CN114792341A - 一种相机参数的获得方法、装置以及电子设备 - Google Patents

一种相机参数的获得方法、装置以及电子设备 Download PDF

Info

Publication number
CN114792341A
CN114792341A CN202110100088.4A CN202110100088A CN114792341A CN 114792341 A CN114792341 A CN 114792341A CN 202110100088 A CN202110100088 A CN 202110100088A CN 114792341 A CN114792341 A CN 114792341A
Authority
CN
China
Prior art keywords
information
video frame
frame image
target video
obtaining
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
Application number
CN202110100088.4A
Other languages
English (en)
Inventor
叶曦
韩超诣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN202110100088.4A priority Critical patent/CN114792341A/zh
Publication of CN114792341A publication Critical patent/CN114792341A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种相机参数的获得方法，包括：获得待分析的目标视频帧图像；获得第一灭点的像素坐标信息以及第二灭点的像素坐标信息；基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息；根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数。在本实施例中，利用第一灭点的像素坐标信息、第二灭点的像素坐标信息能够获得相机焦距信息；基于第一灭点的像素坐标信息、第二灭点的像素坐标信息、相机焦距信息以及相机旋转参数获得策略获得相机旋转参数的方式，相比现有的人工标定相机参数的方式，获得的相机旋转参数更准确，且标定较为快速。

Description

一种相机参数的获得方法、装置以及电子设备
技术领域
本申请涉及计算机技术领域，具体涉及一种相机参数的获得方法、装置、电子设备以及计算机存储介质。
背景技术
在交通系统领域中，经常通过分析诸如车辆速度、交通拥堵长度以及车辆所在位置的信息来分析当前的交通状况。而在交通领域中，需要通过相机对车辆进行图像捕获以获得上述信息。在相机捕获图像后，即可对图像进行分析。在图像分析过程中需要用到相机参数，因此需要对相机进行参数标定。
然而在交通领域中，由于相机拍摄角度需要频繁转动而造成需要多次标定参数，并且对相机参数的标定需要及时以保证通过图像准确获取上述信息来分析当前的交通状况。在现有的对相机参数进行标定的方式中，通过人工方式进行标定。然而由于人工对标定的标准不同，可能造成标定的参数准确率较低。因此，如何快速并准确地标定相机参数成为当前需要解决的问题。
发明内容
本申请实施例提供一种相机参数的获得方法，以快速并准确地标定相机参数。同时，本申请实施例提供一种相机参数的获得装置、电子设备以及计算机存储介质。
本申请实施例提供一种相机参数的获得方法，包括：
获得待分析的目标视频帧图像；
获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，所述第一方向与所述第二方向互为垂直方向；
基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，所述相机焦距信息为用于提供所述目标视频帧图像的相机对应的焦距信息；
根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数，所述相机旋转参数为用于将所述目标视频帧图像中的目标点的坐标信息从像素坐标系映射到相机坐标系所使用的旋转矩阵参数。
可选的，所述用于在所述目标视频帧图像中表示第一方向的至少两条直线为基于所述目标视频帧图像中的参照物对应的参照物轮廓信息获得的直线，所述用于在所述目标视频帧图像中表示第二方向的至少两条直线为基于所述目标视频帧图像中的目标对象对应的目标对象轮廓信息获得的直线。
可选的，还包括：获得用于在所述目标视频帧图像中表示目标对象尺寸的至少两个关键点在所述相机坐标系下的投影像素坐标信息；
基于所述投影像素坐标信息、所述相机旋转参数以及目标对象的真实尺寸信息，获得相机缩放参数，所述相机缩放参数为用于表示所述目标视频帧图像中的像素信息与真实尺寸信息之间的转换关系的参数。
可选的，所述基于所述投影像素坐标信息、所述相机旋转参数以及所述目标对象的真实尺寸信息，获得相机缩放参数，包括：
基于所述投影像素坐标信息，获得所述至少两个关键点的像素距离信息；
基于所述像素距离信息、所述相机旋转参数以及所述目标对象的真实尺寸信息，获得相机缩放参数。
可选的，还包括：
获得所述目标视频帧图像中的目标点的理论像素坐标信息与扭曲坐标信息；
根据所述第一灭点构建目标直线，获得所述目标直线的直线参数信息；
基于所述理论像素坐标信息、所述扭曲坐标信息以及所述直线参数信息获得畸变参数，所述畸变参数为将用于在所述目标视频帧图像中表示直线的直线扭曲为曲线所使用的径向畸变参数。
可选的，在获得待分析的目标视频帧图像后，还包括：
对所述目标视频帧图像进行识别处理，获得所述目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息；
根据所述参照物轮廓信息获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息，并根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息；
所述获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：
根据所述第一方向信息与所述第二方向信息，获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
可选的，所述对所述目标视频帧图像进行识别处理，获得所述目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息，包括：
对所述目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像；
分别对所述第一子图像与所述第二子图像采用图像边缘检测方法进行边缘检测，获得参照物轮廓信息与目标对象轮廓信息。
可选的，在对所述目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像之前，还包括：
获得对所述目标视频帧图像进行目标识别的识别结果信息，所述识别结果信息包括参照物在所述目标视频帧图像中的位置信息以及目标对象在所述目标视频帧图像中的位置信息。
可选的，所述根据所述参照物轮廓信息获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息，并根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息，包括：
分别对所述参照物轮廓信息与所述目标对象轮廓信息采用主成分分析方法进行主成分分析，获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息以及与第一方向为垂直方向的第二方向的第二方向信息。
可选的，在获得所述第一方向信息与所述第二方向信息之后，还包括：
基于所述第一方向信息选取在所述目标视频帧图像中表示第一方向的至少两条直线，并基于所述第二方向信息选取在所述目标视频帧图像中表示第二方向的至少两条直线；
所述根据所述第一方向信息与所述第二方向信息，获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：
基于所述用于在所述目标视频帧图像中表示第一方向的至少两条直线获得第一灭点，基于所述用于在所述目标视频帧图像中表示第二方向的至少两条直线获得第二灭点；
基于所述第一灭点与所述第二灭点，获得所述第一灭点的像素坐标信息以及所述第二灭点的像素坐标信息。
可选的，所述根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息，包括：
对所述目标对象轮廓信息中包含的用于在所述目标视频帧图像中表示第一方向的直线进行去除，获得所述目标对象轮廓信息中包含的剩余方向的直线；
根据所述剩余方向的直线，获得所述第二方向信息。
可选的，所述基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，包括：
对包含所述第一灭点的像素坐标信息以及相机焦距信息的第一向量与包含所述第二灭点的像素坐标信息以及相机焦距信息的第二向量进行点乘运算，并且使得所述第一向量与所述第二向量与点乘运算结果值为零，获得相机焦距信息。
可选的，所述相机旋转参数获得策略包括：以包含所述第一灭点的像素坐标信息以及相机焦距信息的第一向量、包含所述第二灭点的像素坐标信息以及相机焦距信息的第二向量以及用于表示所述第一向量与所述第二向量进行叉乘运算的第三向量构建旋转矩阵。
可选的，在获得待分析的目标视频帧图像之后，还包括：判断当前待分析的目标视频帧图像中的参照物信息是否与之前的视频帧图像中的参照物信息是否一致；
所述获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：
如果当前待分析的目标视频帧图像中的参照物信息与之前的视频帧图像中的参照物信息不一致，则获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
可选的，所述参照物包括以下至少一种：交通道路、交通路灯柱以及建筑物；所述目标对象至少包括目标车辆。
对应地，本申请实施例还提供一种相机参数的获得装置，包括：
图像获得单元，用于获得待分析的目标视频帧图像；
像素坐标信息获得单元，用于获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，所述第一方向与所述第二方向互为垂直方向；
焦距信息获得单元，用于基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，所述相机焦距信息为用于提供所述目标视频帧图像的相机对应的焦距信息；
旋转参数获得单元，用于根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数，所述相机旋转参数为用于将所述目标视频帧图像中的目标点的坐标信息从像素坐标系映射到相机坐标系所使用的旋转矩阵参数。
对应地，本申请实施例还提供一种电子设备，包括：
处理器；
存储器，用于存储计算机程序，该计算机程序被处理器运行，执行上述相机参数的获得方法。
对应地，本申请实施例还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述相机参数的获得方法。
与现有技术相比，本申请实施例具有以下优点：
本申请实施例提供一种相机参数的获得方法，包括：获得待分析的目标视频帧图像；获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息；基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息；根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数。在本实施例中，利用在目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息、用于在目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息能够获得相机焦距信息，基于第一灭点的像素坐标信息、第二灭点的像素坐标信息、相机焦距信息以及相机旋转参数获得策略获得相机旋转参数的方式，相较于现有的人工标定相机参数的方式，获得的相机旋转参数更准确，且标定较为快速。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请提供的相机参数的获得方法的应用场景示意图；
图2为本申请第一实施例提供的相机参数的获得方法的流程图；
图3为本申请第二实施例提供的相机参数的获得装置的示意图；
图4为本申请第三实施例提供的电子设备示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此，本申请不受下面公开的具体实施的限制。
为了更清楚地展示本申请实施例提供的相机参数的获得方法，先介绍一下本申请实施例提供的相机参数的获得方法的应用场景。本申请实施例提供的相机参数的获得方法可以应用于交通领域中，以获得用于交通摄像的相机的参数的场景。例如，在利用用于交通摄像的相机对交通要素进行拍摄时，可以通过获得相机拍摄的图像，并对图像进行分析进而获得交通要素。从对图像分析的过程中，可以获得如车辆速度信息、交通拥堵长度信息以及车辆所在位置信息等交通要素。
在实际的交通要素拍摄中，可能需要大量的相机同时对不同路段以及不同地区的交通场景进行拍摄。相机在拍摄的过程中，可能需要随时转动拍摄的角度，进而使得相机姿态产生变化。而在对图像进行分析获得交通要素时，需要预先获知相机的参数信息，进而才能通过图像获得交通要素。需要说明的是，在相机拍摄角度不改变时，仅需获得该拍摄角度下相机的参数即可。但是当相机角度、焦距发生变化时，即：当相机的角度、焦距变化到新的状态时，需要对相机参数进行更新。
如图1所示，其为本申请提供的相机参数的获得方法的应用场景示意图。首先，获得相机拍摄的待分析的目标视频帧图像，在该场景实施例中，相机可以连续对交通要素进行连续摄像，因此，从相机处初始获得的为待分析的视频。由于在对交通要素进行分析时，可以是先分析每个时刻的视频帧图像，再进而通过获得视频帧图像的分析情形，获得视频的分析情形。
在本场景中，在获得待分析的目标视频帧图像后，判断当前待分析的目标视频帧图像中的参照物信息是否与之前的视频帧图像中的参照物信息是否一致，如果一致，就沿用对之前的视频帧图像分析时采用的相机参数。如果不一致，就针对当前待分析的目标视频帧图像获得相机参数。换言之，如果当前待分析的目标视频帧图像与之前的视频帧图像的拍摄角度不一致，就需要对分析当前待分析的目标视频帧图像所使用的相机参数进行标定。
参照物信息可以是指待分析的目标视频帧图像中用于表示交通道路或者交通路灯柱以及建筑物的相关信息。例如：如果经判断，之前的视频帧图像中的参照物在图像中的位置、大小以及角度等信息均与当前待分析的目标视频帧图像相同，则认为当前待分析的目标视频帧图像中的参照物信息与之前的视频帧图像中的参照物信息一致。反之，则不一致。
在当前待分析的目标视频帧图像中的参照物信息与之前的视频帧图像中的参照物信息不一致时，需要获得分析当前待分析的目标视频帧图像所使用的相机参数。
以下是结合图1对如何获得相机参数的简要说明。
在获得相机参数时，首先对当前待分析的目标视频帧图像(以下简称为目标视频帧图像)进行分割处理，即将目标视频帧图像分割为包含参照物的第一子图像与包含目标对象的第二子图像。在本场景中，以参照物为交通道路，目标对象为目标车辆A为例进行说明。因此，在对目标视频帧图像进行分割后，获得的是包含交通道路的第一子图像与包含目标车辆A的第二子图像。
在获得第一子图像与第二子图像之后，分别对第一子图像与第二子图像采用图像边缘检测方法进行边缘检测，获得交通道路轮廓信息与目标车辆A轮廓信息。在获得交通道路轮廓信息之后，根据交通道路轮廓信息即可获得在目标视频帧图像中用于表示道路主方向的第一方向信息。基于目标车辆A轮廓信息即可获得与第一方向为垂直方向的第二方向的第二方向信息。具体地，第一方向为在目标视频帧图像中用于表示道路主方向的方向。在获得第二方向时，目标车辆A轮廓信息中包含第一方向与其他方向，因此实际上在获得第二方向时，基于目标车辆A轮廓信息去除第一方向之后，可以获得与第一方向垂直的第二方向信息。
在获得第一方向信息与第二方向信息后，获得用于在目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
在获得第一灭点像素坐标信息与第二灭点像素坐标信息之后，即可获得相机等效焦距信息。在获得相机等效焦距信息之后，即可基于相机等效焦距信息、第一灭点像素坐标信息与第二灭点像素坐标信息获得相机旋转参数。
在获得相机旋转参数之后，基于用于在目标视频帧图像中表示目标车辆A尺寸信息的至少两个关键点在相机坐标系下的投影像素距离信息、目标车辆A的真实尺寸信息，相机旋转参数，获得相机缩放参数。在目标视频帧图像中表示目标车辆A尺寸信息的至少两个关键点可以是指在目标视频帧图像中表示目标车辆A的前车灯的点与后车灯的点。当然，目标车辆A的真实尺寸信息也是基于在实际中表示基于上述选择的关键点选择真实尺寸信息，例如：关键点可为在目标视频帧图像中表示目标车辆A的前车灯的点与后车灯的点时，目标车辆A的真实尺寸信息为前车灯的点与后车灯的点之间的真实尺寸信息。在获得投影像素距离信息、目标车辆A的真实尺寸信息，相机旋转参数后，即可获得相机缩放参数。
另外，基于第一灭点构建建目标直线，获得目标直线的直线参数信息。同时，获得目标视频帧图像中的目标点的理论像素坐标信息与扭曲坐标信息。最终，基于理论像素坐标信息、扭曲坐标信息以及直线参数信息获得畸变参数，畸变参数为将用于在目标视频帧图像中表示直线的直线扭曲为曲线所使用的径向畸变参数。
本申请的实施例中不对相机参数的获得方法的应用场景做具体的限定，上述相机参数的获得方法的应用场景，仅仅是本申请提供的相机参数的获得方法的应用场景的一个实施例，提供该应用场景实施例的目的是便于理解本申请提供的相机参数的获得方法，而并非用于限定本申请提供的相机参数的获得方法。本申请实施例对提供的相机参数的获得方法的其它应用场景，不再一一赘述。
第一实施例
本申请第一实施例提供一种相机参数的获得方法，以下结合图2进行说明。
请参照图2，其为本申请第一实施例提供的一种相机参数的获得方法的流程图。
步骤S201：获得待分析的目标视频帧图像。
本实施例的方法可以应用在交通领域中以获得用于交通摄像的相机的参数的场景。首先，获得相机拍摄的待分析的目标视频帧图像，在该场景实施例中，相机可以连续对交通要素进行连续摄像，因此，从相机处初始获得的为待分析的视频。由于在对交通要素进行分析时，可以是先分析每个时刻的视频帧图像，再进而通过获得视频帧图像的分析情形，获得视频的分析情形。作为本实施例的首要步骤，首先获得的是待分析的目标视频帧图像。
步骤S202：获得用于在目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，第一方向与第二方向互为垂直方向。
在本实施例中，用于在目标视频帧图像中表示第一方向的至少两条直线为基于目标视频帧图像中的参照物对应的参照物轮廓信息获得的直线，用于在目标视频帧图像中表示第二方向的至少两条直线为基于目标视频帧图像中的目标对象对应的目标对象轮廓信息获得的直线。
灭点为将用于在图像中表示实际情形中两条平行线投影至平行坐标系空间获得的两条平行线的交点，灭点的像素坐标信息为基于像素坐标系获得的用于表示灭点在目标视频帧图像成像时所在的像平面上的像素位置信息。在本实施例中，像素坐标系为像平面坐标系，像平面坐标系的尺度单元是以像素为单位的。
基于上述对灭点的阐述，首先需要选取用于在目标视频帧图像中表示第一方向的至少两条直线，并选取在目标视频帧图像中表示第二方向的至少两条直线，以获得第一灭点的像素坐标信息与第二灭点的像素坐标信息。
用于在目标视频帧图像中表示第一方向的至少两条直线在实际情形中实际上为平行关系，用于在目标视频帧图像中表示第二方向的至少两条直线在实际情形中实际上也为平行关系，且第二方向的至少两条直线与第一方向的直线在实际中为垂直关系。
具体地，作为选取用于在目标视频帧图像中表示第一方向的至少两条直线，并选取在目标视频帧图像中表示第二方向的至少两条直线的一种方式：基于第一方向信息选取在目标视频帧图像中表示第一方向的至少两条直线，并基于第二方向信息选取在目标视频帧图像中表示第二方向的至少两条直线。
之后，基于用于在目标视频帧图像中表示第一方向的至少两条直线获得第一灭点，基于用于在目标视频帧图像中表示第二方向的至少两条直线获得第二灭点。
其中，第一方向信息与第二方向信息基于以下方式获得：
首先，对目标视频帧图像进行识别处理，获得目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息。之后，根据参照物轮廓信息获得用于在目标视频帧图像中表示参照物所在方向的第一方向信息，并根据目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息。
作为对目标视频帧图像进行识别处理，获得目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息的一种方式：首先，对目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像；之后，分别对第一子图像与第二子图像采用图像边缘检测方法进行边缘检测，获得参照物轮廓信息与目标对象轮廓信息。图像边缘检测方法可以是Canny边缘检测算法。其中的分割处理可以是指基于对图像中的目标对象与参照物进行分割。参照物在交通领域中可以是指路面、背景、绿化带等；目标对象可以是指图像中的车辆。
在对目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像之前，获得对目标视频帧图像进行目标识别的识别结果信息，识别结果信息包括参照物在目标视频帧图像中的位置信息以及目标对象在目标视频帧图像中的位置信息。对目标视频帧图像进行目标识别的过程中，可以是基于结合获取图像中的目标类别、检测框和mask的算法进行识别的过程。
在获得第一灭点与第二灭点之后，最终，基于第一灭点与第二灭点，获得第一灭点的像素坐标信息以及第二灭点的像素坐标信息。作为基于第一灭点与第二灭点，获得第一灭点的像素坐标信息以及第二灭点的像素坐标信息，可以是指获得第一灭点以及第二灭点在像素坐标系下的坐标信息。第一灭点的像素坐标信息记作：(ua，va)；第二灭点的像素坐标信息记作：(ub，vb)。
上述在根据参照物轮廓信息获得用于在目标视频帧图像中表示参照物所在方向的第一方向信息，并根据目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息，可以是指按照如下描述的方式：
分别对参照物轮廓信息与目标对象轮廓信息采用主成分分析方法进行主成分分析，获得用于在目标视频帧图像中表示参照物所在方向的第一方向信息以及与第一方向为垂直方向的第二方向的第二方向信息。
具体地，作为根据目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息，可以是指：对目标对象轮廓信息中包含的用于在目标视频帧图像中表示第一方向的直线进行去除，获得目标对象轮廓信息中包含的剩余方向的直线；根据剩余方向的直线，获得与第一方向垂直的第二方向信息。
例如，在交通领域中，以参照物为交通道路，目标对象为目标车辆为例。在目标视频帧图像中表示第一方向的是道路方向，第一方向信息可以基于道路轮廓信息获得。而在获得第二方向信息时，由于车辆轮廓信息主要是与道路方向垂直和平行的方向的直线，因此，将表示第一方向的直线去除，剩余的方向的直线所在的方向即为第二方向。
步骤S203：基于第一灭点的像素坐标信息与第二灭点的像素坐标信息，获得相机焦距信息。
在本实施例中，相机焦距信息为用于提供目标视频帧图像的相机对应的焦距信息；在本实施例中，相机焦距信息为相机等效焦距信息。
作为基于第一灭点的像素坐标信息与第二灭点的像素坐标信息，获得相机焦距信息，可以是指：对包含第一灭点的像素坐标信息以及相机焦距信息的第一向量与包含第二灭点的像素坐标信息以及相机焦距信息的第二向量进行点乘运算，并且使得第一向量与第二向量与点乘运算结果值为零，进而获得相机焦距信息。例如：第一向量表示为：(ua，va，f)；第二向量表示为：(ub，vb，f)。即：ua*ub+va*vb+f*f＝0。由此可以获得f，即可获得相机焦距信息。需要说明的是，在将相机生成的透镜认为是几乎完美的球体时，光心即为成像范围的中心。因此，可以采用ua*ub+va*vb+f*f＝0求取相机焦距信息。第一向量与第二向量为用于表示第一灭点与第二灭点在相机坐标系下的坐标表示形式。需要说明的是，相机到像平面坐标系的垂直距离认为是焦距记为f。因此，第一灭点与第二灭点在相机坐标系下的坐标表示形式就是以像平面坐标系下的坐标平移f后得到的，第一灭点与第二灭点在相机坐标系下的坐标表示形式的第三维度都用f表示。
步骤S204：根据第一灭点的像素坐标信息、第二灭点的像素坐标信息、相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数。
在本实施例中，相机旋转参数为用于将目标视频帧图像中的目标点的坐标信息从像素坐标系映射到相机坐标系所使用的旋转矩阵参数。
在本实施例中，相机旋转参数获得策略包括：以包含第一灭点的像素坐标信息以及相机焦距信息的第一向量、包含第二灭点的像素坐标信息以及相机焦距信息的第二向量以及用于表示第一向量与第二向量进行叉乘运算的第三向量构建旋转矩阵。即：第一向量为U为：(ua，va，f)；第二向量为V为：(ub，vb，f)。(U，V，U×V)即为旋转矩阵。
在获得相机旋转参数后，还获得用于在目标视频帧图像中表示目标对象尺寸的至少两个关键点在相机坐标系下的投影像素坐标信息，并基于投影像素坐标信息、相机旋转参数以及目标对象的真实尺寸信息，获得相机缩放参数，相机缩放参数为用于表示目标视频帧图像中的像素信息与真实尺寸信息之间的转换关系的参数。
具体地，作为基于投影像素坐标信息、相机旋转参数以及目标对象的真实尺寸信息，获得相机缩放参数，可以是指：基于投影像素坐标信息，获得至少两个关键点的像素距离信息；基于像素距离信息、相机旋转参数以及目标对象的真实尺寸信息，获得相机缩放参数。以两个关键点为例，在获得两个关键点的像素距离信息后，基于像素距离信息与相机旋转参数可以获得两个关键点在目标视频帧图像中的物理距离信息。然后，基于两个关键点在目标视频帧图像中的物理距离信息与目标对象的真实尺寸信息，即可获得相机缩放参数。目标对象的真实尺寸信息即对应两个关键点在真实场景中的物理距离信息。
在本实施例中，还包括：获得目标视频帧图像中的目标点的扭曲坐标信息；根据第一灭点构建目标直线，获得目标直线的直线参数信息；基于扭曲坐标信息以及直线参数信息获得畸变参数，畸变参数为将用于在目标视频帧图像中表示直线的直线扭曲为曲线所使用的径向畸变参数。
具体地，假定畸变将理论像素坐标信息(u′，v′)扭曲为(x′，y′)，则径向畸变则有如下关系：
r2＝(x′)2+(y′)2
u′＝x′(1+k1*r2+k2*r4+k3*r6)
v'＝y′(1+k1*r2+k2*r4+k3*r6)
其中，k1，k2，k3即为径向畸变参数。
那么根据原本的直线关系(a，b为直线参数，其中a表示直线的斜率，b表示直线的截距)则有如下目标函数：
Figure BDA0002915551310000131
根据函数求解k1，k2，k3，用最基本的牛顿法就能解出k1，k2，k3。其中，Ux与Uy为灭点在相机坐标下的坐标信息。在本实施例中，其中的原本的直线关系即为几何学中的畸变模型。
在本实施例中，在获得待分析的目标视频帧图像之后，还包括：判断当前待分析的目标视频帧图像中的参照物信息是否与之前的视频帧图像中的参照物信息是否一致；获得用于在目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：如果当前待分析的目标视频帧图像中的参照物信息与之前的视频帧图像中的参照物信息不一致，则获得用于在目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
在本实施例中，参照物包括以下至少一种：交通道路、交通路灯柱以及建筑物；目标对象至少包括目标车辆。
在本实施例中，利用在目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息、用于在目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息能够获得相机焦距信息，基于第一灭点的像素坐标信息、第二灭点的像素坐标信息、相机焦距信息以及相机旋转参数获得策略获得相机旋转参数的方式，相较于现有的人工标定相机参数的方式，获得的相机旋转参数更准确，且标定较为快速。
第二实施例
与本申请第一实施例提供的相机参数的获得方法相对应的，本申请第二实施例还提供一种相机参数的获得装置。由于装置实施例基本相似于第一实施例，所以描述得比较简单，相关之处参见第一实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
请参照图3，其为本申请第二实施例提供的一种相机参数的获得装置的示意图。
该相机参数的获得装置包括：
图像获得单元301，用于获得待分析的目标视频帧图像；
像素坐标信息获得单元302，用于获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，所述第一方向与所述第二方向互为垂直方向；
焦距信息获得单元303，用于基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，所述相机焦距信息为用于提供所述目标视频帧图像的相机对应的焦距信息；
旋转参数获得单元304，用于根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数，所述相机旋转参数为用于将所述目标视频帧图像中的目标点的坐标信息从像素坐标系映射到相机坐标系所使用的旋转矩阵参数。
可选的，所述用于在所述目标视频帧图像中表示第一方向的至少两条直线为基于所述目标视频帧图像中的参照物对应的参照物轮廓信息获得的直线，所述用于在所述目标视频帧图像中表示第二方向的至少两条直线为基于所述目标视频帧图像中的目标对象对应的目标对象轮廓信息获得的直线。
可选的，还包括：投影像素坐标信息获得单元与缩放参数获得单元；所述投影像素坐标信息获得单元，用于获得用于在所述目标视频帧图像中表示目标对象尺寸的至少两个关键点在所述相机坐标系下的投影像素坐标信息；
所述缩放参数获得单元，用于基于所述投影像素坐标信息、所述相机旋转参数以及目标对象的真实尺寸信息，获得相机缩放参数，所述相机缩放参数为用于表示所述目标视频帧图像中的像素信息与真实尺寸信息之间的转换关系的参数。
可选的，所述缩放参数获得单元，具体用于：
基于所述投影像素坐标信息，获得所述至少两个关键点的像素距离信息；
基于所述像素距离信息、所述相机旋转参数以及所述目标对象的真实尺寸信息，获得相机缩放参数。
可选的，还包括：畸变参数获得单元；所述畸变参数获得单元，用于获得所述目标视频帧图像中的目标点的理论像素坐标信息与扭曲坐标信息；
根据所述第一灭点构建目标直线，获得所述目标直线的直线参数信息；
基于所述理论像素坐标信息、所述扭曲坐标信息以及所述直线参数信息获得畸变参数，所述畸变参数为将用于在所述目标视频帧图像中表示直线的直线扭曲为曲线所使用的径向畸变参数。
可选的，还包括：轮廓信息获得单元与方向信息获得单元；
所述轮廓信息获得单元，用于在获得待分析的目标视频帧图像后，对所述目标视频帧图像进行识别处理，获得所述目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息；
所述方向信息获得单元，用于根据所述参照物轮廓信息获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息，并根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息；
所述像素坐标信息获得单元，具体用于：
根据所述第一方向信息与所述第二方向信息，获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
可选的，所述轮廓信息获得单元，具体用于：
对所述目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像；
分别对所述第一子图像与所述第二子图像采用图像边缘检测方法进行边缘检测，获得参照物轮廓信息与目标对象轮廓信息。
可选的，还包括：识别结果信息获得单元；所述识别结果信息获得单元，用于在对所述目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像之前，获得对所述目标视频帧图像进行目标识别的识别结果信息，所述识别结果信息包括参照物在所述目标视频帧图像中的位置信息以及目标对象在所述目标视频帧图像中的位置信息。
可选的，所述方向信息获得单元，具体用于：
分别对所述参照物轮廓信息与所述目标对象轮廓信息采用主成分分析方法进行主成分分析，获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息以及与第一方向为垂直方向的第二方向的第二方向信息。
可选的，还包括：直线选取单元；所述直线选取单元，用于在获得所述第一方向信息与所述第二方向信息之后，基于所述第一方向信息选取在所述目标视频帧图像中表示第一方向的至少两条直线，并基于所述第二方向信息选取在所述目标视频帧图像中表示第二方向的至少两条直线；
所述像素坐标信息获得单元，具体用于：
基于所述用于在所述目标视频帧图像中表示第一方向的至少两条直线获得第一灭点，基于所述用于在所述目标视频帧图像中表示第二方向的至少两条直线获得第二灭点；
基于所述第一灭点与所述第二灭点，获得所述第一灭点的像素坐标信息以及所述第二灭点的像素坐标信息。
可选的，所述方向信息获得单元，具体用于：
对所述目标对象轮廓信息中包含的用于在所述目标视频帧图像中表示第一方向的直线进行去除，获得所述目标对象轮廓信息中包含的剩余方向的直线；
根据所述剩余方向的直线，获得所述第二方向信息。
可选的，所述焦距信息获得单元，具体用于：
对包含所述第一灭点的像素坐标信息以及相机焦距信息的第一向量与包含所述第二灭点的像素坐标信息以及相机焦距信息的第二向量进行点乘运算，并且使得所述第一向量与所述第二向量与点乘运算结果值为零，获得相机焦距信息。
可选的，所述相机旋转参数获得策略包括：以包含所述第一灭点的像素坐标信息以及相机焦距信息的第一向量、包含所述第二灭点的像素坐标信息以及相机焦距信息的第二向量以及用于表示所述第一向量与所述第二向量进行叉乘运算的第三向量构建旋转矩阵。
可选的，还包括：判断单元；所述判断单元，用于在获得待分析的目标视频帧图像之后，判断当前待分析的目标视频帧图像中的参照物信息是否与之前的视频帧图像中的参照物信息是否一致；
所述像素坐标信息获得单元，具体用于：
如果当前待分析的目标视频帧图像中的参照物信息与之前的视频帧图像中的参照物信息不一致，则获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
可选的，所述参照物包括以下至少一种：交通道路、交通路灯柱以及建筑物；所述目标对象至少包括目标车辆。
第三实施例
与本申请第一实施例提供的相机参数的获得方法相对应的，本申请第三实施例还提供一种电子设备。
如图4所示，图4为本申请第三实施例中提供的一种电子设备的示意图。
该电子设备，包括：
处理器401；
存储器402，用于存储计算机程序，该计算机程序被处理器运行，执行第一实施例的相机参数的获得方法。
第四实施例
与本申请第一实施例提供的相机参数的获得方法相对应的，本申请第四实施例还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行第一实施例的相机参数的获得方法。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读存储媒体(non-transitorycomputer readable storage media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (18)

1.一种相机参数的获得方法，其特征在于，包括：
获得待分析的目标视频帧图像；
获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，所述第一方向与所述第二方向互为垂直方向；
基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，所述相机焦距信息为用于提供所述目标视频帧图像的相机对应的焦距信息；
根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数，所述相机旋转参数为用于将所述目标视频帧图像中的目标点的坐标信息从像素坐标系映射到相机坐标系所使用的旋转矩阵参数。
2.根据权利要求1所述的方法，其特征在于，所述用于在所述目标视频帧图像中表示第一方向的至少两条直线为基于所述目标视频帧图像中的参照物对应的参照物轮廓信息获得的直线，所述用于在所述目标视频帧图像中表示第二方向的至少两条直线为基于所述目标视频帧图像中的目标对象对应的目标对象轮廓信息获得的直线。
3.根据权利要求2所述的方法，其特征在于，还包括：获得用于在所述目标视频帧图像中表示目标对象尺寸的至少两个关键点在所述相机坐标系下的投影像素坐标信息；
基于所述投影像素坐标信息、所述相机旋转参数以及目标对象的真实尺寸信息，获得相机缩放参数，所述相机缩放参数为用于表示所述目标视频帧图像中的像素信息与真实尺寸信息之间的转换关系的参数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述投影像素坐标信息、所述相机旋转参数以及所述目标对象的真实尺寸信息，获得相机缩放参数，包括：
基于所述投影像素坐标信息，获得所述至少两个关键点的像素距离信息；
基于所述像素距离信息、所述相机旋转参数以及所述目标对象的真实尺寸信息，获得相机缩放参数。
5.根据权利要求3所述的方法，其特征在于，还包括：
获得所述目标视频帧图像中的目标点的理论像素坐标信息与扭曲坐标信息；
根据所述第一灭点构建目标直线，获得所述目标直线的直线参数信息；
基于所述理论像素坐标信息、所述扭曲坐标信息以及所述直线参数信息获得畸变参数，所述畸变参数为将用于在所述目标视频帧图像中表示直线的直线扭曲为曲线所使用的径向畸变参数。
6.根据权利要求2所述的方法，其特征在于，在获得待分析的目标视频帧图像后，还包括：
对所述目标视频帧图像进行识别处理，获得所述目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息；
根据所述参照物轮廓信息获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息，并根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息；
所述获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：
根据所述第一方向信息与所述第二方向信息，获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
7.根据权利要求6所述的方法，其特征在于，所述对所述目标视频帧图像进行识别处理，获得所述目标视频帧图像中的参照物对应的参照物轮廓信息与目标对象对应的目标对象轮廓信息，包括：
对所述目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像；
分别对所述第一子图像与所述第二子图像采用图像边缘检测方法进行边缘检测，获得参照物轮廓信息与目标对象轮廓信息。
8.根据权利要求7所述的方法，其特征在于，在对所述目标视频帧图像进行分割处理，获得包含参照物的第一子图像与包含目标对象的第二子图像之前，还包括：
获得对所述目标视频帧图像进行目标识别的识别结果信息，所述识别结果信息包括参照物在所述目标视频帧图像中的位置信息以及目标对象在所述目标视频帧图像中的位置信息。
9.根据权利要求6或7所述的方法，其特征在于，所述根据所述参照物轮廓信息获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息，并根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息，包括：
分别对所述参照物轮廓信息与所述目标对象轮廓信息采用主成分分析方法进行主成分分析，获得用于在所述目标视频帧图像中表示参照物所在方向的第一方向信息以及与第一方向为垂直方向的第二方向的第二方向信息。
10.根据权利要求9所述的方法，其特征在于，在获得所述第一方向信息与所述第二方向信息之后，还包括：
基于所述第一方向信息选取在所述目标视频帧图像中表示第一方向的至少两条直线，并基于所述第二方向信息选取在所述目标视频帧图像中表示第二方向的至少两条直线；
所述根据所述第一方向信息与所述第二方向信息，获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：
基于所述用于在所述目标视频帧图像中表示第一方向的至少两条直线获得第一灭点，基于所述用于在所述目标视频帧图像中表示第二方向的至少两条直线获得第二灭点；
基于所述第一灭点与所述第二灭点，获得所述第一灭点的像素坐标信息以及所述第二灭点的像素坐标信息。
11.根据权利要求6所述的方法，其特征在于，所述根据所述目标对象轮廓信息获得与第一方向为垂直方向的第二方向的第二方向信息，包括：
对所述目标对象轮廓信息中包含的用于在所述目标视频帧图像中表示第一方向的直线进行去除，获得所述目标对象轮廓信息中包含的剩余方向的直线；
根据所述剩余方向的直线，获得所述第二方向信息。
12.根据权利要求1所述的方法，其特征在于，所述基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，包括：
对包含所述第一灭点的像素坐标信息以及相机焦距信息的第一向量与包含所述第二灭点的像素坐标信息以及相机焦距信息的第二向量进行点乘运算，并且使得所述第一向量与所述第二向量与点乘运算结果值为零，获得相机焦距信息。
13.根据权利要求1所述的方法，其特征在于，所述相机旋转参数获得策略包括：以包含所述第一灭点的像素坐标信息以及相机焦距信息的第一向量、包含所述第二灭点的像素坐标信息以及相机焦距信息的第二向量以及用于表示所述第一向量与所述第二向量进行叉乘运算的第三向量构建旋转矩阵。
14.根据权利要求1所述的方法，其特征在于，在获得待分析的目标视频帧图像之后，还包括：判断当前待分析的目标视频帧图像中的参照物信息是否与之前的视频帧图像中的参照物信息是否一致；
所述获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，包括：
如果当前待分析的目标视频帧图像中的参照物信息与之前的视频帧图像中的参照物信息不一致，则获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息。
15.根据权利要求2所述的方法，其特征在于，所述参照物包括以下至少一种：交通道路、交通路灯柱以及建筑物；所述目标对象至少包括目标车辆。
16.一种相机参数的获得装置，其特征在于，包括：
图像获得单元，用于获得待分析的目标视频帧图像；
像素坐标信息获得单元，用于获得用于在所述目标视频帧图像中表示第一方向的至少两条直线对应的第一灭点的像素坐标信息以及用于在所述目标视频帧图像中表示第二方向的至少两条直线对应的第二灭点的像素坐标信息，所述第一方向与所述第二方向互为垂直方向；
焦距信息获得单元，用于基于所述第一灭点的像素坐标信息与所述第二灭点的像素坐标信息，获得相机焦距信息，所述相机焦距信息为用于提供所述目标视频帧图像的相机对应的焦距信息；
旋转参数获得单元，用于根据所述第一灭点的像素坐标信息、所述第二灭点的像素坐标信息、所述相机焦距信息以及相机旋转参数获得策略，获得相机旋转参数，所述相机旋转参数为用于将所述目标视频帧图像中的目标点的坐标信息从像素坐标系映射到相机坐标系所使用的旋转矩阵参数。
17.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储计算机程序，该计算机程序被处理器运行，执行权利要求1-15任意一项所述的方法。
18.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行权利要求1-15任意一项所述的方法。
CN202110100088.4A 2021-01-25 2021-01-25 一种相机参数的获得方法、装置以及电子设备 Pending CN114792341A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110100088.4A CN114792341A (zh) 2021-01-25 2021-01-25 一种相机参数的获得方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110100088.4A CN114792341A (zh) 2021-01-25 2021-01-25 一种相机参数的获得方法、装置以及电子设备

Publications (1)

Publication Number Publication Date
CN114792341A true CN114792341A (zh) 2022-07-26

Family

ID=82460415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110100088.4A Pending CN114792341A (zh) 2021-01-25 2021-01-25 一种相机参数的获得方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN114792341A (zh)

Similar Documents

Publication Publication Date Title
CN111179358B (zh) 标定方法、装置、设备及存储介质
CN110717942B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN111160172B (zh) 泊车位检测方法、装置、计算机设备和存储介质
CN109479082B (zh) 图象处理方法及装置
US7868922B2 (en) Foreground/background segmentation in digital images
CN109753971B (zh) 扭曲文字行的矫正方法及装置、字符识别方法及装置
EP3798975B1 (en) Method and apparatus for detecting subject, electronic device, and computer readable storage medium
CN110796041B (zh) 主体识别方法和装置、电子设备、计算机可读存储介质
CN112511767B (zh) 一种视频拼接方法及设备、存储介质
CN112435223B (zh) 目标检测方法、装置及存储介质
CN114155285B (zh) 基于灰度直方图的图像配准方法
CN108229281B (zh) 神经网络的生成方法和人脸检测方法、装置及电子设备
CN114897684A (zh) 车辆图像的拼接方法、装置、计算机设备和存储介质
Xian et al. Neural lens modeling
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
CN114792341A (zh) 一种相机参数的获得方法、装置以及电子设备
CN112734721B (zh) 一种光轴偏转角度检测方法、装置、设备和介质
CN112529943B (zh) 一种物体检测方法、物体检测装置及智能设备
KR102076635B1 (ko) 산재된 고정 카메라를 이용한 파노라마 영상 생성 장치 및 방법
CN114004839A (zh) 全景图像的图像分割方法、装置、计算机设备和存储介质
CN111507931B (zh) 一种数据处理方法和装置
CN112150373A (zh) 图像处理方法、图像处理装置和可读存储介质
WO2024146317A1 (zh) 处理图像的方法、装置和电子设备
TWI819219B (zh) 動態場景補償的拍照方法及攝像裝置
CN116051865A (zh) 一种图像识别方法、模板库建立方法及装置

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