CN114359059A - 消除行车记录仪视频数据畸变的方法及相关设备 - Google Patents
消除行车记录仪视频数据畸变的方法及相关设备 Download PDFInfo
- Publication number
- CN114359059A CN114359059A CN202011091916.4A CN202011091916A CN114359059A CN 114359059 A CN114359059 A CN 114359059A CN 202011091916 A CN202011091916 A CN 202011091916A CN 114359059 A CN114359059 A CN 114359059A
- Authority
- CN
- China
- Prior art keywords
- distortion
- camera
- video data
- data recorder
- recorder
- 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 48
- 238000012937 correction Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000226585 Antennaria plantaginifolia Species 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 239000004429 Calibre Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本申请是关于一种消除行车记录仪视频数据畸变的方法及相关设备。该方法包括:通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数;获取行车记录仪传输的由所述相机拍摄的视频数据,根据所述确定的相机的畸变参数和畸变模型,矫正所述获取的视频数据的畸变。本申请提供的方案,能够消除行车记录仪视频数据的畸变,能够将畸变矫正和行车记录仪实时处理相结合。
Description
技术领域
本申请涉及数据识别及数据处理技术领域,尤其涉及消除行车记录仪视频数据畸变的方法及相关设备。
背景技术
随着社会的发展,汽车走进了千家万户,为了记录车辆行驶或发生特定情况时的视频资料,很多汽车都配置了视频摄录设备,例如行车记录仪;行车记录仪的视频数据可应用于辅助驾驶、全景监控等领域。
由于行车记录仪的相机所拍摄的物体都会发生不同形式的变形(畸变),因此行车记录仪的视频数据会存在一些畸变,用户希望能消除行车记录仪中的视频数据的畸变。
发明内容
为克服相关技术中存在的问题,本申请提供一种消除行车记录仪视频数据畸变的方法及相关设备,该消除行车记录仪视频数据畸变的方法及相关设备,能够消除行车记录仪视频数据的畸变。
本申请第一方面提供一种消除行车记录仪视频数据畸变的方法,包括:
通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数;
获取行车记录仪传输的由所述相机拍摄的视频数据,
根据所述确定的相机的畸变参数和畸变模型,矫正所述获取的视频数据的畸变。
优选的,所述获取行车记录仪传输的由所述相机拍摄的视频数据,包括:
获取所述行车记录仪实时回传的由所述相机拍摄的视频数据。
优选的,所述通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数,包括:
对行车记录仪的相机进行数学建模,得到相机的畸变模型;
通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片;
计算所述多张不同的图片上各个角点的实际位置;
根据所多张不同的图片上各个角点的实际位置以及所述得到的畸变模型,计算得到所述相机的径向畸变参数以及切向畸变参数。
优选的,所述根据所述确定的相机的畸变参数和畸变模型,矫正所述获取的视频数据的畸变,包括:
获取所述视频数据的图片中的所有像素点,根据所述相机的畸变参数和畸变模型对所述所有的像素点进行畸变矫正;或者,
获取所述视频数据的图片中的设定部分像素点,根据所述相机的畸变和畸变模型参数对所述设定部分像素点进行畸变矫正。
优选的,所述行车记录仪的相机为单目相机。
优选的,所述通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数,包括:
利用设定矫正软件工具进行数学建模,得到所述相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数。
本申请第二方面提供一种消除行车记录仪视频数据畸变的设备,包括:
畸变参数确定模块,用于通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数;
数据获取模块,用于获取行车记录仪传输的由所述相机拍摄的视频数据;
畸变矫正模块,用于根据所述畸变参数确定模块确定的相机的畸变参数和畸变模型,矫正所述数据获取模块获取的视频数据的畸变。
优选的,所述畸变参数确定模块包括:
建模子模块,用于对行车记录仪的相机进行数学建模,得到相机的畸变模型;
拍摄子模块,用于通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片;
角点计算子模块,用于计算所述拍摄子模块拍摄的多张不同的图片上各个角点的实际位置;
参数计算子模块,用于根据所述参数计算子模块计算得到的多张不同的图片上各个角点的实际位置以及所述畸变模型,计算得到所述相机的径向畸变参数以及切向畸变参数。
本申请第三方面提供一种电子设备,包括:处理器;以及存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
本申请第四方面提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:本申请提供的消除行车记录仪视频数据畸变的方法,采用行车记录仪的相机拍摄预设标定图片并进行数学建模,得到所述相机的畸变模型,并确定所述相机的畸变参数;,然后在获取行车记录仪视频数据后,可以利用确定的相机的畸变参数对行车记录仪的视频数据进行矫正例如进行实时矫正,从而能够实时地消除行车记录仪视频数据的畸变,并可以将畸变矫正和行车记录仪实时处理相结合,解决了相关技术中不能实时的矫正行车记录仪视频数据的畸变的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的消除行车记录仪视频数据畸变的方法的第一流程示意图;
图2是本申请实施例示出的消除行车记录仪视频数据畸变的方法的第二流程示意图;
图3是本申请实施例示出的消除行车记录仪视频数据畸变的方法中确定相机的畸变参数的流程示意图;
图4-1是本申请实施例示出的行车记录仪的相机拍摄黑白棋盘格的桶形畸变示意图;
图4-2是本申请实施例示出的行车记录仪的相机拍摄黑白棋盘格的枕形畸变示意图;
图4-3是本申请实施例示出的黑白棋盘格的原始示意图;
图5是本申请实施例示出的消除行车记录仪视频数据畸变之前的视频数据的示意图;
图6是本申请实施例示出的消除行车记录仪视频数据畸变之后的视频数据的示意图;
图7是本申请实施例示出的消除行车记录仪视频数据畸变的设备的结构示意图;
图8是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。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。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在相关技术中,车辆利用行车记录仪等设备分别采集视频数据,视频数据记录车辆在某段时间内的视频,可用于辅助驾驶、全景监控、事故还原、防盗追踪等用途,但由于所采集视频数据本身存在畸变,没有相关的实用方法去矫正行车记录仪的实时视频数据,造成视觉体验较差,也给后续的数据分析造成了比较大的障碍。
针对上述问题,本申请实施例提供一种消除行车记录仪视频数据畸变的方法及相关设备,能够实时地消除行车记录仪视频数据的畸变,提升用户视觉体验,也便于后续的数据分析处理。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的消除行车记录仪视频数据畸变的方法的第一流程示意图。
参见图1,该方法包括步骤:
S11,通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和相机的畸变模型,确定相机的畸变参数。
该步骤中,行车记录仪的相机可以为单目相机但不局限于此。
该步骤可以包括:对行车记录仪的相机进行数学建模,得到相机的畸变模型;通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片;计算多张不同的图片上各个角点的实际位置;根据所多张不同的图片上各个角点的实际位置以及畸变模型,计算得到相机的径向畸变参数以及切向畸变参数。
S12,获取行车记录仪传输的由相机拍摄的视频数据。
该步骤可以获取行车记录仪实时回传的由相机拍摄的视频数据,以将畸变矫正和行车记录仪实时处理相结合。
S13,根据确定的相机的畸变参数和畸变模型,矫正获取的视频数据的畸变。
该步骤可以采用行车记录仪的相机拍摄预设标定图片并利用设定矫正软件工具进行数学建模,得到相机的畸变模型,并确定相机的畸变参数。其中设定矫正软件工具例如可以是OpenCV或Matlab软件但不局限于此。
该步骤可以获取视频数据的图片中的所有像素点,根据相机的畸变参数和畸变模型对所有的像素点进行畸变矫正;或者,
获取视频数据的图片中的设定部分像素点,根据相机的畸变参数和畸变模型对设定部分像素点进行畸变矫正。
从该实施例可以看出,本申请提供的消除行车记录仪视频数据畸变的方法,采用行车记录仪的相机拍摄预设标定图片并进行数学建模,得到相机的畸变模型,并确定相机的畸变参数;然后在获取行车记录仪视频数据后,可以利用确定的相机的畸变参数对行车记录仪的视频数据进行矫正例如进行实时矫正,从而能够实时地消除行车记录仪视频数据的畸变,并可以将畸变矫正和行车记录仪实时处理相结合,解决了相关技术中不能实时的矫正行车记录仪视频数据的畸变的问题。
图2是本申请实施例示出的消除行车记录仪视频数据畸变的方法的第二流程示意图。图2相对于图1更详细描述了本申请的技术方案。
参见图2,该方法包括步骤:
S21,通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄标准矩形黑白方格所计算得到的参数和所得到的畸变模型,确定相机的畸变参数。
其中,行车记录仪的相机为单目相机但不局限于此。以单目相机为鱼眼相机举例说明但不局限于此。鱼眼相机采用的鱼眼镜头是一种超广角镜头,镜头的视角可以接近甚至超过180°。根据物理成像的规律,焦距越短,视角越大,因此,鱼眼相机采集的图像通常产生桶形畸变,桶形畸变也被称为径向畸变,可参见图4-1所示。还有一种是由于鱼眼镜头的透镜本身与图像平面不平行而产生的枕形畸变,枕形畸变也被称为切向畸变,可参见图4-2所示。径向畸变是由于镜头自身凸透镜的固有特性造成的,产生原因是光线在远离透镜中心的地方比靠近中心的地方更加弯曲。切向畸变是由于透镜本身与相机传感器平面(成像平面)或图像平面不平行而产生的,这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致。
请参见图3,是本申请实施例示出的消除行车记录仪视频数据畸变的方法中的确定相机的畸变参数的流程示意图。
图3中采用行车记录仪的相机拍摄预设标定图片并进行数学建模,得到相机的畸变模型,并确定相机的畸变参数的过程包括以下步骤:
S211,对行车记录仪的相机进行数学建模,得到相机的畸变模型。
例如,对行车记录仪的相机例如鱼眼相机进行数学建模,得到相机的畸变模型。通过成像原理以及大量研究,可以建立畸变模型,畸变模型用以下数学模型来表述:
其中(X, Y, Z)为三维点在世界坐标系中的坐标,(x, y, z)为三维点在相机坐标系中的坐标,(u,v)是像素坐标系中的像素坐标,以像素为单位;(cx, cy)是位于图像中心的主点;fx, fy是以像素单位表示的焦距。根据已有的相关技术方法,可以实现世界坐标系至相机坐标系的转换,相机坐标系至图像坐标系的转换,图像坐标系至像素坐标系的转换。
其中,公式中包括旋转矩阵R和平移矩阵(平移向量)t。
其中,(k1, k2, k3,k4,k5,k6)是相机的径向畸变参数;(p1,p2)是相机的切向畸变参数,r表示像素点与图像中心的像素距离;相机的畸变参数包括径向畸变参数以及切向畸变参数。
需说明的是,x'为理想的无畸变的图像像素坐标或者点(Points)坐标,x''是带透镜畸变参数的图像像素或点坐标,在此公式中,假如知道了正确的二维点x'和y',那么经过畸变后就得到了畸变的点x''和y'',其中畸变的计算是在归一化图像坐标系下进行的。得到畸变后的点x''和y''后,就可以根据相机内参矩阵得到像素值u和v。简单而言,x',y'是指理想点的位置,x'',y''是其真实位置,所以可以通过畸变模型进行近似,获得x'',y''的值。如果已知x'和y',根据公式可以计算出x''和y'';或者,如果已知x''和y'',根据公式可以计算出x'和y'。
S212,通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片。
其中的标准矩形黑白方格,例如可以是矩形黑白棋盘格但不局限于此。通过行车记录仪对矩形黑白棋盘格拍摄多张不同的图片。拍摄时,可以改变拍摄位置、拍摄角度或拍摄姿态,可以拍摄不同的图片5-20张左右第但不局限于此。
棋盘格可以有很多规格,一般都是9*6或者10*7,方格的边长一般是30mm,但也并没有固定的标准,不同的规格并不影响最终矫正的效果。拍摄的图片要尽量保证整个棋盘格都在成像区内,尽量保证多张图片之间棋盘格在图像中的成像角度以及所在位置都各不相同。
举例来说,可以通过相机从多个不同的角度、多个不同的方位以及多个不同的姿态拍摄矩形黑白棋盘格(在其它实施例中,矩形黑白棋盘格可以换成对称圆形的标定板或者非对称圆形的标定板等等),以此得到多张图片作为样本点,拍摄时相机可以有一定倾斜角度。其中,图片可以采用PNG(Portable Network Graphics,便携式网络图形)格式以640×480分辨率进行编码,或者以1280×720分辨率进行编码。
S213,计算多张不同的图片上各个角点的实际位置。
将多张图片与矩形黑白棋盘格进行匹配,同时根据矩形黑白棋盘格的形状以及矩形黑白棋盘格的大小,计算得到多个图片各个角点的实际位置;
请参见图4-1至图4-3,举例来说,将图4-1以及图4-2中的图片的角点(A´, B´)以及(A´´, B´´)与图片4-3中的矩形黑白棋盘格(A, B)进行匹配比较,因为已知矩形黑白棋盘格的形状、大小,再匹配上各张图片上相同方格的位置,就可以通过算法计算出图片的各角点的实际位置。需说明的是,图4-1至图4-3中的角点只是举例说明。
S214,根据所多张不同的图片上各个角点的实际位置以及得到的畸变模型,计算得到相机的径向畸变参数以及切向畸变参数。
根据多个图片各个角点的实际位置以及相机的畸变模型,可以计算得到相机的径向畸变参数(k1, k2, k3,k4,k5,k6)以及切向畸变参数(p1,p2)。
本申请可以利用设定矫正软件工具进行数学建模和进行矫正,得到相机的畸变模型,并确定相机的畸变参数。其中的设定矫正软件工具,例如可以是OpenCV或Matlab软件但不局限于此。OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库。Matlab是一种商业数学软件,用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人、控制系统等领域。
以Matlab软件举例说明,可以将多个图片输入到Matlab软件中,利用Matlab软件进行处理,例如通过Matlab软件中Calibrate进行计算得到相机的径向畸变参数(k1, k2,k3,k4,k5,k6)以及切向畸变参数(p1,p2),即是得到相机的畸变参数。
S22,获取行车记录仪实时回传的由相机拍摄的视频数据。
本申请中的行车记录仪,具有数据回传功能,因此该步骤中获取行车记录仪实时回传的由相机拍摄的视频数据。
S23,根据确定的相机的畸变参数和畸变模型,矫正获取的视频数据的畸变。
因为行车记录仪的相机的畸变参数已经确定,因此根据相机的畸变参数和畸变模型,就可以对获取的视频数据的畸变进行矫正。该步骤根据确定的相机的畸变参数和畸变模型,矫正获取的视频数据的畸变,也就是说依据畸变参数,可以将视频数据恢复到畸变前的情况。参见图5,是本申请实施例示出的消除行车记录仪视频数据畸变之前的视频数据的示意图。利用本申请实施例提供的消除行车记录仪视频数据畸变之后,就可以得到消除畸变后的视频数据,可参见图6,是本申请实施例示出的消除行车记录仪视频数据畸变之后的视频数据的示意图。从图6可以发现,视频数据已经进行了畸变矫正,视觉体验得到改善。
该步骤可以获取视频数据的图片中的所有像素点,根据相机的畸变参数和畸变模型对所有的像素点进行畸变矫正;或者,
获取视频数据的图片中的设定部分像素点,根据相机的畸变参数和畸变模型对设定部分像素点进行畸变矫正。
例如,获取视频数据的图片中的所有像素点,通过undistort算法对所有的像素点进行畸变矫正;或者获取视频数据的图片中的一部分像素点,通过undistortPoints算法对部分像素点进行畸变矫正。
其中,undistort算法一般是先把视频数据的整个图片全都进行畸变矫正,然后再对这张图片进行后续的数据分析操作。这种方法需要对视频数据的整个图片的所有像素点都操作,计算量比较大。其中,undistortPoints算法一般是先把视频数据的图片中需要的点提取出来,对提取出来的点进行畸变矫正,计算量较小。
在本申请实例中,通过数学建模得到行车记录仪的相机的畸变模型,通过相机标定计算得到相机的畸变参数,在实时地获取行车记录仪的视频数据后,就可以利用畸变参数对行车记录仪的视频数据进行畸变矫正,从而能够实时地消除行车记录仪视频数据的畸变,并能够将畸变矫正和行车记录仪实时处理相结合,从而解决了行车记录仪视频数据随机性大,不能实时的矫正行车记录仪视频数据的畸变的问题。
以上详细描述了本申请的消除行车记录仪视频数据畸变的方法,本申请相应提供一种消除行车记录仪视频数据畸变的设备。
图7是本申请实施例示出的消除行车记录仪视频数据畸变的设备的结构示意图。
参见图7,该消除行车记录仪视频数据畸变的设备,包括:畸变参数确定模块71、数据获取模块72、畸变矫正模块73。
畸变参数确定模块71,用于通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数。
行车记录仪的相机可以为单目相机但不局限于此。畸变参数确定模块71对行车记录仪的相机进行数学建模,得到相机的畸变模型;通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片;计算多张不同的图片上各个角点的实际位置;根据所多张不同的图片上各个角点的实际位置以及畸变模型,计算得到相机的径向畸变参数以及切向畸变参数。
数据获取模块72,用于获取行车记录仪传输的由相机拍摄的视频数据。
数据获取模块72获取行车记录仪实时回传的由相机拍摄的视频数据,以将畸变矫正和行车记录仪实时处理相结合。
畸变矫正模块73,用于根据畸变参数确定71模块确定的相机的畸变参数和畸变模型,矫正数据获取模块72获取的视频数据的畸变。
畸变矫正模块73可以获取视频数据的图片中的所有像素点,根据相机的畸变参数和畸变模型对所有的像素点进行畸变矫正;或者,获取视频数据的图片中的设定部分像素点,根据相机的畸变参数和畸变模型对设定部分像素点进行畸变矫正。
其中,畸变参数确定模块71可以包括:建模子模块710、拍摄子模块711、角点计算子模块712、参数计算子模块713。
建模子模块710,用于对行车记录仪的相机进行数学建模,得到相机的畸变模型。
拍摄子模块711,用于通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片。
角点计算子模块712,用于计算摄子模块711拍摄的多张不同的图片上各个角点的实际位置。
参数计算子模块713,用于根据参数计算子模块712计算得到的多张不同的图片上各个角点的实际位置以及建模子模块710得到的畸变模型,计算得到相机的径向畸变参数以及切向畸变参数。
从该实施例可以看出,本申请提供的消除行车记录仪视频数据畸变的方法,采用行车记录仪的相机拍摄预设标定图片并进行数学建模,得到相机的畸变模型,并确定相机的畸变参数;然后在获取行车记录仪视频数据后,可以利用确定的相机的畸变参数对行车记录仪的视频数据进行矫正例如进行实时矫正,从而能够实时地消除行车记录仪视频数据的畸变,并可以将畸变矫正和行车记录仪实时处理相结合,解决了相关技术中不能实时的矫正行车记录仪视频数据的畸变的问题。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图8是本申请实施例示出的电子设备的结构示意图。该电子设备例如可以是行车记录仪等设备。
参见图8,电子设备800包括存储器810和处理器820。
处理器820可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
存储器810可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器820或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器810可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器810可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器810上存储有可执行代码,当可执行代码被处理器820处理时,可以使处理器820执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本申请所必须的。另外,可以理解,本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
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系统和方法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中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。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操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种消除行车记录仪视频数据畸变的方法,其特征在于,包括:
通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数;
获取行车记录仪传输的由所述相机拍摄的视频数据,
根据所述确定的相机的畸变参数和畸变模型,矫正所述获取的视频数据的畸变。
2.根据权利要求1所述的方法,其特征在于,所述获取行车记录仪传输的由所述相机拍摄的视频数据,包括:
获取所述行车记录仪实时回传的由所述相机拍摄的视频数据。
3.根据权利要求1所述的方法,其特征在于,所述通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数,包括:
对行车记录仪的相机进行数学建模,得到相机的畸变模型;
通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片;
计算所述多张不同的图片上各个角点的实际位置;
根据所多张不同的图片上各个角点的实际位置以及所述得到的畸变模型,计算得到所述相机的径向畸变参数以及切向畸变参数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述确定的相机的畸变参数和畸变模型,矫正所述获取的视频数据的畸变,包括:
获取所述视频数据的图片中的所有像素点,根据所述相机的畸变参数和畸变模型对所述所有的像素点进行畸变矫正;或者,
获取所述视频数据的图片中的设定部分像素点,根据所述相机的畸变参数和畸变模型对所述设定部分像素点进行畸变矫正。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述行车记录仪的相机为单目相机。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数,包括:
利用设定矫正软件工具进行数学建模,得到所述相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数。
7.一种消除行车记录仪视频数据畸变的设备,其特征在于,包括:
畸变参数确定模块,用于通过数学建模确定行车记录仪的相机的畸变模型,利用行车记录仪的相机拍摄预设标定图片所得到的参数和所述相机的畸变模型,确定所述相机的畸变参数;
数据获取模块,用于获取行车记录仪传输的由所述相机拍摄的视频数据;
畸变矫正模块,用于根据所述畸变参数确定模块确定的相机的畸变参数和畸变模型,矫正所述数据获取模块获取的视频数据的畸变。
8.根据权利要求7所述的设备,其特征在于,所述畸变参数确定模块包括:
建模子模块,用于对行车记录仪的相机进行数学建模,得到相机的畸变模型;
拍摄子模块,用于通过行车记录仪的相机对标准矩形黑白方格拍摄多张不同的图片;
角点计算子模块,用于计算所述拍摄子模块拍摄的多张不同的图片上各个角点的实际位置;
参数计算子模块,用于根据所述参数计算子模块计算得到的多张不同的图片上各个角点的实际位置以及所述建模子模块得到的畸变模型,计算得到所述相机的径向畸变参数以及切向畸变参数。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
10.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011091916.4A CN114359059A (zh) | 2020-10-13 | 2020-10-13 | 消除行车记录仪视频数据畸变的方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011091916.4A CN114359059A (zh) | 2020-10-13 | 2020-10-13 | 消除行车记录仪视频数据畸变的方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359059A true CN114359059A (zh) | 2022-04-15 |
Family
ID=81089962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011091916.4A Pending CN114359059A (zh) | 2020-10-13 | 2020-10-13 | 消除行车记录仪视频数据畸变的方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359059A (zh) |
-
2020
- 2020-10-13 CN CN202011091916.4A patent/CN114359059A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
EP3425587A1 (en) | Method and device for generating a panoramic image | |
CN106355550B (zh) | 图像拼接系统和图像拼接方法 | |
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
EP2637138A1 (en) | Method and apparatus for combining panoramic image | |
US20190012804A1 (en) | Methods and apparatuses for panoramic image processing | |
US8797387B2 (en) | Self calibrating stereo camera | |
CN109479082B (zh) | 图象处理方法及装置 | |
CN113191954B (zh) | 一种基于双目相机的全景图像拼接方法 | |
CN109741241B (zh) | 鱼眼图像的处理方法、装置、设备和存储介质 | |
CN111928842B (zh) | 一种基于单目视觉实现slam定位的方法及相关装置 | |
WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN111862301A (zh) | 图像处理和对象建模方法与设备、图像处理装置及介质 | |
Shah et al. | Removal of specular reflections from image sequences using feature correspondences | |
Zhu et al. | Robust plane-based calibration of multiple non-overlapping cameras | |
Attard et al. | Image mosaicing of tunnel wall images using high level features | |
CN112070077B (zh) | 一种基于深度学习的食物识别方法和装置 | |
CN112272267A (zh) | 拍摄控制方法、拍摄控制装置及电子设备 | |
CN113139924A (zh) | 图像增强方法、电子设备及存储介质 | |
CN111353945B (zh) | 鱼眼图像校正方法、装置及存储介质 | |
CN114359059A (zh) | 消除行车记录仪视频数据畸变的方法及相关设备 | |
Al-Harasis et al. | On the design and implementation of a dual fisheye camera-based surveillance vision system | |
WO2018150086A2 (en) | Methods and apparatuses for determining positions of multi-directional image capture apparatuses | |
JP3452188B2 (ja) | 2次元動画像中の特徴点の追跡方法 | |
CN111815512A (zh) | 用于检测失真图像中的对象的方法、系统和设备 |
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 |