括:所述至少两个虚拟目标的检测框;根据所述检测框仿真图中的至少两个检测框在所述检测框仿真图中的位置和尺寸,确定出线性参数组;建立该线性参数组与该相机参数组的对应关系。
在上述实现过程中,在获取到多个不同的相机参数组之后,针对每个相机参数组,利用该相机参数组、至少两虚拟目标在世界坐标系中的尺寸和位置信息,生成检测框仿真图;继而根据至少两个检测框在检测框仿真图中的位置和尺寸,确定出表征检测框在检测框仿真图中的位置和尺寸之间的线性关系的线性参数组,建立该线性参数组与该相机参数组的对应关系,继而保证后续能够根据对应关系,快速查找出相机的相机参数组。
基于第一方面,在一种可能的设计中,针对每个相机参数组,利用该相机参数组、至少两个虚拟目标的尺寸和位置信息,生成检测框仿真图,包括:根据与所述虚拟目标同类型的真实目标的尺寸分布,生成所述至少两个虚拟目标的尺寸;生成所述至少两个虚拟目标的位置信息;针对每个相机参数组,根据该相机参数组、所述至少两个虚拟目标的尺寸和位置信息,生成所述检测框仿真图。
在上述实现过程中,根据与虚拟目标同类型的真实目标的尺寸分布,生成至少两个虚拟目标的尺寸;针对每个相机参数组,根据该相机参数组、生成的至少两个虚拟目标的位置尺寸和位置信息,来生成检测框仿真图,由于虚拟目标的尺寸根据与其同类型的真实目标的尺寸分布来生成,继而保证生成的检测框分布图更具有参考意义。
基于第一方面,在一种可能的设计中,获取多个不同的相机参数组,包括:基于目标采样间隔,对各个相机参数在取值范围内进行离散取值,得到所述多个相机参数组。
在上述实现过程中,基于目标采样间隔,对各个相机参数在取值范围内进行离散取值,继而保证能够得到多个不同的相机参数组。
基于第一方面,在一种可能的设计中,所述方法还包括:在所述对应关系中不存在该第一线性参数组时,针对所述对应关系中的每个线性参数组,在该线性参数组与该第一线性参数组中的对应参数的值之间的差值均小于目标阈值时,确定该线性参数组为第二线性参数组;从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组;根据所述第二相机参数组,确定所述目标相机参数组。
针对任意两个线性参数组,若这两个线性参数组中的对应参数(两个线性参数组中相同类别的参数)的值之间的差值比较小,那么,这两个线性参数组各自对应的相机参数组中的对应参数的值之间的差值也会比较小,因此,在上述实现过程中,在对应关系中不存在该第一线性参数组时,从对应关系中,确定出与该第一线性参数组中的对应参数的值之间的差值均小于目标阈值的第二线性参数组,继而从对应关系中,查找出与第二线性参数组对应的第二相机参数组,继而根据第二相机参数组,确定目标相机参数组,由此,在对应关系中不存在该第一线性参数组时,也可以比较准确地完成相机标定。
基于第一方面,在一种可能的设计中,在所述第二线性参数组的数量为至少两个时,从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组,包括:针对每个第二线性参数组,从所述对应关系中,查找出与该第二线性参数组对应的第二相机参数组;对应的,所述根据所述第二相机参数组,确定目标相机参数组包括:获取第二图像中目标所在区域的检测框的信息;所述第二图像为所述相机在第二时刻拍摄到的图像;所述第一时刻和所述第二时刻之间的差值小于目标时间差;针对每个第二相机参数组,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度;在确定所述最终移动速度处于正常移动速度范围内时,确定该第二相机参数组合格;根据合格的第二相机参数组,确定所述目标相机参数组。
在上述实现过程中,在所述第二线性参数组的数量为至少两个时,针对每个第二线性参数组,从对应关系中,查找出与该第二线性参数组对应的第二相机参数组,为了将查找出的全部第二相机参数组中不合格的相机参数组进行剔除,以提高相机标定结果的准确性,因此,本申请考虑到在绝大多数情况下,目标的正常移动速度位于正常移动速度范围内,继而获取相机在第二时刻拍摄到的第二图像中目标所在区域的检测框的信息,其中,第一时刻和第二时刻之间的差值小于目标时间差;接着针对每个第二相机参数组,基于该第二相机参数组,以及第一图像和第二图像中目标的检测框的信息,确定出相机在第一时刻至第二时刻拍摄到的目标的最终移动速度,并在确定最终移动速度处于正常移动速度范围内时,确定该第二相机参数组合格,继而根据合格的第二相机参数组,确定目标相机参数组,保证相机标定的准确性。
基于第一方面,在一种可能的设计中,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度,包括:从所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息中,确定出至少一个目标的检测框信息组;每个检测框信息组包括:对应目标的两个检测框的信息;针对每个检测框信息组中的每个检测框的信息,基于该第二相机参数组和该检测框的信息,确定出该检测框所对应的目标在所述世界坐标系中的位置信息;根据该检测框信息组所对应的每个检测框所对应的目标在所述世界坐标系中的位置信息,确定出所述对应的目标在所述第一时刻至所述第二时刻之间的移动速度;根据所述至少一个目标的移动速度,得到所述最终移动速度。
在上述实现过程中,从第一图像和第二图像中目标的检测框的信息中,确定出至少一个目标的检测框信息组,针对每个检测框信息组中的每个检测框的信息,基于该第二相机参数组和该检测框的信息,确定出该检测框所对应的目标在世界坐标系中的位置信息,继而根据该检测框信息组所对应的每个检测框的位置信息,确定出对应的目标在第一时刻至第二时刻之间的移动速度;根据至少一个目标的移动速度来确定最终移动速度,保证最终移动速度的准确性。
基于第一方面,在一种可能的设计中,所述根据合格的第二相机参数组,确定所述目标相机参数组包括:在合格的第二相机参数组的数量为至少两个时,分别将至少两个合格的第二相机参数组中的对应参数的值求平均,得到目标相机参数组。
在上述实现过程中,通过分别将至少两个合格的第二相机参数组中的对应参数的值求平均,得到目标相机参数组,以提高相机标定结果的准确性。
第二方面,本申请实施例提供一种相机标定装置,所述装置包括:第一获取单元,用于获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;第一确定单元,用于根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系;第一查找单元,用于在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设尺寸、所述相机的俯仰角和所述相机的焦距;第一目标确定单元,用于根据所述第一相机参数组确定目标相机参数组。
基于第二方面,在一种可能的设计中,所述装置还包括:相机参数获取单元,用于获取多个不同的相机参数组;所述多个不同的相机参数组中的任意两个相机参数组所对应的参数的种类相同;仿真图生成单元,用于针对每个相机参数组,利用该相机参数组、至少两个虚拟目标尺寸和位置信息,生成检测框仿真图;其中,所述检测框仿真图中包括:所述至少两个虚拟目标的检测框;线性参数组确定单元,用于根据所述检测框仿真图中的至少两个检测框在所述检测框仿真图中的位置和尺寸,确定出线性参数组;对应关系建立单元,用于建立该线性参数组与该相机参数组的对应关系。
基于第二方面,在一种可能的设计中,所述仿真图生成单元包括:尺寸生成单元,用于根据与所述虚拟目标同类型的真实目标的尺寸分布,生成所述至少两个虚拟目标的尺寸;位置信息生成单元,用于生成所述至少两个虚拟目标的位置信息;仿真图生成子单元,用于针对每个相机参数组,根据该相机参数组、所述至少两个虚拟目标的尺寸和位置信息,生成所述检测框仿真图。
基于第二方面,在一种可能的设计中,所述相机参数获取单元,具体用于基于目标采样间隔,对各个相机参数在取值范围内进行离散取值,得到所述多个不同的相机参数组。
基于第二方面,在一种可能的设计中,所述装置还包括:第二确定单元,用于在所述对应关系中不存在该第一线性参数组时,针对所述对应关系中的每个线性参数组,在该线性参数组与该第一线性参数组中的对应参数的值之间的差值均小于目标阈值时,确定该线性参数组为第二线性参数组;第二查找单元,用于从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组;第二目标确定单元,用于根据所述第二相机参数组,确定所述目标相机参数组。
基于第二方面,在一种可能的设计中,在所述第二线性参数组的数量为至少两个时,所述第二查找单元,具体用于针对每个第二线性参数组,从所述对应关系中,查找出与该第二线性参数组对应的第二相机参数组;
对应的,所述第二目标确定单元包括:
第二获取单元,用于获取第二图像中目标所在区域的检测框的信息;所述第二图像为所述相机在第二时刻拍摄到的图像;所述第一时刻和所述第二时刻之间的差值小于目标时间差;速度确定单元,用于针对每个第二相机参数组,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度;筛选单元,用于在确定所述最终移动速度处于正常移动速度范围内时,确定该第二相机参数组合格;第二目标确定子单元,用于根据合格的第二相机参数组,确定所述目标相机参数组。
基于第二方面,在一种可能的设计中,所述速度确定单元,包括:信息组确定单元,用于从所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息中,确定出至少一个目标的检测框信息组;每个检测框信息组包括:对应目标的两个检测框的信息;位置确定单元,用于针对每个检测框信息组中的每个检测框的信息,基于该第二相机参数组和该检测框的信息,确定出该检测框所对应的目标在所述世界坐标系中的位置信息;移动速度确定单元,用于根据该检测框信息组所对应的每个检测框所对应的目标在所述世界坐标系中的位置信息,确定出所述对应的目标在所述第一时刻至所述第二时刻之间的移动速度;速度子单元,用于根据所述至少一个目标的移动速度,得到所述最终移动速度。
基于第二方面,在一种可能的设计中,所述第二目标确定单元,还用于在合格的第二相机参数组的数量为至少两个时,分别将至少两个合格的第二相机参数组中的对应参数的值求平均,得到目标相机参数组。
第三方面,本申请实施例提供一种电子设备,包括处理器以及与所述处理器连接的存储器,所述存储器内存储计算机程序,当所述计算机程序被所述处理器执行时,使得所述电子设备执行第一方面所述的方法。
第四方面,本申请实施例提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行第一方面所述的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的相机标定方法的流程示意图。
图2为本申请实施例提供的检测框仿真图的示意图。
图3为本申请实施例提供的相机标定装置的结构示意图。
图4为本申请实施例提供的电子设备的结构示意图。
图标:300-相机标定装置;310-第一获取单元;320-第一确定单元;330-第一查找单元;340-第一目标确定单元;400-电子设备;401-处理器;402-存储器;403-通信接口。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行描述。
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定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
计算机视觉作为人工智能的一个重要分支,具体是让机器识别世界,计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(SLAM)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步,该项技术在众多领域展开了应用,例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、人证核验、摄像机、移动互联网、网络直播、智能测温等领域。
请参照图1,图1为本申请实施例提供的一种相机标定方法的流程图,下面将对图1所示的流程进行详细阐述,所述方法包括步骤:S11-S14。
S11:获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸。
S12:根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系。
S13:在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设高度、所述相机的俯仰角和所述相机的焦距。
S14:根据所述第一相机参数组确定目标相机参数组。
下面对上述方法详细介绍。
为了便于后续理解,在此,先对相机标定方法中所涉及到的图像坐标系、相机坐标系和世界坐标系进行定义。
具体地,图像坐标系的原点可以为相机所拍摄到的图像的中心或者所拍摄到的图像的顶点,图像坐标系的x轴、y轴之一与图像的上边沿平行,图像坐标系的x轴、y轴中的另一个与下边沿平行;
相机坐标系的原点为所述相机的中心,相机坐标系的z轴与相机的拍摄方向一致,相机坐标系的x轴和y轴根据右手螺旋定则确定;
世界坐标系的原点为相机的中心在目标所在路面上的投影点,世界坐标系的z轴与目标所在路面垂直,世界坐标系的xy轴与目标所在路面重叠。
S11:获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸。
其中,在本实施例中,相机为设置在任意位置处的监控相机,目标可以为行人、动物、车辆、建筑物等;在本实施例中,目标为行人,检测框可以为长方形或正方形;检测框的形状根据目标的形状确定,通常为四边形。
检测框在第一图像中的位置和尺寸,根据图像处理算法或目标检测模型确定。可以理解的是,检测框在第一图像中的位置和尺寸表征其对应的目标在图像坐标系中的位置和尺寸。
一例中,检测框的位置根据检测框的下边缘确定。对于一种特定类型的目标的检测框,检测框的长宽比是确定的,可将检测框的长边、短边、对角线、面积等作为检测框的尺寸。
作为一种实施方式,S11可以按照如下方式实施,获取第一图像,利用图像处理算法或者预先训练好的目标检测模型,对第一图像中的目标进行检测,确定出表征至少两个目标所在区域在第一图像中的位置和尺寸的检测框的信息。
其中,目标检测模型的训练为本领域熟知技术,因此,在此不再赘述。
作为另一种实施方式,直接从第三方获取第一图像中至少两个目标所在区域的检测框的信息。
S12:根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系。
在实际实施过程中,S12可以按照如下方式实施,针对至少两个目标的检测框的信息中的每个检测框的信息,将该检测框的位置和尺寸输入线性关系表达式b=k×u+d中,得到线性关系方程组,对线性关系方程组进行联立求解,得到第一线性参数组。
S12还可以按照如下方式实施,根据至少两个目标的检测框的信息中的每个检测框的信息,对线性关系表达式b=k×u+d进行线性拟合,得到第一线性参数组。
其中,b为检测框在相机所拍摄的图像(在S12中,该图像为第一图像)中的尺寸,u为检测框在相机所拍摄的图像(在S12中,该图像为第一图像)中的位置,k为直线斜率,d为直线截距。第一线性参数组中包括参数k的值和参数d的值;k和d可以统称为线性参数。
一例中,u是在以图像中心为图像坐标系的坐标原点的情况下确定的。
其中,检测框在第一图像中的尺寸和在第一图像中的位置符合线性关系是通过如下方式确定的:
获取初始关系表达式,其中,初始关系表达式表征目标对应的检测框在相机所拍摄图像中的位置、尺寸和相机参数以及目标在世界坐标系中的位置、目标的实际尺寸之间的关联关系。当世界坐标系的xy轴与目标所在平面重叠(例如目标为行人时,世界坐标系与行人所在路面重叠),可获取如下初始表达式:
c为目标的实际尺寸,f为相机的焦距,α为相机在前述定义的世界坐标系中的俯仰角,h为相机架设高度,b为目标对应的检测框在相机所拍摄的图像中的尺寸,u为目标对应的检测框在相机所拍摄图像中的位置。
一例中,u是在以图像中心为图像坐标系的坐标原点的情况下确定的。
值得一提的是,相机标定在于确定相机参数的值,相机参数包括:相机的焦距f,相机的俯仰角α,相机的架设高度h。
以图像尺寸为1080P为为例,u的取值范围为[-540,540],在该范围内b和u的关系可以从上述初始关系表达式近似为线性关系,且用于表征线性参数的线性参数组k和d和相机参数存在关联关系。
在获取到第一线性参数组之后,执行S13。
S13:在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设高度、所述相机的俯仰角和所述相机的焦距。
其中,对应关系中的各个线性参数组均包括:参数k的值和参数d的值,各个线性参数组不同;对应关系中的各个相机参数组均包括:参数f的值,参数α的值和参数h的值,各个相机参数组不同。
在实际实施过程中,S13可以按照如下方式实施,将第一线性参数组中的参数k的值与对应关系中的参数k的各个值进行比较,以及将第一线性参数组中的参数d的值与对应关系中的参数d的各个值进行比较,以确定对应关系的线性参数组中,是否存在参数k的值与第一线性参数组中的k的值相同,且参数d的值与第一线性参数组中的d的值相同的第一线性参数组,在确定对应关系中存在第一线性参数组时,从对应关系中,查找出与第一线性参数组对应的第一相机参数组。
S14:根据所述第一相机参数组确定目标相机参数组。
在实际实施过程中,S14可以按照如下方式实施,直接将第一相机参数组确定为目标相机参数组。
目标相机参数组即为拍摄了第一图像的相机所对应的相机参数组。
根据本发明实施例,由于发现了检测框在相机拍摄的图像中的尺寸和的位置符合线性关系,能够根据相机拍摄的图像中至少两个目标的检测框的尺寸和位置,确定出表征检测框在相机拍摄的图像中的位置和尺寸之间的线性关系的第一线性参数组,继而从预先确定的线性参数组和相机参数组的对应关系中,快速地查找出与该第一线性参数组对应的相机参数组,并根据查找出的相机参数组确定代表相机参数的目标相机参数组,整个过程无需放置标定物,也无需控制相机运动,仅依靠相机拍摄的图像本身就能完成相机标定,大大提高了相机标定的效率和准确性。
作为一种实施方式,为获得预先确定的线性参数组和相机参数组的对应关系,所述方法还包括步骤A1-A4。
A1:获取多个不同的相机参数组;所述多个不同的相机参数组中的任意两个相机参数组所对应的参数的种类相同。
其中,多个不同的相机参数组中的每个相机参数组中均包括:相机的焦距f的值,相机的俯仰角α的值和相机的架设高度h的值,且每个相机参数组中的焦距f,相机的俯仰角α,及相机的架设高度h三者中至少一者与其他相机参数组中的对应参数的值不同。
作为一种实施方式,A1包括:基于目标采样间隔,对各个相机参数在取值范围内进行离散取值,得到所述多个不同的相机参数组。
其中,目标采样间隔和各个相机参数所对应的取值范围根据实际需求设定,在此不做限制,在各个相机参数的取值范围一定时,采样间隔越小,对各个相机参数在对应的取值范围内进行离散取值后,得到的相机参数组的数量越多。
作为另一种实施方式,A1可以按照如下方式实施,直接从第三方获取多个不同的相机参数组,或者获取预先存储的多个不同的相机参数组。
在得到多个不同的相机参数组之后,执行步骤A2。
A2:针对每个相机参数组,利用该相机参数组、至少两个虚拟目标的尺寸和位置信息,生成检测框仿真图;其中,所述检测框仿真图中包括:所述至少两个虚拟目标的检测框。
作为一种实施方式,A2包括步骤A21-A23。
A21:根据与所述虚拟目标同类型的真实目标的尺寸分布,生成所述至少两个虚拟目标的尺寸。
虚拟目标的尺寸可以为虚拟目标在世界坐标系下的尺寸。
在实际实施过程中,A21可以按照如下方式实施,获取与虚拟目标同类型的多个真实目标的尺寸分布,根据尺寸分布中的最小尺寸和最大尺寸,对最小尺寸和最大尺寸所构成的取值范围进行随机采样,得到至少两个虚拟目标的尺寸。
作为一种实施方式,A21可以按照如下方式实施,获取与虚拟目标同类型的多个真实目标的尺寸,从多个真实目标的尺寸中,随机地选取至少两个真实目标的尺寸,并将选取出的至少两个真实目标的尺寸作为至少两个虚拟目标的尺寸。
作为另一种实施方式,A21可以按照如下方式实施,获取与虚拟目标同类型的多个真实目标的尺寸,根据多个真实目标的尺寸,确定出多个真实目标的平均尺寸,生成至少两个虚拟目标的尺寸,其中,各个虚拟目标的尺寸服从均值为平均尺寸的正态分布。
其中,多个真实目标的数量可以为100个,1000个,2000个等,对此不做限制。
A22:生成所述至少两个虚拟目标的位置信息。
在实际实施过程中,A22可以按照如下方式,随机地生成至少两个虚拟目标的位置信息。
作为一种实施方式,A22可以按照如下方式实施,根据预先确定的至少两个位置信息,生成至少两个虚拟目标的位置信息。
位置信息可以为虚拟目标在世界坐标系中的位置,也可以为虚拟目标在图像坐标系中的位置。
其中,A21和A22的执行顺序不做限制。
A23:针对每个相机参数组,根据该相机参数组、所述至少两个虚拟目标的尺寸和位置信息,生成所述检测框仿真图。
在实际实施过程中,当虚拟目标的位置信息为虚拟目标在世界坐标系中的位置时,A23可以按照如下方式实施,针对每个虚拟目标的尺寸和位置信息,在相应的位置生成该虚拟目标的三维模型,继而根据该虚拟目标的三维模型和该相机参数组,确定出该虚拟的目标的三维模型在该相机参数组对应的相机的图像坐标系下的投影(确定了投影,也就确定了虚拟目标在图像坐标系中的尺寸和位置),继而根据至少两个虚拟目标的三维模型的投影,生成检测框仿真图;其中,检测框仿真图中包括至少两个虚拟目标所对应的检测框,如图2所示。
作为一种实施方式,当虚拟目标的位置信息为虚拟目标在相机参数组所对应相机的图像坐标系中的位置时,A23可以按照如下方式实施,针对每个虚拟目标的尺寸和位置信息,利用该相机参数组和该虚拟目标的尺寸和位置信息,根据前述初始关系表达式确定出该虚拟目标所对应的检测框在该相机参数组对应的相机的图像坐标系中的尺寸,继而根据至少两个虚拟目标所对应的检测框的在图像坐标系中的位置和在图像坐标系中的尺寸,生成检测框仿真图。
可以理解的是,生成检测框仿真图,并不意味着一定要生成一幅图像,只要确定了虚拟目标在图像坐标系中所在区域对应检测框的尺寸和位置信息,即认为生成了检测框仿真图。当然,也可以将表征检测框的像素区别于背景的像素值展示出来、以生成图像,以便用户检查虚拟目标的尺寸和位置是否合理。
在生成检测框仿真图之后,执行步A3。
A3:根据所述检测框仿真图中的至少两个检测框在所述检测框仿真图中的位置和尺寸,确定出线性参数组。
可以理解的是,检测框仿真图所在坐标系为其所对应的相机参数组对应相机的图像坐标系。
其中,A3的具体实施方式可以参照步骤S12,因此,在此不再赘述。
在确定出该线性参数组之后,执行步骤A4。
A4:建立该线性参数组与该相机参数组的对应关系。
本发明实施例通过检测仿真图预先建立线性参数组与相机参数组的对应关系,在需要确定相机参数组时可直接通过线性参数组查表确定,大大提高了相机参数估计效率。
作为一种实施方式,所述方法还包括步骤B1-B3。
B1:在所述对应关系中不存在该第一线性参数组时,针对所述对应关系中的每个线性参数组,在该线性参数组与该第一线性参数组中的对应参数的值之间的差值均小于目标阈值时,确定该线性参数组为第二线性参数组。
在实际实施过程中,B1可以按照如下方式实施,在所述对应关系中不存在该第一线性参数组时,针对所述对应关系中的每个线性参数组,将该线性参数组中的参数k的值与第一线性参数组中的参数k的值作差,得到第一差值;以及将该线性参数组中的参数d的值与第一线性参数组中的参数d的值作差,得到第二差值,在确定第一差值和第二差值均小于目标阈值时,才确定该线性参数组为第二线性参数组;反之,确定该线性参数组不为第二线性组。
B2:从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组。
在第二线性参数组的数量为一个时,B2可以按照如下方式实施,针对第二线性参数组,根据所述第二线性参数组在对应关系中的位置,从对应关系中,查找出与第二线性参数组对应的第二相机参数组。
作为一种实施方式,在所述第二线性参数组的数量为至少两个时,B2可以按照如下方式实施,针对每个第二线性参数组,从所述对应关系中,查找出与该第二线性参数组对应的第二相机参数组。
B3:根据所述第二相机参数组,确定所述目标相机参数组。
在第二相机参数组为一个时,B3可以按照如下方式实施,直接将该第二相机参数组确定为目标相机参数组。
作为一种实施方式,在所述第二线性参数组的数量为至少两个时,B3包括步骤B31-B34。
B31:获取第二图像中目标所在区域的检测框的信息;所述第二图像为所述相机在第二时刻拍摄到的图像;所述第一时刻和所述第二时刻之间的差值小于目标时间差。
其中,第一时刻可以位于第二时刻之前,也可以位于第二时刻之后。
其中,所述目标时间差的取值范围可以为0.3秒-2秒,所述目标时间差根据目标的平均正常移动速度和所述相机所能覆盖的拍摄范围决定。
值得一提的是,第一图像和第二图像中包括相同的目标。
其中,B31的具体实施方式与S11相同,具体不再赘述,可以理解的是,第二图像与第一图像的拍摄相机、拍摄角度、尺寸相同。
在获取到第二图像中目标所在区域的检测框的信息之后,执行步骤B32。
B32:针对每个第二相机参数组,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度。
作为一种实施方式,B32包括步骤B321-B324。
B321:从所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息中,确定出至少一个目标的检测框信息组;每个检测框信息组包括:对应目标的两个检测框的信息。
在实际实施过程中,B321可以按照如下方式实施,针对第一图像中目标的检测框的信息,根据该目标的检测框在第一图像中的位置,从第一图像中确定出与该目标的图像,然后根据该目标的图像和/或该目标的检测框在第一图像中的位置,利用目标跟踪技术确定第二图像中是否存在该目标的图像,在为是时,才将第一图像中该目标的检测框信息,以及第二图像中该目标的检测框信息,划分为该目标的检测框信息组,直到确定出至少一个目标的检测框信息组。
B322:针对每个检测框信息组中的每个检测框的信息,基于该第二相机参数组和该检测框的信息,确定出该检测框所对应的目标在所述世界坐标系中的位置信息。
可以理解的是,相机参数确定的情况下,根据检测框在图像坐标系中的位置和尺寸,即可唯一确定检测框对应的目标在世界坐标系下的位置信息。
在实际实施过程中,B322可以按照如下方式实施,针对每个检测框信息组中的每个检测框(每个检测框信息组中包括两个检测框的信息,两个检测框分别对应于第一时刻和第二时刻拍摄的第一图像和第二图像),基于该第二相机参数组和该检测框在其对应的图像中的位置和尺寸,确定出该检测框所对应的目标在世界坐标系中的位置信息。
在确定出该检测框信息组所对应的目标在第一时刻和第二时刻在世界坐标系中的位置信息之后,执行步骤B323。
B323:根据该检测框信息组所对应的每个检测框所对应的目标在所述世界坐标系中的位置信息,确定出所述对应的目标在所述第一时刻至所述第二时刻之间的移动速度。
在实际实施过程中,B323可以按照如下方式实施,根据对应的目标所对应的两个检测框所对应的目标在世界坐标系中的位置信息,确定出对应的目标的移动距离;根据第一时刻和第二时刻,确定出第一时刻与第二时刻之间的时间差;继而通过对移动距离和时间差作商,得到对应的目标在第一时刻至第二时刻之间的移动速度。
在确定出至少一个目标在第一时刻至第二时刻之间的移动速度之后,执行步骤B324。
B324:根据所述至少一个目标的移动速度,得到所述最终移动速度。
在至少一个目标只包括一个目标时,B324可以按照如下方式,直接将该目标的移动速度确定为最终移动速度。
在至少一个目标的数量为至少两个时,B324可以按照如下方式,对确定出的至少两个目标在第一时刻至第二时刻之间的移动速度求平均,得到最终移动速度。
在确定出最终移动速度之后,执行步骤B33。
B33:在确定所述最终移动速度处于正常移动速度范围内时,确定该第二相机参数组合格。
其中,正常移动速度范围根据目标类型确定。例如,车辆类型的目标的移动速度为20km/h-120km/h。
在绝大多数情况下,目标的移动速度位于正常移动速度范围内,如果计算出的目标移动速度不在正常移动速度范围内,大概率是因为相机参数不合理。因此,在实际实施过程中,B33可以按照如下方式实施,确定最终移动速度是否处于正常移动速度范围内,若确定最终移动速度处于正常移动速度范围内,则确定该第二相机参数组合格;反之,确定该第二相机参数组不合格。
在确定出合格的第二相机参数组之后,执行步骤B34。
B34:根据合格的第二相机参数组,确定所述目标相机参数组。
在确定为合格的第二相机参数组的数量为一个时,B34可以按照如下方式实施,直接将该合格的第二相机参数组确定为该相机的最终相机参数组。
作为一种实施方式,在确定为合格的第二相机参数组的数量为至少两个时,B34可以按照如下方式实施,分别将至少两个合格的第二相机参数组中的对应参数的值求平均,得到目标相机参数组。
具体地,在确定为合格的第二相机参数组的数量为至少两个时,将至少两个合格的第二相机参数组中的参数f的值求平均,得到目标相机参数组中的参数f的值,将至少两个合格的第二相机参数组中的参数α的值求平均,得到目标相机参数组中的参数α的值,以及将至少两个合格的第二相机参数组中的参数h的值求平均,得到目标相机参数组中的参数h的值。
如此,能够在根据对应关系确定出的相机参数组为多个时,通过目标速度这一指标过滤不合理的相机参数组,用合理的相机参数组确定最终的相机参数组,大大提高了相机参数估计的准确性。
请参照图3,图3是本申请实施例提供的一种相机标定装置300的结构框图。下面将对图3所示的结构框图进行阐述,所示装置包括:
第一获取单元310,用于获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸。
第一确定单元320,用于根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系。
第一查找单元330,用于在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设尺寸、所述相机的俯仰角和所述相机的焦距。
第一目标确定单元340,用于根据所述第一相机参数组确定目标相机参数组。
作为一种实施方式,所述装置还包括:相机参数获取单元,用于获取多个不同的相机参数组;所述多个不同的相机参数组中的任意两个相机参数组所对应的参数的种类相同;仿真图生成单元,用于针对每个相机参数组,利用该相机参数组、至少两个虚拟目标的尺寸和位置信息,生成检测框仿真图;其中,所述检测框仿真图中包括:所述至少两个虚拟目标的检测框;线性参数组确定单元,用于根据所述检测框仿真图中的至少两个检测框在所述检测框仿真图中的位置和尺寸,确定出线性参数组;对应关系建立单元,用于建立该线性参数组与该相机参数组的对应关系。
作为一种实施方式,所述仿真图生成单元包括:尺寸生成单元,用于根据与所述虚拟目标同类型的真实目标的尺寸分布,生成所述至少两个虚拟目标的尺寸;位置信息生成单元,用于生成所述至少两个虚拟目标的位置信息;仿真图生成子单元,用于针对每个相机参数组,根据所述至少两个虚拟目标的尺寸和位置信息,生成所述检测框仿真图。
作为一种实施方式,所述相机参数获取单元,具体用于基于目标采样间隔,对各个相机参数在取值范围内进行离散取值,得到所述多个不同的相机参数组。
作为一种实施方式,所述装置还包括:第二确定单元,用于在所述对应关系中不存在该第一线性参数组时,针对所述对应关系中的每个线性参数组,在该线性参数组与该第一线性参数组中的对应参数的值之间的差值均小于目标阈值时,确定该线性参数组为第二线性参数组;第二查找单元,用于从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组;第二目标确定单元,用于根据所述第二相机参数组,确定所述目标相机参数组。
作为一种实施方式,在所述第二线性参数组的数量为至少两个时,所述第二查找单元,具体用于针对每个第二线性参数组,从所述对应关系中,查找出与该第二线性参数组对应的第二相机参数组;
对应的,所述第二目标确定单元包括:
第二获取单元,用于获取第二图像中目标所在区域的检测框的信息;所述第二图像为所述相机在第二时刻拍摄到的图像;所述第一时刻和所述第二时刻之间的差值小于目标时间差;速度确定单元,用于针对每个第二相机参数组,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度;筛选单元,用于在确定所述最终移动速度未处于正常移动速度范围内时,确定该第二相机参数组不合格;反之,确定该第二相机参数组合格;第二目标确定子单元,用于根据合格的第二相机参数组,确定所述目标相机参数组。
作为一种实施方式,所述速度确定单元,包括:信息组确定单元,用于从所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息中,确定出至少一个目标的检测框信息组;每个检测框信息组包括:对应目标的两个检测框的信息;位置确定单元,用于针对每个检测框信息组中的每个检测框的信息,基于该第二相机参数组和该检测框的信息,确定出该检测框所对应的目标在所述世界坐标系中的位置信息;移动速度确定单元,用于根据该检测框信息组所对应的每个检测框所对应的目标在所述世界坐标系中的位置信息,确定出所述对应的目标在所述第一时刻至所述第二时刻之间的移动速度;速度子单元,用于根据所述至少一个目标的移动速度,得到所述最终移动速度。
作为一种实施方式,所述第二目标确定单元,还用于在合格的第二相机参数组的数量为至少两个时,分别将至少两个合格的第二相机参数组中的对应参数的值求平均,得到目标相机参数组。
本实施例对的各功能单元实现各自功能的过程,请参见上述图1-2所示实施例中表征的内容,此处不再赘述。
请参照图4,图4为本申请实施例提供的一种电子设备400的结构示意图,电子设备400可以是个人电脑、平板电脑、智能手机、个人数字助理(personaldigitalassistant,PDA)等。
电子设备400可以包括:存储器402、处理器401、通信接口403和通信总线,通信总线用于实现这些组件的连接通信。
所述存储器402用于存储本申请实施例提供的相机标定方法和装置对应的计算程序指令等各种数据,其中,存储器402可以是,但不限于,随机存取存储器,只读存储器(ReadOnly Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器401用于读取并运行存储于存储器中的相机标定方法和装置对应的计算机程序指令,以获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系;在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设高度、所述相机的俯仰角和所述相机的焦距;根据所述第一相机参数组确定目标相机参数组。
其中,处理器401可能是一种集成电路芯片,具有信号的处理能力。上述的处理器401可以是通用处理器,包括CPU、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。
通信接口403,用于接收或者发送数据。
此外,本申请实施例还提供了一种存储介质,在该存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行本申请任一项实施方式所提供的方法。
综上所述,本申请各实施例提出的相机标定方法、装置、电子设备及存储介质,以获取相机拍摄到的第一图像中至少两个目标所在区域的检测框的信息,每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;根据至少两个目标的检测框的信息,确定出表征检测框在第一图像中的位置和尺寸之间的线性关系的第一线性参数组,继而从预先确定的线性参数组和相机参数组的对应关系中,快速地查找出与该第一线性参数组对应的第一相机参数组,并根据第一相机参数组确定目标相机参数组,整个过程无需放置标定物,也无需控制相机运动就能完成相机标定。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
Claims (11)
1.一种相机标定方法,其特征在于,所述方法包括:
获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;
根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系;
在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设高度、所述相机的俯仰角和所述相机的焦距;
根据所述第一相机参数组确定目标相机参数组。
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:
获取多个不同的相机参数组;所述多个不同的相机参数组中的任意两个相机参数组所对应的参数的种类相同;
针对每个相机参数组,利用该相机参数组、至少两个虚拟目标的尺寸和位置信息,生成检测框仿真图;其中,所述检测框仿真图中包括:所述至少两个虚拟目标的检测框;
根据所述检测框仿真图中的至少两个检测框在所述检测框仿真图中的位置和尺寸,确定出线性参数组;
建立该线性参数组与该相机参数组的对应关系。
3.根据权利要求2所述的方法,其特征在于,针对每个相机参数组,利用该相机参数组、至少两个虚拟目标的尺寸和位置信息,生成检测框仿真图,包括:
根据与所述虚拟目标同类型的真实目标的尺寸分布,生成所述至少两个虚拟目标的尺寸;
生成所述至少两个虚拟目标的位置信息;
针对每个相机参数组,根据该相机参数组、所述至少两个虚拟目标的尺寸和位置信息,生成所述检测框仿真图。
4.根据权利要求2或3所述的方法,其特征在于,获取多个不同的相机参数组,包括:
基于目标采样间隔,对各个相机参数在取值范围内进行离散取值,得到所述多个不同的相机参数组。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
在所述对应关系中不存在该第一线性参数组时,针对所述对应关系中的每个线性参数组,在该线性参数组与该第一线性参数组中的对应参数的值之间的差值均小于目标阈值时,确定该线性参数组为第二线性参数组;
从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组;
根据所述第二相机参数组,确定所述目标相机参数组。
6.根据权利要求5所述的方法,其特征在于,在所述第二线性参数组的数量为至少两个时,从所述对应关系中,查找出与所述第二线性参数组对应的第二相机参数组,包括:
针对每个第二线性参数组,从所述对应关系中,查找出与该第二线性参数组对应的第二相机参数组;
对应的,所述根据所述第二相机参数组,确定目标相机参数组包括:
获取第二图像中目标所在区域的检测框的信息;所述第二图像为所述相机在第二时刻拍摄到的图像;所述第一时刻和所述第二时刻之间的差值小于目标时间差;
针对每个第二相机参数组,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度;
在确定所述最终移动速度处于正常移动速度范围内时,确定该第二相机参数组合格;
根据合格的第二相机参数组,确定所述目标相机参数组。
7.根据权利要求6所述的方法,其特征在于,基于该第二相机参数组、所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息,确定出所述相机在所述第一时刻至所述第二时刻拍摄到的目标的最终移动速度,包括:
从所述第一图像中目标的检测框的信息,以及所述第二图像中目标的检测框的信息中,确定出至少一个目标的检测框信息组;每个检测框信息组包括:对应目标的两个检测框的信息;
针对每个检测框信息组中的每个检测框的信息,基于该第二相机参数组和该检测框的信息,确定出该检测框所对应的目标在所述世界坐标系中的位置信息;
根据该检测框信息组所对应的每个检测框所对应的目标在所述世界坐标系中的位置信息,确定出所述对应的目标在所述第一时刻至所述第二时刻之间的移动速度;
根据所述至少一个目标的移动速度,得到所述最终移动速度。
8.根据权利要求6或7所述的方法,其特征在于,所述根据合格的第二相机参数组,确定所述目标相机参数组包括:
在合格的第二相机参数组的数量为至少两个时,分别将至少两个合格的第二相机参数组中的对应参数的值求平均,得到所述目标相机参数组。
9.一种相机标定装置,其特征在于,所述装置包括:
第一获取单元,用于获取第一图像中至少两个目标所在区域的检测框的信息;其中,所述第一图像为相机在第一时刻拍摄到的图像;每个检测框的信息包括:对应的检测框在所述第一图像中的位置和尺寸;
第一确定单元,用于根据所述至少两个目标的检测框的信息,确定出第一线性参数组;其中,该第一线性参数组用于表征检测框在所述第一图像中的位置和尺寸之间的线性关系;
第一查找单元,用于在预先确定的线性参数组和相机参数组的对应关系中存在该第一线性参数组时,从所述对应关系中,查找出与该第一线性参数组对应的第一相机参数组;其中,所述第一相机参数组包括:所述相机的架设尺寸、所述相机的俯仰角和所述相机的焦距;
第一目标确定单元,用于根据所述第一相机参数组确定目标相机参数组。
10.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器读取并运行时,执行如权利要求1-8中任一项所述的方法。
11.一种存储介质,其特征在于,所述存储介质上存储有计算机程序指令,所述计算机程序指令被计算机读取并运行时,执行如权利要求1-8中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110807725.1A CN113658265A (zh) | 2021-07-16 | 2021-07-16 | 相机标定方法、装置、电子设备及存储介质 |
PCT/CN2022/088601 WO2023284358A1 (zh) | 2021-07-16 | 2022-04-22 | 相机标定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110807725.1A CN113658265A (zh) | 2021-07-16 | 2021-07-16 | 相机标定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113658265A true CN113658265A (zh) | 2021-11-16 |
Family
ID=78477434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110807725.1A Pending CN113658265A (zh) | 2021-07-16 | 2021-07-16 | 相机标定方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113658265A (zh) |
WO (1) | WO2023284358A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023284358A1 (zh) * | 2021-07-16 | 2023-01-19 | 北京迈格威科技有限公司 | 相机标定方法、装置、电子设备及存储介质 |
CN115824038A (zh) * | 2022-08-17 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 标定尺、标定方法及装置、检测方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894366A (zh) * | 2009-05-21 | 2010-11-24 | 北京中星微电子有限公司 | 一种获取标定参数的方法、装置及一种视频监控系统 |
CN107003109A (zh) * | 2014-11-13 | 2017-08-01 | 奥林巴斯株式会社 | 校准装置、校准方法、光学装置、摄影装置、投影装置、测量系统以及测量方法 |
CN108520541A (zh) * | 2018-03-07 | 2018-09-11 | 鞍钢集团矿业有限公司 | 一种广角摄像机的标定方法 |
CN109308693A (zh) * | 2018-08-29 | 2019-02-05 | 北京航空航天大学 | 由一台ptz相机构建的目标检测和位姿测量单双目视觉系统 |
US20190073792A1 (en) * | 2017-09-05 | 2019-03-07 | Canon Kabushiki Kaisha | System and method for determining a camera pose |
CN109448062A (zh) * | 2018-10-19 | 2019-03-08 | 苏州赛腾精密电子股份有限公司 | 一种相机标定方法、装置、终端设备及存储介质 |
CN111508033A (zh) * | 2020-04-20 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 相机参数确定方法、图像处理方法、存储介质及电子装置 |
WO2020237574A1 (zh) * | 2019-05-30 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 相机的内参及相对姿态的标定方法、装置、无人机和存储装置 |
CN112132908A (zh) * | 2020-09-23 | 2020-12-25 | 西安邮电大学 | 一种基于智能检测技术的相机外参数标定方法及设备 |
CN112132874A (zh) * | 2020-09-23 | 2020-12-25 | 西安邮电大学 | 无标定板异源图像配准方法、装置、电子设备及存储介质 |
CN112800986A (zh) * | 2021-02-02 | 2021-05-14 | 深圳佑驾创新科技有限公司 | 车载摄像头外参标定方法、装置、车载终端和存储介质 |
CN112950725A (zh) * | 2021-03-22 | 2021-06-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种监控相机参数标定方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104184985B (zh) * | 2013-05-27 | 2018-05-29 | 华为技术有限公司 | 图像获取的方法及装置 |
EP3323237A4 (en) * | 2015-08-26 | 2019-07-31 | Zhejiang Dahua Technology Co., Ltd | METHODS AND SYSTEMS FOR MONITORING TRAFFIC |
CN105741275B (zh) * | 2016-01-26 | 2018-07-17 | 浙江捷尚视觉科技股份有限公司 | 一种基于固定相机自动标定的人车目标特征提取方法 |
CN107316332A (zh) * | 2017-05-16 | 2017-11-03 | 深圳市保千里电子有限公司 | 一种应用智能驾驶的相机和场景关联标定方法及系统 |
CN111442845A (zh) * | 2020-03-26 | 2020-07-24 | 浙江大华技术股份有限公司 | 基于距离补偿的红外测温方法、装置及计算机存储介质 |
CN113658265A (zh) * | 2021-07-16 | 2021-11-16 | 北京迈格威科技有限公司 | 相机标定方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-16 CN CN202110807725.1A patent/CN113658265A/zh active Pending
-
2022
- 2022-04-22 WO PCT/CN2022/088601 patent/WO2023284358A1/zh unknown
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894366A (zh) * | 2009-05-21 | 2010-11-24 | 北京中星微电子有限公司 | 一种获取标定参数的方法、装置及一种视频监控系统 |
CN107003109A (zh) * | 2014-11-13 | 2017-08-01 | 奥林巴斯株式会社 | 校准装置、校准方法、光学装置、摄影装置、投影装置、测量系统以及测量方法 |
US20190073792A1 (en) * | 2017-09-05 | 2019-03-07 | Canon Kabushiki Kaisha | System and method for determining a camera pose |
CN108520541A (zh) * | 2018-03-07 | 2018-09-11 | 鞍钢集团矿业有限公司 | 一种广角摄像机的标定方法 |
CN109308693A (zh) * | 2018-08-29 | 2019-02-05 | 北京航空航天大学 | 由一台ptz相机构建的目标检测和位姿测量单双目视觉系统 |
CN109448062A (zh) * | 2018-10-19 | 2019-03-08 | 苏州赛腾精密电子股份有限公司 | 一种相机标定方法、装置、终端设备及存储介质 |
WO2020237574A1 (zh) * | 2019-05-30 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 相机的内参及相对姿态的标定方法、装置、无人机和存储装置 |
CN111508033A (zh) * | 2020-04-20 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 相机参数确定方法、图像处理方法、存储介质及电子装置 |
CN112132908A (zh) * | 2020-09-23 | 2020-12-25 | 西安邮电大学 | 一种基于智能检测技术的相机外参数标定方法及设备 |
CN112132874A (zh) * | 2020-09-23 | 2020-12-25 | 西安邮电大学 | 无标定板异源图像配准方法、装置、电子设备及存储介质 |
CN112800986A (zh) * | 2021-02-02 | 2021-05-14 | 深圳佑驾创新科技有限公司 | 车载摄像头外参标定方法、装置、车载终端和存储介质 |
CN112950725A (zh) * | 2021-03-22 | 2021-06-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种监控相机参数标定方法及装置 |
Non-Patent Citations (2)
Title |
---|
Z. SHUANG等: "Camera distortion calibration method based on nonspecific planar target", 2016 IEEE INTERNATIONAL CONFERENCE ON SIGNAL AND IMAGE PROCESSING (ICSIP), 30 March 2017 (2017-03-30), pages 452 - 457 * |
姚万业等: "大场景下的单图像相机标定", 计算机仿真, vol. 37, no. 11, 30 November 2020 (2020-11-30), pages 454 - 459 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023284358A1 (zh) * | 2021-07-16 | 2023-01-19 | 北京迈格威科技有限公司 | 相机标定方法、装置、电子设备及存储介质 |
CN115824038A (zh) * | 2022-08-17 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 标定尺、标定方法及装置、检测方法及装置 |
CN115824038B (zh) * | 2022-08-17 | 2023-09-29 | 宁德时代新能源科技股份有限公司 | 标定尺、标定方法及装置、检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023284358A1 (zh) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109059895B (zh) | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 | |
David et al. | Softposit: Simultaneous pose and correspondence determination | |
CN108960211B (zh) | 一种多目标人体姿态检测方法以及系统 | |
WO2023284358A1 (zh) | 相机标定方法、装置、电子设备及存储介质 | |
US20180181816A1 (en) | Handling Perspective Magnification in Optical Flow Proessing | |
CN111028358B (zh) | 室内环境的增强现实显示方法、装置及终端设备 | |
CN111476827A (zh) | 目标跟踪方法、系统、电子装置及存储介质 | |
CN112634368A (zh) | 场景目标的空间与或图模型生成方法、装置及电子设备 | |
CN111753826B (zh) | 车辆与车牌的关联方法、装置和电子系统 | |
CN113793413A (zh) | 三维重建方法、装置、电子设备及存储介质 | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
CN113610967B (zh) | 三维点检测的方法、装置、电子设备及存储介质 | |
CN112507992B (zh) | 道路图像之间的拍摄距离确定方法、装置、设备及介质 | |
CN116912517B (zh) | 相机视野边界的检测方法及装置 | |
CN113793251A (zh) | 位姿确定方法、装置、电子设备和可读存储介质 | |
CN111753766A (zh) | 一种图像处理方法、装置、设备及介质 | |
CN117132649A (zh) | 人工智能融合北斗卫星导航的船舶视频定位方法及装置 | |
CN111814769A (zh) | 一种信息采集方法、装置、终端设备及存储介质 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
Price et al. | Augmenting crowd-sourced 3d reconstructions using semantic detections | |
CN116543143A (zh) | 一种目标检测模型的训练方法、目标检测方法及装置 | |
CN114998743A (zh) | 一种视觉地图点的构建方法、装置、设备及介质 | |
Hu et al. | An improved ORB, gravity-ORB for target detection on mobile devices | |
CN111223139A (zh) | 目标定位方法及终端设备 |
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 |