CN115457145A - 一种相机标定方法、装置、计算机设备和存储介质 - Google Patents
一种相机标定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115457145A CN115457145A CN202211104789.6A CN202211104789A CN115457145A CN 115457145 A CN115457145 A CN 115457145A CN 202211104789 A CN202211104789 A CN 202211104789A CN 115457145 A CN115457145 A CN 115457145A
- Authority
- CN
- China
- Prior art keywords
- camera
- determining
- target
- calibrated
- coordinates
- 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
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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种相机标定方法、装置、设备和存储介质,该方法包括:根据目标区域的三维模型以及待标定相机获取的目标区域的视频图像确定N组同名点;根据第一关系式和第二关系式构建第一方程式,将N组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第一方程式中,确定待标定相机的旋转矩阵以及第一平移参数和第二平移参数;根据第二关系式构建第二方程式,将N组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第二方程式,确定待标定相机的焦距、径向畸变参数以及第三平移参数;根据旋转矩阵确定待标定相机的姿态角,根据平移矩阵确定待标定相机的位置信息。无需设置硬件标定设施的情况下实现相机标定。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种相机标定方法、装置、计算机设备和存储介质。
背景技术
相机标定是视觉测量、三维重建等机器视觉应用的基础环节,标定结果的准确性和精度直接决定了视觉系统能否正常工作。
现有技术中,在相机出厂前,可以在产线上的标定工站对相机进行内参和外参标定;在相机出厂后,可以将相机置于标定空间,利用设置在标定空间内的标定板中已知特征点的三维坐标以及标定图像上对应的图像坐标,对相机进行外参标定。
现有技术中,相机出厂后,无法实现对相机内参的共同标定,且需要在标定空间对相机进行外参标定,标定成本较高。
发明内容
本发明提供一种相机标定方法、装置、设备和存储介质,无需硬件标定设施实现相机内参和外参的标定。
第一方面,本发明实施例提供了一种相机标定方法,包括:
根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
本发明实施例的技术方案,提供一种相机标定方法,包括:根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。上述技术方案,从待标定相机获取的目标区域的视频图像以及与视频图像对齐的三维模型中获取至少五组同名点,将至少五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入由根据世界坐标确定相机坐标的第一关系式和根据相机坐标确定像素坐标的第二关系式构建的第一方程式中,可以确定待标定相机的旋转矩阵以及第一平移参数和第二平移参数,将至少五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入由第二关系式构建的第二方程式可以确定待标定相机的焦距、径向畸变参数以及第三平移参数,确定待标定相机的焦距和径向畸变参数,实现对待标定相机的内参标定,进而可以根据旋转矩阵和平移矩阵确定待标定相机的位置信息和姿态角,实现对待标定相机的外参标定,因此,在无需设置硬件标定设施的情况下实现相机标定。
进一步地,所述第一方程式为-v(r1*X+r2*Y+r3*Z+tx)+u(r4*X+r5*Y+r6*Z+ty)=0。
进一步地,在根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点之前,还包括:
基于无人机搭载的相机传感器获取所述目标区域的影像数据,根据所述影像数据生成所述目标区域的三维模型;基于所述待标定相机获取所述目标区域的图像数据,根据所述图像数确定所述目标区域的视频图像;将所述三维模型调整至与所述视频图像的对齐。
进一步地,根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点,包括:
基于与所述视频图像的尺寸和视角对齐的三维模型确定图像缓存后,从所述视频图像中提取第一特征点集,从所述图像缓存中提取第二特征点集,对所述第一特征点集和所述第二特征点集进行匹配得到初始点对;对所述初始点对进行噪点剔除,得到N组目标点对,其中,所述目标点对包括相互对应的第一目标特征点和第二目标特征点;确定所述第一目标特征点在所述视频图像中的二维坐标,确定所述第二目标特征点在所述三维模型中的三维坐标,基于所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标确定N组同名点。
第二方面,本发明实施例还提供了一种相机标定装置,包括:
同名点确定模块,用于根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
第一参数确定模块,用于根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
第二参数确定模块,用于根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
第三参数确定模块,用于根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任一所述的相机标定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的相机标定方法。
第五方面,本申请提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得计算机执行如第一方面提供的相机标定方法。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与相机标定装置的处理器封装在一起的,也可以与相机标定装置的处理器单独封装,本申请对此不做限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面、以及第五方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请中,上述相机标定装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种相机标定方法的流程图;
图2为本发明实施例提供的另一种相机标定方法的流程图;
图3为本发明实施例提供的一种相机标定装置的结构示意图;
图4为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括其他没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
现有技术中,相机标定方式可以包括:1)在相机安装前基于标定板、标定场或者标定架对相机进行预标定,确定内参矩阵,在相机安装后对相机进行插值,以更新内参矩阵;2)根据运动模型更新焦距、内参矩阵和外参。现有技术所提供的相机标定方法中,1)需制作标定板、标定场或者标定架,流程繁琐且耗费较大,只适用于未安装的相机,无法标定已安装相机,而且只能标定相机内参;2)只能标定相机内参和相机外参中的位置参数。
因此,本申请提出一种相机标定方法,以无需硬件标定设施实现相机内参和外参的标定。
图1为本发明实施例提供的一种相机标定方法的流程图,本实施例可适用于无需硬件标定设施实现相机标定的情况,该方法可以由相机标定装置来执行,如图1所示,具体包括如下步骤:
步骤110、根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点。
其中,同名点包括所述视频图像中的第一目标特征点以及与视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数。
基于无人机所包含的相机传感器对目标区域进行拍摄,得到目标区域对应的摄影数据,对摄影数据进行处理后可以得到模型数据。进而可以将模型数据加载到3D渲染引擎中,并在3D渲染引擎中显示模型数据,得到目标区域对应的三维模型。可以基于待标定相机对目标区域进行拍摄,得到目标区域对应的图像数据。进而可以将图像数据加载到3D渲染引擎中,并在3D渲染引擎中显示图像数据,得到目标区域对应的视频图像。在确定目标区域的视频图像和三维模型后,可以调整三维模型的视角和/或尺寸,直至三维模型的尺寸和视角与视频图像的尺寸和视角对齐。
具体地,可以在视频图像以及与视频图像的尺寸和视角对齐的三维模型中确定N组同名点,即在视频图像中确定N个第一目标特征点,在三维模型中确定N个第二目标特征点,第一目标特征点和第二目标特征点相互匹配。
在实际应用中,第一目标特征点和第二目标特征点可以为易辨识的点位,例如,目标区域内的房屋拐点或者路沿等。当然,为了加快标定速率的同时保证标定准确度,可以在视频图像以及与视频图像对齐的三维模型中确定至少五组同名点。
本发明实施例中,在视频图像以及与视频图像尺寸和视角对齐的三维模型中可以确定相互匹配的N组第一目标特征点和第二目标特征点,即N组同名点。
步骤120、根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数。
其中,第一关系式用于根据世界坐标确定相机坐标,第二关系式用于根据相机坐标确定像素坐标。第一关系式可以为第二关系式可以为表示旋转矩阵,(X,Y,Z)表示世界坐标,(x,y,z)表示相机坐标,(tx,ty,tz)表示平移矩阵,tx表示平移矩阵所包含的第一平移参数,ty表示平移矩阵所包含的第二平移参数,tz表示平移矩阵所包含的第三平移参数,(u,v)表示像素坐标,f表示焦距,k1,k2…kn表示径向畸变参数,r表示(u,v)到图像中心的距离。另外,相机内参包括焦距和径向畸变参数,相机外参包括相机的位置信息和姿态角。
具体地,对第一关系式和第二关系式的前两行进行叉积,可以确定r7、r8和r9。联合第一关系式和第二关系式的前两行可以得到第一方程式-v(r1*X+r2*Y+r3*Z+tx)+u(r4*X+r5*Y+r6*Z+ty)=0。可知,第一方程式存在八个未知数,因此,可以将八组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第一方程式,二维坐标可以为像素坐标(u,v),三维坐标可以为世界坐标(X,Y,Z),因此,可以将八组(u,v)和(X,Y,Z)代入第一方程式,可以确定r1、r2、r3、r4、r5、r6、tx和ty。进而可以确定待标定相机的旋转矩阵可以确定待标定相机的平移矩阵中的第一平移参数tx和第二平移参数ty。
本发明实施例中,通过用于根据世界坐标确定相机坐标的第一关系式以及用于根据相机坐标确定像素坐标的第二关系式构建第一方程式,将前述确定的同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第一方程式,实现确定待标定相机的平移矩阵中的第一平移参数和第二平移参数。
步骤130、根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数。
具体地,对第二关系式进行变形可以得到第二方程式可知,第二方程式存在n+2个未知数。因此,将n+2组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第二方程式,同样地,二维坐标可以为像素坐标(u,v),三维坐标可以为相机坐标(x,y,z),因此,可以将n+2组(u,v)和(X,Y,Z)代入第二方程式,可以确定k1,k2,...,kn,f和tz。进而可以确定待标定相机的焦距f、径向畸变参数k1,k2,...,kn、平移矩阵中的第三平移参数tz,进而确定标定相机的平移矩阵(tx,ty,tz)。
在实际应用中,径向畸变参数可以包括k1,k2,k3,因此,第二方程式存在5个未知数。因此,将5组同名点中第一目标特征点的二维坐标(u,v)和第二目标特征点的三维坐标(x,y,z)代入第二方程式,可以确定k1,k2,k3,f和tz。实现确定待标定相机的焦距f、径向畸变参数k1,k2,...,kn、平移矩阵中的第三平移参数tz,进而确定标定相机的平移矩阵(tx,ty,tz)。
本发明实施例中,对第二关系式进行变形可以构建第二方程式,将前述确定的同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第二方程式,实现确定待标定相机的焦距、径向畸变参数和平移矩阵中的第三平移参数。
步骤140、根据所述旋转矩阵确定所述待标定相机的姿态角,根据所述平移矩阵确定所述待标定相机的位置信息。
其中,平移矩阵包括第一平移参数、第二平移参数和第三平移参数。
具体地,在确定待标定相机的旋转矩阵和平移矩阵T=(tx,ty,tz)后,可以计算待标定相机的位置C=-RT*T,RT表示旋转矩阵转置,T表示平移矩阵,由此待标定相机的位置得到标定。根据旋转矩阵确定待标定相机的姿态角,可采用目前通用的算法在此不再赘述。
本发明实施例中,在确定待标定相机的旋转矩阵和平移矩阵后,可以根据旋转矩阵和平移矩阵确定待标定相机的位置信息和姿态角,实现确定待标定相机的外参。
本发明实施例提供的相机标定方法,包括:根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。上述技术方案,从待标定相机获取的目标区域的视频图像以及与视频图像对齐的三维模型中获取至少五组同名点,将至少五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入由根据世界坐标确定相机坐标的第一关系式和根据相机坐标确定像素坐标的第二关系式构建的第一方程式中,可以确定待标定相机的旋转矩阵以及第一平移参数和第二平移参数,将至少五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入由第二关系式构建的第二方程式可以确定待标定相机的焦距、径向畸变参数以及第三平移参数,确定待标定相机的焦距和径向畸变参数,实现对待标定相机的内参标定,进而可以根据旋转矩阵和平移矩阵确定待标定相机的位置信息和姿态角,实现对待标定相机的外参标定,因此,在无需设置硬件标定设施的情况下实现相机标定。
图2为本发明实施例提供的另一种相机标定方法的流程图,本实施例是在上述实施例的基础上进行具体化。在本实施例中,该方法还可以包括:
步骤210、基于无人机搭载的相机传感器获取所述目标区域的影像数据,根据所述影像数据生成所述目标区域的三维模型。
具体地,在对无人机所包含的相机传感器获取到的目标区域对应的影像数据进行处理后可以得到模型数据,进而可以将模型数据加载到3D渲染引擎中,并在3D渲染引擎的第一界面中显示模型数据,得到目标区域对应的三维模型。
步骤220、基于所述待标定相机获取所述目标区域的图像数据,根据所述图像数据确定所述目标区域的视频图像。
其中,图像数据可以为视频流数据。
具体地,将待标定相机获取到的目标区域对应的图像数据加载到3D渲染引擎中,并在3D渲染引擎中与第一界面并列的第二界面中显示图像数据,得到目标区域对应的视频图像。
步骤230、将所述三维模型调整至与所述视频图像的对齐。
一种实施方式中,步骤230具体可以包括:
基于用户在渲染引擎中触发的调整指令,对齐三维模型和视频图像。
其中,调整指令可以用于调整三维模型的尺寸和视角。
具体地,3D渲染引擎的第二界面中显示的视频图像的视角和尺寸是确定的,第一界面中显示的三维模型的视角和尺寸是可调整的。3D渲染引擎在接收到用户触发的调整指令后,将显示三维模型的第一界面置于显示视频图像的第二界面之上,并根据调整指令调整三维模型的视角和/或尺寸,直至三维模型的尺寸和视角与视频图像的尺寸和视角接近一致,实现对齐三维模型和视频图像。
本发明实施例中,在3D渲染引擎中,基于用户触发的调整指令,可以调整显示在3D渲染引擎的第一界面中的三维模型的视角和/或尺寸,以使三维模型的视角和尺寸与视频图像的视角和尺寸接近一致,并在三维模型的视角和尺寸与视频图像的视角和尺寸接近一致时,确定三维模型和视频图像对齐。
步骤240、根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点。
其中,同名点包括所述视频图像中的第一目标特征点以及与视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数。
一种实施方式中,步骤240具体可以包括:
基于与所述视频图像的尺寸和视角对齐的三维模型确定图像缓存后,从所述视频图像中提取第一特征点集,从所述图像缓存中提取第二特征点集,对所述第一特征点集和所述第二特征点集进行匹配得到初始点对;对所述初始点对进行噪点剔除,得到N组目标点对,其中,所述目标点对包括相互对应的第一目标特征点和第二目标特征点;确定所述第一目标特征点在所述视频图像中的二维坐标,确定所述第二目标特征点在所述三维模型中的三维坐标,基于所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标确定N组同名点。
具体地,基于特征提取算法从视频图像中提取第一特征点集,从图像缓存中提取第二特征点集;基于特征匹配算法对第一特征点集和第二特征点集进行匹配,得到初始点对集合。示例性的,可以基于sift特征提取算子从视频图像中提取第一特征点集,从图像缓存中提取第二特征点集,还可以基于sift特征匹配算子对第一特征点集和第二特征点集进行匹配,得到初始点对集合。
在渲染引擎中确定初始点对集合包含的各组第一初始特征点和第二初始特征点的连接线,并确定连接线与预设标准线的夹角,其中,预设标准线为第一界面和第二界面的底边;将各夹角放入按角度分割的直方图中,根据包含角度最多的矩形框中各角度对应的第一初始特征点和第二初始特征点,确定目标点对集合,直方图包括至少一个按角度分割的矩形框。示例性的,3D渲染引擎可以在两个并列界面中分别显示视频图像和三维模型对应的图像缓存,为了确定初始点对集合中各初始点对所包含的第一初始特征点和第二初始特征点是否对应,首先可以确定各初始点对所包含的第一初始特征点和第二初始特征点之间的连接线,并确定该连接线与显示界面的底边之间的角度,统计角度分布,根据统计信息从初始点对集合中删除匹配度较小的第一初始特征点和第二初始特征点所构成的初始点对,实现对初始点对集合的噪点剔除,得到目标点对集合。可以将各角度放入按角度分割的直方图区间中,如果前述确定的角度不在点数最多的直方图区间内,则确定该角度对应的第一初始特征点和第二初始特征点不匹配,进而可以删除该角度对应的第一初始特征点和第二初始特征点所构成的初始点对,实现对初始点对集合的噪点剔除。
在实际应用中,首先,将360°均分为72份,每5°作为一个直方图的矩形框,实现直方图的建立。其次,确定前述确定的角度所属的矩形框,并根据包含角度最多的矩形框中各角度对应的第一初始特征点和第二初始特征点确定目标点对集合。与此同时,实现剔除其他矩形框中各角度对应的第一初始特征点和第二初始特征点,实现对对初始点对集合的噪点剔除。
在确定三维模型和视频图像对齐后,可以确定该图像缓存中各点的深度缓存,深度缓存可以表明图像缓存中各点距离相机的距离。还可以确定获取该图像缓存的相机的参数,例如,可以确定相机的姿态角和位置。基于深度缓存和相机参数可以确定第二目标特征点在三维模型中的三维坐标。如前实施例一所述,在根据视频图像确定第一特征点集时,可以确定第一特征点集所包含的各第一特征点在视频图像中的二维坐标。因此,可以确定第一目标特征点在视频图像中的二维坐标。在根据图像缓存确定第二特征点集时,可以确定第二特征点集所包含的各第二特征点在图像缓存中的像素坐标。因此,可以确定第二目标特征点在图像缓存中的像素坐标,进而可以根据深度缓存和相机参数对第二目标特征点在图像缓存中的像素坐标进行坐标转换,得到第二目标特征点在三维模型中的三维坐标。
本发明实施例中,实现了自动获取同名点集,提升了获取同名点集的效率,而且,由于目标点对集合中剔除了不匹配的第一初始特征点和第二初始特征点构成的初始点对,因此根据目标点对集确定的同名点的准确度更高。
步骤250、根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数。
其中,第一关系式用于根据世界坐标确定相机坐标,第二关系式用于根据相机坐标确定像素坐标。第一关系式为其中,表示旋转矩阵,(X,Y,Z)表示世界坐标,(x,y,z)表示相机坐标,tx,ty表示平移矩阵所包含的第一平移参数和第二平移参数。第二关系式为其中,(u,v)表示像素坐标,tz表示平移矩阵所包含的第三平移参数,f表示焦距,k1,k2…kn表示径向畸变参数。第一方程式为-v(r1*X+r2*Y+r3*Z+tx)+u(r4*X+r5*Y+r6*Z+ty)=0。
具体地,对第一关系式和第二关系式的前两行进行叉积,可以确定r7、r8和r9。联合第一关系式和第二关系式的前两行可以得到第一方程式-v(r1*X+r2*Y+r3*Z+tx)+u(r4*X+r5*Y+r6*Z+ty)=0。对第一方程式进行变形,可以将其转换为矩阵形式M*s=0,其中,M为因子矩阵,r1、r2、r3、r4、r5、r6、tx、ty为求解的未知数,通过QR分解求解M*s=0。
具体而言,可以确定MT=Q*K,其中,Q表示分解的正交阵,K表示分解的上三角阵。由于矩阵M的秩为5,所以Q矩阵右边三列为M零空间(MT为维度为m*n的矩阵,m=8,n=5,Q矩阵右边的m-n列为矩阵M零空间),则s可由零空间线性组合表示为:s=n1*a+n2*b+n3(1)。n1n2 n3分别表示零空间的三列,此时未知数只有a,b两个。s中所有元素可由ab表示。由于R矩阵为正交阵,矩阵行向量模为1且行向量之间相互垂直,可以得知r1*r4+r2*r5+r3*r6=0(2)、r12+r22+r32=r42+r52+r62(3)。将式(1)代入式(2)、(3),此时两个方程可解两个未知数,因此,根据五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标可以确定r1、r2、r3、r4、r5、r6、tx和ty。
步骤260、根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数。
具体地,对第二方程式变形可以得到:z+tz=λ(f+k1*r2+k2*r4+...kn*r2n)和存在n+2个未知数。因此,将n+2组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入第二方程式。同样地,二维坐标可以为像素坐标(u,v),三维坐标可以为相机坐标(x,y,z),因此,可以将n+2组(u,v)和(x,y,z)代入第二方程式,可以确定k1,k2,...,kn,f和tz。进而可以确定待标定相机的焦距f、径向畸变参数k1,k2,...,kn、平移矩阵中的第三平移参数tz,进而确定标定相机的平移矩阵(tx,ty,tz)。
径向畸变参数可以包括k1,k2,k3,因此,第二方程式存在5个未知数。因此,将5组同名点中第一目标特征点的二维坐标(u,v)和第二目标特征点的三维坐标(x,y,z)代入第二方程式,可以确定k1,k2,k3,f和tz。实现确定待标定相机的焦距、径向畸变参数、平移矩阵中的第三平移参数,进而确定标定相机的平移矩阵(tx,ty,tz)。
步骤270、根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息。
其中,平移矩阵包括第一平移参数、第二平移参数和第三平移参数。
步骤270在前述实施例一已经进行了详细的描述,在此不再赘述。
本发明实施例提供的相机标定方法,包括:基于相机传感器获取所述目标区域的影像数据,根据所述影像数据生成所述目标区域的三维模型;基于所述待标定相机获取所述目标区域的图像数据,根据所述图像数确定所述目标区域的视频图像;将所述三维模型调整至与所述视频图像的对齐;基于与所述视频图像的尺寸和视角对齐的三维模型确定深度缓存和相机参数;根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。上述技术方案,在获取到目标区域对应的图像数据和影像数据后,可以进一步确定图像数据对应的视频图像,确定影像数据对应的三维模型,进而可以调整三维模型以使三维模型与视频图像对齐,并确定三维模型与视频图像对齐时的图像缓存,进一步可以对在视频图像中提取的第一特征点集和在图像缓存中提取的第二特征点集进行匹配,以确定初始点对集合,初始点对集合包括至少一组初始点对,初始点对包括相互对应的第一初始特征点和第二初始特征点,由于提取失误或者匹配失误,初始点对集合中可能包含并不匹配的第一初始特征点和第二初始特征点构成的初始点对,因此,可以对初始点对集进行噪点剔除,以删除初始点对集中不匹配的第一初始特征点和第二初始特征点构成的初始点对,得到目标点对集合,目标点对集合包括至少一组目标点对,目标点对包括相互对应的第一目标特征点和第二目标特征点,进而可以确定第一目标特征点在视频图像中的二维坐标,确定第二目标特征点在三维模型中的三维坐标,得到同名点集,实现了自动获取同名点集,提升了获取同名点的效率,而且,由于目标点对集合中剔除了不匹配的第一初始特征点和第二初始特征点构成的初始点对,获取到的同名点的准确度更高,基于从待标定相机获取的目标区域的视频图像以及与视频图像对齐的三维模型中获取的五组同名点,可以确定待标定相机的旋转矩阵以及第一平移参数和第二平移参数,基于从待标定相机获取的目标区域的视频图像以及与视频图像对齐的三维模型中获取的三组同名点可以确定待标定相机的焦距、径向畸变参数以及第三平移参数,确定待标定相机的焦距和径向畸变参数,实现对待标定相机的内参标定,进而可以根据旋转矩阵和平移矩阵确定待标定相机的位置信息和姿态角,实现对待标定相机的外参标定,因此,无需设置硬件标定设施的情况下实现相机标定。
图3为本发明实施例提供的一种相机标定装置的结构示意图,该装置可以适用于无需硬件标定设施实现相机标定的情况。该装置可以通过软件和/或硬件实现,并一般集成在计算机设备中。
如图3所示,该装置包括:
同名点确定模块310,用于根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
第一参数确定模块320,用于根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
第二参数确定模块330,用于根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
第三参数确定模块340,用于根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
本实施例提供的相机标定装置,根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。上述技术方案,从待标定相机获取的目标区域的视频图像以及与视频图像对齐的三维模型中获取至少五组同名点,将至少五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入由根据世界坐标确定相机坐标的第一关系式和根据相机坐标确定像素坐标的第二关系式构建的第一方程式中,可以确定待标定相机的旋转矩阵以及第一平移参数和第二平移参数,将至少五组同名点中第一目标特征点的二维坐标和第二目标特征点的三维坐标代入由第二关系式构建的第二方程式可以确定待标定相机的焦距、径向畸变参数以及第三平移参数,确定待标定相机的焦距和径向畸变参数,实现对待标定相机的内参标定,进而可以根据旋转矩阵和平移矩阵确定待标定相机的位置信息和姿态角,实现对待标定相机的外参标定,因此,无需设置硬件标定设施的情况下实现相机标定。
优选地,所述第一方程式为-v(r1*X+r2*Y+r3*Z+tx)+u(r4*X+r5*Y+r6*Z+ty)=0。
在上述实施例的基础上,该装置还包括:第一执行模块,用于基于与所述视频图像的尺寸和视角对齐的三维模型确定深度缓存和相机参数。
在上述实施例的基础上,该装置还包括:第二执行模块,用于基于无人机搭载的相机传感器获取所述目标区域的影像数据,根据所述影像数据生成所述目标区域的三维模型;基于所述待标定相机获取所述目标区域的图像数据,根据所述图像数确定所述目标区域的视频图像;将所述三维模型调整至与所述视频图像的对齐。
在上述实施例的基础上,同名点确定模块310,具体用于:基于与所述视频图像的尺寸和视角对齐的三维模型确定图像缓存后,从所述视频图像中提取第一特征点集,从所述图像缓存中提取第二特征点集,对所述第一特征点集和所述第二特征点集进行匹配得到初始点对;对所述初始点对进行噪点剔除,得到N组目标点对,其中,所述目标点对包括相互对应的第一目标特征点和第二目标特征点;确定所述第一目标特征点在所述视频图像中的二维坐标,确定所述第二目标特征点在所述三维模型中的三维坐标,基于所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标确定N组同名点。
一种实施方式中,确定所述第二目标特征点在所述三维模型中的三维坐标,包括:基于所述深度缓存和所述相机参数确定所述第二目标特征点在所述三维模型中的三维坐标。
本发明实施例所提供的相机标定装置可执行本发明任意实施例所提供的相机标定方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述相机标定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
图4为本发明实施例提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备4的框图。图4显示的计算机设备4仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备4以通用计算电子设备的形式表现。计算机设备4的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备4典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备4访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备4可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备4也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备4交互的设备通信,和/或与使得该计算机设备4能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备4还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与计算机设备4的其它模块通信。应当明白,尽管图4中未示出,可以结合计算机设备4使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及页面显示,例如实现本发实施例所提供的相机标定方法,该方法包括:
根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的相机标定方法的技术方案。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现例如本发实施例所提供的相机标定方法,该方法包括:
根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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发明操作的计算机程序代码,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)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
另外,本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种相机标定方法,其特征在于,包括:
根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
4.根据权利要求3所述的相机标定方法,其特征在于,所述第一方程式为-v(r1*X+r2*Y+r3*Z+tx)+u(r4*X+r5*Y+r6*Z+ty)=0。
6.根据权利要求1所述的相机标定方法,其特征在于,在根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点之前,还包括:
基于无人机搭载的相机传感器获取所述目标区域的影像数据,根据所述影像数据生成所述目标区域的三维模型;
基于所述待标定相机获取所述目标区域的图像数据,根据所述图像数据确定所述目标区域的视频图像;
将所述三维模型调整至与所述视频图像的对齐。
7.根据权利要求6所述的相机标定方法,其特征在于,根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点,包括:
基于与所述视频图像的尺寸和视角对齐的三维模型确定图像缓存后,从所述视频图像中提取第一特征点集,从所述图像缓存中提取第二特征点集,对所述第一特征点集和所述第二特征点集进行匹配得到初始点对;
对所述初始点对进行噪点剔除,得到N组目标点对,其中,所述目标点对包括相互对应的第一目标特征点和第二目标特征点;
确定所述第一目标特征点在所述视频图像中的二维坐标,确定所述第二目标特征点在所述三维模型中的三维坐标,基于所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标确定N组同名点。
8.一种相机标定装置,其特征在于,包括:
同名点确定模块,用于根据目标区域的三维模型以及待标定相机获取的所述目标区域的视频图像确定N组同名点;其中,所述同名点包括所述视频图像中的第一目标特征点以及与所述视频图像对齐的三维模型中的第二目标特征点,N为大于或者等于5的整数;
第一参数确定模块,用于根据第一关系式和第二关系式构建第一方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第一方程式中,确定所述待标定相机的旋转矩阵以及第一平移参数和第二平移参数;其中,所述第一关系式用于根据世界坐标确定相机坐标,所述第二关系式用于根据相机坐标确定像素坐标;
第二参数确定模块,用于根据所述第二关系式构建第二方程式,将所述N组同名点中所述第一目标特征点的二维坐标和所述第二目标特征点的三维坐标代入所述第二方程式,确定所述待标定相机的焦距、径向畸变参数以及第三平移参数;
第三参数确定模块,用于根据所述旋转矩阵确定所述待标定相机的姿态角,根据平移矩阵确定所述待标定相机的位置信息,其中,所述平移矩阵包括所述第一平移参数、所述第二平移参数和所述第三平移参数。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的相机标定方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的相机标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104789.6A CN115457145A (zh) | 2022-09-09 | 2022-09-09 | 一种相机标定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104789.6A CN115457145A (zh) | 2022-09-09 | 2022-09-09 | 一种相机标定方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457145A true CN115457145A (zh) | 2022-12-09 |
Family
ID=84303684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211104789.6A Pending CN115457145A (zh) | 2022-09-09 | 2022-09-09 | 一种相机标定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457145A (zh) |
-
2022
- 2022-09-09 CN CN202211104789.6A patent/CN115457145A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
CN110246147B (zh) | 视觉惯性里程计方法、视觉惯性里程计装置及移动设备 | |
CN109521403B (zh) | 多线激光雷达的参数标定方法及装置、设备及可读介质 | |
CN111815754A (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
CN108230235B (zh) | 一种视差图生成系统、方法及存储介质 | |
CN113393514B (zh) | 一种三维无序点云数据处理方法、系统及设备 | |
CN112435193B (zh) | 一种点云数据去噪的方法、装置、存储介质和电子设备 | |
CN111160298A (zh) | 一种机器人及其位姿估计方法和装置 | |
CN114187589A (zh) | 一种目标检测方法、装置、设备和存储介质 | |
CN111709999A (zh) | 标定板、相机标定方法、装置、电子设备及相机系统 | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN107341804A (zh) | 点云数据中平面的确定方法及装置、图像叠加方法及设备 | |
CN108305281B (zh) | 图像的校准方法、装置、存储介质、程序产品和电子设备 | |
Díaz et al. | An algorithm to estimate building heights from Google street-view imagery using single view metrology across a representational state transfer system | |
CN115423852A (zh) | 一种点云数据配准方法、系统、电子设备及存储介质 | |
CN114049401A (zh) | 双目相机标定方法、装置、设备及介质 | |
CN112927340A (zh) | 一种不依赖于机械摆放的三维重建加速方法、系统及设备 | |
CN108427110A (zh) | 测距方法、装置及电子设备 | |
CN111815683B (zh) | 目标定位方法及装置、电子设备和计算机可读介质 | |
CN112258647A (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
CN115457145A (zh) | 一种相机标定方法、装置、计算机设备和存储介质 | |
CN110853098A (zh) | 机器人定位方法、装置、设备及存储介质 | |
CN111136655A (zh) | 一种获取巡检点的方法及装置 | |
CN114494379A (zh) | 基于fpfh的凸包辅助三维点云配准方法、设备及介质 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 |
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 |