CN115908582A - 相机标定方法、相机标定系统及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种相机标定方法、相机标定系统及计算机可读存储介质，涉及图像处理领域，标定方法包括以下步骤：获取第一图像信息，所述第一图像信息用于表征对预设的标定模板图像进行连通域粗筛选后的图像；根据所述第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域；对所述第二预留连通域进行分类和排序；根据分类和排序的结果确定角点信息；根据所述角点信息，得到像素坐标系和世界坐标系的转换关系。本申请的相机标定方法通过两次不同的连通域筛选提升角点检测的精度和效率，优化了相机标定的效果。

Description

相机标定方法、相机标定系统及计算机可读存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种相机标定方法、相机标定系统及计算机可读存储介质。

背景技术

计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。通过相机拍摄带有固定间距图案阵列平板、经过标定算法的计算，可以得出相机的几何模型，从而得到高精度的测量和重建结果。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。因此，做好相机标定是做好后续工作的前提。

传统相机标定法需要使用尺寸已知的标定模板，通过建立角点在标定模板上的坐标与其在相机采集到的标定模板图像上的坐标之间的对应关系，来实现对相机进行标定。现有的相机标定方法中，多是在先对采集到的标定模板图像进行形态学处理，然后对形态学处理的结果进行角点检测，以获得角点在标定模板图像上的坐标；但是形态学处理后的图像中仍包含很多干扰信息，干扰信息会影响角点检测的效率和角点检测的精确度，从而影响相机标定的效果。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种相机标定方法、相机标定系统及计算机可读存储介质，能够减少干扰信息，从而简化标定工作，优化相机标定的效果。

根据本申请第一方面实施例的相机标定方法，包括以下步骤：

获取第一图像信息，所述第一图像信息用于表征对预设的标定模板图像进行连通域粗筛选后的图像；

根据所述第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域；

对所述若干第二预留连通域进行分类和排序；

根据分类和排序的结果确定所述若干第二预留连通域的角点信息；

根据所述角点信息，得到像素坐标系和世界坐标系的转换关系。

根据本申请第一方面实施例的相机标定方法，至少具有如下有益效果：在对预设的标定模板图像进行连通域粗筛选后，可以减少无效连通域对角点检测的干扰，以缩短计算时间；再根据各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积对第一预留连通域进行第二次连通域筛选，从而进一步减少对角点检测产生干扰的连通域；其中，第二预留连通域是基于几何方法确定的，角点识别的精度更高，因此，本申请实施例的相机标定方法通过两次不同的连通域筛选提升角点检测的精度和效率，进而优化了相机标定的效果。

根据本申请第一方面的一些实施例，所述根据所述第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域，包括以下步骤：

计算各所述第一预留连通域的所述最小外接矩形和所述正外接矩形的重叠比例；

保留重叠比例在预设范围内的所述第一预留连通域并分别作为第三预留连通域；

计算各所述第三预留连通域的所述最小外接矩形和所述正外接矩形的重合面积；

保留重合面积大于或等于预设值的所述第三预留连通域并分别作为所述第二预留连通域。

根据本申请第一方面的一些实施例，所述预设范围为0.6-1。

根据本申请第一方面的一些实施例，所述对所述第二预留连通域进行分类和排序，包括以下步骤：

获取所述标定模板图像的方向角；

将所述第二预留连通域划分为边界连通域集和内部连通域集；

根据所述方向角对所述边界连通域集和所述内部连通域集进行排序。

根据本申请第一方面的一些实施例，所述方向角通过如下步骤确定：

根据所述第一图像信息，计算所述标定模板图像上的特征图案的最邻近连通域的方向角；

将所述特征图案的最邻近连通域的方向角作为所述方向角。

根据本申请第一方面的一些实施例，所述获取第一图像信息，包括以下步骤：

获取所述预设的标定模板图像；

利用形态学处理对所述预设的标定模板图像进行连通域筛选，得到所述第一图像信息。

根据本申请第一方面的一些实施例，所述利用形态学处理对所述预设的标定模板图像进行连通域筛选，得到所述第一图像信息，包括以下步骤：

对所述标定模板图像进行二值化处理，得到二值图像；

通过对所述二值图像进行击中不击中处理，去除所述二值图像的边缘区域；

对去除边缘区域的所述二值图像进行先腐蚀后膨胀运算，得到所述标定模板图像上的原始连通域；

计算所述原始连通域的长和宽；

保留长和宽符合要求的所述原始连通域并分别作为所述第一预留连通域。

根据本申请第一方面的一些实施例，所述根据所述角点信息，得到像素坐标系和世界坐标系的转换关系，包括以下步骤：

对所述角点信息进行亚像素检测运算；

根据亚像素检测运算的结果，得到角点的像素坐标；

根据所述像素坐标与对应的世界坐标的映射关系，得到像素坐标系和世界坐标系的转换关系。

根据本申请的第二方面实施例的相机标定系统，包括摄像头、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述摄像头与所述存储器连接，所述处理器执行所述计算机程序时实现如第一方面实施例所述的相机标定方法。

根据本申请实施例的相机标定系统，至少具有如下有益效果：

相机标定系统包括摄像头、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面实施例所述的相机标定方法，能够对预设的标定模板图像的连通域进行筛选，精确地减少无效连通域，从而在确定角点信息时，能够减少无效连通域带来的干扰，进而减少了角点识别的复杂度，减少了角点识别算法的运算时间，提高了角点识别的速度和精确度；简化了标定工作，并优化了相机标定的效果。

根据本申请的第三方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面实施例所述的相机标定方法，能够对预设的标定模板图像的连通域进行筛选，精确地减少无效连通域，从而在确定角点信息时，能够减少无效连通域带来的干扰，进而减少了角点识别的复杂度，减少了角点识别算法的运算时间，提高了角点识别的速度和精确度；简化了标定工作，并优化了相机标定的效果。

本申请的附加方面和优点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。

附图说明

本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请一个实施例提供的相机标定方法的流程图；

图2为本申请一个实施例提供的获取第一图像信息的流程图；

图3为本申请一个实施例提供的采用形态学处理对预设的标定模板图像进行连通域筛选的流程图；

图4为本申请一个实施例提供的根据第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选的流程图；

图5为本申请一个实施例提供的对第二预留连通域进行分类和排序的流程图；

图6为本申请一个实施例提供的确定方向角的流程图；

图7为本申请一个实施例提供的根据角点信息，得到像素坐标系和世界坐标系的转换关系的流程图；

图8为本申请一个实施例提供的用于执行相机标定方法的系统架构的示意图；

图9为本申请一个实施例提供的预设的标定模板的示意图。

附图标记：

相机标定系统100；处理器110；存储器120。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

在本申请的描述中，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。

计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。通过相机拍摄带有固定间距图案阵列平板、经过标定算法的计算，可以得出相机的几何模型，从而得到高精度的测量和重建结果。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。因此，做好相机标定是做好后续工作的前提。

传统相机标定法需要使用尺寸已知的标定模板，通过建立角点在标定模板上的坐标与其在相机采集到的标定模板图像上的坐标之间的对应关系，来实现对相机进行标定。现有的相机标定方法中，多是在先对采集到的标定模板图像进行形态学处理，然后对形态学处理的结果进行角点检测，以获得角点在标定模板图像上的坐标；但是形态学处理后的图像中仍包含很多干扰信息，干扰信息会影响角点检测的效率和角点检测的精确度，从而影响相机标定的效果。

基于此本申请实施例提供了一种相机标定方法、相机标定系统100及计算机可读存储介质，能够减少干扰信息，提高角点识别的速度和精确度，从而简化标定工作，优化相机标定的效果。

下面结合附图，对本申请实施例作进一步阐述。

如图8所示，图8是本申请一个实施例提供的用于执行相机标定方法的系统架构的示意图。在图8的示例中，相机标定系统100设置有存储器120和处理器110，其中，存储器120和处理器110可以通过总线或者其他方式连接，图8中以通过总线连接为例。存储器120作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器120可以包括高速随机存取存储器120，还可以包括非暂态存储器120，例如，至少一个磁盘存储器120件、闪存器件、或其他非暂态固态存储器120件。在一些实施方式中，存储器120可选包括相对于处理器110远程设置的存储器120，这些远程存储器120可以通过网络连接至该系统架构平台。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本领域技术人员可以理解的是，图8中示出的系统架构的示意图并不构成对本申请实施例的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

参照图1，图1为本申请一个实施例提供的相机标定方法的流程图，相机标定方法包括但不限于有步骤S100至步骤S500。

步骤S100：获取第一图像信息，第一图像信息用于表征对预设的标定模板图像进行连通域粗筛选后的图像。

需要说明的是，连通域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。

需要说明的是，在一实施例中，预设的标定模板为棋盘格标定模板，参照图9所示，在棋盘格上设置有交替分布的矩形黑色区域对应的棋盘格和矩形白色区域对应的棋盘格。进行连通域粗筛选是用于排除标定模板图像中不清晰以及与棋盘格面积差别很大的连通域；以减少无效连通域对角点检测的干扰。进行步骤S100能够实现对标定模板图像进行角点粗检测。

步骤S200：根据第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域。

需要说明的是，第一预留连通域为经过步骤S100排除标定模板图像中不清晰以及与棋盘格面积差别很大的连通域之后剩余的连通域。根据各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积对第一预留连通域进行第二次连通域筛选，从而进一步减少对角点检测产生干扰的无效连通域，其中，第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积，均是基于几何方法确定的，算法较为简单但精度较高。通过两次不同的连通域筛选，很大程度上减少了无效连通域对角点检测的干扰，以缩短计算时间，提升角点检测的精度和效率，优化了相机标定的效果。

步骤S300：对若干第二预留连通域进行分类和排序。

需要说明的是，将第二预留连通域分类是为了将具有相似特征的连通域分为一类，并将同一类的第二预留连通域进行排序，此时，可以减少不同类型连通域之间的影响，提升角点检测的精度。

步骤S400：根据分类和排序的结果确定若干第二预留连通域的角点信息。

需要说明的是，在一实施例中，预设的标定模板为棋盘格标定模板，在棋盘格上设置有交替分布的矩形黑色区域对应的棋盘格和矩形白色区域对应的棋盘格。标定模板上的角点为矩形黑色区域和矩形白色区域的交点或者是棋盘格的两条对角线的交点，本领域技术人员可以根据实际需求选择性的设定角点。

步骤S500：根据角点信息，得到像素坐标系和预设的世界坐标系的转换关系。

需要说明的是，在一实施例中，角点信息表征的是像素坐标系下角点的坐标，根据像素坐标系下角点坐标和世界坐标系下角点坐标可以计算像素坐标系和世界坐标系之间的坐标变换关系。世界坐标系是人为事先定义好的，可以计算得到每一个角点在世界坐标系下的坐标。具体地，可以以标定模板平面为坐标系的XY平面，标定模板的垂直方向为坐标系Z轴，构建右手直角坐标系作为世界坐标系。

需要说明的是，预设的标定模板图像是由相机摄像头对预设的标定模板进行拍摄得到的，且标定模板图像包括有若干张标定模板不同位置和不同角度的图像。一张图像为一个单元，分别对每一个单元进行角点检测；即分别对每一张图像进行步骤S100至步骤S400，筛选得到每一张图像中第二预留连通域、对每一张图像中的第二预留连通域进行分类和排序，再根据分类和排序的结果确定每一张图像中的角点信息。在后续步骤S500中，根据角点信息，得到像素坐标系和预设的世界坐标系的转换关系，所采用的角点信息为从标定模板图像中的所有图像中检测得到的角点信息。

参照图4，图4为本申请一个实施例提供的根据第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选的流程图，步骤S200中根据第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域，包括但不限于步骤S210至步骤S240。

步骤S210：计算各第一预留连通域的最小外接矩形和正外接矩形的重叠比例。

步骤S220：保留重叠比例在预设范围内的第一预留连通域并分别作为第三预留连通域。

需要说明的是，在一实施例中，重叠比例的预设范围为0.6-1。预设的标定模板为棋盘格标定模板，其中矩形黑色区域和矩形白色区域均对应棋盘上的一个棋盘格。重叠比例越大，说明第一预留连通域越有可能是对应棋盘格的连通域，这样可以较为精确地排除无效连通域。可以理解的是，可以根据需求修改重叠比例的预设范围。

步骤S230：计算各第三预留连通域的最小外接矩形和正外接矩形的重合面积。

步骤S240：保留重合面积大于或等于预设值的第三预留连通域并分别作为第二预留连通域。

需要说明的是，在一实施例中，预设的标定模板为棋盘格标定模板，其中矩形黑色区域和矩形白色区域均对应为棋盘上的一个棋盘格。重合面积的预设值为单个棋盘格面积的四分之三。重合面积越大，说明第一预留连通域越有可能是对应棋盘格的连通域，这样可以进一步地排除无效连通域。

在一实施例中，经过上述步骤S210至步骤S240，最终，保留外接矩形和正外接矩形的重叠比例在预设范围内，且重合面积大于或等于预设值的第二预留连通域。能够对标定模板图像进行进一步的连通域筛选，以对标定模板进行角点精确检测。后续，根据角点精确检测的结果，进行分类、排序、确定角点坐标以及计算像素坐标系和预设的世界坐标系的转换关系。可以理解的是，重叠比例的预设范围和重合面积的预设值可以根据实际需求进行调整，这里不做具体限定。

参照图5，图5为本申请一个实施例提供的对第二预留连通域进行分类和排序的流程图；步骤S300中对第二预留连通域进行分类和排序，包括但不限于步骤S310至步骤S330。

步骤S310：获取标定模板图像的方向角。

步骤S320：将第二预留连通域划分为边界连通域集和内部连通域集。

需要说明的是，边界连通域集为边界连通域的集合；内部连通域集为内部连通域的集合；在一实施例中，根据第三连通域的四个顶点是否都有最邻近顶点将第三连通域划分为边界连通域集和内部连通域集；其中，内部连通域表示第三连通域的四个顶点都有最邻近顶点的第三连通域；其他的第三连通域则为边界连通域。最邻近顶点表示另外一个第三连通域的顶点也可以根据第三连通域有几个邻近第三连通域对第三连通域进行划分；其中，对于有四个邻近第三连通域的第三连通域，其为内部连通域；对于有两个邻近第三连通域的第三连通域其为边界连通域。

步骤S330：根据方向角对边界连通域集和内部连通域集进行排序。

需要说明的是，在一实施例中，以方向角的方向为排序的方向，根据第二预留连通域到起点的距离对第二预留连通域进行排序；这里的起点为预设的标定模板上的特征点。

参照图6，图6为本申请一个实施例提供的确定方向角的流程图。步骤S310中获取标定模板图像的方向角，包括但不限于步骤S311和步骤S312。

步骤S311：根据第一图像信息，计算标定模板图像上的特征图案的最邻近连通域的方向角。

步骤S312：将特征图案的最邻近连通域的方向角作为方向角。

需要说明的是，在一实施例中，预设的标定模板为棋盘格标定模板，其中矩形黑色区域和矩形白色区域组合形成棋盘均对应为棋盘上的一个棋盘格。参照图9所示，在棋盘的右下角和左下角的白色棋盘格上设置黑色十字图案作为特征图案，计算标定模板图像上的特征图案的最邻近连通域的方向角时，先计算每一第二预留连通域上的黑色图案面积，黑色图案的面积适配十字图案的面积的图案为特征图案，并确定与十字图案的交点的最近的连通域，得到两个最邻近连通域(即最邻近连通域于特征图案的中心点距离最近的连通域)，以两个最邻近连通域的方向角的平均值作为排列时用到的方向角。设置特征图案方便了确定标定模板图像的方向角。并且通过设置两个特征图案，可以得到两个最邻近连通域，以两个最邻近连通域的方向角的平均值作为排列时用到的方向角，可以提高方向角计算的准确性。

需要说明的是，特征图案还可以是其他形状的图案，例如圆形黑块、方形黑块。

参照图2，图2为本申请一个实施例提供的获取第一图像信息的流程图。步骤S100中的获取第一图像信息，包括但不限于步骤S110和步骤S120。

步骤S110：获取预设的标定模板图像。

步骤S120：利用形态学处理对预设的标定模板图像进行连通域筛选，得到第一图像信息。

参照图2，图2为本申请一个实施例提供的获取第一图像信息的流程图。步骤S120中的利用形态学处理对预设的标定模板图像进行连通域筛选，得到第一图像信息，包括但不限于步骤S121至步骤S125。

步骤S121：对标定模板图像进行二值化处理，得到二值图像；

步骤S122：通过对二值图像进行击中不击中处理，去除二值图像的边缘区域；

步骤S123：对去除边缘区域的二值图像进行先腐蚀后膨胀运算，得到标定模板图像上的原始连通域；

步骤S124：计算原始连通域的长和宽；

步骤S125：保留长和宽符合要求的原始连通域并分别作为第一预留连通域。

需要说明的是，通过二值化处理、击中击不中处理和先腐蚀后膨胀运算可以从标定模板图像中提取出原始连通域。

在一实施例中，预设的标定模板为棋盘格标定模板，在棋盘格上设置有交替分布的矩形黑色区域对应的棋盘格和矩形白色区域对应的棋盘格，且所有棋盘格的长和宽均相等。原始连通域包括有对应于棋盘格的连通域以及无效连通域。

在对标定模板图像中的连通域进行筛选时，保留标定模板图像中长和宽为棋盘格的长和宽的0.7倍-1.3倍的原始连通域作为第一图像信息中的第一预留连通域，以排除原始连通域中与棋盘格的长和宽特征差别很大的无效连通域。长和宽的预设范围越贴近标定模板图像中的长和宽特征，保留下来的第一预留连通域越贴合矩形黑色区域和/或矩形白色区域。

可以理解的是，在对标定模板图像中的连通域进行筛选时，可以根据预设的标定模板选择进行比较的特征，例如选择长、宽和面积特征中的一个或多个的结合，并且可以根据预设的标定模板的实际情况设置特征的预设值。这里对具体的需要比较的特征和特征的预设值不做具体限定。

参照图7，图7为本申请一个实施例提供的根据角点信息，得到像素坐标系和世界坐标系的转换关系的流程图。步骤S500中的根据角点信息，得到像素坐标系和世界坐标系的转换关系，包括但不限于步骤S510至步骤S530。

步骤S510：对角点信息进行亚像素检测运算。

需要说明的是，角点信息表征角点的像素坐标，角点的像素坐标对应于角点在像素坐标系下的坐标。采用亚像素检测运算，即在识别的角点的像素坐标基础上，通过反复迭代，得到精确到亚像素级别的角点的像素坐标值，以使角点的像素坐标能够更精确地对应角点在像素坐标系下的坐标。

步骤S520：根据亚像素检测运算的结果，得到角点的像素坐标。

需要说明的是，在一实施例中，对亚像素检测运算的结果进行去权值运算或采用最小二乘法运算，得到后续步骤中使用的像素坐标，进一步使角点的像素坐标能够更精确地对应角点在像素坐标系下的坐标。

步骤S530：根据像素坐标与对应的世界坐标的映射关系，得到像素坐标系和世界坐标系的转换关系。

需要说明的是，在一实施例中，像素坐标为像素坐标系下角点的坐标。世界坐标系固定于标定模板上，由于标定板的世界坐标系是人为事先定义好的，标定板上每一个格子的大小是已知的，可以计算得到每一个角点在世界坐标系下的物理坐标。根据每一个角点的像素坐标、每一个角点在世界坐标系下的物理坐标，计算像素坐标与对应的世界坐标的映射关系。

在一实施例中，本申请还提供了一种相机标定系统100，包括摄像头、存储器120、处理器110及存储在存储器120上并可在处理器110上运行的计算机程序，摄像头与存储器120连接，处理器110执行计算机程序时实现如第一方面实施例的相机标定方法。能够对预设的标定模板图像的连通域进行筛选，精确地减少无效连通域，从而在确定角点信息时，能够减少无效连通域带来的干扰，进而减少了角点识别的复杂度，减少了角点识别算法的运算时间，提高了角点识别的速度和精确度；简化了标定工作，并优化了相机标定的效果。

此外，本申请的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如第一方面实施例的相机标定方法，能够对预设的标定模板图像的连通域进行筛选，精确地减少无效连通域，从而在确定角点信息时，能够减少无效连通域带来的干扰，进而减少了角点识别的复杂度，减少了角点识别算法的运算时间，提高了角点识别的速度和精确度；简化了标定工作，并优化了相机标定的效果。

例如，被上述相机标定系统100实施例中的一个处理器110执行，可使得上述处理器110执行上述实施例中的相机标定方法，例如，执行以上描述的图1中的方法步骤S100至步骤S500、图2中的方法步骤S110和步骤S120、图3中的方法步骤S121至步骤S125、图4中的方法步骤S210至步骤S240、图5中的方法步骤S310至S330、图6中的方法步骤S311至S312、图7中的方法步骤S510至S530。

下面结合一实施例描述本申请的相机标定方法。

预设的标定模板为棋盘格标定模板，在棋盘格上设置有交替分布的矩形黑色区域对应的棋盘格和矩形白色区域对应的棋盘格，且每个棋盘格的长和宽均相等。通过相机获取若干张标定模板不同位置和不同角度的图像组成标定模板图像。

对标定模板图像中的一张进行如下操作：对图像进行二值化处理、击中击不中处理和先腐蚀后膨胀运算，得到去除边缘后的标定模板图像中的连通域作为原始连通域；通过将原始连通域的长和宽特征与预设值进行对比，保留长和宽特征满足要求的原始连通域作为第一图像信息中的第一预留连通域，以排除标定模板图像中与棋盘格的长和宽特征差别很大的无效连通域；计算各第一预留连通域的最小外接矩形和正外接矩形的重叠比例；保留最小外接矩形和正外接矩形的重叠比例在0.6-1内的第一预留连通域并分别作为第三预留连通域；计算各第三预留连通域的最小外接矩形和正外接矩形的重合面积；保留重合面积大于或等于大于棋盘格面积的四分之三的第三预留连通域并分别作为第二预留连通域；计算图像上的十字图案的位置；以十字图案的最邻近连通域的方向角作为方向角对第二预留连通域进行排序；将第三连通域的交点作为标定模板的角点。采用上述步骤对每一张图像进行检测，得到每一张图像中的角点的位置信息。

之后再进行如下操作：

对角点的位置信息进行亚像素检测运算；再对亚像素检测运算的结果进行去权值运算，得到最优的结果；保留最优的结果对应的图像中的角点的像素坐标作为像素坐标，计算像素坐标与对应的世界坐标的映射关系，得到像素坐标系和世界坐标系的转换关系；后续再通过转换关系计算相机的模型参数以完成标定。根据转换关系计算相机的模型参数为现有技术，这里不做进一步具体展开详述。本实施例通过简单的几何运算计算出各第一预留连通域的重叠比例和重合面积，并进行筛选，可以精确地减少无效连通域，从而在确定角点信息时，能够减少无效连通域带来的干扰，进而减少了角点识别的复杂度，减少了角点识别算法的运算时间，提高了角点识别的速度和精确度；简化了标定工作，并优化了相机标定的效果。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

尽管已经示出和描述了本申请的实施例，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例进行多种变化、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。

Claims (10)

1.一种相机标定方法，其特征在于，包括以下步骤：

获取第一图像信息，所述第一图像信息用于表征对预设的标定模板图像进行连通域粗筛选后的图像；

根据所述第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域；

对所述若干第二预留连通域进行分类和排序；

根据分类和排序的结果确定所述若干第二预留连通域的角点信息；

根据所述角点信息，得到像素坐标系和世界坐标系的转换关系。

2.根据权利要求1所述的相机标定方法，其特征在于，所述根据所述第一图像信息中各第一预留连通域的最小外接矩形和正外接矩形的重叠比例和重合面积进行连通域筛选，得到若干第二预留连通域，包括以下步骤：

计算各所述第一预留连通域的所述最小外接矩形和所述正外接矩形的重叠比例；

保留重叠比例在预设范围内的所述第一预留连通域并分别作为第三预留连通域；

计算各所述第三预留连通域的所述最小外接矩形和所述正外接矩形的重合面积；

保留重合面积大于或等于预设值的所述第三预留连通域并分别作为所述第二预留连通域。

3.根据权利要求2所述的相机标定方法，其特征在于，所述预设范围为0.6-1。

4.根据权利要求2所述的相机标定方法，其特征在于，所述对所述第二预留连通域进行分类和排序，包括以下步骤：

获取所述标定模板图像的方向角；

将所述第二预留连通域划分为边界连通域集和内部连通域集；

根据所述方向角对所述边界连通域集和所述内部连通域集进行排序。

5.根据权利要求4所述的相机标定方法，其特征在于，所述方向角通过如下步骤确定：

根据所述第一图像信息，计算所述标定模板图像上的特征图案的最邻近连通域的方向角；

将所述最邻近连通域的方向角作为所述标定模板图像的方向角。

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，所述获取第一图像信息，包括以下步骤：

获取所述标定模板图像；

利用形态学处理对所述标定模板图像进行连通域筛选，得到所述第一图像信息。

7.根据权利要求6所述的相机标定方法，其特征在于，所述利用形态学处理对所述标定模板图像进行连通域筛选，得到所述第一图像信息，包括以下步骤：

对所述标定模板图像进行二值化处理，得到二值图像；

通过对所述二值图像进行击中不击中处理，去除所述二值图像的边缘区域；

对去除边缘区域的所述二值图像进行先腐蚀后膨胀运算，得到所述标定模板图像上的原始连通域；

计算所述原始连通域的长和宽；

保留长和宽符合要求的所述原始连通域并分别作为所述第一预留连通域。

8.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，所述根据所述角点信息，得到像素坐标系和世界坐标系的转换关系，包括以下步骤：

对所述角点信息进行亚像素检测运算；

根据亚像素检测运算的结果，得到角点的像素坐标；

根据所述像素坐标与对应的世界坐标的映射关系，得到像素坐标系和世界坐标系的转换关系。

9.一种相机标定系统，其特征在于，包括：摄像头、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述摄像头与所述存储器连接，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的相机标定方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8中任意一项所述的相机标定方法。

Images