CN113902812A - 一种基于多标定板的激光雷达与相机外参自动标定方法 - Google Patents
一种基于多标定板的激光雷达与相机外参自动标定方法 Download PDFInfo
- Publication number
- CN113902812A CN113902812A CN202111193182.5A CN202111193182A CN113902812A CN 113902812 A CN113902812 A CN 113902812A CN 202111193182 A CN202111193182 A CN 202111193182A CN 113902812 A CN113902812 A CN 113902812A
- Authority
- CN
- China
- Prior art keywords
- camera
- plane
- calibration
- laser radar
- points
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003416 augmentation Effects 0.000 claims description 2
- 238000002372 labelling Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于多标定板的激光雷达与相机外参自动标定方法，包括：步骤S1：激光雷达‑相机数据采集；步骤S2：激光雷达点云中三维标定板平面提取；步骤S3：相机图像中二维标定板平面提取；步骤S4：激光雷达与相机中标定板平面匹配；步骤S5：激光雷达与相机外参计算，每次随机选取三对平面，根据平面方程关系，计算闭式解，根据计算的外参对剩余平面进行验证。本发明相比现有技术在收集数据和标定过程中节约大量的时间，且能够实现和人工标注相似甚至更好的结果。
Description
技术领域
本发明涉及激光雷达测量领域，尤其涉及一种基于多标定板的激光雷达与相机外参自动标定方法。
背景技术
在大规模实时稠密三维建模领域，常规的扫描设备为激光雷达与相机组成的系统。为了对激光雷达点云进行着色，需要获得精确的激光雷达与相机相对位置关系，即激光雷达-相机外参标定。传统的基于棋盘格标定板的激光雷达-相机外参标定算法根据三维-二维投影关系建立优化方程，迭代求解外参，其中三维-二维投影关系需要人工逐帧在激光雷达点云中选取标定板平面，在相机图像中标注标定板边缘点，费时费力。
现有技术需要人工标注数据，这增加了标定的技术难度和时间成本。同时，现有技术至少需要录制5-10组数据，一般需要录制20组左右，每组数据标定板的摆放位置需要有所区别，这增加了收集数据的时间成本。
因此，本领域的技术人员致力于开发一种基于多标定板的激光雷达与相机外参自动标定方法，致力于实现简单快速的激光雷达-相机外参自动标定，该方法能够利用常见的棋盘格标定板，在给定激光雷达和相机数据的情况下自动计算激光雷达与相机的外参，不需要人工干预。本发明的目的在于克服目前激光雷达-相机标定算法需要在标定过程中施加人工干预(如需要手动选点、手动选取平面等)的问题，从而节省人力成本，提高标定速度。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是克服目前激光雷达-相机标定算法需要在标定过程中施加人工干预(如需要手动选点、手动选取平面等)的问题。
为实现上述目的，本发明提供了一种基于多标定板的激光雷达与相机外参自动标定方法，包括以下步骤：
步骤S1：激光雷达-相机数据采集，采集过程中使用不少于三个大小相同的方形棋盘格标定板，所述任意两个标定板不共面；截取一帧相机图像和一帧激光雷达点云组成一组数据，作为外参标定算法的输入；
步骤S2：激光雷达点云中三维标定板平面提取，使用区域增长算法提取激光雷达点云中的所有平面，在所有平面点云中筛选标定板平面点云，使用主成分分析算法拟合标定板平面方程；
步骤S3：相机图像中二维标定板平面提取，在一帧图像中进行三次检测，分别得到所述不少于三个的棋盘格所有角点在图像中的坐标，再分别计算出相机与每个标定板的相对位姿，进而得到标定板平面在相机坐标系的平面方程；
步骤S4：激光雷达与相机中标定板平面匹配，对所述步骤S2中点云平面提取其中心并投影至归一化平面，对比二维投影点的横纵坐标，得到点云平面与真实世界标定板的对应关系，进而得到激光雷达中平面与相机中平面的匹配关系；
步骤S5：激光雷达与相机外参计算，每次随机选取三对平面，根据平面方程关系，计算闭式解，当录制多组数据,根据计算的外参对剩余平面进行验证，排除误差干扰。
进一步地，所述步骤S1的激光雷达-相机数据采集还包括：数据采集时，单目相机图像与激光雷达点云均包含三个标定板平面，当采集多组数据时，需要调整激光雷达-相机系统的位置和视角。
进一步地，所述步骤S2中的区域增长算法包括：
步骤S211：对点云中的每个点找到30个邻近点，计算点的曲率和法线并根据曲率排序，将曲率最小的点设为初始种子点；
步骤S212：将所述种子点周围，与种子点曲率接近且法向量夹角小于1°的点加入种子点队列，将只满足法向量夹角小于1°的点加入种子点所在区域；当种子队列判断清空，一块区域分割完毕；
步骤S213：选择未判断的点中曲率最小的点建立新的种子队列，重复步骤S212过程，直到最后一个点判断完毕。
进一步地，所述步骤S2中使用主成分分析算法拟合标定板平面方程，还包括以下步骤：首先根据三维点的均值将三维点中心化，计算所有点在X，Y，Z轴的协方差，组成三维协方差矩阵；再对协方差矩阵进行SVD分解，最小特征值对应的特征向量即平面法向量，结合三维点的位置即可得到平面方程。
进一步地，所述步骤S3中标定板平面在相机坐标系的平面方程，具体为：
假设棋盘格在世界中的一个三维点坐标为(Xi,Yi,Zi)，其在相机图片中的对应像素坐标为(ui,vi)，在齐次坐标下下式成立
其中s是尺度因子，ti构成的矩阵为增广矩阵，包含旋转与平移信息，根据上式，每有一对三维-二维匹配点，可以列出两组方程，对于12个变量，至少6对匹配点对可以求解t矩阵。
进一步地，所述步骤S5中的平面方程关系为：
其中R、t分别为外参的旋转和平移矩阵，n为平面法向量，ρ为原点到平面距离；当匹配的平面数大于等于三对，可以通过奇异值分解得到外参的闭式解。
进一步地，所述步骤S5中录制多组数据时，使用随机抽样一致算法排除误差干扰。
本发明自动提取激光雷达和相机数据中的标定板平面并一一对应。同时运用平面匹配闭式解和随机抽样一致算法计算激光雷达-相机系统的外参。本发明最少只需要录制1组数据，即可自动标定得到相对准确的激光雷达-相机外参。录制多组数据时，本发明采用随机抽样一致算法排除误差干扰。本发明相比现有技术在收集数据和标定过程中节约大量的时间，且能够实现和人工标注相似甚至更好的结果。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的方法流程图；
图2是本发明的一个较佳实施例的标定系统结构图；
其中，1-激光雷达，2-相机。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
如图1所示，本发明流程如下：
步骤S1：激光雷达-相机数据采集
本发明标定的系统为一个激光雷达和一个单目相机组成的双传感器刚体系统，如图2所示，以两个传感器左右分布为例，其中单目相机内参预先使用传统方法标定。在数据采集过程中本发明使用三个或大于等于三个底板大小相同、棋盘格尺寸各异的方形棋盘格标定板，确保任意两个标定板不共面。采集时应确保单目相机图像与激光雷达点云均包含三个标定板平面。当采集多组数据时，需要调整激光雷达-相机系统的位置和视角。
本发明标定的系统为一个激光雷达和一个单目相机组成的双传感器刚体系统，其中单目相机内参预先使用传统方法标定。本发明将两个传感器固定在3D打印的支架上，安装时需要保证激光雷达和单目相机的视野有重叠。数据采集时，本发明将三个底板边长为1.2m、棋盘格尺寸分别为3x5、5x7、7x9的正方形棋盘格标定板放置于相机和雷达正前方5m左右的位置，确保任意两个标定板不共面。检查传感器数据确保单目相机图像与激光雷达点云均包含三个标定板平面。此时截取一帧相机图像和一帧激光雷达点云组成一组数据，作为本发明中外参标定算法的输入。
步骤S2：激光雷达点云中三维标定板平面提取
首先使用区域增长(region grow)算法提取激光雷达点云中的所有平面。区域增长的大致流程是，首先计算点云中所有点的曲率并排序，将曲率最小的点设为初始种子点，对曲率和相邻法线夹角小于阈值的点加入种子队列，当种子队列判断清空，一块区域分割完毕，然后选择未判断的点中曲率最小的点建立新的种子队列，重复以上步骤，直到最后一个点判断完毕。通过区域增长算法，本发明可以得到一组点云，其中每一个点云是一个平面。基于对标定板尺寸的先验信息，本发明对每一个点云提取其最小外接矩形，判断矩形的两个长边是否长于0.8倍标定板底板边长且短于1.2倍标定板底板边长，由此筛选出三个标定板平面的点云，再利用主成分分析(principle component analysis)算法分别拟合出平面方程。主成分分析算法计算三维点的协方差，分解协方差矩阵得到最小特征值对应的特征向量即平面法向，结合三维点的位置得到平面方程。
其中，激光雷达点云中提取标定板平面包含如下步骤：
步骤S21：使用区域增长(region grow)算法提取激光雷达点云中的所有平面。具体步骤如下：1.1.对点云中的每个点找到30个邻近点，计算点的曲率和法线并根据曲率排序，将曲率最小的点设为初始种子点。1.2.将种子点周围，与种子点曲率接近且法向量夹角小于1°的点加入种子点队列，将只满足法向量夹角小于1°的点加入种子点所在区域。当种子队列判断清空，一块区域分割完毕。1.3.选择未判断的点中曲率最小的点建立新的种子队列，重复步骤1.2过程，直到最后一个点判断完毕。通过区域增长算法，可以得到一组点云，其中每一个点云包含一个平面。
步骤S22：在所有平面点云中筛选标定板平面点云。由于录制场景中通常包含地面、墙面等平面区域，因此步骤S1中提取的平面点云中存在非标定板平面。基于对标定板尺寸的先验信息，对每一个点云提取其最小外接矩形，判断矩形的两个长边是否长于0.8倍标定板底板边长(0.96m)且短于1.2倍标定板底板边长(1.44m)，由此筛选出三个标定板平面的点云。
步骤S23：使用主成分分析(principle component analysis)算法拟合标定板平面方程。首先计算三维点的协方差，分解协方差矩阵得到两个主方向即平面方向，然后叉乘得到平面法向量，结合三维点的位置即可得到平面方程。
步骤S3：相机图像中二维标定板平面提取
使用OpenCV开源库提供的棋盘格检测算法在一帧图像中进行三次检测。由于棋盘格尺寸各异，可以分别得到三个棋盘格所有角点在图像中的坐标。已知相机内参和棋盘格在真实世界尺寸，可以根据PnP(pespective-n-point)算法分别计算出相机与每个标定板的相对位姿，进而得到标定板平面在相机坐标系的平面方程。具体的，假设棋盘格在世界中的一个三维点坐标为(Xi,Yi,Zi)，其在相机图片中的对应像素坐标为(ui,vi)，在齐次坐标下下式成立
其中s是尺度因子，ti构成的矩阵为增广矩阵，包含旋转与平移信息。根据上式，每有一对三维-二维匹配点，可以列出两组方程，对于12个变量，至少6对匹配点对可以求解t矩阵。
步骤S4：激光雷达与相机中标定板平面匹配
由于步骤S2得到的标定板平面点云与实际的标定板对应关系未知(标定板底板尺寸相同)，而步骤S3中得到的标定板平面与实际的标定板对应关系已知(棋盘格尺寸不同)，需要获取激光雷达与相机中提取的平面的对应关系。如图2所示，已知真实世界标定板的分布，本发明对步骤S2中点云平面提取其中心并投影至归一化平面，对比二维投影点的横纵坐标(最左侧，最右侧，最下侧)，得到点云平面与真实世界标定板的对应关系，进而得到激光雷达中平面与相机中平面的匹配关系。
由于步骤S2得到的标定板平面点云与实际的标定板对应关系未知(标定板底板尺寸相同)，本发明需要获取激光雷达点云中标定板与真实世界标定板的对应关系。如图2所示，由于雷达坐标系中向前为x轴，向左为y轴，向上为z轴，已知真实世界标定板的分布，本发明对步骤S2中点云平面提取其中心并根据中心点的y坐标排序，从大到小依次对应棋盘格尺寸为4x5、3x4、4x6的标定板。而步骤S3中提取的相机中的标定板平面是根据棋盘格尺寸分三次得到，与真实世界标定板对应关系已知。由此可以得到激光雷达中平面与相机中平面的匹配关系。
步骤S5：激光雷达与相机外参计算
根据文献(Closed-form solutions for estimating a rigid motion fromplane correspondences extracted from point clouds)，已知两个三维平面匹配，他们的平面方程有如下关系：
其中R、t分别为外参的旋转和平移矩阵，n为平面法向量，ρ为原点到平面距离。当匹配的平面数大于等于三对，可以通过奇异值分解得到外参的闭式解。录制多组数据时，使用随机抽样一致算法排除误差干扰。具体的，每次随机选取三对平面，计算闭式解，根据计算的外参对剩余平面进行验证(误差为点到平面距离)。记录点面距离平均误差小于0.05米的平面对数量n。重复100次，取nmax对应的外参，即可排除误差干扰。
可选地，收集数据时，标定板的数量可以大于等于三个，只需保证每个标定板的棋盘格尺寸不同且任意两个标定板不共面。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.一种基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，包括以下步骤：
步骤S1：激光雷达-相机数据采集，采集过程中使用不少于三个大小相同的方形棋盘格标定板，所述任意两个标定板不共面；截取一帧相机图像和一帧激光雷达点云组成一组数据，作为外参标定算法的输入；
步骤S2：激光雷达点云中三维标定板平面提取，使用区域增长算法提取激光雷达点云中的所有平面，在所有平面点云中筛选标定板平面点云，使用主成分分析算法拟合标定板平面方程；
步骤S3：相机图像中二维标定板平面提取，在一帧图像中进行三次检测，分别得到所述不少于三个的棋盘格所有角点在图像中的坐标，再分别计算出相机与每个标定板的相对位姿，进而得到标定板平面在相机坐标系的平面方程；
步骤S4：激光雷达与相机中标定板平面匹配，对所述步骤S2中点云平面提取其中心并投影至归一化平面，对比二维投影点的横纵坐标，得到点云平面与真实世界标定板的对应关系，进而得到激光雷达中平面与相机中平面的匹配关系；
步骤S5：激光雷达与相机外参计算，每次随机选取三对平面，根据平面方程关系，计算闭式解，当录制多组数据,根据计算的外参对剩余平面进行验证，排除误差干扰。
2.如权利要求1所述的基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，所述步骤S1的激光雷达-相机数据采集还包括：数据采集时，单目相机图像与激光雷达点云均包含三个标定板平面，当采集多组数据时，需要调整激光雷达-相机系统的位置和视角。
3.如权利要求1所述的基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，所述步骤S2中的区域增长算法包括：
步骤S211：对点云中的每个点找到30个邻近点，计算点的曲率和法线并根据曲率排序，将曲率最小的点设为初始种子点；
步骤S212：将所述种子点周围，与种子点曲率接近且法向量夹角小于1°的点加入种子点队列，将只满足法向量夹角小于1°的点加入种子点所在区域；当种子队列判断清空，一块区域分割完毕；
步骤S213：选择未判断的点中曲率最小的点建立新的种子队列，重复步骤S212过程，直到最后一个点判断完毕。
4.如权利要求1所述的基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，所述步骤S2中使用主成分分析算法拟合标定板平面方程，还包括以下步骤：首先根据三维点的均值将三维点中心化，计算所有点在X，Y，Z轴的协方差，组成三维协方差矩阵；再对协方差矩阵进行SVD分解，最小特征值对应的特征向量即平面法向量，结合三维点的位置即可得到平面方程。
5.如权利要求1所述的基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，所述步骤S3中标定板平面在相机坐标系的平面方程，具体为：
假设棋盘格在世界中的一个三维点坐标为(Xi,Yi,Zi)，其在相机图片中的对应像素坐标为(ui,vi)，在齐次坐标下下式成立
其中s是尺度因子，ti构成的矩阵为增广矩阵，包含旋转与平移信息，根据上式，每有一对三维-二维匹配点，可以列出两组方程，对于12个变量，至少6对匹配点对可以求解t矩阵。
6.如权利要求1所述的基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，所述步骤S5中的平面方程关系为：
其中R、t分别为外参的旋转和平移矩阵，n为平面法向量，ρ为原点到平面距离；当匹配的平面数大于等于三对，可以通过奇异值分解得到外参的闭式解。
7.如权利要求1所述的基于多标定板的激光雷达与相机外参自动标定方法，其特征在于，所述步骤S5中录制多组数据时，使用随机抽样一致算法排除误差干扰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111193182.5A CN113902812A (zh) | 2021-10-13 | 2021-10-13 | 一种基于多标定板的激光雷达与相机外参自动标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111193182.5A CN113902812A (zh) | 2021-10-13 | 2021-10-13 | 一种基于多标定板的激光雷达与相机外参自动标定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113902812A true CN113902812A (zh) | 2022-01-07 |
Family
ID=79191839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111193182.5A Withdrawn CN113902812A (zh) | 2021-10-13 | 2021-10-13 | 一种基于多标定板的激光雷达与相机外参自动标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113902812A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114152937A (zh) * | 2022-02-09 | 2022-03-08 | 西南科技大学 | 一种旋转激光雷达的外参标定方法 |
| CN115026834A (zh) * | 2022-07-02 | 2022-09-09 | 埃夫特智能装备股份有限公司 | 一种基于机器人模板程序纠偏功能的实现方法 |
| CN115100281A (zh) * | 2022-06-20 | 2022-09-23 | 江苏集萃未来城市应用技术研究所有限公司 | 基于三维标定板的激光雷达与相机的外内参标定方法 |
| CN115115595A (zh) * | 2022-06-30 | 2022-09-27 | 东北林业大学 | 一种面向森林火灾监测的机载激光雷达和红外相机的实时标定方法 |
| CN115994955A (zh) * | 2023-03-23 | 2023-04-21 | 深圳佑驾创新科技有限公司 | 相机外参标定方法、装置和车辆 |
| WO2024021654A1 (zh) * | 2022-07-28 | 2024-02-01 | 江苏集萃智能光电系统研究所有限公司 | 一种用于线结构光3d相机的误差校正方法以及装置 |
| US11960034B2 (en) * | 2021-11-08 | 2024-04-16 | Nanjing University Of Science And Technology | Three-dimensional towered checkerboard for multi-sensor calibration, and LiDAR and camera joint calibration method based on the checkerboard |
-
2021
- 2021-10-13 CN CN202111193182.5A patent/CN113902812A/zh not_active Withdrawn
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11960034B2 (en) * | 2021-11-08 | 2024-04-16 | Nanjing University Of Science And Technology | Three-dimensional towered checkerboard for multi-sensor calibration, and LiDAR and camera joint calibration method based on the checkerboard |
| CN114152937A (zh) * | 2022-02-09 | 2022-03-08 | 西南科技大学 | 一种旋转激光雷达的外参标定方法 |
| CN115100281A (zh) * | 2022-06-20 | 2022-09-23 | 江苏集萃未来城市应用技术研究所有限公司 | 基于三维标定板的激光雷达与相机的外内参标定方法 |
| CN115115595A (zh) * | 2022-06-30 | 2022-09-27 | 东北林业大学 | 一种面向森林火灾监测的机载激光雷达和红外相机的实时标定方法 |
| CN115115595B (zh) * | 2022-06-30 | 2023-03-03 | 东北林业大学 | 一种面向森林火灾监测的机载激光雷达和红外相机的实时标定方法 |
| CN115026834A (zh) * | 2022-07-02 | 2022-09-09 | 埃夫特智能装备股份有限公司 | 一种基于机器人模板程序纠偏功能的实现方法 |
| WO2024021654A1 (zh) * | 2022-07-28 | 2024-02-01 | 江苏集萃智能光电系统研究所有限公司 | 一种用于线结构光3d相机的误差校正方法以及装置 |
| CN115994955A (zh) * | 2023-03-23 | 2023-04-21 | 深圳佑驾创新科技有限公司 | 相机外参标定方法、装置和车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113902812A (zh) | 一种基于多标定板的激光雷达与相机外参自动标定方法 | |
| CN110443836B (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
| CN109785379B (zh) | 一种对称物体尺寸及重量的测量方法及测量系统 | |
| CN104713885B (zh) | 一种用于pcb板在线检测的结构光辅助双目测量方法 | |
| CN110411339B (zh) | 一种基于平行激光束的水下目标尺寸测量设备及方法 | |
| CN109242855B (zh) | 基于多分辨率三维统计信息的屋顶分割方法、系统及设备 | |
| CN107886547B (zh) | 一种鱼眼相机标定方法及系统 | |
| Nguyen et al. | 3D scanning system for automatic high-resolution plant phenotyping | |
| CN112270713A (zh) | 标定方法以及装置、存储介质、电子装置 | |
| GB2524983A (en) | Method of estimating imaging device parameters | |
| CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
| CN112132906A (zh) | 一种深度相机与可见光相机之间的外参标定方法及系统 | |
| CN108195736B (zh) | 一种三维激光点云提取植被冠层间隙率的方法 | |
| CN107977996A (zh) | 基于靶标标定定位模型的空间目标定位方法 | |
| CN113592957A (zh) | 一种多激光雷达和多相机联合标定方法及系统 | |
| CN110189347B (zh) | 一种测量物体体积的方法及终端 | |
| CN109911481A (zh) | 面向冶金机器人接插的仓架目标视觉识别定位方法和系统 | |
| CN115201883B (zh) | 一种运动目标视频定位测速系统及方法 | |
| CN113538666A (zh) | 一种植物植株三维模型快速重建方法 | |
| CN108320310B (zh) | 基于图像序列的空间目标三维姿态估计方法 | |
| CN110533774A (zh) | 一种基于智能手机的三维模型重建方法 | |
| CN108596032A (zh) | 一种视频中打架行为检测方法、装置、设备及介质 | |
| CN110223356A (zh) | 一种基于能量生长的单目相机全自动标定方法 | |
| EP4009275A1 (en) | Golf ball top-view detection method and system, and storage medium | |
| CN117710588A (zh) | 一种基于视觉测距先验信息的三维目标检测方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220107 |