CN115810054A - 车辆轮胎花纹深度检测设备中一种多相机标定方法 - Google Patents

Abstract

本发明涉及轮胎花纹深度检测技术领域，且公开了车辆轮胎花纹深度检测设备中一种多相机标定方法，主要分为3个步骤：标定板图像数据采集、角点检测与提取最后进行相机标定，其中标定板数据采集需尽可能全面的采集标定板各个角度的清晰图像；角点检测与提取为后续的标定的关键步骤，角点检测与提取是否准确直接影响了标定的结果；相机标定主要获得相机的内参与外参。

Description

车辆轮胎花纹深度检测设备中一种多相机标定方法

技术领域

本发明涉及轮胎花纹检测技术领域，具体为车辆轮胎花纹深度检测设备中一种多相机标定方法。

背景技术

轮胎磨损程度决定了行车过程中刹车的制动距离，是一个影响行车安全的重要因素。车辆轮胎花纹深度检测设备可以有效测评轮胎磨损程度，能够对花纹深度过浅的轮胎进行及时预警，从而降低由于轮胎过度受损而导致交通事故的可能性。为了能够精确测量轮胎花纹深度，对检测设备的标定是至关重要的一步。

目前常用的标定方法包括自标定法、主动视觉相机标定法、零失真相机标定法、传统相机标定法。自标定法主要利用相机的运动约束，但由于相机的运动约束条件太强，因此其在实际中很难得到应用，并且该方法是基于绝对二次曲线或曲面的方法，鲁棒性也相对较差。基于主动视觉的相机标定法是指已知相机的某些运动信息对相机进行标定，但是在轮胎花纹深度检测设备中由于相机是固定的，因此并不能满足应用条件。零失真相机标定法是以LCD显示屏为参考基准，以相移光栅为媒介，建立LCD像素与相机传感器像素之间的映射关系，从而确定每个相机像素点在LCD上的视点位置，与基于主动视觉的相机标定法类似，由于条件限制，该方法并不适用于轮胎花纹检测设备。传统相机标定法需要使用尺寸已知的标定物，通过建立标定物上坐标已知的点与图像点之间的对应，利用一定的算法获得相机模型的内外参数，相较于前几种方法，传统相机标定法要更适用于轮胎花纹检测设备，但该方法受环境影响较大。

发明内容

针对现有技术的不足，本发明提供车辆轮胎花纹深度检测设备中一种多相机标定方法来解决上述背景技术提出额的问题。

为实现上述的目的，本发明提供如下技术方案：车辆轮胎花纹深度检测设备中一种多相机标定方法，包括以下步骤：

a.标定板数据采集:标定板数据采集部分本专利选用两组四目相机对标定板图像数据进行采集；

b.角点检测与提取：首先根据标定板上的红色标记点进行区域定位，对该区域进行角点检测，并将位于图像最左侧的角点作为初始起始点集，同时根据该区域确定距离阈值ε，假设该区域为包含n列棋盘格且大小为P_x×P_y的图像，则距离阈值ε可表示为：

ε＝1.5*P_x/n (1)

计算起始点集中所有点的平均坐标值p_avg(x_avg,y_avg)，表达式为：

其中p_i表示起始点集中的第i个角点，P表示起始点集，N_P表示起始点集P中包含的角点个数。

建立全图角点集，将起始角点集中的点从全图角点集中删除，然后清空起始角点集，遍历全图角点集，计算全图角点集中剩余角点与p_avg的横向距离d，即：

d＝|x_i-x_avg| (3)

其中x_i表示全图点集中第i个点的横坐标，如果d小于距离阈值ε，则将该点放入起始角点集，遍历完成后更新起始点集并重复上述步骤，直到全图角点集中包含的角点个数小于设定的结束阈值n，此时，坐标定位完成；

c.相机标定

c1.单目标定：首先固定相机并采集多张不同角度的标定板图像，图像采集完成后，首先通过检测出来的角点与图像中像素点之间的单应性关系建立出标定板在每幅图像中的单应性矩阵，然后通过线性求解的方式得到相机的参数，最后使用最小二乘法计算最优解求出相机参数。

具体做法为：首先假设棋盘格中的某个角点坐标为m＝[u,v]^T，且该点的物理坐标为M＝[x_w,y_w,z_w]^T。将其转化成齐次坐标

与

其中M与m可由式(1)表示。

式中：s为非零的尺度因子，R,T分别为旋转矩阵和平移矩阵，A是相机的内参矩阵。

为了方便计算令z_w＝0，则有：

式中：r_i表示旋转矩阵R的第i列。因此，式(4)可以由单应性矩阵H进行表示：

H＝λA[r₁ r₂ t]＝[h₁ h₂ h₃] (7)

式中λ为比例因子。

H可由最小化目标函数d求得，即：

将求解出的H与式(7)联立，可得：

再通过式(8)即可对相机的内参进行求解；

c2.双目标定：双目标定是为了获得两台相机之间的相互位置关系。假设两台相机的投影关系分别为：

其中：M₁和M₂分别为两相机坐标系之间的外参矩阵：

联立式(10)和式(11)可得：

则两个相机之间的相对位置关系M₁₂可以表示为：

为了避免可重建视野减少，最大程度保留所有重合区域，保证深度检测的完整性，本发明在标定过程中舍弃了平移矩阵t，通过红色标志点位置来描述相机之间的水平位置关系；

c3.多相机标定：多组相机对轮胎花纹深度进行测量，由于每组相机只能获得一部分图像，为了得到完整的轮胎花纹深度图，需要将各组相机获得的深度图进行拼接，这就需要归一化各组相机的相机坐标系。

在归一化过程中，首先对相机1与参照相机进行双目标定，得到其相对位置关系H₁；接着对相机1与相机2进行双目标定，得到其相对位置关系H₂；由H₁、H₂可以求得相机2与参照相机的相对位置关系。

与现有技术对比，本发明具备以下有益效果：

1)本发明相较于传统标定方法稳定性较强。在光照条件受限、标定板受到污损等情况下都具有较好的标定结果。

2)本发明提出了一种基于横向距离的角点坐标定位方法，该方法能够高效准确的定位角点坐标位置，从而大大提升后续标定的可靠性。

3)本发明利用棋盘定标，但不受棋盘格数的限制，最大化利用所有可检测角点。

4)本发明的双目定标区别于现有的定标结果，没有将摄像头的位置强行进行水平方向转换(方便生成视差图)，从而避免的因方向转换造成的可重建视野减少，最大程度保留所有重合区域。

附图说明

图1为标定板示意图；

图2为角点坐标定位流程图。

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。

实施例

请参阅图1-2，车辆轮胎花纹深度检测设备中一种多相机标定方法，包括以下步骤：

a.标定板数据采集:标定板数据采集部分本专利选用两组四目相机对标定板图像数据进行采集；

b.角点检测与提取：首先根据标定板上的红色标记点进行区域定位，对该区域进行角点检测，并将位于图像最左侧的角点作为初始起始点集，同时根据该区域确定距离阈值ε，假设该区域为包含n列棋盘格且大小为P_x×P_y的图像，则距离阈值ε可表示为：

ε＝1.5*P_x/n (1)

计算起始点集中所有点的平均坐标值p_avg(x_avg,y_avg)，表达式为：

其中p_i表示起始点集中的第i个角点，P表示起始点集，N_P表示起始点集P中包含的角点个数。

建立全图角点集，将起始角点集中的点从全图角点集中删除，然后清空起始角点集，遍历全图角点集，计算全图角点集中剩余角点与p_avg的横向距离d，即：

d＝|x_i-x_avg| (3)

其中x_i表示全图点集中第i个点的横坐标，如果d小于距离阈值ε，则将该点放入起始角点集，遍历完成后更新起始点集并重复上述步骤，直到全图角点集中包含的角点个数小于设定的结束阈值n，此时，坐标定位完成；

c.相机标定

c1.单目标定：首先固定相机并采集多张不同角度的标定板图像，图像采集完成后，首先通过检测出来的角点与图像中像素点之间的单应性关系建立出标定板在每幅图像中的单应性矩阵，然后通过线性求解的方式得到相机的参数，最后使用最小二乘法计算最优解求出相机参数。

具体做法为：首先假设棋盘格中的某个角点坐标为m＝[u,v]^T，且该点的物理坐标为M＝[x_w,y_w,z_w]^T。将其转化成齐次坐标

与

其中M与m可由式(1)表示。

式中：s为非零的尺度因子，R,T分别为旋转矩阵和平移矩阵，A是相机的内参矩阵。

为了方便计算令z_w＝0，则有：

式中：r_i表示旋转矩阵R的第i列。因此，式(4)可以由单应性矩阵H进行表示：

H＝λA[r₁ r₂ t]＝[h₁ h₂ h₃] (7)

式中λ为比例因子。

H可由最小化目标函数d求得，即：

将求解出的H与式(7)联立，可得：

再通过式(8)即可对相机的内参进行求解；

c2.双目标定：双目标定是为了获得两台相机之间的相互位置关系。假设两台相机的投影关系分别为：

其中：M₁和M₂分别为两相机坐标系之间的外参矩阵：

联立式(10)和式(11)可得：

则两个相机之间的相对位置关系M₁₂可以表示为：

为了避免可重建视野减少，最大程度保留所有重合区域，保证深度检测的完整性，本发明在标定过程中舍弃了平移矩阵t，通过红色标志点位置来描述相机之间的水平位置关系；

c3.多相机标定：多组相机对轮胎花纹深度进行测量，由于每组相机只能获得一部分图像，为了得到完整的轮胎花纹深度图，需要将各组相机获得的深度图进行拼接，这就需要归一化各组相机的相机坐标系。

在归一化过程中，首先对相机1与参照相机进行双目标定，得到其相对位置关系H₁；接着对相机1与相机2进行双目标定，得到其相对位置关系H₂；由H₁、H₂可以求得相机2与参照相机的相对位置关系。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (1)

1.车辆轮胎花纹深度检测设备中一种多相机标定方法，其特征在于，包括以下步骤：

a.标定板数据采集:标定板数据采集部分本专利选用两组四目相机对标定板图像数据进行采集；

b.角点检测与提取：首先根据标定板上的红色标记点进行区域定位，对该区域进行角点检测，并将位于图像最左侧的角点作为初始起始点集，同时根据该区域确定距离阈值ε，假设该区域为包含n列棋盘格且大小为P_x×P_y的图像，则距离阈值ε可表示为：

ε＝1.5*P_x/n (1)

计算起始点集中所有点的平均坐标值p_avg(x_avg,y_avg)，表达式为：

其中p_i表示起始点集中的第i个角点，P表示起始点集，N_P表示起始点集P中包含的角点个数。

建立全图角点集，将起始角点集中的点从全图角点集中删除，然后清空起始角点集，遍历全图角点集，计算全图角点集中剩余角点与p_avg的横向距离d，即：

d＝|x_i-x_avg| (3)

其中x_i表示全图点集中第i个点的横坐标，如果d小于距离阈值ε，则将该点放入起始角点集，遍历完成后更新起始点集并重复上述步骤，直到全图角点集中包含的角点个数小于设定的结束阈值n，此时，坐标定位完成；

c.相机标定

c1.单目标定：首先固定相机并采集多张不同角度的标定板图像，图像采集完成后，首先通过检测出来的角点与图像中像素点之间的单应性关系建立出标定板在每幅图像中的单应性矩阵，然后通过线性求解的方式得到相机的参数，最后使用最小二乘法计算最优解求出相机参数。

具体做法为：首先假设棋盘格中的某个角点坐标为m＝[u,v]^T，且该点的物理坐标为M＝[x_w,y_w,z_w]^T。将其转化成齐次坐标

与

其中M与m可由式(1)表示。

式中：s为非零的尺度因子，R,T分别为旋转矩阵和平移矩阵，A是相机的内参矩阵。

为了方便计算令z_w＝0，则有：

式中：r_i表示旋转矩阵R的第i列。因此，式(4)可以由单应性矩阵H进行表示：

式中λ为比例因子。

H可由最小化目标函数d求得，即：

将求解出的H与式(7)联立，可得：

再通过式(8)即可对相机的内参进行求解；

c2.双目标定：双目标定是为了获得两台相机之间的相互位置关系。假设两台相机的投影关系分别为：

其中：M₁和M₂分别为两相机坐标系之间的外参矩阵：

联立式(10)和式(11)可得：

则两个相机之间的相对位置关系M₁₂可以表示为：

为了避免可重建视野减少，最大程度保留所有重合区域，保证深度检测的完整性，本发明在标定过程中舍弃了平移矩阵t，通过红色标志点位置来描述相机之间的水平位置关系；

c3.多相机标定：多组相机对轮胎花纹深度进行测量，由于每组相机只能获得一部分图像，为了得到完整的轮胎花纹深度图，需要将各组相机获得的深度图进行拼接，这就需要归一化各组相机的相机坐标系。

在归一化过程中，首先对相机1与参照相机进行双目标定，得到其相对位置关系H₁；接着对相机1与相机2进行双目标定，得到其相对位置关系H₂；由H₁、H₂可以求得相机2与参照相机的相对位置关系。

Images