CN115294205A - 相机标定方法、物体特征定位方法、装置、设备及介质 - Google Patents

相机标定方法、物体特征定位方法、装置、设备及介质 Download PDF

Info

Publication number
CN115294205A
CN115294205A CN202210319476.6A CN202210319476A CN115294205A CN 115294205 A CN115294205 A CN 115294205A CN 202210319476 A CN202210319476 A CN 202210319476A CN 115294205 A CN115294205 A CN 115294205A
Authority
CN
China
Prior art keywords
image
target
calibrated
calibration
preset
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
CN202210319476.6A
Other languages
English (en)
Inventor
王芳芳
苏凯
苗猛
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.)
Hangzhou Fengyun Information Technology Co ltd
Hangzhou Iecho Technology Co ltd
Original Assignee
Hangzhou Fengyun Information Technology Co ltd
Hangzhou Iecho Technology Co 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 Hangzhou Fengyun Information Technology Co ltd, Hangzhou Iecho Technology Co ltd filed Critical Hangzhou Fengyun Information Technology Co ltd
Priority to CN202210319476.6A priority Critical patent/CN115294205A/zh
Publication of CN115294205A publication Critical patent/CN115294205A/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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请公开了一种相机标定方法、物体特征定位方法、装置、设备及介质，涉及计算机技术领域，包括：将标定靶置于运动装置上的预设位置，保持标定靶与运动装置之间的相对静止状态，在运动装置进行预设运动后采集标定靶的待标定图像，提取待标定图像中目标特征点的像素坐标；获取第一目标列像素坐标，在裁床坐标系下确定出相邻的不同目标特征点之间的间距长度和待标定图像中沿预设运动方向上单个像素对应的实际物理长度；计算与待标定图像对应的畸变映射关系；利用透视变换原理和小孔成像模型，得到裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，基于畸变映射关系和第一映射关系完成对预设相机的标定。实现成本低、难度系数小的相机标定。

Description

相机标定方法、物体特征定位方法、装置、设备及介质
技术领域
本发明涉及计算机技术领域，特别涉及相机标定方法、物体特征定位方法、装置、设备及介质。
背景技术
线扫相机以其分辨率高、测量精度好、抗干扰能力强等优点广泛应用于高精度、连续运动、实时测量等场合，然而由于相机安装误差、镜头畸变会使得被测物出现成像失真，增加测量误差的情况，因此为了消除畸变，减小测量误差，需要进行相机标定。现有的线扫描相机标定方法，主要是通过建立特征点像素坐标与世界坐标间的映射关系，得到相机成像模型，进而获取相机参数的过程。这种方法的标定精度往往依赖于标定靶标的制作精度，然而高精度的标定靶标具有加工难度大、制作成本高等缺点。
综上可见，如何能够实现简单并且低成本的相机标定是本领域有待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种相机标定方法、装置、设备及介质，能够实现简单并且低成本的相机标定。其具体方案如下：
第一方面，本申请公开了一种相机标定方法，包括：
将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；
基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；
通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；
利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
可选的，所述将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标，包括：
将携带有预设数量个等间距直线的标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态；
通过所述运动装置进行预设运动以采集所述标定靶的各个子图像，并拼接所述各个子图像以获得待标定图像，以便采集所述待标定图像中预设目标行的目标特征点的像素坐标。
可选的，所述通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系，包括：
通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像；
提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系。
可选的，所述通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像，包括：
基于所述间距长度和所述实际物理长度之间的倍数关系确定出像素距离；
从所述第一目标列像素坐标中筛选出满足预设坐标条件的第三目标列像素坐标和第四目标列像素坐标，并计算所述第三目标列像素坐标与所述第四目标列像素坐标之间的差值，以便利用所述像素距离和所述差值拓宽所述待标定图像以获得拓宽后图像。
可选的，所述提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系，包括：
提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，并基于所述倍数关系和所述第二目标列像素坐标计算出相应直线的斜率和截距，以便基于所述斜率和所述截距确定与所述待标定图像对应的畸变映射关系。
可选的，所述基于透视变换原理和小孔成像模型，获取所述裁床坐标系与任一高度下像素坐标系之间的第一映射关系，包括：
利用透视变换原理计算出在预设高度下的像素坐标系与所述裁床坐标系之间的第二映射关系；
基于小孔成像模型获取在所述预设高度下的像素坐标系与任一高度下的像素坐标系之间的第三映射关系，以便利用所述第二映射关系和所述第三映射关系计算出所述裁床坐标系与所述任一高度下像素坐标系之间的第一映射关系。
第二方面，本申请公开了一种物体特征定位方法，包括：
获取待检测物体的原始图像，并利用经过相机标定处理后得到的畸变映射关系对所述原始图像去畸变，以获得所述原始图像的无畸变图像；所述相机标定处理为利用如前述公开的相机标定方法对相机进行的标定处理；其中，所述原始图像包括与所述待检测物体对应的待检测物体特征；
获取所述待检测物体的厚度参数，并从经过所述相机标定处理后得到的裁床坐标系与任一高度下的像素坐标系之间的第一映射关系中，筛选出与所述厚度参数对应的所述第一映射关系；
利用与所述厚度参数对应的所述第一映射关系和所述无畸变图像，计算出在所述裁床坐标系下所述待检测物体特征的位置坐标。
第三方面，本申请公开了一种相机标定装置，包括：
坐标获取模块，用于将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；
长度确定模块，用于基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；
畸变关系计算模块，用于通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；
坐标关系计算模块，用于利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系；
标定完成模块，用于基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
第四方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现前述公开的相机标定方法的步骤。
第五方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的相机标定方法的步骤。
可见，本申请首先将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。由此可见，本申请通过将标定靶置于运动装置上的预设位置，并保持标定靶与运动装置相对静止，因此在运动装置进行预设运动时，标定靶也进行相应的预设运动，因此预设相机无需运动即可采集标定靶的待标定图像，减少因预设相机进行运动而出现的误差；通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，对所述待标定图像进行均匀化操作，进而直接能够计算出与所述待标定图像对应的畸变映射关系，因为无需求解预设相机的参数，所以方法更加简单，成本也明显降低；通过计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，建立高度模型，以便后续物体特征定位时，能够基于不同的高度检测出对应的位置。
附图说明
为了更清楚地说明本发明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发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种相机标定方法流程图；
图2为本申请公开的一种具体的相机标定方法流程图；
图3为本申请公开的一种具体的对应点示意图；
图4为本申请公开的一种具体的相机标定方法流程图；
图5为本申请公开的一种具体的标定靶示意图；
图6为本申请公开的一种具体的特征点标记示意图；
图7为本申请公开的一种具体的相机标定方法流程图；
图8为本申请公开的一种物体特征定位方法流程图；
图9为本申请公开的一种相机标定装置结构示意图；
图10为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有的线扫描相机标定方法，主要是通过建立特征点像素坐标与世界坐标间的映射关系，得到相机成像模型，进而获取相机参数的过程。这种方法的标定精度往往依赖于标定靶标的制作精度，然而高精度的标定靶标具有加工难度大、制作成本高等缺点。
为此本申请相应的提供了一种相机标定方案，能够实现简单并且低成本的相机标定。
参见图1所示，本申请实施例公开了一种相机标定方法，包括：
步骤S11：将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标。
本实施例中，标定靶上具有预设数量的等间距直线，将标定靶置于运动装置上的预设位置，例如将标定靶置于运动装置上方，标定靶与运动装置之间保持相对静止状态，运动装置进行预设运动，进而预设相机能够采集到标定靶的待标定图像，可以理解的是，该待标定图像存在畸变，但是如果等间距直线之间的间距足够小时，每个间距内物体的成像可以等效为无畸变。
步骤S12：基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度。
本实施例中，基于步骤S11中提取所述待标定图像中目标特征点的像素坐标，获取第一目标列像素坐标，即首先提取待标定图像中位于同一行的线阵特征点的像素坐标，进而基于线阵特征点的像素坐标获取对应的第一目标列像素坐标。
步骤S13：通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系。
本实施例中，所述通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系，具体包括：通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像；提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系。
步骤S14：利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
本实施例中，如图2所示，所述基于透视变换原理和小孔成像模型，获取所述裁床坐标系与任一高度下像素坐标系之间的第一映射关系，具体包括：利用透视变换原理计算出在预设高度下的像素坐标系与所述裁床坐标系之间的第二映射关系；基于小孔成像模型获取在所述预设高度下的像素坐标系与任一高度下的像素坐标系之间的第三映射关系，以便利用所述第二映射关系和所述第三映射关系计算出所述裁床坐标系与所述任一高度下像素坐标系之间的第一映射关系，通过步骤S11到步骤S13计算出畸变映射关系，因此可以后续用畸变映射关系进行图像去畸变。如图3所示，A、B、C、D为裁床坐标系下裁床平面中的四点，a、b、c、d为与之对应的Z0高度像素坐标系下的四点，已知四点的裁床坐标以及对应Z0高度图像像素坐标，然后利用透视变换原理求出Z0高度像素坐标系和裁床坐标系之间的第二映射关系。其中透视变换公式如下所示：
Figure BDA0003571130000000071
Figure BDA0003571130000000072
其中，(u,v)表示Z0高度像素坐标，(x,y)表示裁床坐标，
Figure BDA0003571130000000073
表示变换矩阵H，因此将四点对应的裁床坐标和像素坐标代入上述两个公式中，能够计算出变换矩阵H。
本实施例中，基于小孔成像模型获取在所述预设高度下的像素坐标系与任一高度下的像素坐标系之间的第三映射关系，计算公式如下：
Figure BDA0003571130000000081
其中，u0为Z0高度像素坐标系下横坐标，u为Z高度像素坐标系下横坐标，cx表示像素坐标系下光心的横坐标，Z0高度代表此时假设物体为零厚度。
令Z＝Z1，分别获取两组Z0高度和Z1高度裁床坐标相同的点对应的像素坐标系下横坐标(u01,u11)和(u02,u12)，由此可知能够计算出常量Z0及cx的值。
其中，需要注意的是，Z0高度和Z高度均代表物距，即物体到预设相机镜头中心的距离，因此已知物体厚度为a时，任意高度Z的计算公式如下；
Z＝Z0-a；
并将上述公式代入第三映射关系中，如下所示；
Figure BDA0003571130000000082
进而能够利用所述第二映射关系和所述第三映射关系计算出所述裁床坐标系与所述任一高度下像素坐标系之间的第一映射关系。
可见，本申请首先将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。由此可见，本申请通过将标定靶置于运动装置上的预设位置，并保持标定靶与运动装置相对静止，因此在运动装置进行预设运动时，标定靶也进行相应的预设运动，因此预设相机无需运动即可采集标定靶的待标定图像，减少因预设相机进行运动而出现的误差；通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，对所述待标定图像进行均匀化操作，进而直接能够计算出与所述待标定图像对应的畸变映射关系，因为无需求解预设相机的参数，所以方法更加简单，成本也明显降低；通过计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，建立高度模型，以便后续物体特征定位时，能够基于不同的高度检测出对应的位置。
参见图4所示，本申请实施例公开了一种具体的相机标定方法，包括：
步骤S21：将携带有预设数量个等间距直线的标定靶置于运动装置上的预设位置，并保持所述标定靶与所述运动装置之间的相对静止状态。
本实施例中，将携带有标志线的标定靶置于运动装置上的预设位置，并保持所述标定靶与所述运动装置之间的相对静止状态，其中标志线为预设数量个等间距直线，例如图5所示，标定靶上面有一定数量的等间距直线。
步骤S22：通过所述运动装置进行预设运动以采集所述标定靶的各个子图像，并拼接所述各个子图像以获得待标定图像，以便采集所述待标定图像中预设目标行的目标特征点的像素坐标。
本实施例中，将预设目标行的目标特征点标记为P0、P1…Pn，例如图6所示采集同一行的线阵特征点作为目标特征点，然后将同一行的线阵特征点标记为P0、P1…Pn。
步骤S23：基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度。
本实施例中，基于所述像素坐标获取第一目标列像素坐标，并将所述第一目标列像素坐标标记为U0、U1…Un。
步骤S24：通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系。
步骤S25：利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
由此可见，本申请由于将标定靶置于运动装置上的预设位置，并且标定靶与运动装置之间保持相对静止状态，因此在运动装置进行预设运动时，标定靶也进行相应的预设运动，所以预设相机无需运动即可采集标定靶的待标定图像，避免了因预设相机进行运动而出现误差的情况。
参见图7所示，本申请实施例公开了一种具体的相机标定方法，包括：
步骤S31：将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标。
步骤S32：基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度。
步骤S33：通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像。
本实施例中，所述通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像，具体包括：基于所述间距长度和所述实际物理长度之间的倍数关系确定出像素距离；从所述第一目标列像素坐标中筛选出满足预设坐标条件的第三目标列像素坐标和第四目标列像素坐标，并计算所述第三目标列像素坐标与所述第四目标列像素坐标之间的差值，以便利用所述像素距离和所述差值拓宽所述待标定图像以获得拓宽后图像。例如，预设相机为线扫描相机，并且线扫描相机的行分辨率为N，则从第一目标列像素坐标中筛选出最接近待标定图像中心列像素坐标N/2的两个值，计算二者差值，以便利用所述像素距离和所述差值拓宽所述待标定图像以获得拓宽后图像。需要注意的是，像素距离为与待标定图像对应的无畸变图像中相邻的目标特征点之间的距离。其中，计算公式如下：
disPixel＝mmdis/mmPerPixel；
其中，disPixel表示像素距离，mmdis表示裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度，mmPerPixel表示裁床坐标系下待标定图像中沿预设运动方向上单个像素对应的实际物理长度。
步骤S34：提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，然后基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系。
本实施例中，所述提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系，具体包括：提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，并基于所述倍数关系和所述第二目标列像素坐标计算出相应直线的斜率和截距，以便基于所述斜率和所述截距确定与所述待标定图像对应的畸变映射关系。可以理解的是，将第二目标列像素坐标标记为U'0、U'1…U'n，并从中选取最接近拓宽后图像中心列像素坐标的值，标记为Ub'ase，需要注意的是，Ub'ase在畸变前后保持不变，。将待标定图像上相邻的目标特征点的列像素坐标设为(x-left,x-right)，将与待标定图像对应的无畸变图像上相邻的目标特征点的列像素坐标设为(y-left,y-right)，其中，计算(x-left,x-right)、(y-left,y-right)公式如下：
Figure BDA0003571130000000111
其中，base表示最接近拓宽后图像中心的特征点对应下标，n表示标志线总个数，disPixel表示像素距离。
本实施例中，利用上述公式计算出的(x-left,x-right)、(y-left,y-right)，再计算出相应直线的斜率a和截距b，计算公式如下：
Figure BDA0003571130000000112
因此已知斜率、截距和待标定图像的列像素坐标之后，即可利用下列公式计算出与待标定图像的列像素坐标对应的无畸变图像的列像素坐标，如下所示：
undistortU＝a*distortU+b；
其中，distortU表示待标定图像的列像素坐标，undistortU表示与待标定图像的列像素坐标对应的无畸变图像的列像素坐标。
步骤S35：利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
由此可见，本申请通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第二目标列像素坐标，对所述待标定图像进行均匀化操作，进而直接能够计算出与所述待标定图像对应的畸变映射矩阵，即畸变映射关系，由于在求解畸变映射矩阵的过程中，避免了求解预设相机参数的情况，所以方法更加简单，成本也明显降低。
通过上述公开的相机标定方法，相应地公开了一种物体特征定位方法，参见图8所示，包括：
步骤S41：获取待检测物体的原始图像，并利用经过相机标定处理后得到的畸变映射关系对所述原始图像去畸变，以获得所述原始图像的无畸变图像；所述相机标定处理为利用如前述公开的相机标定方法对相机进行的标定处理；其中，所述原始图像包括与所述待检测物体对应的待检测物体特征。
步骤S42：获取所述待检测物体的厚度参数，并从经过所述相机标定处理后得到的裁床坐标系与任一高度下的像素坐标系之间的第一映射关系中，筛选出与所述厚度参数对应的所述第一映射关系。
步骤S43：利用与所述厚度参数对应的所述第一映射关系和所述无畸变图像，计算出在所述裁床坐标系下所述待检测物体特征的位置坐标。
由此可见，本申请通过利用前述公开的相机标定方法中获取到的畸变映射关系对原始图像去畸变，以便后续更精确的计算出待检测物体特征在裁床坐标系下的位置坐标；由于待检测物体实际上是有一定厚度的，因此通过前述公开的相机标定方法中获取的第一映射关系，能够根据待检测物体的不同厚度，相应的计算出待检测物体特征的位置，更加符合实际，也更加合理化。
参见图9所示，本发明实施例公开了一种相机标定装置，包括：
坐标获取模块11，用于将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；
长度确定模块12，用于基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；
畸变关系计算模块13，用于通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；
坐标关系计算模块14，用于利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系；
标定完成模块15，用于基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
可见，本申请首先将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。由此可见，本申请通过将标定靶置于运动装置上的预设位置，并保持标定靶与运动装置相对静止，因此在运动装置进行预设运动时，标定靶也进行相应的预设运动，因此预设相机无需运动即可采集标定靶的待标定图像，减少因预设相机进行运动而出现的误差；通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，对所述待标定图像进行均匀化操作，进而直接能够计算出与所述待标定图像对应的畸变映射关系，因为无需求解预设相机的参数，所以方法更加简单，成本也明显降低；通过计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，建立高度模型，以便后续物体特征定位时，能够基于不同的高度检测出对应的位置。
图10为本申请实施例提供的一种电子设备的结构示意图。具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的由计算机设备执行的相机标定方法中的相关步骤。
本实施例中，电源23用于为计算机设备20上的各硬件设备提供工作电压；通信接口24能够为计算机设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源包括操作系统221、计算机程序222及数据223等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制计算机设备20上的各硬件设备以及计算机程序222，以实现处理器21对存储器22中海量数据223的运算与处理，其可以是Windows、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由计算机设备20执行的相机标定方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括计算机设备接收到的由外部设备传输进来的数据，也可以包括由自身输入输出接口25采集到的数据等。
进一步的，本申请实施例还公开了一种计算机可读存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，实现前述任一实施例公开的由相机标定过程中执行的方法步骤。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种相机标定方法、物体特征定位方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种相机标定方法，其特征在于，包括：
将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；
基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；
通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；
利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系，以便基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
2.根据权利要求1所述的相机标定方法，其特征在于，所述将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标，包括：
将携带有预设数量个等间距直线的标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态；
通过所述运动装置进行预设运动以采集所述标定靶的各个子图像，并拼接所述各个子图像以获得待标定图像，以便采集所述待标定图像中预设目标行的目标特征点的像素坐标。
3.根据权利要求1所述的相机标定方法，其特征在于，所述通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系，包括：
通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像；
提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系。
4.根据权利要求3所述的相机标定方法，其特征在于，所述通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标拓宽所述待标定图像，以获得拓宽后图像，包括：
基于所述间距长度和所述实际物理长度之间的倍数关系确定出像素距离；
从所述第一目标列像素坐标中筛选出满足预设坐标条件的第三目标列像素坐标和第四目标列像素坐标，并计算所述第三目标列像素坐标与所述第四目标列像素坐标之间的差值，以便利用所述像素距离和所述差值拓宽所述待标定图像以获得拓宽后图像。
5.根据权利要求3所述的相机标定方法，其特征在于，所述提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，基于所述倍数关系和所述第二目标列像素坐标计算出与所述待标定图像对应的畸变映射关系，包括：
提取所述拓宽后图像中与所述目标特征点对应的第二目标列像素坐标，并基于所述倍数关系和所述第二目标列像素坐标计算出相应直线的斜率和截距，以便基于所述斜率和所述截距确定与所述待标定图像对应的畸变映射关系。
6.根据权利要求1至5任一项所述的相机标定方法，其特征在于，所述基于透视变换原理和小孔成像模型，获取所述裁床坐标系与任一高度下像素坐标系之间的第一映射关系，包括：
利用透视变换原理计算出在预设高度下的像素坐标系与所述裁床坐标系之间的第二映射关系；
基于小孔成像模型获取在所述预设高度下的像素坐标系与任一高度下的像素坐标系之间的第三映射关系，以便利用所述第二映射关系和所述第三映射关系计算出所述裁床坐标系与所述任一高度下像素坐标系之间的第一映射关系。
7.一种物体特征定位方法，其特征在于，包括：
获取待检测物体的原始图像，并利用经过相机标定处理后得到的畸变映射关系对所述原始图像去畸变，以获得所述原始图像的无畸变图像；所述相机标定处理为利用如权利要求1至6任一项所述的相机标定方法对相机进行的标定处理；其中，所述原始图像包括与所述待检测物体对应的待检测物体特征；
获取所述待检测物体的厚度参数，并从经过所述相机标定处理后得到的裁床坐标系与任一高度下的像素坐标系之间的第一映射关系中，筛选出与所述厚度参数对应的所述第一映射关系；
利用与所述厚度参数对应的所述第一映射关系和所述无畸变图像，计算出在所述裁床坐标系下所述待检测物体特征的位置坐标。
8.一种相机标定装置，其特征在于，包括：
坐标获取模块，用于将标定靶置于运动装置上的预设位置，保持所述标定靶与所述运动装置之间的相对静止状态，并在所述运动装置进行预设运动后通过预设相机采集所述标定靶的待标定图像，然后提取所述待标定图像中目标特征点的像素坐标；
长度确定模块，用于基于所述像素坐标获取第一目标列像素坐标，并在裁床坐标系下确定出相邻的不同所述目标特征点之间的间距长度和所述待标定图像中沿预设运动方向上单个像素对应的实际物理长度；
畸变关系计算模块，用于通过所述间距长度和所述实际物理长度之间的倍数关系以及所述第一目标列像素坐标，计算出与所述待标定图像对应的畸变映射关系；
坐标关系计算模块，用于利用透视变换原理和小孔成像模型，计算出所述裁床坐标系与任一高度下的像素坐标系之间的第一映射关系；
标定完成模块，用于基于所述畸变映射关系和所述第一映射关系完成对所述预设相机的标定。
9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的相机标定方法的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的相机标定方法的步骤。
CN202210319476.6A 2022-03-29 2022-03-29 相机标定方法、物体特征定位方法、装置、设备及介质 Pending CN115294205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210319476.6A CN115294205A (zh) 2022-03-29 2022-03-29 相机标定方法、物体特征定位方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210319476.6A CN115294205A (zh) 2022-03-29 2022-03-29 相机标定方法、物体特征定位方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115294205A true CN115294205A (zh) 2022-11-04

Family

ID=83820838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210319476.6A Pending CN115294205A (zh) 2022-03-29 2022-03-29 相机标定方法、物体特征定位方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115294205A (zh)

Similar Documents

Publication Publication Date Title
EP3848901A2 (en) Method and apparatus for calibrating external parameters of image acquisition device, device and storage medium
CN100458359C (zh) 远距离面内小位移测量系统
CN103399015B (zh) 病理切片扫描仪及其载片平台定位精度测量方法及装置
CN110988849B (zh) 雷达系统的标定方法、装置、电子设备及存储介质
CN112825190B (zh) 一种精度评估方法、系统、电子设备和存储介质
CN104457627A (zh) 一种利用Photoshop精准测量不规则物体平面面积的方法
CN107516624A (zh) 一种样品位置校准方法和装置
CN116046817A (zh) 轮胎质量检测方法、装置、电子设备及可读存储介质
CN114037987A (zh) 一种废钢智能识别方法、装置、介质及设备
CN107504959B (zh) 利用倾斜航空影像测量房屋墙基轮廓的方法
CN115294205A (zh) 相机标定方法、物体特征定位方法、装置、设备及介质
CN115690380B (zh) 一种配准方法及系统
CN115588196A (zh) 基于机器视觉的指针型仪表读数方法和装置
EP4173473A1 (en) Plant dimension measuring method
CN112464986B (zh) 一种指针型圆盘仪表的读数方法及设备
CN114882487A (zh) 一种指针仪表示数读取方法及其系统
CN110515884B (zh) 基于图像分析的施工现场钢筋测距装置
CN116934863A (zh) 一种相机外参确定方法、装置及电子设备
CN108650465B (zh) 摄像机画面增强现实标签的计算方法、装置及电子设备
CN110930455A (zh) 定位方法、装置、终端设备及存储介质
CN112560983B (zh) 一种仪表识别方法及装置
CN115343013B (zh) 空腔模型的压力测量方法及相关设备
CN111222187B (zh) 一种具备实景景观的土木工程设计方法
CN112985276B (zh) 电路板的厚度量测方法及厚度量测系统
AU2021100181A4 (en) Method and system for integrated linkage analysis between logging and core data

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