CN114549652A - 一种相机标定方法、装置、设备及计算机可读介质 - Google Patents
一种相机标定方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN114549652A CN114549652A CN202210037924.3A CN202210037924A CN114549652A CN 114549652 A CN114549652 A CN 114549652A CN 202210037924 A CN202210037924 A CN 202210037924A CN 114549652 A CN114549652 A CN 114549652A
- Authority
- CN
- China
- Prior art keywords
- calibration
- camera
- dot matrix
- parameter
- coordinates
- 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
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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本发明提供了一种相机标定方法、装置、设备及计算机可读介质。属于相机标定技术领域,解决现有技术中存在的点阵图像坐标存在偏差,导致相机标定精度降低的问题。所述方法包括:获取相机对标定板拍摄的图片;提取所述图片中的点阵图像坐标;利用张正友标定法进行相机标定获取第一标定参数;利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。相对于现有技术而言,本发明实现的条件简便,标定精度高,适用场景广泛,具有重要的应用价值和研究意义。
Description
技术领域
本发明涉及计算机视觉及相机标定领域,尤其是涉及一种相机标定方法、装置、设备及计算机可读介质。
背景技术
相机标定在计算机视觉测量领域有着十分重要的地位,其标定精度直接决定相机正确还原现实世界场景的能力。相机标定一般采用张正友标定法,即绘制一个具有精确定位点阵的模板,然后模板和相机之间一个运动一个静止,获得最少3个不同方位的模板图像。通过确定图像和模板上的点阵的匹配,计算出图像和模板之间的单应性矩阵,并利用该单应性矩阵线性求解出相机内参、外参、畸变系数。常用的模板为二维标定板,标定板多为均匀分布的棋盘格,如图1所示。
但是,现有的点阵识别方法精度较低,导致识别出的部分二维点的图像坐标有偏差,进而降低了相机标定结果的精度。因此,需对相机标定方法进行改进。
发明内容
有鉴于此,本发明实施例提供一种相机标定方法、装置、终端设备及计算机可读介质,解决点阵图像坐标存在偏差,导致相机标定精度降低的问题。
本发明实施例的第一方面提供了一种相机标定方法,包括:
S101:获取相机对标定板拍摄的图片;
S102:提取所述图片中的点阵图像坐标;
S103:利用张正友标定法进行相机标定获取第一标定参数;
S104:根据所述第一标定参数计算所述点阵图像中各个特征点的第一重投影误差,剔除异常特征点的二维坐标及其所对应的三维坐标;
S105:根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复步骤S104,否则进行下一步;
S106:利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。
本发明实施例的第二方面提供了一种相机标定装置,包括:
获取模块:用于获取相机对标定板拍摄的图片;
提取模块:用于提取所述图片中的点阵图像坐标;
标定模块:用于利用张正友标定法进行相机标定获取第一标定参数;
异常点剔除模块:用于根据所述第一标定参数计算所述点阵图像中各个特征点的第一重投影误差,剔除异常特征点的二维坐标及其所对应的三维坐标;
判断模块:用于根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复所述异常点剔除模块操作,否则进行下一步;
输出模块:利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中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上述相机标定方法的步骤。
本发明实施例的第四方面提供了一种计算机可读介质,所述计算机可读介质存储有计算机程序,所述计算机程序被处理执行时实现上述相机标定方法的步骤。
本发明提供的一种相机标定方法相比现有技术,具有以下效果:
1、本发明的点阵高精度提取步骤首先计算一个单应性矩阵,该单应性矩阵以标定板平面为基准将所拍摄到的图像转化成正视方向的图像。然后通过该单应性矩阵将图像转换成正视图,并使用点阵识别算法提取点阵,可以显著提高点阵识别的精度。
2、本发明的异常点剔除步骤首先计算点阵中每个特征点的重投影误差,按照一定的策略多次剔除图像坐标偏差较大的特征点的二维坐标及其所对应的三维坐标,最终使点阵的平均重投影误差降低,可以显著提高标定结果的准确率。
3、通过本发明方法,相机的内参、外参、畸变系数能够被精确计算。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是现有技术中标定板的示意图;
图2是本发明实施例提供的相机标定方法流程图;
图3是本发明实施例提供的标定结果判定流程图;
图4是本发明实施例提供的的异常点剔除流程图;
图5是本发明实施例提供的点阵提取效果图;
图6是本发明实施例提供的标定板正视图及点阵提取效果图;
图7是本发明实施例提供的专用相机标定设备示意图;
图8是本发明实施例提供的相机标定装置的结构框图;
图9是本发明实施例提供的相机标定设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
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。
相机标定的目的:获取摄像机的内参和外参矩阵(同时也会得到每一幅标定图像的选择和平移矩阵),内参和外参系数可以对之后相机拍摄的图像就进行矫正,得到畸变相对很小的图像。
相机标定的输入:标定图像上所有内角点的图像坐标,标定板图像上所有内角点的空间三维坐标(一般情况下假定图像位于Z=0平面上)。
相机标定的输出:摄像机的内参、外参系数及畸变系数。
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。
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。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参阅图2,图2是本发明实施例提供的相机标定方法的流程图。如图2所示包括以下步骤:
S101:获取相机对标定板拍摄的图片。
在具体实现S101的过程中,采用本发明中提供的专用相机标定设备进行图像采集,一般情况下,需要至少采集三张标定图像。其中,如图7所示,本发明提供有的一种专用相机标定设备包括:单轴平移机、底板2、旋转机构3、标定板4、相机5、相机支撑结构6、两轴平移机构7、水平方向滑槽8、竖直方向滑槽9、前后方向滑槽10。其中,标定板图案如图1所示;若以该标定板4为基础建立世界坐标系,则每个标定块在该世界坐标系下的真实坐标是固定不变且已知的。
此外,旋转机构3底部固定设置在底板2的端部,且标定板4的背面与旋转机构3顶部连接。本实施例中,旋转机构3的顶部指的是能够旋转的部件,即标定板4可以旋转,旋转角为α;该旋转机构3具体可以是能够自动旋转的部件,比如电机等,也可以是需要借助外力才可旋转的部件,本实施例对此不做限定。
本实施例中,第一固定支架6、第二固定支架11、第三固定支架12、第四固定支架13分离设置,二者用于固定不同的部件。具体的,第一固定支架6用于支撑两轴平移机构7,第二固定支架11的端部用于固定相机5,第三固定支架12用于固定左侧的单轴平移机构1,第四固定支架13用于固定右侧的单轴平移机构1。同时,标定板4的正面朝向第一固定支架6,使得固定在第二固定支架11上的相机5在朝向底板2时可以采集到标定板4正面的图像。相机5镜头处虚线所对应的范围表示该相机5的采集范围。
本发明实施例提供的专用相机标定设备的图像采集过程具体如下:将相机5固定在第二固定支架11的端部,使得相机5可以拍摄包含标定板4正面的标定图像;在采集到一张标定图像之后,通过改变该旋转机构3的旋转角α来改变标定板4的位姿,之后再利用左侧和右侧的单轴平移机构1以及两轴平移机构7改变相机5所处空间的三维坐标,并用相机5采集标定板4的完整标定图像,完成一次采集。重复采集几次,即可以采集到多张标定图像。
S102:提取所述图片中的点阵图像坐标。
在具体实现S102的过程中,本发明采用点阵提取算法提取图像中的点阵。首先设定了一个固定尺寸的窗口W(x,y),其像素灰度值为I(x,y),将该窗口向x、y方向分别移动微小位移u、v,移动后的新位置对应的像素灰度值为I(x+u,y+v),则可得该窗口此次移动引起的灰度值的变化值[I(x+u,y+v)-I(x,y)]。同时,设高斯核函数ω(x,y)为W(x,y)的窗口函数,表示窗口内各像素的权重。该窗口向各个方向移动(u,v),其产生的灰度值变化量E(u,v)可以表示为:
E(u,v)=∑(x,y)ω(x,y)[I(x+u,y+v)-I(x,y)]2 (1)
为了简化式(1)的运算,对I(x+u,y+v)用泰勒公式展开:
I(x+u,y+v)≈I(x,y)+uIx+vIy (2)
其中,Ix、Iy分别表示图像灰度在x、y方向上的梯度值。进而:
利用矩阵M的特征值λ1、λ2来计算每个窗口对应的角点响应函数R。设定一个阈值τc,若像素点对应的R满足如下条件:
R=min(λ1,λ2)>τc (5)
则该点被设定为点阵的其中一个点,从而提取该特征点图像坐标。
在一个具体实施例中,在进行S102过程后,还包括对所有特征点的图像坐标按照最左上角的点为起点,从左到右,从上到下顺序进行开始排序。提取后的点阵效果图如图5所示
S103:利用张正友标定法进行相机标定获取第一标定参数;
在具体实现S103过程中,采用张正友标定法进行相机标定,获取第一标定参数:即相机内参、相机外参、相机畸变系数。张正友标定法设三维世界坐标的点为X=[X,Y,Z,1]T,二维相机图像像素坐标为m=[u,v,1]T,所以标定用的标定板平面到图像平面的单应性关系为:
sm=K[R,T]X (6)
其中s为尺度因子,K为摄像机内参数,R为旋转矩阵,T为平移向量。令
将世界坐标系设定在标定板平面上,令标定板平面为Z=0的平面。则可得
令K[r1,r2,t]为单应性矩阵H,即
H=[h1h2h3]=λK[r1r2t] (9)
在一个具体实施例中,
通过单应性矩阵计算内参矩阵K:
通过所求得的内参矩阵求解外参矩阵[R,T]:
通过最大似然估计方法最小化所有特征点的总重投影误差,从而优化内参和外参矩阵:
其中Mij为第i张图中标定板第j个点的三维世界坐标,mij为它的图像坐标。
通过最大似然估计方法最小化所有特征点的总重投影误差,从而求解畸变系数k1,k2:
S104:根据所述第一标定参数计算所述点阵图像中各个特征点的第一重投影误差,剔除误差较大的特征点的二维坐标及其所对应的三维坐标。
在具体实现S104过程中,利用在S103过程中获得的第一标定参数(当前相机内参矩阵、外参矩阵以及畸变系数),计算标定板各个点(点阵图像中各个特征点)的第一重投影误差,具体可以采用公式13。按照误差从大到小对这些点排序,从误差最大的点(即异常特征点)开始尝试剔除,并利用剩余的点重新进行相机标定,得到新的参数矩阵(即第二标定参数)。
S105:根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复步骤S104,否则进行下一步。
在具体实现S105过程中,参照图4,包括:
S109:利用未进行异常点剔除前的所有特征点与所述第二标定参数获取第二重投影误差;
S110:利用进行异常点剔除后的所有特征点与所述第二标定参数获取第三重投影误差;
S111:比较第一重投影误差、第二重投影误差、第三重投影误差大小,如果所述第三重投影误差小于所述第二重投影误差、所述第二重投影误差小于第一重投影误差,则认为所述第二标定参数精度高于第一标定参数精度,重复步骤S104,直至第二标定参数的精度低于第一标定参数的进度,该异常点剔除过程停止。
上述实施例中,对重投影误差的计算,可参考上述公式13。
上述实施例中,通过首先计算点阵中每个特征点的重投影误差,按照一定的策略多次剔除图像坐标偏差较大的特征点的二维坐标及其所对应的三维坐标,最终使点阵的平均重投影误差降低。如此,可以提高标定结果的准确率。
S106:利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。
然后通过单应性矩阵Hm将所拍摄到的图像转换为以标定板平面为基准的正视图,由于正视图中各个点附近的邻域信息分布更为相似,采用点阵提取算法能得到图像坐标偏差较小的二维点阵,如图6所示。最后通过Hm将正视图中二维点阵的图像坐标反投影回原拍摄图像。
本发明通过利用点阵高精度提取步骤提高点阵降低特征点的二维坐标的偏差,显著提高点阵识别的精度。
在一个具体实施例中,参照图3,为获取精度更高的相机标定结果,在S106之后,继续进行异常特征点剔除及标定结果判定,寻优获得最终标定结果。具体地:
S107:根据所述第二标定参数计算所述点阵图像中各个特征点的重投影误差,剔除异常特征点的二维坐标及其所对应的三维坐标;
S108:根据剔除后点阵图像坐标进行相机标定获取第三标定参数,如果标定精度高于所述第二标定参数,重复步骤S107,否则所述第三标定参数作为标定结果输出。该过程中,具体的标定结果判定过程可以参照S105,在此不再赘述。
本发明首先提取图像中标定板的点阵图像坐标,使用张正友标定法进行相机标定并输出结果。然后使用异常点剔除步骤剔除图像坐标偏差较大的二维点及其所对应的三维点,再次进行相机标定,如果标定结果精度高于上次则继续剔除,否则使用高精度提取流程提高点阵的图像坐标准确度,重新进行相机标定、异常点剔除模块、再次相机标定等过程。最终输出精度更高的标定结果。相对于现有技术而言,本发明实现的条件简便,适用场景广泛,具有重要的应用价值和研究意义。
请参照图8,图8是本发明实施例提供的相机标定装置的结构框图。如图8所示,包括获取模块101、提取模块102、标定模块103、异常点剔除模块104、判断模块105、输出模块106。上述模块分别用于执行图2中的S101、S102、S103、S104、S105和S106中的具体方法,详情可参见图2的相关介绍,在此仅作简单描述:
获取模块101:用于获取相机对标定板拍摄的图片;
提取模块102:用于提取所述图片中的点阵图像坐标;
标定模块103:用于利用张正友标定法进行相机标定获取第一标定参数;
异常点剔除模块104:用于根据所述第一标定参数计算所述点阵图像中各个特征点的第一重投影误差,剔除误差较大的特征点(异常特征点)的二维坐标及其所对应的三维坐标;
判断模块105:用于根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复所述异常点剔除模块操作,否则进行下一步;
输出模块106:利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。
在图8提供的一种相机标定装置,首先计算一个单应性矩阵,该单应性矩阵以标定板平面为基准将所拍摄到的图像转化成正视方向的图像。然后通过该单应性矩阵将图像转换成正视图,并使用点阵识别算法提取点阵,可以显著提高点阵识别的精度。通过计算点阵中每个特征点的重投影误差,按照一定的策略多次剔除图像坐标偏差较大的特征点的二维坐标及其所对应的三维坐标,最终使点阵的平均重投影误差降低,可以显著提高标定结果的准确率。通过本发明方法,相机的内参、外参、畸变系数能够被精确计算。
图9是本发明一实施例提供的相机标定设备的示意图。如图9所示,该实施例的标定设备14包括:处理器140、存储器141以及存储在所述存储器141中并可在所述处理器140上运行的计算机程序142。所述处理器140执行所述计算机程序142时实现上述方法实施例中的步骤,例如,图2所示的S101至S106。或者,所述处理器140执行所述计算机程序142时实现上述各装置实施例中各模块/单元的功能,例如图8所示模块101至106的功能。
示例性的,所述计算机程序142可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器141中,并由所述处理器140执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序142在相机标定设备14中的执行过程。例如,所述计算机程序142可以被分割成模块101至106。虚拟装置中的模块。
所述处理器140可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、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。
所述存储器141可以是相机标定设备14的内部存储单元,例如相机标定设备14的硬盘或内存。所述存储器141也可以是相机标定设备14的外部存储设备,例如所述相机标定设备14上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器141还可以既包括相机标定设备14的内部存储单元也包括外部存储设备。所述存储器141用于存储所述计算机程序以及相机标定设备14所需的其它程序和数据。所述存储器141还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例中,第一标定参数、第二标定参数、第三标定参数、第一重投影误差、第二重投影误差、第三重投影误差并非代表某一个确定的数值,而是在一个循环判断或者标定中当前的结果、当前之前的结果和下一个结果等,为便于描述,本发明中将其在一个循环中定义为第一、第二、第三,并非对本发明的实施例进行限制。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种相机标定方法,其特征在于,包括:
S101:获取相机对标定板拍摄的图片;
S102:提取所述图片中的点阵图像坐标;
S103:利用张正友标定法进行相机标定获取第一标定参数;
S104:根据所述第一标定参数计算所述点阵图像中各个特征点的第一重投影误差,剔除异常特征点的二维坐标及其所对应的三维坐标;
S105:根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复步骤S104,否则进行下一步;
S106:利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。
2.根据权利要求1所述的相机标定方法,其特征在于,步骤S102中提取所述图片中的点阵图像坐标,包括:
在所述图片中设置固定尺寸的窗口W(x,y),其像素灰度值为I(x,y);设置高斯核函数ω(x,y)为W(x,y)的窗口函数,表示窗口内各像素的权重;
移动所述窗口在x、y方向获取微小位移u、v,移动后的所述窗口的新位置对应的像素灰度值为I(x+u,y+v),获取灰度值的变化值[I(x+u,y+v)-I(x,y)]以及灰度值得变化量E(u,v);
其中,E(u,v)=∑(x,y)ω(x,y)[I(x+u,y+v)-I(x,y)]2;
对I(x+u,y+v)用泰勒公式展开,获得:I(x+u,y+v)≈I(x,y)+uIx+vIy,其中Ix、Iy分别表示图像灰度在x、y方向上的梯度值;
计算E(u,v),及矩阵M,分别为:
利用矩阵M的特征值λ1、λ2来计算每个窗口对应的特征点响应函数R;设定一个阈值τc,若像素点对应的R满足条件:R=min(λ1,λ2)>τc,则该特征点被设定为点阵的其中一个点,提取该特征点图像坐标。
3.根据权利要求2所述的相机标定方法,其特征在于:提取所述特征点的图像坐标后,还包括对所有特征点的图像坐标按照最左上角的点为起点,从左到右,从上到下顺序进行开始排序。
5.根据权利要求1所述的相机标定方法,其特征在于:所述步骤S106之后,还包括:
S107:根据所述第二标定参数计算所述点阵图像中各个特征点的重投影误差,剔除异常特征点的二维坐标及其所对应的三维坐标;
S108:根据剔除后点阵图像坐标进行相机标定获取第三标定参数,如果标定精度高于所述第二标定参数,重复步骤S107,否则所述第三标定参数作为标定结果输出。
6.根据权利要求1所述的相机标定方法,其特征在于:所述S105根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复步骤S104,否则进行下一步,包括:
S109:利用未进行异常特征点剔除前的所有特征点与所述第二标定参数获取第二重投影误差;
S110:利用进行异常特征点剔除后的所有特征点与所述第二标定参数获取第三重投影误差;
S111:比较第一重投影误差、第二重投影误差、第三重投影误差大小,如果所述第三重投影误差小于所述第二重投影误差、所述第二重投影误差小于第一重投影误差,则认为所述第二标定参数精度高于第一标定参数精度,重复步骤S104。
8.一种相机标定装置,其特征在于:包括:
获取模块:用于获取相机对标定板拍摄的图片;
提取模块:用于提取所述图片中的点阵图像坐标;
标定模块:用于利用张正友标定法进行相机标定获取第一标定参数;
异常点剔除模块:用于根据所述第一标定参数计算所述点阵图像中各个特征点的第一重投影误差,剔除异常特征点的二维坐标及其所对应的三维坐标;
判断模块:用于根据剔除后点阵图像坐标进行相机标定获取第二标定参数,如果标定精度高于所述第一标定参数,重复所述异常点剔除模块操作,否则进行下一步;
输出模块:利用所述第二标定参数计算单应性矩阵,对所述点阵图像进行变换,获取变换后的点阵图像坐标,完成相机标定并输出结果。
9.一种相机标定设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读介质,所述计算机可读介质存储有计算机程序,其特征在于,所述计算机程序被处理执行时实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210037924.3A CN114549652A (zh) | 2022-01-13 | 2022-01-13 | 一种相机标定方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210037924.3A CN114549652A (zh) | 2022-01-13 | 2022-01-13 | 一种相机标定方法、装置、设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549652A true CN114549652A (zh) | 2022-05-27 |
Family
ID=81671433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210037924.3A Pending CN114549652A (zh) | 2022-01-13 | 2022-01-13 | 一种相机标定方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549652A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897997A (zh) * | 2022-07-13 | 2022-08-12 | 星猿哲科技(深圳)有限公司 | 相机标定方法、装置、设备及存储介质 |
CN115100813A (zh) * | 2022-06-07 | 2022-09-23 | 慧之安信息技术股份有限公司 | 基于数字孪生的智慧社区系统 |
CN116672082A (zh) * | 2023-07-24 | 2023-09-01 | 苏州铸正机器人有限公司 | 一种手术导航标尺的导航配准方法及装置 |
CN116758165A (zh) * | 2023-06-20 | 2023-09-15 | 北京拙河科技有限公司 | 一种基于阵列相机的图像标定方法及装置 |
WO2023241372A1 (zh) * | 2022-06-13 | 2023-12-21 | 华为技术有限公司 | 相机内参标定方法及相关设备 |
-
2022
- 2022-01-13 CN CN202210037924.3A patent/CN114549652A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100813A (zh) * | 2022-06-07 | 2022-09-23 | 慧之安信息技术股份有限公司 | 基于数字孪生的智慧社区系统 |
CN115100813B (zh) * | 2022-06-07 | 2023-02-17 | 慧之安信息技术股份有限公司 | 基于数字孪生的智慧社区系统 |
WO2023241372A1 (zh) * | 2022-06-13 | 2023-12-21 | 华为技术有限公司 | 相机内参标定方法及相关设备 |
CN114897997A (zh) * | 2022-07-13 | 2022-08-12 | 星猿哲科技(深圳)有限公司 | 相机标定方法、装置、设备及存储介质 |
CN116758165A (zh) * | 2023-06-20 | 2023-09-15 | 北京拙河科技有限公司 | 一种基于阵列相机的图像标定方法及装置 |
CN116758165B (zh) * | 2023-06-20 | 2024-01-30 | 北京拙河科技有限公司 | 一种基于阵列相机的图像标定方法及装置 |
CN116672082A (zh) * | 2023-07-24 | 2023-09-01 | 苏州铸正机器人有限公司 | 一种手术导航标尺的导航配准方法及装置 |
CN116672082B (zh) * | 2023-07-24 | 2024-03-01 | 苏州铸正机器人有限公司 | 一种手术导航标尺的导航配准方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549652A (zh) | 一种相机标定方法、装置、设备及计算机可读介质 | |
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN109416744B (zh) | 改进的相机校准系统、目标和过程 | |
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN112767542A (zh) | 一种多目相机的三维重建方法、vr相机和全景相机 | |
CN109345597B (zh) | 一种基于增强现实的相机标定图像采集方法及装置 | |
CN113409391B (zh) | 视觉定位方法及相关装置、设备和存储介质 | |
CN113920205B (zh) | 一种非同轴相机的标定方法 | |
EP3144894B1 (en) | Method and system for calibrating an image acquisition device and corresponding computer program product | |
CN108596905A (zh) | 物体检测方法、系统、计算机设备和存储介质 | |
CN113034612A (zh) | 一种标定装置、方法及深度相机 | |
CN112470192A (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN111627073B (zh) | 一种基于人机交互的标定方法、标定装置和存储介质 | |
CN111462246B (zh) | 一种结构光测量系统的设备标定方法 | |
CN111327892B (zh) | 一种智能终端多摄像头静态成像解析力测试方法及装置 | |
CN110207842B (zh) | 亚像素级边缘效应的修正方法及终端设备 | |
CN110458951B (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
Fasogbon et al. | Calibration of fisheye camera using entrance pupil | |
CN116385567A (zh) | 获取色卡roi坐标信息的方法、装置和介质 | |
CN114463437A (zh) | 一种摄像机标定方法、装置、设备及计算机可读介质 | |
CN115965697A (zh) | 基于沙姆定律的投影仪标定方法、标定系统及装置 | |
CN112489141B (zh) | 车载摄像头单板单图带中继镜的产线标定方法及装置 | |
CN114897990A (zh) | 一种基于神经网络的相机畸变标定方法、系统和存储介质 |
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 |