CN114299162B - 一种用于ar-hud的快速标定方法 - Google Patents
一种用于ar-hud的快速标定方法 Download PDFInfo
- Publication number
- CN114299162B CN114299162B CN202111647331.0A CN202111647331A CN114299162B CN 114299162 B CN114299162 B CN 114299162B CN 202111647331 A CN202111647331 A CN 202111647331A CN 114299162 B CN114299162 B CN 114299162B
- Authority
- CN
- China
- Prior art keywords
- matrix
- calibration plate
- calibration
- adopting
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 196
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims abstract description 45
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims abstract description 45
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 31
- 230000009466 transformation Effects 0.000 claims abstract description 30
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims abstract description 8
- 238000013519 translation Methods 0.000 claims description 35
- 238000005457 optimization Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 210000001508 eye Anatomy 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及汽车显示技术领域，更具体的说，涉及一种用于AR‑HUD的快速标定方法。本方法包括：步骤S1、计算AR光机投影平面与工业相机像平面之间单应矩阵H；步骤S2、分别拍摄编码标定板；步骤S4、将工业相机采集的编码标定板的圆心坐标，转换到AR光机投影平面坐标系下；步骤S5、计算投影矩阵；步骤S6、将投影矩阵采用QR分解；步骤S7、采用列文伯格‑马夸尔特算法优化迭代QR分解以后的值；步骤S8、采用列文伯格‑马夸尔特算法对第一姿态变换矩阵R、第二姿态变换矩阵t进行优化迭代；步骤S9、实现ADAS相机与AR光机之间的标定。本发明只需采集两次图像即可完成整个标定过程，标定流程简单，采用圆形标识的编码标定板，提升了标定的精度与稳定性。
Description
技术领域
本发明涉及汽车显示技术领域，更具体的说，涉及一种用于AR-HUD的快速标定方法。
背景技术
AR-HUD(Augmented Reality-Head Up Display，增强现实抬头显示系统)将挡风玻璃作为显示屏，通过内部特殊设计的光学系统AR光机，将图像信息精确地结合于实际交通路况中，将胎压、速度、转速等信息投射到前挡风玻璃上，使车主在行车中，无需低头就能查看汽车相关信息。
高级驾驶辅助系统(ADAS，Advanced Driving Assistance System)是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航)，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。
AR-HUD结合ADAS等功能，可以及时有效的显示车辆信息以及车辆周边环境信息，也为实现全面自动驾驶提供了有利条件和重要支撑。
为了实现AR-HUD投影图像与车外物体等环境信息的完美贴合，需要对AR-HUD进行标定，其中最重要的是标定AR-HUD投影光机的内参以及AR光机与ADAS之间的旋转矩阵R、平移矩阵t。
目前，AR-HUD标定的经典方法是SPAAM(单点主动对准方法)，图1揭示了现有技术的AR-HUD的标定方案示意图，如图1所示的单点主动对准方法，通过在AR光机102的投影图上标识n个已知像点(ui，vi)，在空间中移动特定物体101(比如手指)使人眼104观测到的像点与特定物体101重合，ADAS相机103定位特定物体101的空间3D坐标(Xi，Yi，Zi)。已知n个像点坐标(ui，vi)及其对应的3D坐标(Xi，Yi，Zi)，即可进行标定解算。
但是，上述方法存在标定效率低下、标定误差较大等缺点。
针对上述方法，目前已有一些改进方法，其中，最明显的改进是采用工业相机替代人眼，通过AR光机投影图像，典型的投影图像为一张已知角点的棋盘格图像；工业相机采集前挡玻璃上的图像，提取工业相机棋盘格角点；计算投影图像与工业相机像平面之间的单应矩阵H；关闭AR光机，多次变换车外已知实际物理尺寸的棋盘格标板姿态，工业相机、ADAS相机同时采集对应的图像；将工业相机采集到图像经过单应矩阵变换到AR光机像素坐标下，通过张氏标定方法进行标定。
上述改进方法虽然提升了标定精度，但是由于存在多次采集图像，还是存在标定效率低下的问题。
发明内容
本发明的目的是提供一种用于AR-HUD的快速标定方法，解决现有技术中对于AR-HUD的标定精度低且标定效率低下的问题。
为了实现上述目的，本发明提供了一种用于AR-HUD的快速标定方法，包括以下步骤：
步骤S1、计算AR光机投影平面与工业相机像平面之间单应矩阵H；
步骤S2、ADAS相机和工业相机分别拍摄编码标定板，提取ADAS相机、工业相机拍摄编码标定板的圆心坐标和编码值；
步骤S4、将工业相机采集的编码标定板的圆心坐标，通过单应矩阵H转换到AR光机投影平面坐标系下；
步骤S5、计算ADAS相机与编码标定板之间的第一投影矩阵Pa，计算AR光机与编码标定板之间的第二投影矩阵Pp；
步骤S6、将第一投影矩阵Pa采用QR分解为第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta，将第二投影矩阵Pp矩阵采用QR分解为第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp；
步骤S7、采用列文伯格-马夸尔特算法对第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta进行优化迭代，采用列文伯格-马夸尔特算法对第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp进行优化迭代；
步骤S8、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp，采用列文伯格-马夸尔特算法对ADAS相机与AR光机的第一姿态变换矩阵R、第二姿态变换矩阵t进行优化迭代；
步骤S9、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp、第二平移矩阵tp、第一姿态变换矩阵R和第二姿态变换矩阵t，实现ADAS相机与AR光机之间的标定。
在一实施例中，步骤S2和步骤S4之间，进一步包括：
步骤S3、剔除ADAS相机与工业相机所拍摄图像中编码值非交集的部分图像。
在一实施例中，所述步骤S1，进一步包括：
AR光机投影已知圆心坐标(upi，vpi)的原始图像至前挡玻璃；
工业相机采集投射到前挡玻璃上的图像，提取投射图像的圆心坐标(uci，vci)；
单应矩阵H通过以下表达式进行计算：
在一实施例中，所述步骤S5，进一步包括：
第一投影矩阵Pa通过以下表达式进行计算：
其中，(Xwi，Ywi，Zwi)为编码标定板的3D坐标，(uai，vai)为ADAS相机所采集的投射到前挡玻璃上的图案所对应提取的圆心坐标；
第二投影矩阵Pp通过以下表达式进行计算：
其中，(Xwi，Ywi，Zwi)为编码标定板的3D坐标，(upi，vpi)为经步骤S4转换得到的圆心坐标。
在一实施例中，所述步骤S7，进一步包括：
针对ADAS相机，采用列文伯格-马夸尔特算法，求解以下迭代优化方程：
其中，f为第一投影矩阵Pa关系函数，mai为ADAS相机所采集的投射到前挡玻璃上的图案所对应的像点，Pw为编码标定板的世界坐标点；
针对AR光机，采用列文伯格-马夸尔特算法，求解以下迭代优化方程：
其中，f为第二投影矩阵Pp关系函数，mpi为AR光机所对应的像点，Pw为编码标定板的世界坐标点。
在一实施例中，所述步骤S8，进一步包括：
采用列文伯格-马夸尔特算法，求解以下迭代优化方程：
其中，第一内参矩阵Ma、第二内参矩阵Mp取值固定，以第一姿态变换矩阵R、第二姿态变换矩阵t为优化目标进行求解。
在一实施例中，所述编码标定板，采用施耐德编码图案。
在一实施例中，所述编码标定板，采用圆形编码标识。
在一实施例中，所述步骤S6中编码标定板的3D坐标，采用已标定完成的双目相机对编码标定板进行3D空间定位获取。
在一实施例中，所述步骤S6中编码标定板的3D坐标，采用全站仪对编码标定板的圆心进行定位获取。
本发明提供的一种用于AR-HUD的快速标定方法，一方面只需采集两次图像即可完成整个标定过程，标定流程简单，另一方面，采用圆形标识的编码标定板，提升了标定的精度与稳定性。
附图说明
本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：
图1揭示了现有技术的AR-HUD的标定方案示意图；
图2揭示了根据本发明一实施例的用于AR-HUD的快速标定方法流程图；
图3揭示了根据本发明又一实施例的用于AR-HUD的快速标定方法流程图；
图4a揭示了根据本发明一实施例的编码1的施耐德编码图案示意图；
图4b揭示了根据本发明一实施例的编码2的施耐德编码图案示意图；
图4c揭示了根据本发明一实施例的编码3的施耐德编码图案示意图；
图4d揭示了根据本发明一实施例的编码4的施耐德编码图案示意图。
图中各附图标记的含义如下：
101 特定物体；
102 AR光机；
103 ADAS相机；
104 人眼。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释发明，并不用于限定发明。
图2揭示了根据本发明一实施例的用于AR-HUD的快速标定方法流程图，如图2所示，本发明提出的一种用于AR-HUD的快速标定方法，包括以下步骤：
步骤S1、计算AR光机投影平面与工业相机像平面之间单应矩阵H；
步骤S2、ADAS相机和工业相机分别拍摄编码标定板，提取ADAS相机、工业相机拍摄编码标定板的圆心坐标和编码值；
步骤S4、将工业相机采集的编码标定板的圆心坐标，通过单应矩阵H转换到AR光机投影平面坐标系下；
步骤S5、计算ADAS相机与编码标定板之间的第一投影矩阵Pa，计算AR光机与编码标定板之间的第二投影矩阵Pp；
步骤S6、将第一投影矩阵Pa采用QR分解为第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta，将第二投影矩阵Pp矩阵采用QR分解为第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp；
步骤S7、采用列文伯格-马夸尔特算法对第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta进行优化迭代，采用列文伯格-马夸尔特算法对第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp进行优化迭代；
步骤S8、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp，采用列文伯格-马夸尔特算法对ADAS相机与AR光机的第一姿态变换矩阵R、第二姿态变换矩阵t进行优化迭代；
步骤S9、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp、第二平移矩阵tp、第一姿态变换矩阵R和第二姿态变换矩阵t，实现ADAS相机与AR光机之间的标定。
图3揭示了根据本发明又一实施例的用于AR-HUD的快速标定方法流程图，与图2所示的实施例相比，在图3所示的实施例中步骤S2和步骤S4之间，进一步包括：
步骤S3、剔除ADAS相机与工业相机所拍摄图像中编码值非交集的部分图像。
下面对每一步骤进行详细的说明。
步骤S1、计算AR光机投影平面与工业相机像平面之间单应矩阵H。
AR光机投影已知圆心坐标(upi，vpi)的原始图像至前挡玻璃；
工业相机采集投射到前挡玻璃上的图像，提取投射图像的圆心坐标(uci，vci)；
两图存在单应变换，从而，单应矩阵H通过以下表达式进行计算：
通过n个已知坐标的像点求取单应矩阵H。
工业相机安装在AR光机的eye box范围内。eye box指的是近眼显示光学模组与眼球之间的一块锥形区域，也是显示内容最清晰的区域
较佳的，工业相机的最优位置为eye box中心。
S2、拍摄立体编码标定板图案；
关闭AR光机，ADAS相机和工业相机分别拍摄编码标定板，分别提取ADAS相机、工业相机拍摄编码标定板的圆心坐标和编码值。
S3、剔除ADAS相机与工业相机所拍摄图像中编码值非交集的部分图像，从而根据编码值定位所需要标定的图像。
S4、将工业相机采集的标板圆心坐标通过单应矩阵H转换到AR光机投影图坐标系下；
S5、计算投影矩阵；
S51、计算ADAS相机与编码标定板之间的第一投影矩阵Pa；
第一投影矩阵Pa通过以下表达式进行计算：
其中，(Xwi，Ywi，Zwi)为编码标定板的3D坐标，(uai，vai)为ADAS相机所采集的投射到前挡玻璃上的图案所对应提取的圆心坐标；
S52、计算AR光机与编码标定板之间的第二投影矩阵Pp；
第二投影矩阵Pp通过以下表达式进行计算：
其中，(Xwi，Ywi，Zwi)为编码标定板的3D坐标，(upi，vpi)为经步骤S4转换得到的圆心坐标。
编码标定板的3D坐标定位方法包括但不限于以下两种：
1)采用已标定完成的双目相机对编码标定板进行3D空间定位，获取(Xwi，Ywi，Zwi)坐标。
2)采用全站仪对编码标定板的圆心进行定位，去取(Xwi，Ywi，Zwi)坐标。
其中，全站仪，即全站型电子测距仪(Electronic Total Station)，是一种集光、机、电为一体的高技术测量仪器，是集水平角、垂直角、距离(斜距、平距)高差测量功能于一体的测绘仪器系统。
S6、投影矩阵分解；
采用QR分解将第一投影矩阵Pa分解为第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta；
采用QR分解将第二投影矩阵Pp分解为第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp；
此时，可以计算出AR光机与ADAS相机的第一姿态变换矩阵R、第二姿态变换矩阵t。
QR(正交三角)分解法是求一般矩阵全部特征值的最有效并广泛应用的方法，一般矩阵先经过正交相似变化成为Hessenberg矩阵，然后再应用QR方法求特征值和特征向量。它是将矩阵分解成一个正规正交矩阵Q与上三角形矩阵R，所以称为QR分解法，与此正规正交矩阵的通用符号Q有关。
S7、采用LM算法优化迭代初值，优化迭代步骤S6中QR分解以后的参数值。
针对ADAS相机，采用LM算法对第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta进行优化迭代，求解以下迭代优化方程：
其中，f为第一投影矩阵Pa关系函数，mai为ADAS相机所采集的投射到前挡玻璃上的图案所对应的像点，Pw为编码标定板的世界坐标点；
针对AR光机，采用LM算法对第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp进行优化迭代，求解以下迭代优化方程：
其中，f为第二投影矩阵Pp关系函数，mpi为AR光机所对应的像点，Pw为编码标定板的世界坐标点。
第一投影矩阵Pa关系函数和第二投影矩阵Pp关系函数的表达公式相同，只是函数的参数不同。
LM(Levenberg-Marquarelt)算法，LM算法是一种迭代求函数极值的算法。是使用最广泛的非线性最小二乘算法，中文为列文伯格-马夸尔特法。它是利用梯度求最大(小)值的算法。
步骤S8、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp，采用列文伯格-马夸尔特算法对ADAS相机与AR光机的第一姿态变换矩阵R、第二姿态变换矩阵t进行优化迭代
LM算法优化迭代ADAS与AR光机之间第一姿态变换矩阵R、第二姿态变换矩阵t；固定内参Ma、Mp，最小化如下方程：
求解以下迭代优化方程：
其中，第一内参矩阵Ma、第二内参矩阵Mp取值固定，以第一姿态变换矩阵R、第二姿态变换矩阵t为优化目标进行求解。
S9、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp、第二平移矩阵tp、第一姿态变换矩阵R和第二姿态变换矩阵t，实现ADAS相机与AR光机之间的标定。
第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp、第二平移矩阵tp、第一姿态变换矩阵R和第二姿态变换矩阵t均已求解，完成ADAS与AR光机之间的标定。
在图1和图2所示的实施例中，编码标定板采用施耐德(Schneider)编码图案。
图4a-图4d分别揭示了根据本发明一实施例的编码1-编码4的施耐德编码图案示意图，如图4a-图4d所示的编码图案为圆形编码标识，分为4个编码，单独制作该编码图案标识，贴附于空间中非平面的标板上，形成本实施例中所使用的编码标定板。
Schneider编码图案，由中心圆和同心编码环带组成，编码环带按照角度均分为数份，每一份可以称为亮环带或者暗环带，相应的二进制码为1或者0，“1”表示该位上有编码点，“0”表示该位上没有编码点。
在其他实施例中，编码标定板也可以采用不同的标板类型，比如charuco标板等。
在其他实施例中，编码标定板也可以更改编码圆的编码位数。
本发明提供的一种用于AR-HUD的快速标定方法，具体具有以下有益效果：
1)只需要采集两次图像即可完成整个标定过程，简化标定流程，大大提升工作效率；
2)降低标定环境要求，采用带编码标识标定板，对车身放置方位、标板的摆放位置限制性大大降低；
3)采用圆形标识标定板，提升了算法稳定性；
4)节省标定资源，除了用于ADAS与AR-HUD之间的标定，通过修改坐标系原点位置，也可以进行ADAS与车身之间标定，节省大量标定资源。
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。
上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。
Claims (10)
1.一种用于AR-HUD的快速标定方法，其特征在于，包括以下步骤：
步骤S1、计算AR光机投影平面与工业相机像平面之间单应矩阵H；
步骤S2、ADAS相机和工业相机分别拍摄编码标定板，提取ADAS相机、工业相机拍摄编码标定板的圆心坐标和编码值；
步骤S4、将工业相机采集的编码标定板的圆心坐标，通过单应矩阵H转换到AR光机投影平面坐标系下；
步骤S5、计算ADAS相机与编码标定板之间的第一投影矩阵Pa，计算AR光机与编码标定板之间的第二投影矩阵Pp；
步骤S6、将第一投影矩阵Pa采用QR分解为第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta，将第二投影矩阵Pp采用QR分解为第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp；
步骤S7、采用列文伯格-马夸尔特算法对第一内参矩阵Ma、第一旋转矩阵Ra和第一平移矩阵ta进行优化迭代，采用列文伯格-马夸尔特算法对第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp进行优化迭代；
步骤S8、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp和第二平移矩阵tp，采用列文伯格-马夸尔特算法对ADAS相机与AR光机的第一姿态变换矩阵R、第二姿态变换矩阵t进行优化迭代；
步骤S9、基于优化迭代后的第一内参矩阵Ma、第一旋转矩阵Ra、第一平移矩阵ta、第二内参矩阵Mp、第二旋转矩阵Rp、第二平移矩阵tp、第一姿态变换矩阵R和第二姿态变换矩阵t，实现ADAS相机与AR光机之间的标定。
2.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，步骤S2和步骤S4之间，进一步包括：
步骤S3、剔除ADAS相机与工业相机所拍摄图像中编码值非交集的部分图像。
3.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，所述步骤S1，进一步包括：
AR光机投影已知圆心坐标(upi，vpi)的原始图像至前挡玻璃；
工业相机采集投射到前挡玻璃上的图像，提取投射图像的圆心坐标(uci，vci)；
单应矩阵H通过以下表达式进行计算：
4.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，所述步骤S5，进一步包括：
第一投影矩阵Pa通过以下表达式进行计算：
其中，(Xwi，Ywi，Zwi)为编码标定板的3D坐标，(uai，vai)为ADAS相机所采集的投射到前挡玻璃上的图案所对应提取的圆心坐标；
第二投影矩阵Pp通过以下表达式进行计算：
其中，(Xwi，Ywi，Zwi)为编码标定板的3D坐标，(upi，vpi)为经步骤S4转换得到的圆心坐标。
5.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，所述步骤S7，进一步包括：
针对ADAS相机，采用列文伯格-马夸尔特算法，求解以下迭代优化方程：
其中，f为第一投影矩阵Pa关系函数，mai为ADAS相机所采集的投射到前挡玻璃上的图案所对应的像点，Pw为编码标定板的世界坐标点；
针对AR光机，采用列文伯格-马夸尔特算法，求解以下迭代优化方程：
其中，f为第二投影矩阵Pp关系函数，mpi为AR光机所对应的像点，Pw为编码标定板的世界坐标点。
6.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，所述步骤S8，进一步包括：
采用列文伯格-马夸尔特算法，求解以下迭代优化方程：
其中，第一内参矩阵Ma、第二内参矩阵Mp取值固定，以第一姿态变换矩阵R、第二姿态变换矩阵t为优化目标进行求解。
7.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，所述编码标定板，采用施耐德编码图案。
8.根据权利要求1所述的用于AR-HUD的快速标定方法，其特征在于，所述编码标定板，采用圆形编码标识。
9.根据权利要求4所述的用于AR-HUD的快速标定方法，其特征在于，所述步骤S5中编码标定板的3D坐标，采用已标定完成的双目相机对编码标定板进行3D空间定位获取。
10.根据权利要求4所述的用于AR-HUD的快速标定方法，其特征在于，所述步骤S5中编码标定板的3D坐标，采用全站仪对编码标定板的圆心进行定位获取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111647331.0A CN114299162B (zh) | 2021-12-30 | 2021-12-30 | 一种用于ar-hud的快速标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111647331.0A CN114299162B (zh) | 2021-12-30 | 2021-12-30 | 一种用于ar-hud的快速标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114299162A CN114299162A (zh) | 2022-04-08 |
| CN114299162B true CN114299162B (zh) | 2024-05-10 |
Family
ID=80973073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111647331.0A Active CN114299162B (zh) | 2021-12-30 | 2021-12-30 | 一种用于ar-hud的快速标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114299162B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115113400B (zh) * | 2022-05-23 | 2024-03-12 | 惠州市德赛西威智能交通技术研究院有限公司 | 基于车辆俯仰角调整ar-hud显示的控制方法，系统和汽车 |
| CN116087922A (zh) * | 2023-01-09 | 2023-05-09 | 合众新能源汽车股份有限公司 | 一种激光标定的方法、装置、系统、设备及介质 |
| CN116883502B (zh) * | 2023-09-05 | 2024-01-09 | 深圳市智绘科技有限公司 | 相机位姿和路标点位置的确定方法、装置、介质及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5388059A (en) * | 1992-12-30 | 1995-02-07 | University Of Maryland | Computer vision system for accurate monitoring of object pose |
| CN107025670A (zh) * | 2017-03-23 | 2017-08-08 | 华中科技大学 | 一种远心相机标定方法 |
| CN109003309A (zh) * | 2018-07-05 | 2018-12-14 | 烟台大学 | 一种高精度相机标定和目标姿态估计方法 |
| CN109483516A (zh) * | 2018-10-16 | 2019-03-19 | 浙江大学 | 一种基于空间距离和极线约束的机械臂手眼标定方法 |
| CN111405263A (zh) * | 2019-12-26 | 2020-07-10 | 的卢技术有限公司 | 一种双摄像头结合共用于增强抬头显示的方法及系统 |
| CN113260430A (zh) * | 2021-03-31 | 2021-08-13 | 华为技术有限公司 | 一种场景处理方法、装置、系统及相关设备 |
| CN113421346A (zh) * | 2021-06-30 | 2021-09-21 | 暨南大学 | 一种增强驾驶感的ar-hud抬头显示界面的设计方法 |
-
2021
- 2021-12-30 CN CN202111647331.0A patent/CN114299162B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5388059A (en) * | 1992-12-30 | 1995-02-07 | University Of Maryland | Computer vision system for accurate monitoring of object pose |
| CN107025670A (zh) * | 2017-03-23 | 2017-08-08 | 华中科技大学 | 一种远心相机标定方法 |
| CN109003309A (zh) * | 2018-07-05 | 2018-12-14 | 烟台大学 | 一种高精度相机标定和目标姿态估计方法 |
| CN109483516A (zh) * | 2018-10-16 | 2019-03-19 | 浙江大学 | 一种基于空间距离和极线约束的机械臂手眼标定方法 |
| CN111405263A (zh) * | 2019-12-26 | 2020-07-10 | 的卢技术有限公司 | 一种双摄像头结合共用于增强抬头显示的方法及系统 |
| CN113260430A (zh) * | 2021-03-31 | 2021-08-13 | 华为技术有限公司 | 一种场景处理方法、装置、系统及相关设备 |
| CN113421346A (zh) * | 2021-06-30 | 2021-09-21 | 暨南大学 | 一种增强驾驶感的ar-hud抬头显示界面的设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114299162A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114299162B (zh) | 一种用于ar-hud的快速标定方法 | |
| US9448758B2 (en) | Projecting airplane location specific maintenance history using optical reference points | |
| CN109938837B (zh) | 光学跟踪系统及光学跟踪方法 | |
| CN110517325B (zh) | 一种坐标变换及坐标变换的车身周围物体定位方法和系统 | |
| CN111872544B (zh) | 激光出光指示点的标定方法、装置和振镜同轴视觉系统 | |
| CN110763204B (zh) | 一种平面编码靶标及其位姿测量方法 | |
| CN112907675B (zh) | 图像采集设备的标定方法、装置、系统、设备及存储介质 | |
| CN113191329B (zh) | 一种基于单目视觉图片的车辆泊位匹配方法及系统 | |
| US20170221224A1 (en) | Position measurement apparatus for measuring position of object having reflective surface in the three-dimensional space | |
| CN106529587A (zh) | 基于目标点识别的视觉航向识别方法 | |
| CN112161586A (zh) | 一种基于编码棋盘格的线结构光视觉传感器标定方法 | |
| CN110135323A (zh) | 图像标注方法、装置、系统及存储介质 | |
| CN107991665A (zh) | 一种基于定焦相机的对标靶三维坐标连续测量方法 | |
| CN111932627B (zh) | 一种标识物绘制方法及系统 | |
| CN111210478A (zh) | 一种无共同视野多相机系统外参标定方法、介质及系统 | |
| CN113119129A (zh) | 一种基于标准球的单目测距定位方法 | |
| CN102914295A (zh) | 基于计算机视觉立方体标定的三维测量方法 | |
| CN112700537A (zh) | 轮胎的点云构建方法、装配方法、控制装置、存储介质 | |
| CN112505663A (zh) | 用于多线激光雷达与相机联合标定的标定方法 | |
| CN115239822A (zh) | 分体式飞行车辆多模块间实时视觉识别定位方法及系统 | |
| CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
| CN104166995B (zh) | 一种基于马步测度的Harris‑SIFT双目视觉定位方法 | |
| US9804252B2 (en) | System and method for measuring tracker system accuracy | |
| CN112884832B (zh) | 一种基于多目视觉的智能小车轨迹预测方法 | |
| CN116912334B (zh) | 基于光栅条纹投影的相位映射高精度投影仪标定方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant after: United New Energy Automobile Co.,Ltd. Address before: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant before: Hozon New Energy Automobile Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |