CN114708336B - 多相机在线标定方法、装置、电子设备和计算机可读介质 - Google Patents
多相机在线标定方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114708336B CN114708336B CN202210275815.5A CN202210275815A CN114708336B CN 114708336 B CN114708336 B CN 114708336B CN 202210275815 A CN202210275815 A CN 202210275815A CN 114708336 B CN114708336 B CN 114708336B
- Authority
- CN
- China
- Prior art keywords
- road
- sequence set
- vehicle
- linear equation
- transformation matrix
- 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 53
- 239000011159 matrix material Substances 0.000 claims abstract description 143
- 230000009466 transformation Effects 0.000 claims abstract description 97
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- DMSMPAJRVJJAGA-UHFFFAOYSA-N benzo[d]isothiazol-3-one Chemical compound C1=CC=C2C(=O)NSC2=C1 DMSMPAJRVJJAGA-UHFFFAOYSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011426 transformation method 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
- G06T7/85—Stereo 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
- G06T2207/10016—Video; Image sequence
Abstract
本公开的实施例公开了多相机在线标定方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应；对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；基于上述路杆直线方程组序列集，生成齐次坐标序列集；基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。该实施方式可以提高多相机在线标定结果的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及多相机在线标定方法、装置、电子设备和计算机可读介质。
背景技术
多相机在线标定，对自动驾驶领域具有重要意义。目前，在进行多相机在线标定时，通常采用的方式为：若多个相机之间无共识区域，则需要在车道线为直线的前提下，判断某条车道线在不同相机中是同一条车道线，以进行多相机标定。若多个相机之间存在共识区域，则需要从不同相机拍摄的图像之间存在的共识区域(例如人行横道区域)中提取出匹配的特征，形成关系约束，以此进行多相机标定。
然而，当采用上述方式进行多相机在线标定时，经常会存在如下技术问题：
第一，在特定的道路场景下(例如，高速公路场景)，环境较为单一，且车辆难以长时间处于车道线为直线的路段，由此，造成从多个车载相机拍摄的道路图像中提取的车道线直线方程不够准确，从而，降低多相机在线标定结果的准确度；
第二，车载相机之间的共识区域较小，提取出的关系约束不足，导致多相机标定的结果不够准确。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了多相机在线标定方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种多相机在线标定方法，该方法包括：获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应；对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；基于上述路杆直线方程组序列集，生成齐次坐标序列集；基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
第二方面，本公开的一些实施例提供了一种多相机在线标定装置，该装置包括：获取单元，被配置成获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应；提取单元，被配置成对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；生成单元，被配置成基于上述路杆直线方程组序列集，生成齐次坐标序列集；标定单元，被配置成基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的多相机在线标定方法，可以提高多相机在线标定结果的准确度。具体来说，造成降低多相机在线标定结果准确度的原因在于：在特定的道路场景下(例如，高速公路场景)，环境较为单一，且车辆难以长时间处于车道线为直线的路段，由此，造成从多个车载相机拍摄的道路图像中提取的车道线直线方程不够准确。基于此，本公开的一些实施例的多相机在线标定方法，首先，获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应。然后，对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。通过对道路图像进行路杆提取，使得以路杆为参照物，进行多相机标定。而后，基于上述路杆直线方程组序列集，生成齐次坐标序列集。通过生成齐次坐标序列集，便于以此构建多相机之间的约束条件，可以用于提高多相机标定结果的准确度。最后，基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。从而，通过本公开的一些实施例的多相机在线标定方法，使得当前车辆在环境单一的道路上，也可以长时间处于拍摄到路杆的状态，以此可以进行多相机在线标定。其一，可以避免在特定的道路场景下(例如，高速公路场景)，环境较为单一、车辆难以长时间处于车道线为直线的路段、从多个车载相机拍摄的道路图像中提取的车道线直线方程不够准确的情况。其二，由于路杆数量众多，且大多数处于垂直于地面的状态，以路杆为基础对多相机标定更加便利。从而，提高所生成的路杆直线方程的准确度。进而，不仅可以完成对多个车载相机的在线标定，还可以提高多相机在线标定结果的准确度。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的多相机在线标定方法的一些实施例的流程图；
图2是根据本公开的多相机在线标定方法的另一些实施例的流程图；
图3是根据本公开的多相机在线标定装置的一些实施例的结构示意图；
图4是适于用来实现本公开的一些实施例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公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的多相机在线标定方法的一些实施例的流程100。该多相机在线标定方法的流程100，包括以下步骤：
步骤101，获取当前车辆多个车载相机拍摄的道路图像序列集。
在一些实施例中，多相机在线标定方法的执行主体可以通过有线的方式或者无线的方式获取当前车辆多个车载相机拍摄的道路图像序列集。其中，上述道路图像序列集中的每个道路图像序列可以与每个车载相机对应。道路图像序列中的道路图像可以是车载相机拍摄的连续帧图像。上述对应可以指每个车载相机对应一个道路图像序列。各个道路图像序列中的道路图像的数量相同且拍摄的时间点一一对应。因此，可以提高道路图像之间的对应关系。进而，可以用于提高多相机在线标定结果的准确度。
步骤102，对道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。
在一些实施例中，上述执行主体可以对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。其中，可以通过预设的提取算法，对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取，以生成路杆直线方程组序列，得到路杆直线方程组序列集。每个路杆直线方程组可以对应一个道路图像。因此，路杆直线方程组中的路杆直线方程的数量可以表征道路图像中被拍摄到的路杆的数量。
作为示例，上述提取算法可以包括但不限于以下至少一项：霍夫变换、SegNet(图像语义分割深度网络)、FCN(Fully Convolutional Networks，全卷机神经网络)模型、Resnet(Residual Network，残差神经网络)模型、VGG(Visual Geometry Group Network，卷积神经网络)模型和GoogLeNet(深度神经网络)模型等。
在一些实施例的一些可选的实现方式中，上述执行主体在对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集之前，还可以执行如下步骤：
对上述道路图像序列集中每个道路图像序列中的各个道路图像进行图像处理，得到处理后道路图像序列集。其中，图像处理可以是利用图像变换方法，对存在畸变的道路图像进行图像矫正。图像变换方法可以包括但不限于以下至少一项：LDC(Lens DistortionCorrection，镜头畸变校正)、防射变换、透视变换等。
在一些实施例的一些可选的实现方式中，上述执行主体对道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集，可以包括以下步骤：
对上述处理后道路图像序列集中每个处理后道路图像序列中的各个处理后道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。其中，可以通过上述提取算法对上述处理后道路图像序列集中每个处理后道路图像序列中的各个处理后道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。
步骤103，基于路杆直线方程组序列集，生成齐次坐标序列集。
在一些实施例中，上述执行主体可以基于上述路杆直线方程组序列集，可以通过各种方式生成齐次坐标序列集。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述路杆直线方程组序列集，生成齐次坐标序列集，可以包括以下步骤：
对于上述路杆直线方程组序列集中的每个路杆直线方程组序列中的每个路杆直线方程组，执行如下步骤以生成上述齐次坐标序列集中的齐次坐标：
第一子步骤，响应于确定上述路杆直线方程组满足预设的路杆方程组条件，对上述路杆直线方程组中的各个路杆直线方程进行方程转换处理，得到直线联立方程和方程系数矩阵。其中，预设的路杆方程组条件可以是路杆直线方程组中路杆直线方程的数量大于等于预设数量阈值(例如，2)。首先，可以对路杆直线方程组中的各个路杆直线方程进行联立，得到总方程。然后，可以对上述总方程进行化简，得到直线联立方程。上述直线联立方程如以下公式所示：
其中，A表示上述方程系数矩阵。u表示上述直线联立方程的横坐标。v表示上述直线联立方程的纵坐标。B表示上述直线联立方程的常数项，可以用于表征由上述路杆直方程组中各个路杆直线方程的常数项组成的向量。a表示上述路杆直线方程组中路杆直线方程中的一次项系数。i表示序号。ai表示上述路杆直线方程组中第i个路杆直线方程中的一次项系数。b表示上述路杆直线方程组中路杆直线方程中的常数项。bi表示上述路杆直线方程组中第i个路杆直线方程中的常数项。
实践中，若路杆直线方程组中路杆直线方程的数量不满足路杆方程组条件，会导致以路杆直线为基础所提取的关系约束不足，造成多相机标定结果不够准确。因此，引入了路杆方程组条件，以避免该情况。进而，可以提高多相机标定结果的准确度。
第二子步骤，基于上述直线联立方程，生成灭点坐标。其中，可以通过以下公式生成灭点坐标：
其中，AT表示上述方程系数矩阵的转置矩阵。T表示矩阵的转置。
第三子步骤，响应于确定上述方程系数矩阵满足预设矩阵条件，基于上述灭点坐标，生成齐次坐标。其中，上述预设矩阵条件可以是上述方程系数矩阵的转置矩阵与上述方程系数矩阵的乘积为不可逆矩阵。若该乘积为不可逆矩阵，则可以用于表征路杆直线方程组中各个路杆直线方程之间相互平行，即各个路杆直线方程的一次项系数相等。因此所求的齐次坐标在无穷远处。由此，可以通过以下公式生成齐次坐标：
其中，p表示带有齐次坐标的向量。该向量中的第一个数据表示齐次坐标的横坐标值。该向量中的第二个数据表示齐次坐标的纵坐标值。该向量中的第三个数据“0”表示上述灭点坐标为无穷远点。||·||2表示2范式。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述路杆直线方程组序列集，生成齐次坐标序列集，还可以包括以下步骤：
响应于确定上述方程系数矩阵不满足上述预设矩阵条件，基于上述方程系数矩阵，生成齐次坐标。其中，上述方程系数矩阵不满足上述预设矩阵条件，则可以表示上述方程系数矩阵的转置矩阵与上述方程系数矩阵的乘积为可逆矩阵，则生成的齐次坐标可以是一个三维向量。上述三维向量中第一维数据可以对应上述直线联立方程的横坐标值。上述三维向量中第二维数据可以对应上述直线联立方程的纵坐标值。上述三维向量中第三维数据可以是1，用于表征上述灭点坐标不是无穷远点。
步骤104，基于齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
在一些实施例中，上述执行主体可以基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，通过各种方式得到目标变换矩阵组。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组，可以包括以下步骤：
基于上述齐次坐标序列集、预设的车载相机内参矩阵组和标定自由度信息组，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。其中，上述车载相机内参矩阵组中的各个车载相机内参矩阵与上述各个车载相机一一对应。车载相机变换矩阵组中的车载相机变换矩阵可以是当前车辆相对于车载相机坐标系的变换矩阵。标定自由度信息组中的各个标定自由度信息与各个车载相机一一对应。标定自由度信息可以包括车载相机所需要标定的旋转自由度，例如，航向角、横滚角或俯仰角等。可以通过以下公式生成目标变换矩阵组：
其中，k、j表示序号。K表示上述车载相机内参矩阵组中的矩阵。Kj表示上述车载相机内参矩阵组中的第了个车载相机内参矩阵。R1表示上述车载相机变换矩阵组中的车载相机变换矩阵。
表示上述车载相机变换矩阵组中的第j个车载相机变换矩阵。R2表示上述车载相机变换矩阵组中的车载相机变换矩阵与目标变换矩阵组中的目标变换矩阵之间的变换矩阵。
表示上述车载相机变换矩阵组中的第j个车载相机变换矩阵、与目标变换矩阵组中对应的目标变换矩阵之间的变换矩阵。d表示路杆所在直线的方向在车体坐标系中的齐次坐标，为待确定量。dj表示在车体坐标系中与上述齐次坐标序列集中第j个齐次坐标序列中的齐次坐标对应的道路图像中的、路杆所在直线的方向在车体坐标系中的齐次坐标。dj，k表示在车体坐标系中与上述齐次坐标序列集中第j个齐次坐标序列中第k个齐次坐标对应的道路图像中的、路杆所在直线的方向在车体坐标系中的齐次坐标。r表示将车体坐标系中的齐次坐标投影至对应的道路图像的坐标系中的投影点坐标，每个齐次坐标可以对应一个投影点坐标。rj表示与上述齐次坐标序列集中第j个齐次坐标序列中的齐次坐标对应的投影点坐标。rj，k表示与上述齐次坐标序列集中第j个齐次坐标序列中的第k个齐次坐标对应的投影点坐标。λ为尺度系数，为待确定量。λj表示与上述齐次坐标序列集中第j个齐次坐标序列中的齐次坐标对应的尺度系数。λj，k表示与上述齐次坐标序列集中第j个齐次坐标序列中的第k个齐次坐标对应的尺度系数。p表示带有上述齐次坐标序列集中齐次坐标序列中齐次坐标的向量。pj表示带有上述齐次坐标序列集中第j个齐次坐标序列中齐次坐标的向量。pj，k表示带有上述齐次坐标序列集中第j个齐次坐标序列中第k个齐次坐标的向量。e表示投影点坐标与齐次坐标之间的投影误差。ej表示上述齐次坐标序列集中第j个齐次坐标序列中的齐次坐标与对应的投影点坐标之间的投影误差。ej，k表示上述齐次坐标序列集中第j个齐次坐标序列中的第k个齐次坐标与对应的投影点坐标之间的投影误差。R*表示标定后的相机位姿矫正矩阵，为待确定量。
表示标定后的相机位姿矫正矩阵集。
表示标定后的相机位姿矫正矩阵集中的第j个相机位姿矫正矩阵。Y表示上述目标变换矩阵组中的目标变换矩阵。Yj表示上述目标变换矩阵组中的第j个目标变换矩阵。
具体的，可以通过预设的优化算法对上述公式进行求解。例如，例如，iSAM(Incremental Smoothing And Mapping，增量平滑和建图方法)等。在优化过程中，会对上述各个待确定量进行调整，最终得到目标变换矩阵。以完成对各个车载相机的在线标定。
实践中，上述公式在求解之前需要满足约束个数大于自由度个数的条件。例如，有m个车载相机需要标定，每个相机对应的道路图像有t帧(道路图像对应的路杆直线方程数量大于2)。那么，三维空间中路杆方向共有3×t个自由度。尺度系数共有m×t个自由度。每个车载相机的相机位姿校正矩阵有s个自由度，共有s×m个自由度。上述方程共提供3×m×t个约束。以此可得3×t+m×t+s×m≤3×m×t。由于一段连续帧的相机旋转变换不大，难以构成帧间约束。因此，适当的增加帧数可以用于提高生成灭点坐标的准确度。另外，由于路杆方向只能为多相机在线标定提供2个旋转自由度的约束。即s等于1或2。可得多相机在线标定需要至少三个相机才能满足约束条件，且相机位姿矫正矩阵只能有一个旋转自由度被标定。因此，这里对各个车载相机仅标定一个旋转自由度。从而，引入标定自由度信息组，以确定对于每个车载相机所需要标定的旋转自由度。例如，前视相机，最可能发生绕相机坐标系横轴的偏移，仅需要标定横滚角。由此可将相机位姿矫正矩阵定义为仅包括一个旋转自由度的矩阵。使得进行单个旋转自由的标定。
作为示例，仅包括一个旋转自由度的矩阵可以如下公式所示：
其中，θ表示标定自由度信息中的旋转自由度。R(θ)表示仅包括一个旋转自由度的矩阵。
上述各个公式及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“车载相机之间的共识区域较小，提取出的关系约束不足，导致多相机标定的结果不够准确”。导致多相机标定的结果不够准确的因素往往如下：车载相机之间的共识区域较小，提取出的关系约束不足。如果解决了上述因素，就能提高多相机标定的结果的准确度。为了达到这一效果，首先，通过直线联立方程和生成灭点坐标的公式，可以确定道路图像坐标系中各个路杆直线方程之间的交点。然后，通过生成齐次坐标的公式，可以便于在后续标定过程中构建约束。之后，通过生成目标变换矩阵组的公式，可以构建道路图像的坐标系中的灭点坐标和车体坐标系中的投影点坐标之间的约束。以此可以得到相机位姿矫正矩阵。从而，可以确定车载相机的位姿矩阵在标定之前与标定之后的差异。进而，可以得到目标变换矩阵，使得完成对多相机的在线标定。另外，还考虑了构建约束所需要的自由度，以及在优化时对每个车载相机仅优化一个旋转自由度。从而，确保可以在车载相机无共识区域的情况下，仍然可以构建充足的关系约束，使得完成多相机在线标定。进而提高多相机标定结果的准确度。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的多相机在线标定方法，可以提高多相机在线标定结果的准确度。具体来说，造成降低多相机在线标定结果准确度的原因在于：在特定的道路场景下(例如，高速公路场景)，环境较为单一，且车辆难以长时间处于车道线为直线的路段，由此，造成从多个车载相机拍摄的道路图像中提取的车道线直线方程不够准确。基于此，本公开的一些实施例的多相机在线标定方法，首先，获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应。然后，对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。通过对道路图像进行路杆提取，使得以路杆为参照物，进行多相机标定。而后，基于上述路杆直线方程组序列集，生成齐次坐标序列集。通过生成齐次坐标序列集，便于以此构建多相机之间的约束条件，可以用于提高多相机标定结果的准确度。最后，基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。从而，通过本公开的一些实施例的多相机在线标定方法，使得当前车辆在环境单一的道路上，也可以长时间处于拍摄到路杆的状态，以此可以进行多相机在线标定。其一，可以避免在特定的道路场景下(例如，高速公路场景)，环境较为单一、车辆难以长时间处于车道线为直线的路段、从多个车载相机拍摄的道路图像中提取的车道线直线方程不够准确的情况。其二，由于路杆数量众多，且大多数处于垂直于地面的状态，以路杆为基础对多相机标定更加便利。从而，提高所生成的路杆直线方程的准确度。进而，不仅可以完成对多个车载相机的在线标定，还可以提高多相机在线标定结果的准确度。
进一步参考图2，其示出了多相机在线标定方法的另一些实施例的流程200。该多相机在线标定方法的流程200，包括以下步骤：
步骤201，获取当前车辆多个车载相机拍摄的道路图像序列集。
步骤202，对道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。
步骤203，基于路杆直线方程组序列集，生成齐次坐标序列集。
步骤204，基于齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
在一些实施例中，步骤201-204的具体实现方式及所带来的技术效果可以参考图1对应的那些实施例中的步骤101-104，在此不再赘述。
步骤205，将当前车辆的各个车载相机的车体变换矩阵更新为目标变换矩阵组中的目标变换矩阵。
在一些实施例中，上述执行主体可以将上述当前车辆的各个车载相机的车体变换矩阵更新为上述目标变换矩阵组中的目标变换矩阵。其中，更新可以将目标变换矩阵组中的各个目标变换矩阵替换为车体变换矩阵，以用于各个车载相机。以供提高自动驾驶车辆后续的获取数据的准确度。进而，提高驾驶安全。
步骤206，对目标变换矩阵组中的各个目标变换矩阵进行存储。
在一些实施例中，上述执行主体可以对上述目标变换矩阵组中的各个目标变换矩阵进行存储。其中，通过存储目标变换矩阵，可以用于作为后续多相机在线标定中的初始变换矩阵，使得实现多相机在线标定以及确保车载相机的精度。
从图2中可以看出，与图1对应的一些实施例的描述相比，图2对应的一些实施例中的多相机在线标定方法的流程200体现了对当前车辆的车体变换矩阵进行更新的步骤。由此，可以在存在路杆的情况下完成多相机的在线标定以及对当前车辆的车体变换矩阵进行更新，提高多相机在线标定的适应性。以供提高自动驾驶车辆后续的获取数据的准确度。进而，提高驾驶安全。
进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种多相机在线标定装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的多相机在线标定装置300包括：获取单元301、提取单元302、生成单元303和标定单元304。其中，获取单元301，被配置成获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应；提取单元302，被配置成对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；生成单元303，被配置成基于上述路杆直线方程组序列集，生成齐次坐标序列集；标定单元304，被配置成基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
可以理解的是，该装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取当前车辆多个车载相机拍摄的道路图像序列集，其中，上述道路图像序列集中的每个道路图像序列与每个车载相机对应；对上述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；基于上述路杆直线方程组序列集，生成齐次坐标序列集；基于上述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品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，该模块、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，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、提取单元、生成单元和标定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取道路图像序列集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种多相机在线标定方法，包括：
获取当前车辆多个车载相机拍摄的道路图像序列集，其中，所述道路图像序列集中的每个道路图像序列与每个车载相机对应；
对所述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；
基于所述路杆直线方程组序列集，生成齐次坐标序列集；
基于所述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组；
其中，所述基于所述路杆直线方程组序列集，生成齐次坐标序列集，包括：
对于所述路杆直线方程组序列集中的每个路杆直线方程组序列中的每个路杆直线方程组，执行如下步骤以生成所述齐次坐标序列集中的齐次坐标：
响应于确定所述路杆直线方程组满足预设的路杆方程组条件，对所述路杆直线方程组中的各个路杆直线方程进行方程转换处理，得到直线联立方程和方程系数矩阵；
基于所述直线联立方程，生成灭点坐标；
响应于确定所述方程系数矩阵满足预设矩阵条件，基于所述灭点坐标，生成齐次坐标。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述当前车辆的各个车载相机的车体变换矩阵更新为所述目标变换矩阵组中的目标变换矩阵；
对所述目标变换矩阵组中的各个目标变换矩阵进行存储。
3.根据权利要求1所述的方法，其中，在所述对所述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集之前，所述方法还包括：
对所述道路图像序列集中每个道路图像序列中的各个道路图像进行图像处理，得到处理后道路图像序列集。
4.根据权利要求3所述的方法，其中，所述对所述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集，包括：
对所述处理后道路图像序列集中每个处理后道路图像序列中的各个处理后道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集。
5.根据权利要求1所述的方法，其中，所述基于所述路杆直线方程组序列集，生成齐次坐标序列集，还包括：
响应于确定所述方程系数矩阵不满足所述预设矩阵条件，基于所述方程系数矩阵，生成齐次坐标。
6.根据权利要求1所述的方法，其中，所述基于所述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组，包括：
基于所述齐次坐标序列集、预设的车载相机内参矩阵组和标定自由度信息组，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组。
7.一种多相机在线标定装置，包括：
获取单元，被配置成获取当前车辆多个车载相机拍摄的道路图像序列集，其中，所述道路图像序列集中的每个道路图像序列与每个车载相机对应；
提取单元，被配置成对所述道路图像序列集中每个道路图像序列中的各个道路图像进行路杆提取以生成路杆直线方程组序列，得到路杆直线方程组序列集；
生成单元，被配置成基于所述路杆直线方程组序列集，生成齐次坐标序列集；
标定单元，被配置成基于所述齐次坐标序列集，对预设的车载相机变换矩阵组中的各个车载相机变换矩阵进行标定，得到目标变换矩阵组；
其中，所述基于所述路杆直线方程组序列集，生成齐次坐标序列集，包括：
对于所述路杆直线方程组序列集中的每个路杆直线方程组序列中的每个路杆直线方程组，执行如下步骤以生成所述齐次坐标序列集中的齐次坐标：
响应于确定所述路杆直线方程组满足预设的路杆方程组条件，对所述路杆直线方程组中的各个路杆直线方程进行方程转换处理，得到直线联立方程和方程系数矩阵；
基于所述直线联立方程，生成灭点坐标；
响应于确定所述方程系数矩阵满足预设矩阵条件，基于所述灭点坐标，生成齐次坐标。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210275815.5A CN114708336B (zh) | 2022-03-21 | 2022-03-21 | 多相机在线标定方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210275815.5A CN114708336B (zh) | 2022-03-21 | 2022-03-21 | 多相机在线标定方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114708336A CN114708336A (zh) | 2022-07-05 |
| CN114708336B true CN114708336B (zh) | 2023-02-17 |
Family
ID=82168623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210275815.5A Active CN114708336B (zh) | 2022-03-21 | 2022-03-21 | 多相机在线标定方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114708336B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815713A (zh) * | 2020-05-29 | 2020-10-23 | 安徽酷哇机器人有限公司 | 自动标定相机外参的方法及系统 |
| CN111986265A (zh) * | 2020-08-04 | 2020-11-24 | 禾多科技（北京）有限公司 | 用于标定相机方法、装置、电子设备和介质 |
| CN113869422A (zh) * | 2021-09-29 | 2021-12-31 | 北京易航远智科技有限公司 | 多相机目标匹配方法、系统、电子设备及可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9911198B2 (en) * | 2015-12-17 | 2018-03-06 | Canon Kabushiki Kaisha | Method, system and apparatus for matching moving targets between camera views |
| CN112991465A (zh) * | 2021-03-26 | 2021-06-18 | 禾多科技（北京）有限公司 | 相机标定方法、装置、电子设备和计算机可读介质 |
-
2022
- 2022-03-21 CN CN202210275815.5A patent/CN114708336B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815713A (zh) * | 2020-05-29 | 2020-10-23 | 安徽酷哇机器人有限公司 | 自动标定相机外参的方法及系统 |
| CN111986265A (zh) * | 2020-08-04 | 2020-11-24 | 禾多科技（北京）有限公司 | 用于标定相机方法、装置、电子设备和介质 |
| CN113869422A (zh) * | 2021-09-29 | 2021-12-31 | 北京易航远智科技有限公司 | 多相机目标匹配方法、系统、电子设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Multi-camera traffic scene mosaic based on camera calibration;Feifan Wu et al.;《IET Computer Vision》;20210205;第47-59页 * |
| 基于一维标定杆的多相机标定算法研究与实现;刘家辰;《中国优秀硕士学位论文全文数据库信息科技辑》;20210315;第2021年卷(第03期);第I138-475页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114708336A (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113869293B (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
| CN114399589B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN112348029B (zh) | 局部地图调整方法、装置、设备和计算机可读介质 | |
| CN114742958A (zh) | 三维车道信息生成方法、装置、设备和计算机可读介质 | |
| CN113327318B (zh) | 图像显示方法、装置、电子设备和计算机可读介质 | |
| CN112561990B (zh) | 定位信息生成方法、装置、设备和计算机可读介质 | |
| CN114964296B (zh) | 车辆行驶路径规划方法、装置、设备和计算机可读介质 | |
| CN114494388B (zh) | 一种大视场环境下图像三维重建方法、装置、设备及介质 | |
| CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
| CN114863385B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
| CN114399588A (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN114445597B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN115620264B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
| CN114708336B (zh) | 多相机在线标定方法、装置、电子设备和计算机可读介质 | |
| CN115393826A (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN114723640B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| CN114140538B (zh) | 车载相机位姿调整方法、装置、设备和计算机可读介质 | |
| CN112990046B (zh) | 差异信息获取方法、相关装置及计算机程序产品 | |
| CN112597788B (zh) | 目标测定方法、装置、电子设备和计算机可读介质 | |
| CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及系统 | |
| CN114494428B (zh) | 车辆位姿矫正方法、装置、电子设备和计算机可读介质 | |
| CN114663524B (zh) | 多相机在线标定方法、装置、电子设备和计算机可读介质 | |
| CN116188583B (zh) | 相机位姿信息生成方法、装置、设备和计算机可读介质 | |
| CN116630436A (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 | |
| CN114399555B (zh) | 数据在线标定方法、装置、电子设备和计算机可读介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Multiple camera online calibration methods, devices, electronic devices, and computer-readable media Granted publication date: 20230217 Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch Pledgor: Heduo Technology (Guangzhou) Co.,Ltd. Registration number: Y2024980009891 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |