CN115294211A - 一种车载相机安装外参标定方法、系统、装置与存储介质 - Google Patents
一种车载相机安装外参标定方法、系统、装置与存储介质 Download PDFInfo
- Publication number
- CN115294211A CN115294211A CN202210897269.9A CN202210897269A CN115294211A CN 115294211 A CN115294211 A CN 115294211A CN 202210897269 A CN202210897269 A CN 202210897269A CN 115294211 A CN115294211 A CN 115294211A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- calibration
- determining
- pixel
- interest
- 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 51
- 238000009434 installation Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 37
- 239000013598 vector Substances 0.000 claims description 45
- 238000012795 verification Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种车载相机安装外参标定方法、系统、装置和存储介质,其中方法包括以下步骤:获取第一道路面图片集的感兴趣区域;提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;根据所述车道线,确定车辆行驶的第一标定状态;根据所述像素3D点云,确定第一标定平面;根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;以所述第一转换矩阵对车载相机安装外参进行标定。本方法可以有效降低操作人员经验因素对标定结果的影响,可以提高标定的精度。本申请可广泛应用于相机标定技术领域内。
Description
技术领域
本申请涉及相机标定技术领域,尤其是一种车载相机安装外参标定方法、系统、装置与存储介质。
背景技术
在自动驾驶、ADAS、高精度地图采集等领域,常使用相机感知道路标识和避障。通常对相机图像上目标检测、跟踪以及视觉测距在相机坐标系下,无法直接获知目标相对车辆的位置关系,需要将其转换至世界坐标系或车辆坐标系,获取目标的世界坐标,从而实现避障、地图道路元素采集和车辆控制等应用。在视觉测量中,除了硬件外,相机内参与外参(相机安装参数,表示相机与车辆坐标系间的相对关系)是显著影响相机感知环境精度的关键因素。因此,如何快速有效地对相机的内、外参标定是辅助驾驶系统、自动驾驶量产、地图数据众包采集和维护的重要环节。
随着视觉测量在各领域的广泛应用,业界对内、外参标定都进行了研究。对于内参标定,传统方法利用棋盘格、圆形阵列标定板等标定物对相机内参进行标定,因其具有可操作性和精确而被广泛使用。但是,传统标定方法需要特定的标定物,标定效果和效率依赖操作人员执行能力和熟练程度。因此,亟需一种新的车载相机安装外参标定方法。
发明内容
本申请的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本申请实施例的一个目的在于提供一种车载相机安装外参标定方法、系统、装置与存储介质,该方法可以有效降低操作人员经验因素对标定结果的影响,可以提高标定的精度。
为了达到上述技术目的,本申请实施例所采取的技术方案包括:获取车辆行驶的道路面图片集的感兴趣区域;提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;根据所述车道线,确定车辆行驶的第一标定状态;根据所述像素3D点云,确定第一标定平面;根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;对所述第一转换矩阵进行评估验证,确定目标转换矩阵;以所述第一转换矩阵对车载相机安装外参进行标定。
另外,根据本发明中上述实施例的一种车载相机安装外参标定的方法,还可以有以下附加的技术特征:
进一步地,本申请实施例中,所述根据所述车道线,确定车辆行驶的第一标定状态这一步骤,具体包括:计算车道线与感兴趣区域底线的交点的第一横坐标,以及车道线与感兴趣区域横边线的第一夹角;根据所述第一横坐标以及所述第一夹角,确定车辆的第一标定状态。。
进一步地,本申请实施例中,所述根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵这一步骤,具体包括:根据第一标定状态,确定车辆的行驶向量;根据所述第一标定平面,确定第一转换矩阵的第二向量;根据所说第一向量以及所述第二向量,确定第一转换矩阵的第三向量;计算世界坐标原点与相机坐标原点的第一高度差;以所述行驶向量、所述第二向量、所述第三向量以及所述第一高度差为矩阵元素,确定第一转换矩阵。
进一步地,本申请实施例中,所述根据所述第一横坐标以及所述第一夹角,确定车辆的第一标定状态这一步骤,具体包括:计算第一横坐标与预设横坐标的第一差值,以及第一夹角与预设夹角的第一角度差;当第一差值小于预设坐标差阈值以及第一角度差小于预设的角度差阈值,确定车辆的第一标定状态为直线行驶状态。
进一步地,本申请实施例中,还包括对所述第一转换矩阵进行评估验证;所述对所述第一转换矩阵进行评估验证,包括:确定车道线边界的第一透视图坐标;根据所述第一透视图坐标,确定第一验证参数集以及第二验证参数集;根据所述第一验证参数集以及所述第二验证参数集,确定验证参数;根据所述验证参数,对所述第一转换矩阵进行验证。
进一步地,本申请实施例中,所述根据所述像素3D点云,确定第一标定平面这一步骤具体包括:获取感兴趣区域上任意等距的两像素点之间三维空间的第一距离;遍历感兴趣区域的所有像素3D点云,以所述第一距离符合预设约束条件的像素3D点云集为第一3D点云集;根据所述第一3D点云集,确定第一标定平面。
进一步地,本申请实施例中,所述根据所述第一3D点云集,确定第一标定平面这一步骤,包括:统计第一3D点云集的第一像素点数量以及感兴趣区域所有的像素3D点云的第二像素点数量;确定所述第一像素点数量与所述第二像素点数量的比值;以所述比值大于预设阈值的道路面为第一标定平面。
另一方面,本申请实施例还提供一种车载相机安装外参标定系统,包括:获取单元,用于获取车辆行驶的道路面图片集的感兴趣区域;提取单元,用于提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;第一处理单元,用于根据所述车道线,确定车辆行驶的第一标定状态;第二处理单元,用于根据所述像素3D点云,确定第一标定平面;第三处理单元,用于根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;标定单元,用于以所述第一转换矩阵对车载相机安装外参进行标定。
另一方面,本申请还提供一种车载相机安装外参标定装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如发明内容中任一项所述一种车载相机安装外参标定方法。
此外,本申请还提供一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行如上述任一项所述一种车载相机安装外参标定方法。
本申请的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到:
本申请根据车辆行驶的道路面图片,可以确定车辆的标定状态以及标定的平面;而不需要人工挑选直行平整道路,自动识别平整道路面、直行道路,可以有效降低操作人员经验因素对标定结果的影响,可以提高标定的精度,而且本方法算法流程简单,不涉及高复杂度计算,易于集成到移动设备。
附图说明
图1为本发明中一种具体实施例中一种车载相机安装外参标定方法的步骤示意图;
图2为本发明中一种具体实施例中根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵的步骤示意图;
图3为本发明中一种具体实施例中一种车载相机安装外参标定系统的结构示意图;
图4为本发明中一种具体实施例中一种车载相机安装外参标定装置的结构示意图。
具体实施方式
下面结合附图详细描述本发明的实施例对本发明实施例中的车载相机安装外参标定方法、系统、装置和存储介质的原理和过程作以下说明。
参照图1,本发明一种车载相机安装外参标定方法,包括以下步骤:
S1、获取第一道路图片集的感兴趣区域;
具体地,第一道路图片集可以是连续N帧的相机实时拍摄图片;感兴趣区域可以是道路面图片中75%以上占比覆盖在车辆所处的道路面的区域;获取时可以通过将双目相机安装在汽车两前支柱间、车内顶部或者挡风玻璃靠近车顶位置,且使得图像中道路面区域在纵向占比约55%至75%;以规则矩形框设定感兴趣区域,使感兴趣区域75%以上占比覆盖在车辆所处的道路面;
S2、提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;
具体地,提取所述感兴趣区域的车道线可以根据车道线区域相比道路面的像素更显著,采用基于宽度的显著性比较的方法检测感兴趣区域中车道线。
根据公式:
d1=I(x,y)-I(x-δ,y),d2=I(x,y)-I(x+δ,y),D=d1+d2-|I(x+δ,y)-I(x-δ,y)|
其中,I(x,y)表示像素的灰度值;δ为显著度比较的两像素坐标横向距离,近似图像中车道线宽度,由于车道线宽度在图像中由近至远,呈由大变小,因此,δ可以设定为根据像素坐标纵坐标自适应,其数值可以根据公式
其中,max与min分别为感兴趣区域内车道线宽度最大、最小值;yvp为车道线灭点对应的纵坐标;为补偿值(默认值为5)。对图像感兴趣区域中所有像素点,对满足d1>0,d2>0,D>θ的像素点判别为车道线区域像素点,θ为像素显著性判断阈值,0.5*I(x,y)设为用以自适应光照变化。遍历图像中感兴趣区域中所有像素点生成二值图,车道线区域像素值为255,其余区域像素值为0。由于双目相机相对车辆是固定的,通过对同一车道线在图像中成像区域跟踪,可判断车辆是否保持直行。基于图像形态学对二值图使用腐蚀和膨胀进行滤波,减小噪声影响。利用极值坐标系中点与笛卡尔直角坐标系中线的对偶性,把图像空间中的直线检测问题转换到参数空间中对点的检测问题,使用霍夫直线检测法提取车道线区域轮廓外边界线,并以外边界线代表车道线。
而对于所述感兴趣区域的像素3D点云,可以根据半全局匹配算法计算双目相机成像区域视差图,为提升执行效率,构建双目图像感兴趣区域的视差图;结合双目相机内参计算感兴趣区域的3D点云。
S3、根据所述车道线,确定车辆行驶的第一标定状态;
具体地,可以通过某个时段第一道路面图片集连续N帧图片的有效区域中的车道线,确定连续N帧车道线的相似程度;通过相似程度确定车辆的第一标定状态为直线行驶状态,直行状态下,车载相机安装外参标定可以更加准确,角度阈值和夹角阈值。
进一步地,所述根据所述车道线,确定车辆行驶的第一标定状态,这一步骤可以包括:
S31、计算车道线与感兴趣区域底线的交点的第一横坐标,以及车道线与感兴趣区域横边线的第一夹角;
S32、根据所述第一横坐标以及所述第一夹角,确定车辆的第一标定状态;
具体地,由于感兴趣区域是矩形;第一横坐标是车道线与感兴趣区域底线的交点所对应的坐标;而第一夹角则是车道线与感兴趣区域横边线的夹角;而第一标定状态,可以是车辆处于直线行驶状态;根据横坐标以及夹角可以确定车辆是否处于直线形式的状态;
第一夹角为霍夫线与横边线夹角,第一横坐标为霍夫线与感兴趣区域底线交点的横坐标;对任意车道线可以表示第一夹角anglei和第一横坐标xi组合成的二元组(anglei,xi),而确定车辆的标定状态可以先构建车道线跟踪模型;车道线跟踪模型数据集由第一道路面图片集前面N帧子图片中的第一夹角anglei和第一横坐标xi组合成的二元组(anglei,xi)的集合组成,可表示为二元组集M{(anglei,xi)|i=1,…,n},根据某一时段的道路面图片集可以得到第一夹角和第一横坐标的二元组集合,通过二元组集合可以确定车辆标定状态是否处于直行状态。
进一步地,所述根据所述第一横坐标以及所述第一夹角,确定车辆的第一标定状态,可以包括:
S321、计算第一横坐标与预设横坐标的第一差值,以及第一夹角与预设夹角的第一角度差;
S322、当第一差值小于预设坐标差阈值以及第一角度差小于预设的角度差阈值,确定车辆的第一标定状态为直线行驶状态
具体地,预设横坐标可以是预设二元组模型M的横坐标值,预设夹角可以是模型M的角度值;预设二元组模型可以根据相机最新拍摄的图片以前的连续若干帧图片得到,对之前的连续若干帧图片提取车道线的第一夹角以及第一横坐标;根据双目相机新提取的图片中的霍夫线对应的二元组与跟踪模型M的二元组的相似性判断是否为车道线,并划分归属车道线。若第t帧图像提取的霍夫线HLt{(anglej,xj)|j=1,…,m}的第一横坐标与模型M横坐标的第一差值以及第一夹角与预设夹角的第一角度差满足:|anglej-anglei|≤Δa,|xj-xi|≤Δx,其中,Δa和Δx分别表示角度差阈值和横坐标阈值;可以确定第t帧图像的车道线与前N帧车道线一致,进而可以确定车辆的第一标定状态为直线行驶状态。
此外,为了保障模型的预测效果,跟踪模型的二元组集M须在线更新。模型更新依赖前面若干帧的子图片中霍夫线的第一夹角与第一横坐标组成的二元组(anglei,xi)以及
满足跟踪条件的第若干+1帧霍夫线(anglei t,xi t),其更新模型可以用公式表示:
其中,α为更新系数。
S4、根据所述像素3D点云,确定第一标定平面;
具体地,第一标定平面可以是车辆行驶的平整平面;根据半全局匹配算法计算双目相机成像区域视差图,为提升执行效率,构建双目图像感兴趣区域的视差图;结合双目相机内参计算感兴趣区域的3D点云;通过统计3D点云的数量以及统计第一道路面图片中沿着相机拍摄方向取任意等距的三维空间距离符合约束条件的点的数量,可以确定第一标定平面是否为平整平面。
进一步地,所述根据所述第一3D点云集,确定第一标定平面这一步骤,可以包括:
S41、统计第一3D点云集的第一像素点数量以及感兴趣区域所有的像素3D点云的第二数量;
S42、确定所述第一数量与所述第二数量的比值;
S43、以所述比值大于预设阈值的道路面为第一标定平面;
具体地,车身坐标系的建立依赖精确的参数化道路面的法向量,通过棋盘格采样建立平整道路面检测模型识别可用的道路面:横向以等距,纵向以等距采集图像感兴趣区域上的像素点,并以采集到的3D点云作为感兴趣区域的像素3D点云并统计其数量;此外,根据视觉成像原理,对道路面采集的图像沿着相机拍摄方向取任意等距的两点测量三维空间的距离,离相机越远则相机坐标系中两点距离越大;遍历棋盘格点集,计算相邻两点间的距离,统计符合距离约束的点集,并以此作为第一3D点云集并统计的第一像素点数量
其中∏*表示点集数量,Pvalid为第一3D点云集;Pgrip为感兴趣区域所有的像素3D点云;当R≥δ(具体δ取值0.8)时,确定感兴趣区域为平整道路面。
S5、根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;
具体地,可以根据第一标定状态确定车辆行驶的方向,而确定第一标定平面后可以确定平面的法向量,根据法向量以及车辆行驶方向确定世界坐标与相机坐标的第一转换矩阵。
进一步地,参照图2,所述根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵,可以包括:
S51、根据第一标定状态,确定车辆的行驶向量;
S52、根据所述第一标定平面,确定第一转换矩阵的第二向量;
S53、根据所说第一向量以及所述第二向量,确定第一转换矩阵的第三向量;
S54、计算世界坐标原点与相机坐标原点的第一高度差;
S55、以所述行驶向量、所述第二向量、所述第三向量以及所述第一高度差为矩阵元素,确定第一转换矩阵。
具体地,建立相机坐标系和世界坐标系:基于左手系建立相机坐标系,以双目相机镜头连线的中心点为坐标系原点Oc,Xc轴沿着相机横向方向往右,Zc为相机拍摄方向,Yc为垂直相机向上;以相机坐标系原点垂直地平面投影点为世界坐标系原点Ow;世界坐标系Yw轴指向车辆正前方向;世界坐标系Zw轴垂直地平面向上;世界坐标系Xw轴为垂直车身向右。对双目相机的外参标定,相机外参为其中 表示由相机坐标系转换到世界坐标系,为相机的旋转矩阵,为相机坐标系原点到世界坐标系原点的平移矩阵。根据相机的刚性运动特性,把齐次坐标变换表示为:
是世界坐标系X轴的单位向量,是世界坐标系Y轴的单位向量,是世界坐标系Z轴的单位向量。t=[tx ty tz]T是世界坐标系下相机坐标系原点到世界坐标系原点平移向量。以车身参照构建的世界坐标系,为车辆行驶的前行方向矢量,为参数化道路平面法向量。
在判断第一标定状态为车辆直行状态,任意车道线霍夫线段首尾两点3D坐标(x1,y1,z1)和(x2,y2,z2),计算视觉空间中的矢量可表示为并通过正则化得到单位向量其中,LΔ为向量长度;对多条线段的单位向量通过离群过滤并求平均值求解前向矢量其中,c为单位矢量数量,并以前向向量作为世界坐标系下Y轴的单位向量
世界坐标系与相机坐标系原点不重合,设世界坐标原点位于相机坐标原心竖直向下投影,则相机到道路面的高度通过点到平面的距离公式可得到:其中,(x0,y0,z0)为相机坐标系原点,实际实施中相机坐标系原点为(0,0,0)。
综合上述,相机坐标系到车身坐标系的第一变换矩阵整合为:
S6、所述第一转换矩阵对车载相机安装外参进行标定。
具体地,通过第一转换矩阵对车载相机安装外参进行标定,可以得到更加符合需求的图片。
进一步地,车载相机安装外参标定方法还包括步骤S7、对所述第一转换矩阵进行评估验证;所述对所述第一转换矩阵进行评估验证,可以包括:
S71、确定车道线边界的第一透视图坐标;
S72、根据所述第一透视图坐标,确定第一验证参数集以及第二验证参数集;
S73、根据所述第一验证参数集以及所述第二验证参数集,确定验证参数;
S74、根据所述验证参数,对所述第一转换矩阵进行验证。
具体地,可以取世界坐标地平面4点:P1(-Dw,D1,0),P2(-Dw,D2,0),P3(Dw,D2,0),P4(Dw,D1,0),其中Dw、D1、D2为常量;由于相机坐标系与世界坐标系间为欧式变换关系,世界坐标系到相机坐标系的转换矩阵:根据相机成像原理,结合相机内参K,计算世界坐标Pw对应的图像像素坐标pc:
实际实施中在世界坐标中取4点:(-120,500,0),(120,500,0),(-120,900,0),(120,900,0),结合标定外参计算图像的像素坐标:p1(x1,y1),p2(x2,y2),p3(x3,y3),p4(x4,y4)。取透视变换目标图像4点:p′1(x′1,y′1),p′2(x′2,y′2),p′3(x′3,y′3),p′4(x′4,y′4),4点为规则矩形的顶点,矩形的长宽比例与世界坐标地平面的取点Pi,i=1,…,4所构成的矩形一致;通过四点源图像点坐标pi(实际实施取点:(810,1540),(1110,1540),(810,1240),(1110,1240))与对应的目标图像点坐标pi一一对应计算透视变换的映射矩阵PM;根据映射矩阵把源图像透视变换为透视图,即俯视图。
车道线宽度、车道线边界平行性质具有共性,通过映射矩阵PM可以计算车道线宽度一致性评估外参,采集透视图上车道线多个验证点:其中,σw表示车道线宽度一致性度量值;Wi为车道线采样点的宽度;c1表示车道线边界采样点对数量;μw表示车道线采样点的宽度均值。
车辆保持直行状态,车辆行驶方向与车道线延伸方向一致,使用俯视图中车道线延伸方向与垂直方向一致性评估外参:其中,σa表示车道线延伸方向与正前方一致性度量值;Ai为车道线与横向夹角;μa为车道线角度的均值,由于车辆直行,车道线应向正前方延伸,取值为90;c2为车道线霍夫线数量,要求c2≥4。
对不同量纲度量σw和σa分别要求:σw≤θw和σa≤θa,其中θw为宽度一致性度量经验阈值,取值为1.6;θa为车道线角度一致性度量经验阈值,取值为0.8。对满足上述约束条件的标定外参,判断为符合外参精度要求,否则继续执行标定过程。
综上所述,本申请实施例的标定方法具有以下优点:
不限定在布置特定标志的标定场地,适用于开放道路,且不需要人工挑选直行平整道路,自动识别平整道路面、直行道路,降低操作人员经验因素对标定结果的影响。根据车辆抖动、颠簸、转向等时由于相机姿态变化导致采集的图像中道路元素发生位移明显,通过对图像序列中道路标线的位置跟踪来判断车辆是否在平整道路面直行,比使用IMU等其他传感器对车辆行驶状态评估成本更低,且避免不同传感器融合标定所带来的额外工作量。另外,方法算法流程简单,不涉及高复杂度计算,易于集成到移动设备。
基于相机坐标系和世界坐标系的欧式变换计算安装外参,便于相机姿态可视化,结果分析更为直观。构建外参验证模型对外参自动评估与精度验证,而不需人工判断、额外路测验证结果,实现相机安装外参标定闭环,有利于产品量产与推广。
此外、参照图3,与图1的方法相对应,本申请的实施例中还提供一种车载相机安装外参标定系统,包括:
获取单元101,用于获取车辆行驶的道路面图片集的感兴趣区域;
提取单元102,用于提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;
第一处理单元103,用于根据所述车道线,确定车辆行驶的第一标定状态;
第二处理单元104,用于根据所述像素3D点云,确定第一标定平面;
第三处理单元105,用于根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;
标定单元106,用于以所述第一转换矩阵对车载相机安装外参进行标定。
与图1的方法相对应,本申请实施例还提供了一种车载相机安装外参标定装置,其具体结构可参照图4,包括:
至少一个处理器1001;
至少一个存储器1002,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的车载相机安装外参标定方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
与图1的方法相对应,本申请实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述的车载相机安装外参标定方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本申请的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本申请,但应当理解的是,除非另有相反说明,功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本申请是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本申请。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本申请的范围,本申请的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干程序用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行程序的定序列表,可以具体实现在任何计算机可读介质中,以供程序执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从程序执行系统、装置或设备取程序并执行程序的系统)使用,或结合这些程序执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供程序执行系统、装置或设备或结合这些程序执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的程序执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施方式,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
以上是对本申请的较佳实施进行了具体说明,但本申请并不限于所述实施例,熟悉本领域的技术人员在不违背本申请精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种车载相机安装外参标定方法,其特征在于,包括以下步骤:
获取第一道路面图片集的感兴趣区域;
提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;
根据所述车道线,确定车辆行驶的第一标定状态;
根据所述像素3D点云,确定第一标定平面;
根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;
以所述第一转换矩阵对车载相机安装外参进行标定。
2.根据权利要求1所述一种车载相机安装外参标定方法,其特征在于,所述根据所述车道线,确定车辆行驶的第一标定状态这一步骤,具体包括:
计算车道线与感兴趣区域底线的交点的第一横坐标,以及车道线与感兴趣区域横边线的第一夹角;
根据所述第一横坐标以及所述第一夹角,确定车辆的第一标定状态。
3.根据权利要求1所述一种车载相机安装外参标定方法,其特征在于,所述根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵这一步骤,具体包括:
根据第一标定状态,确定车辆的行驶向量;
根据所述第一标定平面,确定第一转换矩阵的第二向量;
根据所说第一向量以及所述第二向量,确定第一转换矩阵的第三向量;
计算世界坐标原点与相机坐标原点的第一高度差;
以所述行驶向量、所述第二向量、所述第三向量以及所述第一高度差为矩阵元素,确定第一转换矩阵。
4.根据权利要求2所述一种车载相机安装外参标定方法,其特征在于,所述根据所述第一横坐标以及所述第一夹角,确定车辆的第一标定状态这一步骤,具体包括:
计算第一横坐标与预设横坐标的第一差值,以及第一夹角与预设夹角的第一角度差;
当第一差值小于预设坐标差阈值以及第一角度差小于预设的角度差阈值,确定车辆的第一标定状态为直线行驶状态。
5.根据权利要求1所述一种车载相机安装外参标定方法,其特征在于,还包括对所述第一转换矩阵进行评估验证;所述对所述第一转换矩阵进行评估验证,包括:
确定车道线边界的第一透视图坐标;
根据所述第一透视图坐标,确定第一验证参数集以及第二验证参数集;
根据所述第一验证参数集以及所述第二验证参数集,确定验证参数;
根据所述验证参数,对所述第一转换矩阵进行验证。
6.根据权利要求1所述一种车载相机安装外参标定方法,其特征在于,所述根据所述像素3D点云,确定第一标定平面这一步骤,具体包括:
获取感兴趣区域上任意等距的两像素点之间三维空间的第一距离;
遍历感兴趣区域的所有像素3D点云,以所述第一距离符合预设约束条件的像素3D点云集为第一3D点云集;
根据所述第一3D点云集,确定第一标定平面。
7.根据权利要求6所述一种车载相机安装外参标定方法,其特征在于,所述根据所述第一3D点云集,确定第一标定平面这一步骤,包括:
统计第一3D点云集的第一像素点数量以及感兴趣区域所有的像素3D点云的第二像素点数量;
确定所述第一像素点数量与所述第二像素点数量的比值;
以所述比值大于预设阈值的道路面为第一标定平面。
8.一种车载相机安装外参标定系统,其特征在于,包括:
获取单元,用于获取车辆行驶的道路面图片集的感兴趣区域;
提取单元,用于提取所述感兴趣区域的车道线以及所述感兴趣区域的像素3D点云;
第一处理单元,用于根据所述车道线,确定车辆行驶的第一标定状态;
第二处理单元,用于根据所述像素3D点云,确定第一标定平面;
第三处理单元,用于根据所述第一标定状态以及所述第一标定平面,确定世界坐标与相机坐标的第一转换矩阵;
标定单元,用于以所述第一转换矩阵对车载相机安装外参进行标定。
9.一种车载相机安装外参标定装置,其特征在于包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7任一项所述一种车载相机安装外参标定方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述一种车载相机安装外参标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210897269.9A CN115294211A (zh) | 2022-07-28 | 2022-07-28 | 一种车载相机安装外参标定方法、系统、装置与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210897269.9A CN115294211A (zh) | 2022-07-28 | 2022-07-28 | 一种车载相机安装外参标定方法、系统、装置与存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115294211A true CN115294211A (zh) | 2022-11-04 |
Family
ID=83824026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210897269.9A Pending CN115294211A (zh) | 2022-07-28 | 2022-07-28 | 一种车载相机安装外参标定方法、系统、装置与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115294211A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526922A (zh) * | 2022-01-21 | 2022-05-24 | 烟台开发区海德科技有限公司 | 商用车adas标定系统及标定方法 |
-
2022
- 2022-07-28 CN CN202210897269.9A patent/CN115294211A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526922A (zh) * | 2022-01-21 | 2022-05-24 | 烟台开发区海德科技有限公司 | 商用车adas标定系统及标定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3735675B1 (en) | Image annotation | |
CN110569704B (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
CN108805934B (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
CN107424116B (zh) | 基于侧环视相机的泊车位检测方法 | |
US10354151B2 (en) | Method of detecting obstacle around vehicle | |
US10424081B2 (en) | Method and apparatus for calibrating a camera system of a motor vehicle | |
CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
US11407363B2 (en) | Method for calculating a tow hitch position | |
EP3032818B1 (en) | Image processing device | |
CN110307791B (zh) | 基于三维车辆边界框的车辆长度及速度计算方法 | |
US20130002861A1 (en) | Camera distance measurement device | |
CN112037159B (zh) | 一种跨相机道路空间融合及车辆目标检测跟踪方法及系统 | |
CN112614192B (zh) | 一种车载相机的在线标定方法和车载信息娱乐系统 | |
CN112489106A (zh) | 基于视频的车辆尺寸测量方法、装置、终端及存储介质 | |
CN110415298B (zh) | 一种用于车道偏离的计算方法 | |
CN112880642A (zh) | 测距系统和测距方法 | |
CN112017249A (zh) | 车载摄像头滚转角获取、安装角度校正方法及设备 | |
CN112819711B (zh) | 一种基于单目视觉的利用道路车道线的车辆反向定位方法 | |
CN112419154A (zh) | 可行驶区域检测方法、装置、设备和计算机可读存储介质 | |
JP5310027B2 (ja) | 車線認識装置、及び車線認識方法 | |
CN111476798B (zh) | 一种基于轮廓约束的车辆空间形态识别方法及系统 | |
CN114565510A (zh) | 一种车道线距离检测方法、装置、设备及介质 | |
CN109115232B (zh) | 导航的方法和装置 | |
CN115294211A (zh) | 一种车载相机安装外参标定方法、系统、装置与存储介质 | |
CN107209930A (zh) | 环视图像稳定方法和装置 |
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 |