CN113838138A - 一种优化特征提取的系统标定方法、系统、装置和介质 - Google Patents
一种优化特征提取的系统标定方法、系统、装置和介质 Download PDFInfo
- Publication number
- CN113838138A CN113838138A CN202110903700.1A CN202110903700A CN113838138A CN 113838138 A CN113838138 A CN 113838138A CN 202110903700 A CN202110903700 A CN 202110903700A CN 113838138 A CN113838138 A CN 113838138A
- Authority
- CN
- China
- Prior art keywords
- calibration
- characteristic points
- camera
- original image
- calibration plate
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013519 translation Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Abstract
本申请涉及一种优化特征提取的系统标定方法、系统、装置和介质，该方法包括：通过提取原始图像中标定板的特征点进行系统标定，得到相机外参；重复执行预设迭代计算，直到满足预设终止条件，完成系统标定；预设迭代计算包括：根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将原始图像转换为包含标定板的正视图；提取正视图中标定板的特征点，根据转换矩阵，将特征点的像素坐标反投影至原始图像，得到反投影后特征点的像素坐标进行系统标定，得到相机外参，通过本申请，解决了由于图像因素导致系统标定准确率低的问题，提高了标定板特征点提取的精度，降低了由畸变和透视反投影引入的特征点提取误差对系统标定最终结果产生的影响。
Description
技术领域
本申请涉及计算机视觉领域，特别是涉及一种优化特征提取的系统标定方法、系统、装置和介质。
背景技术
目前系统标定通常的做法是直接在原图中，通过标定板识别和特征提取算法获得图像上标定板的特征点，利用其已知的物理尺寸求得图像点到物理点的映射关系，并结合已知的相机内参和畸变参数，利用针孔相机模型求得标定板坐标系与相机坐标系的旋转平移关系。但由于在一张存在畸变且非正视(存在透视变换)的标定板图案中提取特征点会无法避免地引入误差，且在畸变和透视变换未知的情况下，该误差通常无法通过改进特征点提取算法消除，其最终会在系统标定计算过程中产生误差。
目前针对相关技术中由于图像因素导致系统标定准确率低的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种优化特征提取的系统标定方法、系统、装置和介质，以至少解决相关技术中由于图像因素导致系统标定准确率低的问题。
第一方面，本申请实施例提供了一种优化特征提取的系统标定方法，所述方法包括：
提取原始图像中标定板的特征点，得到所述特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；
重复执行预设迭代计算，直到满足预设终止条件，完成系统标定；
所述预设迭代计算包括：
根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图；
提取所述正视图中标定板的特征点，根据所述转换矩阵，将所述特征点的像素坐标反投影至所述原始图像，得到反投影后所述特征点的像素坐标，根据所述相机内参和所述畸变参数进行系统标定，得到相机外参。
在其中一些实施例中，根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图包括：
根据针孔相机模型和得到的相机外参，计算得到转换矩阵；
根据所述转换矩阵和平移缩放矩阵，将所述原始图像转换为包含完整的所述标定板的正视图，其中，所述正视图中标定板的特征点尺寸与所述原始图像中的特征点尺寸保持相对一致。
在其中一些实施例中，重复执行预设迭代计算，直到满足预设终止条件，完成系统标定包括：
重复执行预设迭代计算，获取相邻两次预设迭代计算的所述反投影至原始图像后特征点的像素坐标；
根据所述相邻两次的特征点的像素坐标，以及已知的所述特征点的标定板物理坐标，计算得到相邻差异度；
若所述相邻差异度小于第一阈值，则终止所述预设迭代计算，完成系统标定。
在其中一些实施例中，根据所述相邻两次的特征点的像素坐标，以及已知的所述特征点的标定板物理坐标，计算得到相邻差异度包括：
根据所述相邻两次的特征点的像素坐标、所述相机内参、所述畸变参数和两个对应的相机外参分别进行反投影，得到所述相邻两次的特征点的计算标定板物理坐标；
根据所述相邻两次的特征点的计算标定板物理坐标，以及已知的所述特征点的标定板物理坐标，计算得到相邻差异度。
在其中一些实施例中，重复执行预设迭代计算，直到满足预设终止条件，完成系统标定包括：
重复执行预设迭代计算，若所述预设迭代计算的次数大于第二阈值，则终止所述预设迭代计算，完成系统标定。
在其中一些实施例中，在根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图之后，所述方法还包括：
通过预设插值方法对转换后的所述正视图的分辨率进行调整，使得通过所述正视图能够清晰的识别出所述标定板上的特征点。
第二方面，本申请实施例提供了一种优化特征提取的系统标定方法，所述方法包括：
提取原始图像中标定板的特征点，根据所述特征点间的物理位置关系，计算得到单应矩阵；
根据所述单应矩阵，将所述原始图像转换为包含所述标定板的正视图；
提取所述正视图中标定板的特征点，根据所述单应矩阵，将所述特征点的像素坐标反投影至所述原始图像，得到反投影后所述特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参。
第三方面，本申请实施例提供了一种优化特征提取的系统标定系统，所述系统包括初始提取模块、优化提取模块和迭代计算模块；
初始提取模块提取原始图像中标定板的特征点，得到所述特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；
所述优化提取模块根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图；
所述优化提取模块提取所述正视图中标定板的特征点，根据所述转换矩阵，将所述特征点的像素坐标反投影至所述原始图像，得到反投影后所述特征点的像素坐标，根据所述相机内参和所述畸变参数进行系统标定，得到相机外参；
所述迭代计算模块判断是否满足预设终止条件，若不满足，则所述优化提取模块进行循环计算，若满足，则完成系统标定。
第四方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的优化特征提取的系统标定方法。
第五方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的优化特征提取的系统标定方法。
相比于相关技术，本申请实施例提供的一种优化特征提取的系统标定方法、系统、装置和介质，通过提取原始图像中标定板的特征点，得到特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；重复执行预设迭代计算，直到满足预设终止条件，完成系统标定；预设迭代计算包括：根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将原始图像转换为包含标定板的正视图；提取正视图中标定板的特征点，根据转换矩阵，将特征点的像素坐标进行反投影至原始图像，得到反投影后特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参，解决了由于图像因素导致系统标定准确率低的问题，降低了由畸变和透视反投影引入的特征点提取误差对系统标定最终结果产生的影响，提高了标定板特征点提取的精度，使得系统标定获得的标定板与相机间的旋转平移关系的误差得到降低。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是相机与标定板间的旋转平移关系示意图；
图2是根据本申请实施例的优化特征提取的系统标定方法的步骤流程图；
图3是根据本申请实施例的原始图像与正视图的对比示意图；
图4是判断是否完成满足预设终止条件的步骤流程图；
图5是根据本申请实施例的另一种优化特征提取的系统标定方法的步骤流程图；
图6是根据本申请实施例的优化特征提取的系统标定系统的步骤流程图；
图7是根据本申请实施例的电子设备的内部结构示意图。
附图说明：61、初始提取模块；62、优化提取模块；63、迭代计算模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“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。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
标定板是指一类具有特定图案，且其图案上特征点的物理位置的相对关系已知的平板，用于在相机标定过程中建立图像像素与实际物理尺寸间的关系。通常有特定的特征点提取算法与之相对应。
图1是相机与标定板间的旋转平移关系示意图，如图1所示，[R|t]是相机外参，系统标定(外参标定)指在已知相机内参和畸变参数的情况下，通过一张该相机拍摄的带有已知物理尺寸的标定板的图像，计算该标定板所在坐标系(其原点一般定义在某个特征点上)与相机坐标系的旋转平移关系的过程。
本申请实施例提供了一种优化特征提取的系统标定方法，图2是根据本申请实施例的优化特征提取的系统标定方法的步骤流程图，如图2所示，该方法包括以下步骤：
步骤S202，提取原始图像中标定板的特征点，得到特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参。
步骤S204，根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将原始图像转换为包含标定板的正视图。
具体地，图3是根据本申请实施例的原始图像与正视图的对比示意图，如图3所示，在步骤S204中，针孔相机模型sp＝K[R|t]Pw，其中，K是相机内参，[R|t]是相机外参，p是图像坐标系下特征点的像素坐标，Pw是标定板物理坐标系下特征点的标定板物理坐标，s是是非齐次变换后的一个尺度因子；
由于在标定板物理坐标系下，当Z＝0时，由各特征点
组成的图像即为一个正视图，故可通过计算一个矩阵H，使得
进而矩阵H的逆矩阵H-1即为一个将原始图像投影至正视图的二维旋转平移矩阵，即转换矩阵；
因此，上述针孔相机模型可展开为：
同时舍去[R|t]的第三列及Pw的Z，得到
易得
进而得到转换矩阵H-1，根据转换矩阵，将原始图像转换为包含标定板的正视图。
步骤S206，提取正视图中标定板的特征点，根据转换矩阵，将特征点的像素坐标反投影至原始图像，得到反投影后特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参。
步骤S208，重复执行步骤S204至步骤S206，直到满足预设终止条件，完成系统标定。
需要说明的是，相机内参、畸变参数和标定板的尺寸都是已知的；且本发明没有提到畸变参数的使用，因为它是行业内普遍已知且通用的做法，其操作为在通过相机内参将相机物理坐标系下的标定板坐标投影到图像坐标系上之前，先对其x，y做一个偏移，去除畸变。从光束投射的过程看，其由标定板射出，经过镜头偏转后投射在相机感光芯片上，畸变是在镜头处产生的，所以作用在物理点上，而感光芯片(像素阵列)将光信号转换为电压信号，即使得物理坐标与像素坐标一一对应，获得每个像素的灰度值。
通过本申请实施例中的步骤S202至步骤S208，解决了由于图像因素导致系统标定准确率低的问题，降低了由畸变和透视反投影引入的特征点提取误差对系统标定最终结果产生的影响，提高了提取的标定板特征点的精度，使得系统标定获得的标定板与相机间的旋转平移关系的误差得到降低。
在其中一些实施例中，步骤S204，根据针孔相机模型和得到的相机外参，计算得到转换矩阵，根据转换矩阵，将原始图像转换为包含标定板的正视图包括：
根据针孔相机模型和得到的相机外参，计算得到转换矩阵；
根据转换矩阵和平移缩放矩阵，将原始图像转换为包含完整的标定板的正视图，其中，正视图中标定板的特征点尺寸与原始图像中的特征点尺寸保持相对一致。
具体地，根据针孔相机模型sp＝K[R|t]Pw，和相机外参，计算得到转换矩阵H-1，对H-1左乘一个平移缩放矩阵
即
其中，平移缩放矩阵中的比例因子s，可设计为使得转换前后的图案大小(如某个特征长度尺寸和面积尺寸)保持相当的值；平移参数dx，dy应设计为确保整个标定板图案处于转换后正视图内的值。
在其中一些实施例中，图4是判断是否完成满足预设终止条件的步骤流程图，如图4所示，步骤S208，重复执行步骤S204至步骤S206，直到满足预设终止条件，完成系统标定包括：
步骤S402，重复执行步骤S204至步骤S206，获取相邻两次步骤S206中得到的反投影至原始图像后特征点的像素坐标；
步骤S404，根据上述相邻两次的特征点的像素坐标，以及已知的特征点的标定板物理坐标，计算得到相邻差异度；
步骤S406，若相邻差异度小于第一阈值，则终止预设迭代计算，完成系统标定。
具体地，重复执行步骤S204至步骤S206，获取第k次和第k-1次步骤S206中得到的反投影至原始图像后特征点的像素坐标，再根据已知的特征点的真实的标定板物理坐标，计算得到相邻差异度
若相邻差异度
小于第一阈值，则终止预设迭代计算，完成系统标定。
在其中一些实施例中，步骤S404，根据相邻两次的特征点的像素坐标，以及已知的特征点的标定板物理坐标，计算得到相邻差异度包括：
根据相邻两次的特征点的像素坐标、相机内参、畸变参数和两个对应的相机外参分别进行反投影，得到相邻两次的特征点的计算标定板物理坐标；
根据相邻两次的特征点的计算标定板物理坐标，以及已知的特征点的标定板物理坐标，计算得到相邻差异度。
具体地，根据相机内参、畸变参数和两个对应的相机外参，分别对第k次和第k-1次的像素坐标进行反投影，得到对应的标定板物理坐标系下的计算标定板物理坐标；
再根据已知的特征点的真实的标定板物理坐标，通过公式
计算得到相邻差异度
其中，n表示标定板上的特征点个数，
和
分别表示第k次和第k-1次预设迭代计算后进行反投影得到的第i个特征点的计算标定板物理坐标，
表示已知的第i个特征点真实的标定板物理坐标。
在其中一些实施例中，步骤S208，重复执行步骤S204至步骤S206，直到满足预设终止条件，完成系统标定包括：
重复执行预设迭代计算，若预设迭代计算的次数大于第二阈值，则终止预设迭代计算，完成系统标定。
在其中一些实施例中，在步骤S204，根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将原始图像转换为包含标定板的正视图之后，方法还包括：
通过预设插值方法对转换后的正视图的分辨率进行调整，使得通过正视图能够清晰的识别出标定板上的特征点。
具体地，通过插值(如双线性或双三次插值)的方法将转换后的正视图的分辨率进行调整，正视图可保持与原始图像分辨率相对一致，或设置为适应正视图中图案的分辨率大小。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种优化特征提取的系统标定方法，图5是根据本申请实施例的另一种优化特征提取的系统标定方法的步骤流程图，如图5所示，该方法包括以下步骤：
步骤S502，提取原始图像中标定板的特征点，根据特征点间的物理位置关系，计算得到单应矩阵；
步骤S504，根据单应矩阵，将原始图像转换为包含标定板的正视图；
步骤S506，提取正视图中标定板的特征点，根据单应矩阵，将特征点的像素坐标反投影至原始图像，得到反投影后特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参。
需要说明的是，本实施例中的单应矩阵(homography matrix)是从一个位姿到另一个位姿的旋转平移矩阵，在机器视觉领域一般特指点到点的对应关系，例如，单应性矩阵A能够将图像1中的某个像素坐标(u,v)，变换到图像2中对应位置的像素坐标(u',v')。
通过本申请实施例中的步骤S502至步骤S506，解决了由于图像因素导致系统标定准确率低的问题，降低了由畸变和透视反投影引入的特征点提取误差对系统标定最终结果产生的影响，提高了提取的标定板特征点的精度，使得系统标定获得的标定板与相机间的旋转平移关系的误差得到降低。
本申请实施例提供了一种优化特征提取的系统标定系统，图6是根据本申请实施例提供的优化特征的系统标定系统的步骤流程图，如图6所示，该系统包括初始提取模块61、优化提取模块62和迭代计算模块63；
初始提取模块61提取原始图像中标定板的特征点，得到特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；
优化提取模块62根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将原始图像转换为包含标定板的正视图；
优化提取模块62提取正视图中标定板的特征点，根据转换矩阵，将特征点的像素坐标反投影至原始图像，得到反投影后特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；
迭代计算模块63判断是否满足预设终止条件，若不满足，则优化提取模块进行循环计算，若满足，则完成系统标定。
通过本申请实施例，初始提取模块61提取原始图像中标定板的特征点，得到特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；优化提取模块62根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将原始图像转换为包含标定板的正视图；优化提取模块62提取正视图中标定板的特征点，根据转换矩阵，将特征点的像素坐标反投影至原始图像，得到反投影后特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；迭代计算模块63判断是否满足预设终止条件，若不满足，则优化提取模块进行循环计算，若满足，则完成系统标定。降低了由畸变和透视反投影引入的特征点提取误差对系统标定最终结果产生的影响，提高了提取的标定板特征点的精度，使得系统标定获得的标定板与相机间的旋转平移关系的误差得到降低。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的优化特征提取的系统标定方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种优化特征提取的系统标定方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种优化特征提取的系统标定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
在一个实施例中，图7是根据本申请实施例的电子设备的内部结构示意图，如图7所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图7所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种优化特征提取的系统标定方法，数据库用于存储数据。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种优化特征提取的系统标定方法，其特征在于，所述方法包括：
提取原始图像中标定板的特征点，得到所述特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；
重复执行预设迭代计算，直到满足预设终止条件，完成系统标定；
所述预设迭代计算包括：
根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图；
提取所述正视图中标定板的特征点，根据所述转换矩阵，将所述特征点的像素坐标反投影至所述原始图像，得到反投影后所述特征点的像素坐标，根据所述相机内参和所述畸变参数进行系统标定，得到相机外参。
2.根据权利要求1所述的方法，其特征在于，根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图包括：
根据针孔相机模型和得到的相机外参，计算得到转换矩阵；
根据所述转换矩阵和平移缩放矩阵，将所述原始图像转换为包含完整的所述标定板的正视图，其中，所述正视图中标定板的特征点尺寸与所述原始图像中的特征点尺寸保持相对一致。
3.根据权利要求1所述的方法，其特征在于，重复执行预设迭代计算，直到满足预设终止条件，完成系统标定包括：
重复执行预设迭代计算，获取相邻两次预设迭代计算的所述反投影至原始图像后特征点的像素坐标；
根据所述相邻两次的特征点的像素坐标，以及已知的所述特征点的标定板物理坐标，计算得到相邻差异度；
若所述相邻差异度小于第一阈值，则终止所述预设迭代计算，完成系统标定。
4.根据权利要求3所述的方法，其特征在于，根据所述相邻两次的特征点的像素坐标，以及已知的所述特征点的标定板物理坐标，计算得到相邻差异度包括：
根据所述相邻两次的特征点的像素坐标、所述相机内参、所述畸变参数和两个对应的相机外参分别进行反投影，得到所述相邻两次的特征点的计算标定板物理坐标；
根据所述相邻两次的特征点的计算标定板物理坐标，以及已知的所述特征点的标定板物理坐标，计算得到相邻差异度。
5.根据权利要求1所述的方法，其特征在于，重复执行预设迭代计算，直到满足预设终止条件，完成系统标定包括：
重复执行预设迭代计算，若所述预设迭代计算的次数大于第二阈值，则终止所述预设迭代计算，完成系统标定。
6.根据权利要求1所述的方法，其特征在于，在根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图之后，所述方法还包括：
通过预设插值方法对转换后的所述正视图的分辨率进行调整，使得通过所述正视图能够清晰的识别出所述标定板上的特征点。
7.一种优化特征提取的系统标定方法，其特征在于，所述方法包括：
提取原始图像中标定板的特征点，根据所述特征点间的物理位置关系，计算得到单应矩阵；
根据所述单应矩阵，将所述原始图像转换为包含所述标定板的正视图；
提取所述正视图中标定板的特征点，根据所述单应矩阵，将所述特征点的像素坐标反投影至所述原始图像，得到反投影后所述特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参。
8.一种优化特征提取的系统标定系统，其特征在于，所述系统包括初始提取模块、优化提取模块和迭代计算模块；
初始提取模块提取原始图像中标定板的特征点，得到所述特征点的像素坐标，根据相机内参和畸变参数进行系统标定，得到相机外参；
所述优化提取模块根据针孔相机模型和得到的相机外参，计算得到转换矩阵，并将所述原始图像转换为包含所述标定板的正视图；
所述优化提取模块提取所述正视图中标定板的特征点，根据所述转换矩阵，将所述特征点的像素坐标反投影至所述原始图像，得到反投影后所述特征点的像素坐标，根据所述相机内参和所述畸变参数进行系统标定，得到相机外参；
所述迭代计算模块判断是否满足预设终止条件，若不满足，则所述优化提取模块进行循环计算，若满足，则完成系统标定。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的优化特征提取的系统标定方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的优化特征提取的系统标定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110903700.1A CN113838138A (zh) | 2021-08-06 | 2021-08-06 | 一种优化特征提取的系统标定方法、系统、装置和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110903700.1A CN113838138A (zh) | 2021-08-06 | 2021-08-06 | 一种优化特征提取的系统标定方法、系统、装置和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113838138A true CN113838138A (zh) | 2021-12-24 |
Family
ID=78962980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110903700.1A Pending CN113838138A (zh) | 2021-08-06 | 2021-08-06 | 一种优化特征提取的系统标定方法、系统、装置和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113838138A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114255287A (zh) * | 2022-03-01 | 2022-03-29 | 杭州灵西机器人智能科技有限公司 | 一种小景深相机的单目标定方法、系统、装置和介质 |
| CN114299167A (zh) * | 2022-03-11 | 2022-04-08 | 杭州灵西机器人智能科技有限公司 | 一种变焦镜头的单目标定方法、系统、装置和介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107993227A (zh) * | 2017-12-15 | 2018-05-04 | 深圳先进技术研究院 | 一种获取3d腹腔镜手眼矩阵的方法和装置 |
| WO2019184885A1 (zh) * | 2018-03-30 | 2019-10-03 | 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、装置及电子设备 |
| CN110738707A (zh) * | 2019-10-16 | 2020-01-31 | 北京华捷艾米科技有限公司 | 一种相机的畸变校正方法及装置、设备、存储介质 |
| CN112258588A (zh) * | 2020-11-13 | 2021-01-22 | 江苏科技大学 | 一种双目相机的标定方法、系统及存储介质 |
| WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
| CN113012234A (zh) * | 2021-03-16 | 2021-06-22 | 中国人民解放军火箭军工程大学 | 基于平面变换的高精度相机标定方法 |
-
2021
- 2021-08-06 CN CN202110903700.1A patent/CN113838138A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107993227A (zh) * | 2017-12-15 | 2018-05-04 | 深圳先进技术研究院 | 一种获取3d腹腔镜手眼矩阵的方法和装置 |
| WO2019184885A1 (zh) * | 2018-03-30 | 2019-10-03 | 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、装置及电子设备 |
| CN110738707A (zh) * | 2019-10-16 | 2020-01-31 | 北京华捷艾米科技有限公司 | 一种相机的畸变校正方法及装置、设备、存储介质 |
| WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
| CN112258588A (zh) * | 2020-11-13 | 2021-01-22 | 江苏科技大学 | 一种双目相机的标定方法、系统及存储介质 |
| CN113012234A (zh) * | 2021-03-16 | 2021-06-22 | 中国人民解放军火箭军工程大学 | 基于平面变换的高精度相机标定方法 |
Non-Patent Citations (1)
| Title |
|---|
| JUN-SIK KIM等: "Accurate Camera Calibration using Iterative Refinement of Control Points", IEEE, pages 1 - 8 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114255287A (zh) * | 2022-03-01 | 2022-03-29 | 杭州灵西机器人智能科技有限公司 | 一种小景深相机的单目标定方法、系统、装置和介质 |
| CN114255287B (zh) * | 2022-03-01 | 2022-07-26 | 杭州灵西机器人智能科技有限公司 | 一种小景深相机的单目标定方法、系统、装置和介质 |
| CN114299167A (zh) * | 2022-03-11 | 2022-04-08 | 杭州灵西机器人智能科技有限公司 | 一种变焦镜头的单目标定方法、系统、装置和介质 |
| CN114299167B (zh) * | 2022-03-11 | 2022-07-26 | 杭州灵西机器人智能科技有限公司 | 一种变焦镜头的单目标定方法、系统、装置和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109285190B (zh) | 对象定位方法、装置、电子设备和存储介质 | |
| CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
| CN113838138A (zh) | 一种优化特征提取的系统标定方法、系统、装置和介质 | |
| CN105976328B (zh) | 图像噪声降低 | |
| CN109584327B (zh) | 人脸老化模拟方法、装置以及设备 | |
| CN105976327B (zh) | 对第一图像进行变换的方法、处理模块和存储介质 | |
| CN110992243B (zh) | 椎间盘截面图像构建方法、装置、计算机设备及存储介质 | |
| CN111583381B (zh) | 游戏资源图的渲染方法、装置及电子设备 | |
| CN110473233B (zh) | 配准方法、计算机设备和存储介质 | |
| CN112651490B (zh) | 人脸关键点检测模型的训练方法及设备、可读存储介质 | |
| US20120038785A1 (en) | Method for producing high resolution image | |
| CN115147389A (zh) | 图像处理方法、设备以及计算机可读存储介质 | |
| CN115375576A (zh) | 生物特征光电扫描装置图像纠偏方法 | |
| CN112417951B (zh) | 指纹图像校准方法、装置、电子设备及存储介质 | |
| CN116777988A (zh) | 手部关键点的三维坐标构建方法、装置、设备及存储介质 | |
| CN114519753A (zh) | 图像生成方法、系统、电子设备、存储介质和产品 | |
| CN109003327B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| CN111428707A (zh) | 图形识别码的识别方法、装置、存储介质及电子设备 | |
| CN113393498A (zh) | 图像配准方法、装置、计算机设备和存储介质 | |
| CN112184884A (zh) | 三维模型构建方法、装置、计算机设备及存储介质 | |
| CN114630012B (zh) | 一种虚拟试衣视频生成方法、装置、电子设备及介质 | |
| CN116758205B (zh) | 数据处理方法、装置、设备及介质 | |
| CN112927142B (zh) | 一种基于时域插值的高速高分辨率视频生成方法和装置 | |
| CN114049404B (zh) | 一种车内相机外参标定方法及装置 | |
| CN112435201B (zh) | 一种编码模板标定方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |