CN115761010A - 相机标定方法以及装置、电子设备、存储介质 - Google Patents

相机标定方法以及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN115761010A
CN115761010A CN202211572446.2A CN202211572446A CN115761010A CN 115761010 A CN115761010 A CN 115761010A CN 202211572446 A CN202211572446 A CN 202211572446A CN 115761010 A CN115761010 A CN 115761010A
Authority
CN
China
Prior art keywords
point
camera
calibration
coordinate system
calibration parameter
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
CN202211572446.2A
Other languages
English (en)
Inventor
郭波
芦嘉鹏
王开鑫
张岩
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing 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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202211572446.2A priority Critical patent/CN115761010A/zh
Publication of CN115761010A publication Critical patent/CN115761010A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请公开了一种相机标定方法以及装置、电子设备、存储介质，所述方法包括采集路侧相机拍摄的图像中2D点与真实路侧场景中3D点的多个对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；根据预设优化函数迭代所述第一标定参数，得到第二标定参数；根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。通过本申请通过优化迭代计算外参矩阵，提升路侧相机2D‑3D的3D定位精度。

Description

相机标定方法以及装置、电子设备、存储介质
技术领域
本申请涉及相机标定技术领域，尤其涉及一种相机标定方法以及装置、电子设备、存储介质。
背景技术
智慧道路上或路口中安装的路侧相机需要经过标定后才能用来做目标物的识别以及定位。在标定时通常都是利用道路标识或者标定板标，并采用3D-2D标定算法进行路侧相机外参的计算。
相关技术中，采用的3D-2D标定算法主要为PNP(Perspective-n-Point)计算外参矩阵。然而采用PNP计算时，由于路侧相机是的标定为2D-3D映射，从2D到3D的映射精度不高，进一步影响之后的定位精度。
发明内容
本申请实施例提供了相机标定方法以及装置、电子设备、存储介质，以优化路侧相机的外参矩阵，提升路侧相机从2D到3D的3D定位精度。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种相机标定方法，其中，所述方法包括：
采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；
根据预设优化函数迭代所述第一标定参数，得到第二标定参数；
根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
在一些实施例中，所述采集2D点与3D点的多个对应点对，得到第一标定参数，包括：
根据PNP算法，计算得到初始化外参矩阵[R|t]以及相机到地面的初始化高度d；
基于所述2D点的坐标位置，根据所述初始化外参矩阵[R|t]，计算所述3D点在世界坐标系中的坐标位置；
将所述初始化外参矩阵[R|t]、所述相机到地面的初始化高度d、所述3D点在世界坐标系中的坐标位置，作为所述第一标定参数。
在一些实施例中，所述方法还包括：
筛选所述3D点在世界坐标系中的坐标位置以及所述相机到地面的初始化高度d，确定道路平面在ENU坐标系中的初始化法向量n。
在一些实施例中，所述根据预设优化函数迭代所述第一标定参数，得到第二标定参数，包括：
根据所述预设优化函数迭代所述第一标定参数中的初始化外参矩阵[R|t]中相机到ENU的旋转矩阵R以及相机坐标系原点到ENU坐标系原点的偏移向量t，以及
根据所述预设优化函数迭代所述第一标定参数中的道路平面在ENU坐标系中的法向量n；
将经过优化迭代之后的所述R、t、n作为所述第二标定参数。
在一些实施例中，所述预设优化函数包括：
min(1/m∑(di/max_d)|Pc-Pt|)
m为所述2D点与3D点的多个对应点对的数量，di为3D点与相机原点的欧式距离，max_d为所述2D点与3D点的多个对应点对中距离相机最远的点的欧式距离，Pc＝[R|t]*Pi，Pc为3D点，Pi为2D点，Pt为ENU坐标系的点。
在一些实施例中，所述预设优化函数还包括：将经过优化迭代之后的所述R、t、n作为所述第二标定参数并且使得所述预设优化函数的值最小。
在一些实施例中，所述采集2D点与3D点的多个对应点对，包括：至少采集3个2D点与3D点的多个对应点对。
在一些实施例中，根据所述2D点到3D点之间的映射关系表，得到所述路侧相机的位姿参数；
根据所述路侧相机的位姿参数，确定所述路侧相机的视角下路面中的目标物的经纬度参数以及高度参数，以提供路侧定位信息。
第二方面，本申请实施例还提供一种一种相机标定装置，其中，所述装置包括：
采集模块，用于采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；
迭代模块，用于根据预设优化函数迭代所述第一标定参数，得到第二标定参数；
确定模块，用于根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取第一标定参数，并通过构造的优化函数进行迭代，得到优化后的结果作为第二标定参数，根据第二标定参数确定的2D点到3D点之间的映射关系表更加精准，从而提升路侧相机所在道路平面上的2D到3D的映射精度，从而使得路侧相机的对道路中的目标物(车辆、行人)的定位精度(目标经纬度信息、目标高度信息)得到提升。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中相机标定方法流程示意图；
图2为本申请实施例中相机标定装置结构示意图；
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例中的技术术语如下：
UTM，通用横墨卡托格网系统坐标是一种平面直角坐标。
PnP，n点透视变换算法。
ENU，东北天直角坐标系。
发明人研究时发现，当前从相机坐标系-UTM坐标系的标定常用方法为3D-2D的PnP算法，其中通过PnP的优化函数直接保障来3D点投影到图像上的重投影误差最小，然而这里所使用的优化函数与定位精度不是直接强相关关系，从而影响最终得到的2D-3D的映射关系的映射精度。
此外，基于3D-2D的PnP标定方法，是通过优化图像上像素的重投影误差最小，来保障3D到2D的投影精度。如果直接使用在路侧相机上，2D到3D的映射精度并不高。
针对上述不足，在本申请的实施例中采用的相机标定方法，基于动态欧式距离的优化函数，进行优化迭代计算外参矩阵，从而能够提升路侧相机的2D至真实场景中3D的检测目标的3D定位精度。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种相机标定方法，如图1所示，提供了本申请实施例中相机标定方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点。
相机以路侧相机为例进行说明，并不用于限定具体的类型。
路侧相机是指，在智慧道路上部署的大量的感知传感器，其作为感知传感器中的主要设备。路侧相机在识别到目标后，需要获取目标的世界坐标位置(经纬度)。
但是在路侧相机识别定位之前需要将路侧相机的坐标系与UTM坐标系进行转换，即相机-UTM的标定过程。通过标定过程完成相机像素位置转经纬度的功能，并且进行精度优化。
在一些实施例中，预设路侧相机纵向(与道路平行)监控范围是80m-100m，对于路侧相机的标定结果要保障道路上目标定位精度不偏离车道，同时前后车不会重叠穿模，通过路侧相机标定任务保障了定位精度。
路侧相机-UTM的标定过程是将2D点转换为3D点的过程，首先需要采集路侧相机拍摄的图像中2D点与真实路侧场景中3D点的多个对应点对。也就是说，世界坐标系下的坐标位置点与像素坐标系下的坐标位置点对应的点对。
在一些实施例中，使用PNP算法求解时，所述采集2D点与3D点的多个对应点对，包括：至少采集3个2D点与3D点的多个对应点对。优选地，可以采集4个2D点与3D点的多个对应点对。
将上述多个对应点对作为所述第一标定参数。
在所述第一标定参数中还需要包括采用PNP算法初始化之后得到的外参矩阵以及路侧相机到当前路面高度信息。
步骤S120，根据预设优化函数迭代所述第一标定参数，得到第二标定参数。
构造一个优化函数，可以进一步保障路侧相机2D-3D的投影精度。通过优化函数对上述步骤中获得的所述第一标定参数进行迭代计算，得到第二标定参数。也就是说，为了获得最优解需要使用优化函数对所述第一标定参数进行迭代。
在一些实施例中，为了提升2D-3D标定精度，在构造优化函数时考虑基于欧式距离确定路侧相机到真实路面的高度。
在一些实施例中，为了提升2D-3D标定精度，在构造优化函数时考虑使用动态权重的优化函数。
步骤S130，根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
所述第二标定参数是经过迭代之后的参数，从而通过所述第二标定参数确定所述2D点到3D点之间的映射关系表，根据所述2D点到3D点之间的映射关系表即可得到2D点到3D点之间的映射关系，从而实现路侧相机-UTM的标定。
本申请实施例中的相机标定方法，经过计算得到初始化的相机外参矩阵之后，通过构造优化函数对相机外参举证进行迭代，得到优化后的结果再确定出路侧相机的2D点到3D点之间的映射关系。
区别于相关技术中使用3D-2D的PNP算法，PNP算法的优化函数直接保障3D点投影到图像上的重投影误差最小，但是PNP算法的优化函数与目标的定位精度不是直接强相关关系，容易造成精度降低。本申请中通过优化迭代计算相机外参矩阵以及相机到地面的高度等，提升了路侧相机2D-3D的3D定位精度。
在本申请的一个实施例中，所述采集2D点与3D点的多个对应点对，得到第一标定参数，包括：根据PNP算法，计算得到初始化外参矩阵[R|t]以及相机到地面的初始化高度d；基于所述2D点的坐标位置，根据所述初始化外参矩阵[R|t]，计算所述3D点在世界坐标系中的坐标位置；将所述初始化外参矩阵[R|t]、所述相机到地面的初始化高度d、所述3D点在世界坐标系中的坐标位置，作为所述第一标定参数。
当采集大于四个2D点与3D点的多个对应点对之后，根据PNP算法计算出初始化的相机外参矩阵和相机距离当前路面的高度。这里的初始化的相机外参矩阵是根据2D点与3D点的多个对应点对按照PNP算法直接计算得到的，并且以此作为初始化的相机外参矩阵。
同时，初始化计算得到相机到地面的初始化高度d。然后根据初始化的相机外参矩阵以及2D点的坐标位置信息，计算(估计)出3D点在世界坐标系中的坐标位置。
最后，将初始化外参矩阵[R|t]、所述相机到地面的初始化高度d、所述3D点在世界坐标系中的坐标位置，作为第一标定参数。
可以理解，初始化外参矩阵[R|t]中的R表示相机到ENU坐标系的旋转矩阵，t表示相机坐标系原点到ENU坐标系原点的偏移向量。
需要注意的是，通常计算相机到路面的距离时，默认路面为水平，即绝对平面。水平平面xoy单位法向量为{0,0,1}，对于ENU东北天直角坐标系，EN为绝对平面，U指向东。由于实际场景中道路的路面不一定是水平的，是相对于水平面倾斜的，所以需要将实际道路的路面到绝对平面的夹角计算出来，才能够提高2D-3D的映射精度。所以求解的过程可以将道路平面在ENU中的法向量n通过优化函数进行迭代。
可以理解，初始化的道路平面在ENU中的法向量n即是所述相机到地面的初始化高度d。
通过上述步骤，将初始化外参矩阵[R|t]、所述相机到地面的初始化高度d以及所述3D点在世界坐标系中的坐标位置作为第一标定参数。
求解3D点在世界坐标系中的坐标位置即Pc＝[R|t]*Pi，其中，像素图像点Pi是根据2D点选择的一个，[R|t]为初始化外参矩阵。
在本申请的一个实施例中，所述方法还包括：筛选所述3D点在世界坐标系中的坐标位置以及所述相机到地面的初始化高度d，确定道路平面在ENU坐标系中的初始化法向量n。
为了寻找最佳作为道路在ENU坐标系中的法向量n，通过筛选所述3D点在世界坐标系中的坐标位置以及所述相机到地面的初始化高度d，同时该过程也是提升相机远处精度的一个重要因素。远处精度是指对远处检测目标的定位感知精度。
在本申请的一个实施例中，所述根据预设优化函数迭代所述第一标定参数，得到第二标定参数，包括：根据所述预设优化函数迭代所述第一标定参数中的初始化外参矩阵[R|t]中相机到ENU的旋转矩阵R以及相机坐标系原点到ENU坐标系原点的偏移向量t，以及根据所述预设优化函数迭代所述第一标定参数中的道路平面在ENU坐标系中的法向量n；将经过优化迭代之后的所述R、t、n作为所述第二标定参数。
经过预设优化函数对所述初始化外参矩阵[R|t]中相机到ENU的旋转矩阵R以及相机坐标系原点到ENU坐标系原点的偏移向量t，以及根据所述预设优化函数迭代所述第一标定参数中的道路平面在ENU坐标系中的法向量n的迭代之后，得到经过优化迭代之后的所述R、t、n作为所述第二标定参数。
如果基于优化函数迭代R，t，n三个参数，使得优化函数最小，可以得到最优解，从而作为第二标定参数。基于最后优化得到的R，t，n获取2D到3D的映射关系表。
在本申请的一个实施例中，所述预设优化函数包括：
min(1/m∑(di/max_d)|Pc-Pt|)
所述m为所述2D点与3D点的多个对应点对的数量，m至少3个，优选采集4个以上。
所述di为3D点与相机原点的欧式距离，max_d为所述2D点与3D点的多个对应点对中距离相机最远的点的欧式距离。将di/max_d作为动态权重，使用动态欧式距离作为点对的权重信息，保障路侧相机远处点的权重大，精度高，同时小孔成像本身保障了近处的精度。
所述|Pc-Pt|作为绝对差值，所述Pc＝[R|t]*Pi，Pc为3D点，Pi为2D点，Pt为ENU坐标系的点，将经过优化迭代之后的所述R、t、n作为所述第二标定参数并且使得所述预设优化函数的值最小。通过利用欧式距离最小化直接求外参矩阵[R|t]，以及相机高度di，让预设优化函数与精度强相关。区别于相关技术中，PNP的优化函数和定位精度不是直接强相关关系，故无法提升定位精度。
在本申请的一个实施例中，所述方法还包括：根据所述2D点到3D点之间的映射关系表，得到所述路侧相机的位姿参数；根据所述路侧相机的位姿参数，确定所述路侧相机的视角下路面中的目标物的经纬度参数以及高度参数，以提供路侧定位信息。
基于所述2D点到3D点之间的映射关系表，得到所述路侧相机的位姿参数，根据侧相机的位姿参数，确定所述路侧相机的视角下路面中的目标物的经纬度参数以及高度参数，基于优化后的映射结果，路侧相机可实现精确感知。
在一些实施例中，通过采集路侧相机拍摄的图像中2D点与真实路侧场景中3D点的多个对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；根据预设优化函数迭代所述第一标定参数，得到第二标定参数；根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
所述采集2D点与3D点的多个对应点对，得到第一标定参数，包括：根据PNP算法，计算得到初始化外参矩阵[R|t]以及相机到地面的初始化高度d；基于所述2D点的坐标位置，根据所述初始化外参矩阵[R|t]，计算所述3D点在世界坐标系中的坐标位置；将所述初始化外参矩阵[R|t]、所述相机到地面的初始化高度d、所述3D点在世界坐标系中的坐标位置，作为所述第一标定参数。
所述方法还包括：筛选所述3D点在世界坐标系中的坐标位置以及所述相机到地面的初始化高度d，确定道路平面在ENU坐标系中的初始化法向量n。
所述根据预设优化函数迭代所述第一标定参数，得到第二标定参数，包括：根据所述预设优化函数迭代所述第一标定参数中的初始化外参矩阵[R|t]中相机到ENU的旋转矩阵R以及相机坐标系原点到ENU坐标系原点的偏移向量t，以及根据所述预设优化函数迭代所述第一标定参数中的道路平面在ENU坐标系中的法向量n；将经过优化迭代之后的所述R、t、n作为所述第二标定参数。
所述预设优化函数包括：min(1/m∑(di/max_d)|Pc-Pt|)
m为所述2D点与3D点的多个对应点对的数量，di为3D点与相机原点的欧式距离，max_d为所述2D点与3D点的多个对应点对中距离相机最远的点的欧式距离，Pc＝[R|t]*Pi，Pc为3D点，Pi为2D点，Pt为ENU坐标系的点，将经过优化迭代之后的所述R、t、n作为所述第二标定参数并且使得所述预设优化函数的值最小。
利用欧式距离最小化直接求外参矩阵R，t，和相机高度d，让优化函数和精度强相关；
使用动态欧式距离作为点对的权重信息，保障远处点的权重大，精度高，同时小孔成像本身保障了近处的精度。
通过寻找最佳的道路在ENU中的法向量n，组我提升远处精度的一个主要因素。
本申请实施例还提供了相机标定装置200，如图2所示，提供了本申请实施例中相机标定装置的结构示意图，所述相机标定装置200至少包括：采集模块210、迭代模块220以及确定模块230，其中：
在本申请的一个实施例中，所述采集模块210具体用于：采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点。
相机以路侧相机为例进行说明，并不用于限定具体的类型。
路侧相机是指，在智慧道路上部署的大量的感知传感器，其作为感知传感器中的主要设备。路侧相机在识别到目标后，需要获取目标的世界坐标位置(经纬度)。
但是在路侧相机识别定位之前需要将路侧相机的坐标系与UTM坐标系进行转换，即相机-UTM的标定过程。通过标定过程完成相机像素位置转经纬度的功能，并且进行精度优化。
在一些实施例中，预设路侧相机纵向(与道路平行)监控范围是80m-100m，对于路侧相机的标定结果要保障道路上目标定位精度不偏离车道，同时前后车不会重叠穿模，通过路侧相机标定任务保障了定位精度。
路侧相机到UTM的标定过程是将2D点转换为3D点的过程，首先需要采集路侧相机拍摄的图像中2D点与真实路侧场景中3D点的多个对应点对。也就是说，世界坐标系下的坐标位置点与像素坐标系下的坐标位置点对应的点对。
在一些实施例中，使用PNP算法求解时，所述采集2D点与3D点的多个对应点对，包括：至少采集3个2D点与3D点的多个对应点对。优选地，可以采集4个2D点与3D点的多个对应点对。
将上述多个对应点对作为所述第一标定参数。
在所述第一标定参数中还需要包括采用PNP算法初始化之后得到的外参矩阵以及路侧相机到当前路面高度信息。
在本申请的一个实施例中，所述迭代模块220具体用于：根据预设优化函数迭代所述第一标定参数，得到第二标定参数。
构造一个优化函数，可以进一步保障路侧相机2D-3D的投影精度。通过优化函数对上述步骤中获得的所述第一标定参数进行迭代计算，得到第二标定参数。也就是说，为了获得最优解需要使用优化函数对所述第一标定参数进行迭代。
在一些实施例中，为了提升2D-3D标定精度，在构造优化函数时考虑基于欧式距离确定路侧相机到真实路面的高度。
在一些实施例中，为了提升2D-3D标定精度，在构造优化函数时考虑使用动态权重的优化函数。
在本申请的一个实施例中，所述确定模块230具体用于：根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
所述第二标定参数是经过迭代之后的参数，从而通过所述第二标定参数确定所述2D点到3D点之间的映射关系表，根据所述2D点到3D点之间的映射关系表即可得到2D点到3D点之间的映射关系，从而实现路侧相机-UTM的标定。
能够理解，上述相机标定装置，能够实现前述实施例中提供的相机标定方法的各个步骤，关于相机标定方法的相关阐释均适用于相机标定装置，此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成相机标定装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；
根据预设优化函数迭代所述第一标定参数，得到第二标定参数；
根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
上述如本申请图1所示实施例揭示的相机标定装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中相机标定装置执行的方法，并实现相机标定装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中相机标定装置执行的方法，并具体用于执行：
采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；
根据预设优化函数迭代所述第一标定参数，得到第二标定参数；
根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。
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暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种相机标定方法，其中，所述方法包括：
采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；
根据预设优化函数迭代所述第一标定参数，得到第二标定参数；
根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
2.如权利要求1所述方法，其中，所述采集多个包含相机拍摄的图像中的2D点与真实场景中3D点的对应点对，得到第一标定参数，包括：
根据PNP算法，计算得到初始化外参矩阵[R|t]以及相机到地面的初始化高度d；
基于所述2D点的坐标位置，根据所述初始化外参矩阵[R|t]，计算所述3D点在世界坐标系中的坐标位置；
将所述初始化外参矩阵[R|t]、所述相机到地面的初始化高度d、所述3D点在世界坐标系中的坐标位置，作为所述第一标定参数。
3.如权利要求2所述方法，其中，所述方法还包括：
筛选所述3D点在世界坐标系中的坐标位置以及所述相机到地面的初始化高度d，确定道路平面在ENU坐标系中的初始化法向量n。
4.如权利要求2所述方法，其中，所述根据预设优化函数迭代所述第一标定参数，得到第二标定参数，包括：
根据所述预设优化函数迭代所述第一标定参数中的初始化外参矩阵[R|t]中相机到ENU的旋转矩阵R以及相机坐标系原点到ENU坐标系原点的偏移向量t，以及
根据所述预设优化函数迭代所述第一标定参数中的道路平面在ENU坐标系中的法向量n；
将经过优化迭代之后的所述R、t、n作为所述第二标定参数。
5.如权利要求4所述方法，其中，所述预设优化函数包括：
min(1/m∑(di/max_d)|Pc-Pt|)
m为所述2D点与3D点的多个对应点对的数量，di为3D点与相机原点的欧式距离，max_d为所述2D点与3D点的多个对应点对中距离相机最远的点的欧式距离，Pc＝[R|t]*Pi，Pc为3D点，Pi为2D点，Pt为ENU坐标系的点。
6.如权利要求5所述方法，其中，所述预设优化函数还包括：将经过优化迭代之后的所述R、t、n作为所述第二标定参数并且使得所述预设优化函数的值最小。
7.如权利要求1所述方法，其中，所述方法还包括：
根据所述2D点到3D点之间的映射关系表，得到所述路侧相机的位姿参数；
根据所述路侧相机的位姿参数，确定所述路侧相机的视角下路面中的目标物的经纬度参数以及高度参数，以提供路侧定位信息。
8.一种相机标定装置，其中，所述装置包括：
采集模块，用于采集多个包含路侧相机拍摄的图像中的2D点与真实路侧场景中3D点的多个对应点对，得到第一标定参数，所述3D点包括世界坐标系下的坐标位置点，所述2D点包括与所述3D对应的像素坐标系下的坐标位置点；
迭代模块，用于根据预设优化函数迭代所述第一标定参数，得到第二标定参数；
确定模块，用于根据所述第二标定参数，确定所述2D点到3D点之间的映射关系表。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
CN202211572446.2A 2022-12-08 2022-12-08 相机标定方法以及装置、电子设备、存储介质 Pending CN115761010A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211572446.2A CN115761010A (zh) 2022-12-08 2022-12-08 相机标定方法以及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211572446.2A CN115761010A (zh) 2022-12-08 2022-12-08 相机标定方法以及装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN115761010A true CN115761010A (zh) 2023-03-07

Family

ID=85344783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211572446.2A Pending CN115761010A (zh) 2022-12-08 2022-12-08 相机标定方法以及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN115761010A (zh)

Similar Documents

Publication Publication Date Title
CN113447923A (zh) 目标检测方法、装置、系统、电子设备及存储介质
CN115797454B (zh) 一种鸟瞰图视角下多摄像机融合感知方法及装置
CN112927306B (zh) 拍摄装置的标定方法、装置及终端设备
CN114705121B (zh) 车辆位姿测量方法、装置及电子设备、存储介质
CN114279453B (zh) 基于车路协同的自动驾驶车辆定位方法、装置及电子设备
CN115526990A (zh) 用于数字孪生的目标可视化方法、装置及电子设备
CN116012428A (zh) 一种雷视联合定位方法、装置及存储介质
CN115546315A (zh) 自动驾驶车辆的传感器在线标定方法、装置及存储介质
CN114754761A (zh) 高精地图车道线的优化方法、装置及电子设备、存储介质
CN113450389B (zh) 一种目标跟踪方法、装置及电子设备
CN113284194B (zh) 多rs设备的标定方法、装置及设备
CN113256709A (zh) 目标检测方法、装置、计算机设备以及存储介质
CN116977671A (zh) 基于图像空间定位的目标跟踪方法、装置、设备及存储介质
CN115170679A (zh) 路侧相机的标定方法、装置及电子设备、存储介质
CN115661014A (zh) 一种点云数据处理方法、装置和电子设备、存储介质
CN115761010A (zh) 相机标定方法以及装置、电子设备、存储介质
CN115546130A (zh) 用于数字孪生的身高测量方法、装置及电子设备
CN114677448A (zh) 车载相机的外参校正方法、装置及电子设备、存储介质
CN112767498A (zh) 相机标定方法、装置和电子设备
CN114755663A (zh) 车辆传感器的外参校准方法、装置及计算机可读存储介质
CN113658268B (zh) 摄像头标定结果的验证方法、装置及电子设备、存储介质
CN115471819A (zh) 用于路侧场景的目标检测定位方法、装置及电子设备、存储介质
CN116580095A (zh) 一种目标定位方法和装置、电子设备和存储介质
CN116152355A (zh) 一种路侧相机标定方法与装置、目标检测方法与装置
CN116630430A (zh) 一种相机在线标定方法、装置和电子设备、存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination