CN114693801A - 一种标定板、标定方法及系统 - Google Patents
一种标定板、标定方法及系统 Download PDFInfo
- Publication number
- CN114693801A CN114693801A CN202210208491.3A CN202210208491A CN114693801A CN 114693801 A CN114693801 A CN 114693801A CN 202210208491 A CN202210208491 A CN 202210208491A CN 114693801 A CN114693801 A CN 114693801A
- Authority
- CN
- China
- Prior art keywords
- calibration
- hollow
- solid
- camera
- identification area
- 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 30
- 239000007787 solid Substances 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000004606 Fillers/Extenders Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009466 transformation 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种标定方法,包括如下步骤:获取相机所拍摄的上述的标定板的标定图像,所述标定板上分布有多个空心标定图案,每个空心标定图案内均设有对应的实心标定图案;生成多个识别区域,一个识别区域包含一个空心标定图案;在各个识别区域内对所述实心标定图案进行识别;计算出各个实心标定图案的质心,并将计算出的各个质心作为相机标定用的特征点。该标定方法即使相机所拍摄到的标定图像比较模糊,也能够准确抓取各张标定图像中的特征点。本发明还公开了一种标定板和标定系统。
Description
技术领域
本发明涉及相机标定技术,尤其涉及一种标定板、标定方法及系统。
背景技术
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几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机的标定参数,而求解这些标定参数的过程就叫相机标定。相机的标定参数一般包括内参数、外参数以及畸变参数。
对相机进行标定的目的有两个,一个是由于每个相机的畸变程度各不相同,通过标定可以利用标定参数对原始图像进行校正还原,生成与真实世界相接近的图像;另一个是根据获得的图像重构三维场景。
张氏标定法是目前行业内普遍使用的相机标定方法,仅需使用一张如图1所示的棋盘格标定板即可完成相机的标定。所述棋盘格标定板上分布有依次间隔的黑色方格和白色方格,在进行标定时,仅需从不同方向对所述棋盘格标定板拍摄几张标定图像,然后抓取各张标定图像中所述棋盘格标定板上的角点(方格与方格之间的交点)作为特征点,再根据各张标定图像中角点的坐标变化计算出相机的标定参数,具有成本低、精度高和鲁棒性好等优点。
但是,角点的抓取需要先对所述棋盘格标定板上各个方格的直边进行识别,通过各条直边的交点来确定各个角点的位置坐标,故相机所拍摄的标定图像必须足够清晰,以便于识别各个方格的直边。而在标定长焦相机时,由于长焦相机的焦距大,所述棋盘格标定板如果与所述长焦相机的距离太近的话,则所述长焦相机所拍摄到的标定图像就会很模糊,无法识别各个方格的直边,所述棋盘格标定板如果与所述长焦相机的距离太远的话,则需要较大的测试空间和棋盘格标定板。
专利号为CN202021083342.1的中国专利中公开了一种用于广角摄像头的检测系统,该检测系统包括测试标靶,用于向广角摄像头提供拍摄用的标定图像像;增距镜,用于缩小广角摄像头的视场角,设于所述测试标靶和广角摄像头之间;PC机,用于依据广角摄像头拍摄到的标定图像像进行测试,电性连接于所述广角摄像头。该系统通过在所述测试标靶和广角摄像头之间增设所述增距镜,利用所述增距镜来缩小所述广角摄像头的视场角,使得所述广角摄像头在较小的距离下也能够对所述测试标靶进行清晰成像。
在标定长焦相机时,也可以采用与上述专利中相类似的增距镜来改变所述长焦相机的焦距,但是所述增距镜本身也是透镜的一种,也存在成像畸变问题,引入所述增距镜相当于增加了成像的总畸变,还会引入一些不确定变量,导致所计算出的标定参数存在较大误差。
发明内容
为了解决上述现有技术的不足,本发明提供一种标定板、标定方法及系统,即使相机所拍摄到的标定图像比较模糊,也能够准确抓取各张标定图像中的特征点。
本发明所要解决的技术问题通过以下技术方案予以实现:
一种标定板,包括一二维平面,所述二维平面上分布有多个空心标定图案,每个空心标定图案内均设有对应的实心标定图案。
进一步地,多个空心标定图案在所述二维平面上呈M行N列分布,M、N≥2。
进一步地,所述空心标定图案为空心圆,所述实心标定图案为实心圆,各个实心圆的质心为对应空心圆的圆心。
一种标定方法,包括如下步骤:
S1:获取相机所拍摄的上述的标定板的标定图像;
S2:生成多个识别区域,一个识别区域包含一个空心标定图案;
S3:在各个识别区域内对所述实心标定图案进行识别;
S4:计算出各个实心标定图案的质心,并将计算出的各个质心作为相机标定用的特征点。
进一步地,生成多个识别区域的步骤如下:
S2.1:对所述标定图像进行边缘检测,提取出所述标定图像中的边缘;
S2.2:对提取出来的边缘进行特征检测,以识别各个空心标定图案;
S2.3:为识别出的各个空心标定图案,生成对应的识别区域。
进一步地,在各个识别区域内对所述实心标定图案进行识别的步骤如下:
S3.1:根据二值化阈值对各个识别区域进行二值化处理,得到多个二值化区域,一个二值化区域对应于一个识别区域;
S3.2:在各个二值化区域内提取出对应的实心标定图案。
进一步地,在根据二值化阈值对各个识别区域进行二值化处理之前,还包括:
S3.0:根据各个识别区域内的模糊情况,计算对应的二值化阈值。
进一步地,根据各个识别区域内的模糊情况,计算对应的二值化阈值的步骤如下:
S3.0.1:计算出各个识别区域的直方图;
S3.0.2:判断各个识别区域的直方图是否具有双峰,对于具有双峰的直方图,寻找与双峰之间的谷底相对应的像素值作为对应识别区域的二值化阈值。
进一步地,在判断各个识别区域的直方图是否具有双峰时,对于不具有双峰的直方图,进行如下步骤;
S3.0.3:对不具有双峰的直方图进行平滑处理;
S3.0.4:判断经平滑处理后的直方图是否具有双峰,若具有,则寻找与双峰之间的谷底相对应的像素值作为对应识别区域的二值化阈值,若不具有,则重复S3.0.3和S3.0.4。
一种标定系统,包括上述标定板,以及标定装置,所述标定板用于与相机通讯连接,以驱动所述相机向所述标定板进行拍摄,并接收所述相机所拍摄的标定图像以进行实施例二中所述的标定方法。
本发明具有如下有益效果:该标定方法不再使用传统的棋盘格标定板,而是采用具有多个实心标定图案的标定板,通过计算各个实心标定图案的质心作为相机标定用的特征点,当所述相机因焦距问题而导致所拍摄的标定图像比较模糊时,这种模糊是均匀的,即所述实心标定图案内的所有像素均发生同等程度的像素值变化,这种同等程度的像素值变化并不会导致所述实心标定图案的质心发生偏移,故所提取出来的各个质心不受图像模糊的影响,可提高标定精度,应用于广角相机的标定时,无需增加广角相机与所述标定板的距离,可满足小空间的标定需求,也可避免增距镜所带来的不确定变量。
附图说明
图1为现有的棋盘格标定板的示意图;
图2为本发明提供的标定板的示意图;
图3为本发明提供的标定方法的步骤图。
具体实施方式
下面结合附图和实施例对本发明进行详细的说明,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”、“第三”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”、“第三”的特征可以明示或者隐含地包括一个或者多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”、“设置”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
实施例一
如图2所示,一种标定板,包括一二维平面,所述二维平面上分布有多个空心标定图案10,每个空心标定图案10内均设有对应的实心标定图案20,其中,多个空心标定图案10在所述二维平面上呈M行N列分布,M、N≥2。
所述空心标定图案10及对应的实心标定图案20的颜色不作限制,可以为黑色;所述空心标定图案10为空心圆,所述实心标定图案20为实心圆,各个实心圆20的质心为对应空心圆10的圆心。
实施例二
如图3所示,一种标定方法,包括如下步骤:
S1:获取相机所拍摄的标定板的标定图像。
在该步骤S1中,如图2所示,所述标定板包括一二维平面,所述二维平面上分布有多个空心标定图案10,每个空心标定图案10内均设有对应的实心标定图案20,其中,多个空心标定图案10在所述二维平面上呈M行N列分布,M、N≥2。
所述空心标定图案10及对应的实心标定图案20的颜色不作限制,可以为黑色;所述空心标定图案10为空心圆,所述实心标定图案20为实心圆,各个实心圆20的质心为对应空心圆10的圆心。
S2:生成多个识别区域,一个识别区域包含一个空心标定图案10。
在该步骤S2中,生成的各个识别区域的尺寸可以大一些,以当所述相机因焦距问题而导致所拍摄的标定图像比较模糊时,也能够将对应的空心标定图案10包含在内;当然,在识别精度足够,或者所述标定图像足够清晰的情况下,各个识别区域的尺寸也可以与对应的空心标定图案10相同。
其中,生成多个识别区域的步骤如下:
S2.1:对所述标定图像进行边缘检测,提取出所述标定图像中的边缘。
在该步骤2.1中,本实施例采用canny算子对所述标定图像进行边缘检测,以提取出所述标定图像中存在的各种图案边缘(包括所述空心标定图案10的边缘、所述实心标定图案20的边缘以及可能存在的其他边缘)。
S2.2:对提取出来的边缘进行特征检测,以识别各个空心标定图案10。
在该步骤2.2中,本实施例采用hough变换对提取出来的边缘进行特征检测,以在提取出的各种图像边缘中识别出各个空心标定图案10的边缘,最终确定各个空心标定图案10的位置及大小;当所述空心标定图案10为空心圆,所述实心标定图案20为实心圆时,所述空心标定图案10的边缘满足两个条件:一、边缘为圆圈,二、边缘的直径较大(相较于所述实心标定图案20的边缘)。
S2.3:为识别出的各个空心标定图案10,生成对应的识别区域。
S3:在各个识别区域内对所述实心标定图案20进行识别。
在该步骤S3中,当所述相机因焦距问题而导致所拍摄的标定图像比较模糊时,各个实心标定图案20内的像素值不再均匀,在同一实心标定图案20内,越靠近该实心标定图案20圆心的像素,其像素值较大,越靠近该实心标定图案20圆周的像素,其像素值较小,会提高所述实心标定图案20的识别难度,故优选地,在各个识别区域内对所述实心标定图案20进行识别的步骤如下:
S3.1:根据二值化阈值对各个识别区域进行二值化处理,得到多个二值化区域,一个二值化区域对应于一个识别区域。
在该步骤S3.1中,将各个识别区域中,灰度值小于所述二值化阈值的所有像素统一设置为0的灰度值,灰度值大于所述二值化阈值的所有像素统一设置为255的灰度值。
所述二值化阈值可以为由检测人员预先设定的固定值,数值可以设定得较大一点,如将所述二值化阈值预先设定为200,也可以为标定装置根据各个识别区域内的模糊情况而计算出对应的动态值。
若各个识别区域的二值化阈值采用动态值的话,则在根据二值化阈值对各个识别区域进行二值化处理之前,还包括:
S3.0:根据各个识别区域内的模糊情况,计算对应的二值化阈值。
具体的,根据各个识别区域内的模糊情况,计算对应的二值化阈值的步骤如下:
S3.0.1:计算出各个识别区域的直方图。
在该步骤S3.0.1中,本实施例采用Matlab软件中的hist函数计算各个识别区域的直方图,其中各个识别区域中灰度值为i的像素的hist值为hist[i]。
S3.0.2:判断各个识别区域的直方图是否具有双峰,对于具有双峰的直方图,寻找与双峰之间的谷底相对应的像素值作为对应识别区域的二值化阈值。
在该步骤S3.0.2中,本实施例在所述直方图的双峰之间寻找最小值hist2[i0],然后以i0值作为与该直方图对应的识别区域的二值化阈值,先通过所述直方图的双峰hist2[i1]和hist2[i2]的i1值和i2值确定i0值的区间为(i1,i2),再通过比较hist2[i1-i2]中的所有值,确定最小值hist2[i0]。
其中,在步骤S3.0.2中,对于不具有双峰的直方图,则进行如下步骤;
S3.0.3:对不具有双峰的直方图进行平滑处理;
在该步骤S3.0.3中,对所述直方图进行平滑处理时,令hist[i]=(hist2[i-1]+hist2[i]+ hist2[i+1])/3。
S3.0.4:判断经平滑处理后的直方图是否具有双峰,若具有,则寻找与双峰之间的谷底相对应的像素值作为对应识别区域的二值化阈值,若不具有,则重复S3.0.3和S3.0.4。
在该步骤S3.0.4中,本实施例先将步骤S3.0.3中计算出的hist[i]值赋予hist2[i]后,再重复S3.0.3-S3.0.4。
另外,若所述直方图进行平滑处理的次数达到预定次数(本实施例为1000次)后,依然不具有双峰,则将0作为该直方图对应的识别区域的二值化阈值。
S3.2:在各个二值化区域内提取出对应的实心标定图案20。
在该步骤S3.2中,在所述标定图像中,以图像横向作为X轴,以图像纵向作为Y轴,建立直角坐标系XY,即可获取各个像素的坐标(x,y),在经过步骤S3.1的二值化后,各个二值化区域内的像素的像素值均为0或255,将像素值为0的所有像素所对应的坐标提取出来,即可构成各个二值化区域对应的实心标定图案20。
S4:计算出各个实心标定图案20的质心,并将计算出的各个质心作为相机标定用的特征点。
在该步骤S4中,在所述标定图像中,以图像横向作为X轴,以图像纵向作为Y轴,建立直角坐标系XY,即可获取各个像素的坐标(x,y),然后根据各个实心标定图案20内所有像素的坐标及对应的像素值即可计算出各个实心标定图案20的质心的坐标,假设各个实心标定图案20的质心的坐标为(x0,y0),且满足
其中,各个实心标定图案20内第i个像素的坐标为(xi,yi),对应的像素值为pi。
若所述实心标定图案20在步骤S3中经过二值化处理的话,则各个实心标定图案20的质心的坐标为(x0,y0)满足x0=(x1+x2+x3+……+xn)/n,y0=(y1+y2+y3+……+yn)/n。
该标定方法不再使用传统的棋盘格标定板,而是采用具有多个实心标定图案20的标定板,通过计算各个实心标定图案20的质心作为相机标定用的特征点,当所述相机因焦距问题而导致所拍摄的标定图像比较模糊时,这种模糊是均匀的,即所述实心标定图案20内的所有像素均发生同等程度的像素值变化,这种同等程度的像素值变化并不会导致所述实心标定图案20的质心发生偏移,故所提取出来的各个质心不受图像模糊的影响,可提高标定精度,应用于广角相机的标定时,无需增加广角相机与所述标定板的距离,可满足小空间的标定需求,也可避免增距镜所带来的不确定变量。
实施例三
一种标定系统,包括标定板和标定装置,所述标定板用于与相机通讯连接,以驱动所述相机向所述标定板进行拍摄,并接收所述相机所拍摄的标定图像以进行实施例二中所述的标定方法。
如图2所示,所述标定板包括一二维平面,所述二维平面上分布有多个空心标定图案10,每个空心标定图案10内均设有对应的实心标定图案20,其中,多个空心标定图案10在所述二维平面上呈M行N列分布,M、N≥2。
所述空心标定图案10及对应的实心标定图案20的颜色不作限制,可以为黑色;所述空心标定图案10为空心圆,所述实心标定图案20为实心圆,各个实心圆20的质心为对应空心圆10的圆心。
所述标定装置可以但不限于为PC机。
最后需要说明的是,以上实施例仅用以说明本发明实施例的技术方案而非对其进行限制,尽管参照较佳实施例对本发明实施例进行了详细的说明,本领域的普通技术人员应当理解依然可以对本发明实施例的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明实施例技术方案的范围。
Claims (10)
1.一种标定板,包括一二维平面,其特征在于,所述二维平面上分布有多个空心标定图案,每个空心标定图案内均设有对应的实心标定图案。
2.根据权利要求1所述的标定板,其特征在于,多个空心标定图案在所述二维平面上呈M行N列分布,M、N≥2。
3.根据权利要求1或2所述的标定板,其特征在于,所述空心标定图案为空心圆,所述实心标定图案为实心圆,各个实心圆的质心为对应空心圆的圆心。
4.一种标定方法,其特征在于,包括如下步骤:
S1:获取相机所拍摄的权利要求1-3中任一所述的标定板的标定图像;
S2:生成多个识别区域,一个识别区域包含一个空心标定图案;
S3:在各个识别区域内对所述实心标定图案进行识别;
S4:计算出各个实心标定图案的质心,并将计算出的各个质心作为相机标定用的特征点。
5.根据权利要求4所述的标定方法,其特征在于,生成多个识别区域的步骤如下:
S2.1:对所述标定图像进行边缘检测,提取出所述标定图像中的边缘;
S2.2:对提取出来的边缘进行特征检测,以识别各个空心标定图案;
S2.3:为识别出的各个空心标定图案,生成对应的识别区域。
6.根据权利要求4所述的标定方法,其特征在于,在各个识别区域内对所述实心标定图案进行识别的步骤如下:
S3.1:根据二值化阈值对各个识别区域进行二值化处理,得到多个二值化区域,一个二值化区域对应于一个识别区域;
S3.2:在各个二值化区域内提取出对应的实心标定图案。
7.根据权利要求6所述的标定方法,其特征在于,在根据二值化阈值对各个识别区域进行二值化处理之前,还包括:
S3.0:根据各个识别区域内的模糊情况,计算对应的二值化阈值。
8.根据权利要求7所述的标定方法,其特征在于,根据各个识别区域内的模糊情况,计算对应的二值化阈值的步骤如下:
S3.0.1:计算出各个识别区域的直方图;
S3.0.2:判断各个识别区域的直方图是否具有双峰,对于具有双峰的直方图,寻找与双峰之间的谷底相对应的像素值作为对应识别区域的二值化阈值。
9.根据权利要求8所述的标定方法,其特征在于,在判断各个识别区域的直方图是否具有双峰时,对于不具有双峰的直方图,进行如下步骤;
S3.0.3:对不具有双峰的直方图进行平滑处理;
S3.0.4:判断经平滑处理后的直方图是否具有双峰,若具有,则寻找与双峰之间的谷底相对应的像素值作为对应识别区域的二值化阈值,若不具有,则重复S3.0.3和S3.0.4。
10.一种标定系统,其特征在于,包括权利要求1-3中任一所述标定板,以及标定装置,所述标定板用于与相机通讯连接,以驱动所述相机向所述标定板进行拍摄,并接收所述相机所拍摄的标定图像以进行实施例二中所述的标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210208491.3A CN114693801A (zh) | 2022-03-04 | 2022-03-04 | 一种标定板、标定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210208491.3A CN114693801A (zh) | 2022-03-04 | 2022-03-04 | 一种标定板、标定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693801A true CN114693801A (zh) | 2022-07-01 |
Family
ID=82137281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210208491.3A Pending CN114693801A (zh) | 2022-03-04 | 2022-03-04 | 一种标定板、标定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693801A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334894A (zh) * | 2008-07-31 | 2008-12-31 | 上海交通大学 | 采用单个圆为标定物的摄像机内参数标定方法 |
CN109934874A (zh) * | 2017-12-18 | 2019-06-25 | 比亚迪股份有限公司 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
KR20200054118A (ko) * | 2018-11-09 | 2020-05-19 | 한국과학기술원 | 카메라 캘리브레이션 방법 및 장치 |
CN113989384A (zh) * | 2021-10-27 | 2022-01-28 | 杭州爱科科技股份有限公司 | 相机标定方法、裁切数据生成方法、装置、设备及介质 |
-
2022
- 2022-03-04 CN CN202210208491.3A patent/CN114693801A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334894A (zh) * | 2008-07-31 | 2008-12-31 | 上海交通大学 | 采用单个圆为标定物的摄像机内参数标定方法 |
CN109934874A (zh) * | 2017-12-18 | 2019-06-25 | 比亚迪股份有限公司 | 摄像头标定中基于同心圆环模板进行求点的方法和装置 |
KR20200054118A (ko) * | 2018-11-09 | 2020-05-19 | 한국과학기술원 | 카메라 캘리브레이션 방법 및 장치 |
CN113989384A (zh) * | 2021-10-27 | 2022-01-28 | 杭州爱科科技股份有限公司 | 相机标定方法、裁切数据生成方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
CN110136120B (zh) | 一种基于机器视觉的丝网印刷样板尺寸测量方法 | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN110580481B (zh) | 一种基于epi的光场图像关键位置检测方法 | |
CN107680035B (zh) | 一种参数标定方法和装置、服务器及可读存储介质 | |
CN110087049A (zh) | 自动调焦系统、方法以及投影仪 | |
CN115205286B (zh) | 爬塔机器人机械臂螺栓识别与定位方法、存储介质、终端 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN111080542A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN117710588A (zh) | 一种基于视觉测距先验信息的三维目标检测方法 | |
CN116912329A (zh) | 一种双目视觉最佳精度测量方法 | |
CN108537831B (zh) | 对增材制造工件进行ct成像的方法及装置 | |
CN116295047A (zh) | 电路板盲孔品质检测方法及系统 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
CN114882122A (zh) | 图像局部自动标定方法、装置及相关设备 | |
CN114693801A (zh) | 一种标定板、标定方法及系统 | |
CN111243006A (zh) | 一种基于图像处理的液滴接触角及尺寸的测量方法 | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
CN111046795A (zh) | 一种基于双目视觉的实时车辆压线行为检测方法 | |
CN113128499B (zh) | 视觉成像设备的震动测试方法、计算机设备及存储介质 | |
CN115841668A (zh) | 一种双目视觉苹果识别以及精准定位的方法 | |
CN114963981A (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
CN113409334A (zh) | 一种基于质心的结构光角点检测方法 |
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 |