CN113870365B - 相机标定方法、装置、设备以及存储介质 - Google Patents
相机标定方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113870365B CN113870365B CN202111165690.2A CN202111165690A CN113870365B CN 113870365 B CN113870365 B CN 113870365B CN 202111165690 A CN202111165690 A CN 202111165690A CN 113870365 B CN113870365 B CN 113870365B
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- target
- ground
- projection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 241000283070 Equus zebra Species 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 11
- 239000011159 matrix material Substances 0.000 description 37
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 9
- 238000013519 translation Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 240000004050 Pentaglottis sempervirens Species 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing 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
- G06T7/85—Stereo 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
- G06T2207/30181—Earth observation
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本公开提供了一种相机标定方法、图像生成方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及图像处理技术领域。具体实现方案为:从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集;利用目标相机的相机参数将第一图像投影到地面得到鸟瞰图;利用目标相机的相机参数将目标地信特征集中的地信特征投影到鸟瞰图中;更新相机参数,并返回利用目标相机的相机参数将目标地信特征集中的地信特征投影到鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,以及将得到的投影地信特征集对应的相机参数确定为目标相机参数。采用本公开提供的技术方案,可以优化相机参数,生成高精度的影像图。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及图像处理技术领域。
背景技术
对于道路影像底图的构建,一般是通过在道路中设置激光雷达、结构光等主动式的传感器来获取道路信息,然后基于获取到的道路信息重建道路影像。这可以为人们的日常出行、定位、导航等提供清晰的道路影像。
发明内容
本公开提供了一种相机标定方法、图像生成方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种相机标定方法,包括:
从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集;
利用所述目标相机的相机参数将所述第一图像投影到地面得到鸟瞰图;
利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中;
更新所述相机参数,并返回所述利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,以及将所述得到的投影地信特征集对应的相机参数确定为目标相机参数;其中,所述目标相机参数用于生成所述目标相机采集到的第二图像对应的投影图像。
根据本公开的另一方面,提供了一种图像生成方法,包括:
获取目标相机采集到的图像序列以及所述图像序列对应的轨迹序列,所述轨迹序列用于记录所述目标相机在采集所述图像序列时的位置变化;
基于所述轨迹序列确定所述图像序列的投影区域;以及
利用所述目标相机的相机参数将所述图像序列中的图像投影到地面,并从投影得到图像中截取落在所述投影区域内的投影图像
根据本公开的另一方面,提供了一种相机标定装置,包括:
特征集提取模块,用于从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集;
第一投影模块,用于利用所述目标相机的相机参数将所述第一图像投影到地面得到鸟瞰图;
第二投影模块,用于利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中;以及
相机参数更新模块,用于更新所述相机参数,并返回所述利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,以及将所述得到的投影地信特征集对应的相机参数确定为目标相机参数;其中,所述目标相机参数用于生成所述目标相机采集到的第二图像对应的投影图像。
根据本公开的另一方面,提供了一种图像生成装置,包括:
图像与轨迹获取模块,用于获取目标相机采集到的图像序列以及所述图像序列对应的轨迹序列,所述轨迹序列用于记录所述目标相机在采集所述图像序列时的位置变化;
投影区域确定模块,用于基于所述轨迹序列确定所述图像序列的投影区域;以及
第三投影模块,用于利用所述目标相机的相机参数将所述图像序列中的图像投影到地面,并从投影得到图像中截取落在所述投影区域内的投影图像。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器,以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开实施例提供的任一项所述的相机标定或/和图像生成方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开实施例提供的任一项所述的相机标定或/和图像生成方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开实施例提供的任一项所述的相机标定或/和图像生成方法。
上述技术方案的优点或有益效果至少包括:
在本公开提供的技术方案中,从目标相机采集到的第一图像中提取符合要求的目标地信特征集,并利用第一图像对应的相机参数将第一图像投影到地面得到鸟瞰图,然后再利用此相机参数将目标地信特征集中的地信特征投影到鸟瞰图中。在将目标地信特征集中地信特征投影到鸟瞰图的过程中,不断更新相机参数,直至得到的投影地信特征集符合设定的约束关系,从而优化相机参数。利用优化后相机参数来对目标相机拍摄出的第二图像进行投影,可以得到高清晰度的三维影像图。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的相机标定方法的示意图;
图2是根据本公开第二实施例的图像生成方法的示意图;
图3是根据本公开第三实施例的相机标定与图像生成方法的示意图;
图4是根据本公开第四实施例的相机标定与图像生成方法的示意图;
图5A是根据本公开第五实施例的相机标定装置的示意图;
图5B是根据本公开第六实施例的相机标定装置的示意图;
图6A是根据本公开第四实施例的图像生成装置的示意图;
图6B是根据本公开第七实施例的图像生成装置的示意图;
图6C是根据本公开第八实施例的图像生成装置的示意图;
图7是用来实现本公开实施例的相机标定方法和/或图像生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
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某点的三维位置与其在图像中对应点的相互关系,需要建立相机成像的几何模型。几何模型中的参数为相机参数。在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数的过程就称之为相机标定或摄像机标定。
相机标定中所确定的几何模型参数可以分为相机内参和相机外参两种类型。相机内参的作用是确定相机从三维空间到二维图像的投影关系,即确定相机坐标系与像素坐标系之间的转换关系。相机外参的作用是确定相机坐标与世界坐标系之间相对位置关系,即确定相机坐标系与世界坐标系之间的转换关系。
世界坐标系是客观三维世界的绝对坐标系,也称为客观坐标系。其作用是描述目标物在真实世界中的位置。
相机坐标系是以相机的光心为坐标原点,X轴和Y轴分别平行于图像坐标系的X轴和Y轴。其作用是从相机的角度描述目标物的位置。
图像坐标系是以相机的图像平面(也可称之为成像平面)的中心为坐标原点,X轴和Y轴分别平行于图像平面的两条垂直边。其采用长度单位来表示像素在图像中的位置。其作用是描述成像过程中目标物从相机坐标系到像素坐标系的投影关系,方便进一步得到像素坐标系下的坐标。
像素坐标系是以图像平面的左上角顶点为原点,X轴和Y轴分别平行于图像坐标系的X轴和Y轴,单位为像素数目。像素坐标系是为了描述成像后的像素点在数字图像上的坐标而引入的。
相机内参包括内参矩阵和畸变系数。其中,内参矩阵K可以为如下:
其中,fx和fy用于表征在图像坐标系中x轴方向和y轴方向上的焦距,x0和y0用于表征相机光轴在图像坐标系中沿x轴方向和y轴方向上的偏移量,以像素为单位。
理想成像模型是针孔成像模型,物和像会满足相似三角形的关系。但是由于相机光学系统存在加工和装配的误差,透镜不能满足物和像之间的相似三角形的关系,在相机图像平面上实际所成的像与理想成像之间存在畸变。畸变主要包括径向畸变和切向畸变。径向畸变的产生原因是在实际成像过程中由于光线在远离透镜中心的地方相比透镜中心的偏折更大,导致相机所成的像存在桶形畸变或枕形畸变。切向畸变的产生原因是透镜不完全平行于图像平面。如果存在切向畸变,在一个矩形被投影到图像平面上的情况下,所成的像很可能会变成一个梯形。因而,相机可以采用相应的径向畸变参数和切向畸变参数来描述相机的成像畸变。
当世界坐标系中的某一个点要投影到相机的图像平面上时,需要将该点的坐标从世界坐标系转换到相机坐标系中,这可以通过旋转和平移来得到。因此,相机外参可以包括旋转矩阵和平移矩阵。旋转矩阵用于描述绕X轴旋转的角度、绕Y轴旋转的角度和绕Z轴旋转的角度。平移矩阵用于描述沿X轴方向上的位移、沿Y轴方向上的位移和沿Z轴方向上的位移。
图1示出了本公开提供的相机标定方法的一个流程图。该方法可以应用于电子设备,其可以设置一个接口或者通信单元可以与相机或其他设备连接,或者内置有一个相机,又或者集成于相机内部。此电子设备可以用于标定相机参数,还可以用于根据标定的相机参数对相机拍摄的二维图像进行投影,生成世界坐标系下的三维影像。如图1所示,该方法可以包括如下步骤:
S110,从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集。
S120,利用目标相机的相机参数将第一图像投影到地面得到鸟瞰图。
S130,利用目标相机的相机参数将目标地信特征集中的地信特征投影到鸟瞰图中。
S140,更新相机参数,并返回利用目标相机的相机参数将目标地信特征集中的地信特征投影到鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,以及将得到的投影地信特征集对应的相机参数确定为目标相机参数。其中,目标相机参数用于生成目标相机采集到的第二图像对应的投影图像。
其中,目标相机可以是仅包括摄像功能的相机、行车记录仪等,还可以是带有摄像功能的电子设备,例如手机、智能手表、平板、台式电脑、显示器、导航设备等。
第一图像和第二图像为同一摄像机拍摄到的图像,其可以为同一图像也可以为不同的两张图像。先对目标相机采集到的图像进行相机参数的标定和优化,然后利用标定得到的相机参数对相机采集到的图像进行投影,得到高清晰的三维图像。其中,相机采集到的图像为二维图像,其坐标系为像素坐标系。对二维图像进行投影所得到的三维图像的坐标系是世界坐标系。
相机参数可以包括相机内参和相机外参。其中,相机内参可以包括内参矩阵和畸变系数。相机外参可以包括旋转矩阵和平移矩阵。
在一些实施例中,可以通过常规的标定方法初步标出目标相机的相机参数,然后再将相机参数应用于本公开实施例提供的方法,对相机参数进行优化,得到目标相机参数。初步标定相机参数的方法一般可以采用光学标定。光学标定是利用已知的几何信息(例如定长的棋盘格)来实现相机参数的求解。在光学标定中,可以采用线性回归或非线性回归来标定参数。
示例性地,可以采用张正友相机标定法来标定相机参数。在张氏标定法中,用于标定的棋盘可以是三维场景中的一个中心对称平面,其在成像平面的像是另一个中心对称的平面。在确定这两个平面的对应点的坐标的情况下,可以求解得到两个平面的单应矩阵。单应矩阵定义为一个平面到另一个平面的投影映射。进而,利用单应矩阵可以求解出相机参数。
在一些实施例中,上述更新相机参数可以更新相机参数所包含的所有参数,也可以更新其中的部分参数。更新的对象可以包括以下至少一者:相机内参、相机外参、相机内参中的内参矩阵,内参矩阵中的部分参数、相机内参中的畸变系数、畸变系数中的部分畸变系数、相机外参中的旋转矩阵、旋转矩阵中的部分旋转参数、相机外参中的平移矩阵、平移矩阵中的部分平移参数。
示例性地,上述的更新相机参数可以包括:在保持相机参数中的相机内参和相机对地高度不变的情况下,更新相机参数中的相机外参,可以快速优化得到高精度的相机外参。在此示例中,需要优化的相机外参可以包括旋转矩阵和平移矩阵,也可以是只包括旋转矩阵。对于相机对地高度其实际上是平移矩阵中沿Z轴方向上的位移,其可以通过在目标相机拍摄第一图像时采用测量工具对相机的对地高度进行测量而得到。
在一些实施例中,上述的更新相机参数还可以包括:在设定的更新阈值内对相机内参进行更新,每次更新均返回步骤S130直至更新次数达到更新阈值;然后,基于停止更新时的相机参数和目标地信特征集,对相机外参进行更新,并返回步骤S130直至得到的投影地信特征集符合设定的约束关系。
对于投影所利用的地信特征,其可以是与第一图像中的空间地理分布有关的特征或信息,能够稳定地表征地信特征的信息,例如,点、线、面等。以道路图像为例,地信特征可以是车道线、斑马线、交通标志等。
在一些实施例中,对于投影所利用的目标地信特征集,其可以包括以下至少一者:点、直线、曲线、平面、图形。这样,在优化相机参数的过程中,可以降低误差,提高优化精度。利用设定的算法从第一图像中提取符合设定要求的特征,例如,采用ORB(Oriented FASTand Rotated BRIEF,快速特征点提取与描述)算法提取第一图像中的点特征、采用LSD(Line Segment Detector,线段检测器)提取线特征。
在一些实施例中,采集目标地信特征集的过程可以包括:从第一图像中提取符合设定要求的多个地信特征;对多个地信特征进行二次特征匹配,得到目标地信特征集。在一些实施例中,二次特征匹配可以采用聚类拟合的方式。
示例性地,从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集可以包括:从第一图像中提取符合设定要求的多个地信特征;以及对提取的多个地信特征进行聚类拟合,得到目标地信特征集。采用本示例的目标地信特征集对相机参数进行优化,特征较为稳定明显,有利于提高相机参数的优化速度,进而提高后续对图像的投影精度。
示例性地,从第一图像中提取线段,得到候选线段集;对候选线段集中的线段进行聚类拟合,得到目标线段集。
示例性地,从第一图像中提取直线,得到候选直线集;对候选直线中的线段进行聚类拟合,得到目标直线集。例如,可以采用RANSAC(Random Sample Consensus,随机采样一致性)算法对候选直线集中的直线进行拟合,得到直线集。在本示例中,利用目标直线集来对相机参数进行优化,可以进一步提高目标相机参数的精度。
在上述示例中,聚类拟合的算法也可以采用如下算法:K-Means(K均值聚类)算法、均值偏移聚类算法、DBSCAN(Density-Based Spatial Clustering of Applications withNoise,具有噪声的基于密度的聚类)算法等。具体而言,可以根据需要聚类拟合的对象所具有特性来选择合适的聚类算法对相应的对象进行聚类拟合。这样,有利于提高聚类拟合的效率。
本公开实施例的投影包括将第一图像投影到地面得到鸟瞰图、以及将目标地信特征集投影到地面。对于后者,由于目标地信特征集线集是从第一图像中提取的,将目标地信特征集投影到地面,相当于投影到鸟瞰图的空间中。
示例性地,可以将相机投影模型的参数设置为上述相机参数或更新后的相机参数,然后,将二维的第一图像和目标地信特征集输入到相机投影模型中进行投影,相机投影模型输出三维的第一图像和投影地信特征集。
相机投影模型可以如下:
其中,相机投影模型中的坐标系以相机光心为原点,u和v用于表征像素坐标系下的二维图像的某个像素点在X轴方向和Y轴方向上的像素坐标,h用于表征相机对地高度,K用于表征相机内参的内参矩阵,p、γ和r分别用于表征世界坐标系下围绕X轴、Y轴和Z轴旋转的角度,xw和yw分别用于表征在世界坐标系下的三维图像的对应前述的二维图像的某个像素点在X轴方向和Y轴方向上的坐标。其中,在上述模型中,由p、γ和r构成的矩阵为相机外参的旋转矩阵。
示例性地,在上述步骤S120中,根据对第一图像标定得到的相机参数,设置相机投影模型中的内参矩阵、旋转矩阵以及相机对地高度;将第一图像输入相机投影模型中,相机投影模型对第一图像的各像素点分别进行计算,即投影,可以得到第一图像对应的鸟瞰图。
示例性地,在上述步骤S130,根据对第一图像标定得到的相机参数或者步骤S140更新得到相机参数,设置相机投影模型中的内参矩阵、旋转矩阵以及相机对地高度,将目标地信特征集中的地信特征输入相机投影模型中,相机投影模型对地信特征进行计算,即投影,由于前面已投影有鸟瞰图,则投影得到的投影地信特征集将落在鸟瞰图的空间中。
示例性地,在保持相机内参中的内参矩阵、相机对地高度不变的情况下,根据更新后的相机外参中的旋转矩阵设置相机投影模型;将目标线段集输入相机投影模型以对目标线段集进行投影,得到落在鸟瞰图中的投影线段集;在鸟瞰图中判断得到的投影线段集是否符合设定的约束关系,例如车道线之间是否保持平行约束、斑马线之间是否保持水平约束;在得到的投影线段集符合设定要求的情况下,将得到的投影线段集对应的相机参数设置为目标相机参数;在得到的投影线段集不符合设定要求的情况下,更新相机参数,返回前述“在保持相机内参中的内参矩阵、相机对地高度不变的情况下,根据更新后的相机外参中的旋转矩阵设置相机投影模型;将目标线条集输入相机投影模型以对目标线条集进行投影,得到落在鸟瞰图中的投影线条集”的步骤。
在一些实施例中,可以对相机参数设定参数取值范围,在更参数取值范围内对相机参数进行更新。
在一些实施例中,在对第一图像进行投影之前,上述方法还可以包括:基于第一图像对应的相机参数中的内参矩阵和畸变系数对第一图像去畸变。这样,投影得到的鸟瞰图不会变形,以及从去畸变后的第一图像中提取的目标地信特征集更准确。
在一些实施例中,对第一图像的处理还可以包括:对第一图像进行滤波,可以减少图像噪声。
在一些实施例中,对第一图像的处理还可以包括:对第一图像中的地信特征或符合设定要求的地信特征增强其对比度。
在对目标相机标定得到相机参数之后,可以利用相机参数对目标相拍摄得到的图像或图像序列进行投影,得到相应的三维图像或三维场景。
图2示出了本公开提供的图像生成方法的一个实施例的流程图。该方法可以应用于电子设备,此电子设备可以同时具备上述相机标定的功能,也可以不具备。该方法可以包括如下步骤:
S210,获取目标相机采集到的图像序列以及图像序列对应的轨迹序列,轨迹序列用于记录目标相机在采集图像序列时的位置变化。
S220,基于轨迹序列确定图像序列的投影区域。
S230,利用目标相机的相机参数将图像序列中的图像投影到地面,并从投影得到图像中截取落在投影区域内的投影图像。
在本公开实施例中,可以结合轨迹对图像进行投影,使得投影到的图像能够与轨迹配合。在重现图像序列对应的场景的情况下,能够更真实地呈现场景。
在一些实施例中,可以采用本公开任一实施例提供的相机标定方法来标定目标相机的相机参数。这样可以优化相机参数,提高生成的投影图像的精度。
其中,图像序列可以包括一个或多个图像。
在一个示例的场景中,车辆在行驶过程中,行车记录仪拍摄道路变化的图像,得到图像序列。在行车记录仪拍摄图像的同时,GPS系统记录车辆的位置,也就是行车记录仪拍摄道路变化时的位置,可以得到轨迹序列。因此,图像序列可以是包括按时间顺序排列、图像在内容上相互联系或者连续的图像集合,例如,视频中的多个图像帧。轨迹序列可以是按时间顺序排列、位置上连续的轨迹点集合。图像序列中的一个图像可以与轨迹序列中的一个或多个轨迹点对应。轨迹序列中的一个轨迹点也可以与图像序列中的一个或多个图像对应。
示例性地,在从行车记录仪中获取到图像集合、以及从行车记录仪对应的GPS系统中获取到轨迹点集合。从图像集合中,提取时间戳落在设定的时间段内的图像,得到图像序列。从轨迹点集合中,提取时间戳落在前述的设定的时间段内的轨迹点,得到轨迹序列。从而,实现图像与轨迹点之间的对齐。
在一些实施例中,在获取到图像序列的情况下,可以对图像序列进预处理,例如对图像进行滤波、增强对比度、去畸变等。
示例性地,利用目标相机参数中的相机内参对图像序列中的图像去畸变,可以避免投影得到的场景发生畸变,使投影得到的场景更真实。
以图像序列中的图像A为例,对图像A去畸变的过程可以包括:通过目标相机参数中的内参矩阵,将像素坐标系下的图像A转换为相机坐标系下的图像A1。利用目标相机参数据中的畸变系数对相机坐标系下的图像A1去畸变,得到图像A2。将相机坐标系下的图像A2转换成像素坐标系下的图像A3,则图像A3为图像A去畸变之后得到的图像。
示例性地,在对图像序列进行投影之前,预先根据图像序列对应的轨迹序列来确定图像序列的一个大概投影区域。此过程可以包括:根据轨迹序列中的各轨迹点的位置,确定轨迹序列中的各轨迹点对应的可视区域;按照轨迹序列的轨迹点排列顺序,依次将轨迹序列中的轨迹点对应的可视区域进行叠加,得到图像序列的投影区域。从而,后续可以利用投影区域将投影图像框住。由于投影区域是基于轨迹序列的可视区域生成,使得最终生成的投影图像更适合用于导航,在导航的过程中可以真实地呈现可视区域内的场景。
其中,在确定可视区域时,轨迹点为相机的位置,依据相机所在的位置,确定相机拍摄的视角,从而确定轨迹点对应的可视区域。示例性地,图像序列可以为前视图序列,确定轨迹点的位置,依据相机在轨迹点拍摄前视图的视角,确定轨迹点对应的可视区域。示例性地,图像序列可以为后视图序列,确定轨迹点的位置,依据相机在轨迹点拍摄后视图的视角,确定轨迹点对应的可视区域。
进而,在确定轨迹序列中所有轨迹点对应的可视区域的情况下,按照轨迹点的排列顺序,逐个将可视区域进行叠加,可以得到图像序列将要投影的大概区域。
在一些实施例中,由于图像序列中相邻两种图像或者不同图像之间,其在采集时拍摄条件存在差异,例如光线不同,色彩对比度不同等。对于图像序列来说,投影得到的相邻两个投影图像会有交叠区域,交叠区域的边界会产生明显的视觉变化,需要对交叠边界进行融合。具体而言,在截取到的投影图像中对重叠的两个投影图像之间的交叠边界进行融合,可以消除投影图像的边际效应,使投影得到的图像更真实。
在一些实施例中,可以采用泊松图像编缉算法对投影图像中的交叠边界进行融合。
在一些实施例中,为了方便投影图像的存储、传输以及提供给其他设备或应用程序使用,可以将投影图像转换成瓦片数据。具体地,上述方法还可以包括:基于截取到的投影图像构建图像序列对应的瓦片金字塔,其中,瓦片金字塔用于重构图像序列对应的场景。
示例性地,投影图像可以是地图图片,将地图图片将提供给地图服务平台使用,其转换成瓦片数据的过程可以包括如下:
确定地图服务平台所要提供的缩放级别的数量N,把缩放级别最高、地图比例尺最大的地图图片作为金字塔的底层,即第0层。对地图图片进行分块,即,从地图图片的左上角开始,从左至右、从上到下进行切割,分割成相同大小(例如256*256像素)的正方形地图瓦片,形成第0层的瓦片矩阵。在第0层地图图片的基础上,按每2*2像素合成为一个像素的方法生成第1层地图图片,并对其进行分块,分割成与下一层相同大小的正方形地图瓦片,形成第1层的瓦片矩阵。采用同样的方法生成第2层至第N-1层的瓦片矩阵。从而,得到第0层到第N-1层的瓦片矩阵,构成数量为N层的瓦片金字塔。
图3示出了本公开的相机标定与图像生成的一个应用示例的流程框图。如图3所示,基于单目相机采集到的前视图以及在单目相机采集前视图过程GPS系统采集到的轨迹信息,生成影像图的过程,可以如下:
S301,获取单目相机采集到的前视图集合。
S302,获取在单目相机采集前视图过程中GPS系统采集到的单目相机位置变化的轨迹信息。
S303,按照时间戳,将前视图集合中的前视图与轨迹信息中的轨迹对齐。从前视图集合中,提取时间戳落在设定的时间段内的前视图,得到前视图序列。从轨迹点集合中,提取时间戳落在前述的设定的时间段内的轨迹点,得到轨迹序列。从而,实现前视图与轨迹之间的对齐。
S304,从前视图序列或者前视图集合中获取其中一张或多张前视图,从前视图中标定出单目相机的相机参数。
S305,利用相机参数中的相机内参对前视图序列去畸变,得到去畸后的前视图序列。
S306,从前视图序列中获取前视图,对获取到的前视图进行预处理,可以包括对前视图滤波、对前视图中的地信特征增强对比度。
S307,从预处理之后的前视图中提取符合设定要求的地信特征,得到初始特征集;
S308,对初始特征集中的特征进行二次匹配,得到目标特征集。目标特征集包括地信特征。
S309,获取相机对地高度。
S310,利用目标特征集、相机对地高度、相机参数、预处理之后的前视图,对相机参数中的相机外参进行优化。具体地,基于相机参数、相机对地高度将预处理之后的前视图投影到地面,得到鸟瞰图。基于相机参数、相机对地高度将目标地信特征集投影到鸟瞰图中。更新相机参数中的相机外参,返回基于相机参数、相机对地高度将目标地信特征集投影到鸟瞰图中的步骤中,直至得到的投影地信特征集符合设定的约束关系,例如,鸟瞰图中的车道线之间相互保持平行约、斑马线之间相互保持水平约束等。最后得到的投影地信特征集对应的目标相机参数中的相机外参可以用于步骤S312的投影。
S311,基于轨迹序列,确定前视图序列的投影区域。基于轨迹序列中各轨迹点的位置确定各轨迹点对应的可视区域,将各轨迹点对应的可视区域进行叠加,得到前视图序列的投影区域。
S312,利用步骤S310输出的相机外参,将前视图序列中的前视图投影到地面,并截取落在投影区域内的前视图序列投影。利用步骤S304标定的相机内参、步骤S309测量的相机对地高度、以及步骤S310优化的相机外参,设置相机投影模型的参数,然后将前视图序列输入相机投影模型,得到的前视图序列投影,并从中截取落在投影区域内的前视图序列投影。
S313,基于截取到的在投影区域内的前视图序列投影,构建瓦片金字塔。
图4示出本公开提供的相机标定与图像生成方法的另一个应用示例的流程框。此应用示例与前一个应用示例的区别在于目标特征集的获取过程不相同。如图4所示,在本应用示例中,目标特征集的获取过程可以包括:
S407,从预处理之后的前视图中提取符合设定要求的直线,得到候选直线集;
S408,对候选直线集中的直线进行聚类拟合,得到目标直线集。
对于其他步骤可以参前一应用示例,对于目标特征集可以替换为目标直线集。采用本应用示例的目标直线集来对相机外参进行优化,可以有效提高相机外参的精度。
本公开实施例可以快速生成高清、高精度的道路影像图,方便识别出车道线、边缘线、交通标记等地标信息,完成道路要素场景的构建。
在本公开实施例中,不限定上述步骤之间的顺序,步骤前的数字仅做为一个标记。例如,步骤S301和步骤302是并列进行的;步骤S304可以在步骤S303之前执行也可以在步骤S303之后执行,也可以与步骤S303并列执行;步骤S303、S311可以与步骤S304至S310并列进行;步骤S309可以预先执行等。
图5A示出本公开提供的相机标定装置的一个实施例的结构框图。如图5A所示,该装置500可以包括:
特征集提取模块510,用于从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集;
第一投影模块520,用于利用目标相机的相机参数将第一图像投影到地面得到鸟瞰图;
第二投影模块530,用于利用目标相机的相机参数将目标地信特征集中的地信特征投影到鸟瞰图中;
相机参数更新模块540,用于更新相机参数,并返回利用目标相机的相机参数将目标地信特征集中的地信特征投影到鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,以及将得到的投影地信特征集对应的相机参数确定为目标相机参数;其中,目标相机参数用于生成目标相机采集到的第二图像对应的投影图像。
在一些实施例中,如图5B所示,特征集提取模块510可以包括:
特征提取单元511,用于从第一图像中提取符合设定要求的多个地信特征;以及
聚类拟合单元512,用于对提到的多个地信特征进行聚类拟合,得到目标地信特征集。
在一些实施例中,如图5B所示,相机参数更新模块540可以包括:
相机外参更新单元541,用于在保持相机参数中的相机内参和相机对地高度不变的情况下,更新相机参数中的相机外参。
在一些实施例中,目标地信特征集包括以下至少一者:点、直线、曲线、平面、图形。
图6A示出了本公开提供的图像生成装置的一个实施例的结构框图。如图6A所示,该装置600可以包括:
图像与轨迹获取模块610,用于获取目标相机采集到的图像序列以及所述图像序列对应的轨迹序列,所述轨迹序列用于记录所述目标相机在采集所述图像序列时的位置变化;
投影区域确定模块620,用于基于轨迹序列确定图像序列的投影区域;以及
第三投影模块630,用于利用目标相机参数将图像序列中的图像投影到地面,并从投影得到图像中截取落在投影区域内的投影图像。
在一些实施例中,如图6B所示,投影区域确定模块620包括:
可视区域确定单元621,用于根据轨迹序列中的各轨迹点的位置,确定轨迹序列中的各轨迹点对应的可视区域;
区域叠加单元622,用于按照轨迹序列的轨迹点排列顺序,依次将轨迹序列中的轨迹点对应的可视区域进行叠加,得到图像序列的投影区域。
在一些实施例中,如图6B所示,上述装置还可以600包括:
图像边界融合模块640,用于在截取到的投影图像中对重叠的两个投影图像之间的交叠边界进行融合。
在一些实施例中,如图6B所示,上述装置600还可以包括:
图像去畸变模块650,用于利用目标相机参数中的相机内参对图像序列中的图像去畸变。
在一些实施例中,如图6B所示,上述装置600还可以包括:
瓦片金字塔构建模块660,用于基于截取到的投影图像构建图像序列对应的瓦片金字塔,其中,瓦片金字塔用于重构图像序列对应的场景。
在一些实施例中,如图6C所示,所述装置600还可以包括本公开实施例提供的任一项所述的相机标定装置。
本公开实施例各装置中的各单元、模块或子模块的功能可以参见上述方法实施例中的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
可选地,该电子设备可以应用于或部署于导航设备。示例性地,本公开还提供一种导航设备,包括该电子设备。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如相机标定方法和/或图像生成方法。例如,在一些实施例中,图像生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的相机标定方法和/或图像生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行相机标定方法和/或图像生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种相机标定方法,包括:
从目标相机采集到的第一图像中提取目标地信特征集;
利用所述目标相机的相机参数将所述第一图像投影到地面得到鸟瞰图;
利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中;
更新所述相机参数,并返回所述利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,将所述得到的投影地信特征集对应的相机参数确定为目标相机参数;其中,所述目标相机参数用于生成所述目标相机采集到的第二图像对应的投影图像,所述设定的约束关系包括所述投影地信特征集中的车道线之间保持平行约束、斑马线之间保持水平约束;
获取所述目标相机采集到的图像序列以及所述图像序列对应的轨迹序列,所述轨迹序列用于记录所述目标相机在采集所述图像序列时的位置变化;其中,所述图像序列包括所述第一图像和所述第二图像;
基于所述轨迹序列确定所述图像序列的投影区域;以及
利用所述目标相机参数将所述图像序列中的图像投影到地面,并从投影得到图像中截取落在所述投影区域内的投影图像;其中,所述投影图像用于导航。
2.根据权利要求1所述的方法,其中,所述从目标相机采集到的第一图像中提取目标地信特征集包括:
从所述第一图像中提取符合设定要求的多个地信特征;以及
对所述多个地信特征进行聚类拟合,得到所述目标地信特征集。
3.根据权利要求1所述的方法,其中,所述更新所述相机参数包括:
在保持所述相机参数中的相机内参和相机对地高度不变的情况下,更新所述相机参数中的相机外参。
4.根据权利要求1至3任一项所述的方法,其中,所述目标地信特征集包括以下至少一者:点、直线、曲线、平面、图形。
5.一种相机标定装置,包括:
特征集提取模块,用于从目标相机采集到的第一图像中提取符合设定要求的目标地信特征集;
第一投影模块,用于利用所述目标相机的相机参数将所述第一图像投影到地面得到鸟瞰图;
第二投影模块,用于利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中;以及
相机参数更新模块,用于更新所述相机参数,并返回所述利用所述目标相机的相机参数将所述目标地信特征集中的地信特征投影到所述鸟瞰图中的步骤,直至得到的投影地信特征集符合设定的约束关系,以及将所述得到的投影地信特征集对应的相机参数确定为目标相机参数;其中,所述目标相机参数用于生成所述目标相机采集到的第二图像对应的投影图像,所述设定的约束关系包括所述投影地信特征集中的车道线之间保持平行约束、斑马线之间保持水平约束;
图像与轨迹获取模块,用于获取所述目标相机采集到的图像序列以及所述图像序列对应的轨迹序列,所述轨迹序列用于记录所述目标相机在采集所述图像序列时的位置变化;其中,所述图像序列包括所述第一图像和所述第二图像;
投影区域确定模块,用于基于所述轨迹序列确定所述图像序列的投影区域;以及
第三投影模块,用于利用目标相机参数将所述图像序列中的图像投影到地面,并从投影得到图像中截取落在所述投影区域内的投影图像;其中,所述投影图像用于导航。
6.根据权利要求5所述的装置,其中,所述特征集提取模块包括:
特征提取单元,用于从所述第一图像中提取符合设定要求的多个地信特征;以及
聚类拟合单元,用于对所述多个地信特征进行聚类拟合,得到所述目标地信特征集。
7.根据权利要求5所述的装置,其中,所述相机参数更新模块包括:
相机外参更新单元,用于在保持所述相机参数中的相机内参和相机对地高度不变的情况下,更新所述相机参数中的相机外参。
8.根据权利要求5至7任一项所述的装置,其中,所述目标地信特征集包括以下至少一者:点、直线、曲线、平面、图形。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165690.2A CN113870365B (zh) | 2021-09-30 | 2021-09-30 | 相机标定方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165690.2A CN113870365B (zh) | 2021-09-30 | 2021-09-30 | 相机标定方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870365A CN113870365A (zh) | 2021-12-31 |
CN113870365B true CN113870365B (zh) | 2023-05-05 |
Family
ID=79001553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111165690.2A Active CN113870365B (zh) | 2021-09-30 | 2021-09-30 | 相机标定方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870365B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5923422B2 (ja) * | 2012-09-24 | 2016-05-24 | クラリオン株式会社 | カメラのキャリブレーション方法及び装置 |
CN108647664B (zh) * | 2018-05-18 | 2021-11-16 | 河海大学常州校区 | 一种基于环视图像的车道线检测方法 |
CN111462243A (zh) * | 2019-01-22 | 2020-07-28 | 上海欧菲智能车联科技有限公司 | 车载流媒体后视镜标定方法、系统及装置 |
CN110751693B (zh) * | 2019-10-21 | 2023-10-13 | 北京百度网讯科技有限公司 | 用于相机标定的方法、装置、设备和存储介质 |
CN113256742B (zh) * | 2021-07-15 | 2021-10-15 | 禾多科技(北京)有限公司 | 界面展示方法、装置、电子设备和计算机可读介质 |
-
2021
- 2021-09-30 CN CN202111165690.2A patent/CN113870365B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113870365A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN107223269B (zh) | 三维场景定位方法和装置 | |
CN112444242B (zh) | 一种位姿优化方法及装置 | |
CN113989450B (zh) | 图像处理方法、装置、电子设备和介质 | |
JP7422105B2 (ja) | 路側計算装置に用いる障害物3次元位置の取得方法、装置、電子デバイス、コンピュータ可読記憶媒体、及びコンピュータプログラム | |
AU2011362799A1 (en) | 3D streets | |
CN113029128B (zh) | 视觉导航方法及相关装置、移动终端、存储介质 | |
CN113888639B (zh) | 基于事件相机与深度相机的视觉里程计定位方法及系统 | |
CN112686877A (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN113409459A (zh) | 高精地图的生产方法、装置、设备和计算机存储介质 | |
CN115953483A (zh) | 一种参数标定方法、装置、计算机设备及存储介质 | |
CN115410167A (zh) | 目标检测与语义分割方法、装置、设备及存储介质 | |
CN112907746A (zh) | 电子地图的生成方法、装置、电子设备及存储介质 | |
CN105513074A (zh) | 一种羽毛球机器人相机标定方法 | |
CN109034214B (zh) | 用于生成标记的方法和装置 | |
Yoo et al. | True orthoimage generation by mutual recovery of occlusion areas | |
CN115880448B (zh) | 基于双目成像的三维测量方法及装置 | |
CN113870365B (zh) | 相机标定方法、装置、设备以及存储介质 | |
Deng et al. | Automatic true orthophoto generation based on three-dimensional building model using multiview urban aerial images | |
CN108650465B (zh) | 摄像机画面增强现实标签的计算方法、装置及电子设备 | |
CN113744361A (zh) | 一种基于三目视觉的三维高精地图构建方法及装置 | |
CN112184901A (zh) | 一种深度图确定方法及装置 | |
CN117876608B (zh) | 三维图像重建方法、装置、计算机设备及存储介质 | |
CN116007637B (zh) | 定位装置、方法、车载设备、车辆、及计算机程序产品 | |
CN117201708B (zh) | 带有位置信息的无人机视频拼接方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |