CN115937332B - 多摄像头快速标定方法、三维标定物 - Google Patents

多摄像头快速标定方法、三维标定物 Download PDF

Info

Publication number
CN115937332B
CN115937332B CN202310220421.4A CN202310220421A CN115937332B CN 115937332 B CN115937332 B CN 115937332B CN 202310220421 A CN202310220421 A CN 202310220421A CN 115937332 B CN115937332 B CN 115937332B
Authority
CN
China
Prior art keywords
dimensional calibration
calibration object
picture
matrix
camera
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.)
Active
Application number
CN202310220421.4A
Other languages
English (en)
Other versions
CN115937332A (zh
Inventor
周政
石国强
邹强
林嘉
辜纪文
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.)
Jiangxi Zhongke Baihe Intelligent Technology Co ltd
Jiangxi Tomorrow Hi Tech Co ltd
Original Assignee
Jiangxi Zhongke Baihe Intelligent Technology Co ltd
Jiangxi Tomorrow Hi Tech 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 Jiangxi Zhongke Baihe Intelligent Technology Co ltd, Jiangxi Tomorrow Hi Tech Co ltd filed Critical Jiangxi Zhongke Baihe Intelligent Technology Co ltd
Priority to CN202310220421.4A priority Critical patent/CN115937332B/zh
Publication of CN115937332A publication Critical patent/CN115937332A/zh
Application granted granted Critical
Publication of CN115937332B publication Critical patent/CN115937332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种多摄像头快速标定方法、三维标定物,本方法包括如下步骤:步骤St1:准备三维标定物;步骤St2:对摄像头分别编号;步骤St3:确定三维标定物的位置Mj,若所有的摄像头均能观察到6个及以上的特征点,进行步骤St4,否则,进行步骤St5;步骤St4:采集图片;步骤St5:将三维标定物依次放置在至少两个不同的位置Mj上;步骤St6:采集图片;步骤St7:确定矩阵Poij与像素位置矩阵Ptij。步骤St8:求解坐标映射转换矩阵Vij;步骤St9:求解标定映射矩阵Vi;所述三维标定物包括至少6个特征点;本方法在多个摄像头采集手型数据前需要对摄像头进行标定,用于阵列摄像头手型识别再现系统中。

Description

多摄像头快速标定方法、三维标定物
技术领域
本发明涉及摄像头标定技术领域,具体涉及一种多摄像头快速标定方法、三维标定物,本方法用于阵列摄像头手型识别再现系统,在多个摄像头采集手型数据前需要对摄像头进行标定,用于阵列摄像头手型识别再现系统中。
背景技术
摄像头作为一种高端的数码产品已经深深地融入了我们的生活当中,随着科技的不断发展,摄像头的成像技术也越来越成熟,很多时候,我们只能很表面的看到这台或者那台摄像头成像清不清晰、像素高不高,其实这些参数在很大程度上决定于摄影的成像技术,而成像技术中有一项很专业的问题,就是摄像头的标定,摄像头的标定就是通过摄像头在传感器上的成像来计算真实世界中各个物体的距离与参数。
现有常用的标定方法及其优缺点如下表:
本申请人目前所使用的阵列摄像头手型识别再现系统中,因主动视觉相机标定法和相机自标定法对相机成本较高,同时手型识别系统测试环境空间有限,因而只能选择小型普通摄像头。而传统相机标定法,主要针对的是单个摄像头进行标定。采用传统标定板进行标定每个摄像头需要取标定板的多个位置图像,多个摄像头在标定过程中,会造成每个摄像头世界坐标系无法统一一致,所以采用传统相机标定,尽管单个摄像头标定精度足够,但在多个摄像头联合测试较恶劣的环境下,传统相机标定就无法满足整个系统的标定精度,同时标定速度低下,也无法满足快速标定要求。
因此,本发明提出一种多摄像头快速标定方法、三维标定物,在保证多个摄像头体系整体标定精度同时,每个摄像头只需采集一张图像即可完成快速标定的方法。
发明内容
本发明的目的在于克服现有技术的不足,适应现实需要,提供一种多摄像头快速标定方法、三维标定物,在保证多个摄像头体系整体标定精度同时,每个摄像头只需采集一张图像即可完成快速标定的方法。
为了实现本发明的目的,本发明所采用的技术方案为:
公开一种多摄像头快速标定方法,包括如下步骤:
步骤St1:准备具有多个特征点的三维标定物并放置在多个摄像头测试平台环境中;
步骤St2:对所有的摄像头分别编号为S1、S2、S3、……Si,i为摄像头的总数量;
步骤St3:开启所有摄像头,确定三维标定物的位置Mj,如所有的摄像头均能观察到三维标定物中的6个及以上的特征点,进行步骤St4,否则,进行步骤St5;
步骤St4:所有的摄像头在三维标定物的位置Mj上分别采集一张图片,其中,每张图片记为SiMj,i为摄像头编号,Si代表第i号摄像头,j为三维标定物放置位置,Mj为三维标定物的位置,SiMj代表第i号的摄像头对处于位置Mj下的三维标定物拍下的图片,此步骤中j=1,而后进行步骤St7;
步骤St5:将三维标定物依次放置在至少两个不同的位置Mj上,此时j≥2,进行步骤St6;
步骤St6:所有的摄像头在每一个三维标定物的位置Mj上分别采集一张图片,其中,每张图片记为SiMj,i为摄像头编号,Si代表第i号摄像头,j为三维标定物放置位置,Mj为三维标定物的位置,SiMj代表第i号的摄像头对处于位置Mj下的三维标定物拍下的图片;而后进行步骤St7;
步骤St7:分析每张有效图片SiMj,确定矩阵Poij与像素位置矩阵Ptij
步骤St8:对所有的有效图片SiMj求解对应的坐标映射转换矩阵Vij
步骤St9:求解所有摄像头相对三维标定物中所有特征点的中心原点的标定映射矩阵Vi
所述步骤St3包括如下步骤:
步骤St31:确定中心原点,将该中心原点设定为世界坐标系的中心原点;
步骤St32:若所有的摄像头均能观察到清晰完整的三维标定物中的6个及以上的特征点,进行步骤St4;否则,进行步骤St5。
所述步骤St7包括如下步骤:
步骤St71:找到每张图片SiMj中所有的特征点,假定每张图片SiMj中的特征点为m个,当6≤m≤9时确定图片SiMj为有效图片,当m<6时确定图片SiMj为无效图片;
步骤St72:采用图像处理算法计算出每张有效图片中所有的特征点在该有效图片中的像素位置(U,V);
步骤St73:将各特征点的像素位置(U,V)组成像素位置矩阵Ptij=[Pt1,Pt2…Ptk…Ptm]T,其中Ptk=[Uijk,Vijk,1];其中,Ptk代表任何一个特征点的像素位置矩阵,k为大于等于1的自然数,k为m中的任一一个数;
步骤St74:将步骤St73中的特征点在三维标定物中的相对坐标位置组成矩阵Poij
Poij=[Po1,Po2…Pok…Pom]T,Pok=[xijk,yijk,zijk,1],矩阵Poij与像素位置矩阵Ptij相对应。
所述步骤St8包括如下步骤:
步骤St81:建立从影像坐标系向标定参照物的标定坐标系之间的坐标映射转换矩阵Vij
其中,Poij∙Vij=Ptij
步骤St82:通过下式寻找能令4×m矩阵的二阶范数最小的坐标映射转换矩阵Vij值:
所述步骤St9包括如下步骤:
步骤St91:针对不同的摄像头Si求解相同的位置Mj,若j最大值为1,则当前摄像头Si的标定映射矩阵为Vi,其中,Vi=Vi1;当j大于1时,由Mj∙Vij=Vi=Mj∙Vi1
步骤St92:求解所有的摄像头相对中心原点的位置Mj的标定映射矩阵Vi,其Vi=Mj∙Vij
进一步的,本发明还公开一种三维标定物,所述三维标定物包括至少6个特征点,各特征点分别包括一个圆形的特征体,特征体通过支撑杆支撑,所述支撑杆纵立固定在支撑板上,各特征体的上表面为平面,且各特征体的上表面上分别设有三个同心圆,每个圆构成一个区域,三个同心圆构成的三个区域内分别涂有颜色以用于区分,相邻区域内的颜色不同。
所有的特征点处于至少两个平面上。
本发明的有益效果在于:
本发明方法通过多个摄像头同时点亮,并放置一个同时可被拍摄到的三维标定物,同时采集每个摄像头当前的图像,通过算法检测当前图像对应的图像特征与三维标定物一一对应,进而计算出每个摄像头的标定参数,在计算出标定参数之后利用多摄像头交叉算法反过来验算标定参数的精度,并进行可能的算法特征筛选优化,确保多个摄像头体系整体的标定精度;同时在对多个摄像头标定过程中不需要考虑内外参,实现分批标定,操作简单。
附图说明
图1为本发明的三维标定物立体结构示意图;
图2为本发明的三维标定物俯视状态下的结构示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明:
实施例1,参见图1、图2,一种三维标定物,所述三维标定物包括至少6个特征点,各特征点分别包括一个圆形的特征体3,特征体3通过支撑杆2支撑,所述支撑杆2纵立固定在支撑板1上,各特征体的上表面为平面,且各特征体的上表面上分别设有三个同心圆,每个圆构成一个区域,三个同心圆构成的三个区域内分别涂有颜色以用于区分,相邻区域内的颜色不同。所有的特征点处于至少两个平面上。如图2所示,在俯视状态下,正上特征点T、正下特征点B、正左特征点L、正右特征点R的中心在投影下处于同一圆R1上;左上特征点、右上特征点、左下特征点、右下特征点的中心在投影下处于同一圆R2上;其中,圆R1、圆R2同心,且中心特征点C位于圆R1、圆R2的中心。
实施例2,参见图1,一种多摄像头快速标定方法,本实施例中所使用的三维标定物使用实施例1所述三维标定物的结构,本实施例的多摄像头快速标定方法包括如下步骤:
步骤St1:准备好三维标定物并放置在多个摄像头测试平台环境中,三维标定物作为步骤St7中确定矩阵Poij的数据源。
该三维标定物包含9个特征点,9个特征点不在同一平面,并将所有的特征点真实相对坐标进行测量并为步骤St7中确定矩阵Poij提供准确的数据源。三维标定物及其上的9个特征点如图2所示,9个特征点按位置分别进行标记,各特征点分别包括一个圆形的特征体,特征体通过支撑杆支撑,各特征体的上表面为平面,且各特征体的上表面上分别设有三个同心圆,每个圆构成一个区域,三个同心圆构成的三个区域内分别涂有颜色以用于区分,相邻区域内的颜色不同,9个特征点具体包括:
1)中心特征点,该中心特征点的三个同心圆内分别涂有绿色-红色-绿色(图中未画出,实际应用中需将其颜色显示出来),记为C,相对坐标位置记为{Xc,Yc,Zc};
2)正上特征点,该正上特征点的三个同心圆内分别涂有绿色-紫色-绿色(图中未画出,实际应用中需将其颜色显示出来),记为T,相对坐标位置记为{Xt,Yt,Zt};
3)正下特征点,该正下特征点的三个同心圆内分别涂有绿色-白色-绿色(图中未画出,实际应用中需将其颜色显示出来),记为B,相对坐标位置记为{Xb,Yb,Zb};
4)正左特征点,该正左特征点的三个同心圆内分别涂有绿色-黄色-绿色(图中未画出,实际应用中需将其颜色显示出来),记为L,相对坐标位置记为{Xl,Yl,Zl};
5)正右特征点,该正右特征点的三个同心圆内分别涂有绿色-蓝色-绿色(图中未画出,实际应用中需将其颜色显示出来),记为R,相对坐标位置记为{Xr,Yr,Zr};
6)左上特征点,该左上特征点的三个同心圆内分别涂有红色-黄色-红色(图中未画出,实际应用中需将其颜色显示出来),记LT,相对坐标位置记为{Xlt,Ylt,Zlt};
7)右上特征点,该右上特征点的三个同心圆内分别涂有红色-绿色-红色(图中未画出,实际应用中需将其颜色显示出来),记RT,相对坐标位置记为{Xrt,Yrt,Zrt};
8)左下特征点,该左下特征点的三个同心圆内分别涂有红色-黄色-红色(图中未画出,实际应用中需将其颜色显示出来),记LB,相对坐标位置记为{Xlb,Ylb,Zlb};
9)右下特征点,该右下特征点的三个同心圆内分别涂有红色-绿色-红色(图中未画出,实际应用中需将其颜色显示出来),记RB,相对坐标位置记为{Xrb,Yrb,Zrb}。
步骤St2:对所有的摄像头分别编号为S1、S2、S3、……Si,i为摄像头的总数量,且i≥1。
此步骤中,确保需要标定的所有摄像头都已经固定好,然后对所有的摄像头分别进行编号,标记为Si,如12个摄像头,i=1,2,……,12,分别标记为S1至S12,该过程可以采用电脑系统自动编号,也可以手动操作。
步骤St3:开启所有摄像头,确定三维标定物的位置Mj,该步骤St3包括如下步骤:
步骤St31:在多个摄像头测试平台环境中,将三维标定物的位置设为Mj,Mj为4×4矩阵,其中j=1,2,……;设j=1为三维标定物中所有特征点的中心原点,该中心原点为三维标定物中的所有特征点的中心,将该中心原点设定为世界坐标系的中心原点,Mj为4阶单位矩阵。
步骤St32:调整三维标定物的位置,并确保2个以上(不含2个)的摄像头能同时观察到三维标定物的位置Mj,若所有的摄像头均能观察到清晰完整的三维标定物中的6个及以上的特征点,则j最大值为1,也就是三维标定物的位置Mj仅需一个,也即仅需放置一次三维标定物的位置即可完成所有摄像头的标定,此时进行步骤St4。
当三维标定物在位置Mj处时,如存在至少一个摄像头不能观察到三维标定物中的6个及以上的特征点,则j≥2,也即,需要将三维标定物放置在至少两个位置Mj上,因此存在至少两个位置Mj,譬如,当需要放置的位置数为5是,j最大取值为5,表示存在五个位置Mj,此时进行步骤St5。
步骤St4:所有的摄像头在三维标定物的位置Mj上分别采集一张图片,其中,每张图片记为SiMj,i为摄像头编号,Si代表第i号摄像头,j为三维标定物放置位置,Mj为三维标定物的位置,SiMj代表第i号的摄像头对处于位置Mj下的三维标定物拍下的图片,此步骤中j=1,而后进行步骤St7。
步骤St5:将三维标定物依次放置在至少两个不同的位置Mj上,此时j≥2,进行步骤St6。
步骤St6:所有的摄像头分别在每一个三维标定物的位置Mj上分别采集一张图片,其中每张图片记为SiMj,i为摄像头编号,Si代表第i号摄像头,j为三维标定物放置位置,Mj为三维标定物的位置,SiMj代表第i号的摄像头对处于位置Mj下的三维标定物拍下的图片;而后进行步骤St7。
步骤St7:分析每张有效图片SiMj,确定矩阵Poij与像素位置矩阵Ptij。该步骤St7包括如下步骤:
步骤St71:分析每张图片SiMj,找到每张图片SiMj中所有的特征点,假定每张图片SiMj中的特征点为m个,当6≤m≤9时确定图片SiMj为有效图片,当m<6时确定图片SiMj为无效图片。
步骤St72:分析每张有效图片,找到每张有效图片中具备所有特征点的区域,采用图像处理算法(现有技术)计算出每张有效图片中所有的特征点在该有效图片中的像素位置(U,V);
步骤St73:将各特征点的像素位置(U,V)组成像素位置矩阵Ptij=[Pt1,Pt2…Ptk…Ptm]T,其中Ptk=[Uijk,Vijk,1];其中,Ptk代表任何一个特征点的像素位置矩阵,k为大于等于1的自然数,k为m中的任一一个数。
步骤St74:将步骤St73中的特征点在三维标定物中的相对坐标位置组成矩阵Poij
Poij=[Po1,Po2…Pok…Pom]T,Pok=[xijk,yijk,zijk,1],矩阵Poij与像素位置矩阵Ptij相对应,比如第k个特征点为中心特征点,其[xijk,yijk,zijk,1]=[Xc,Yc,Zc,1]。
步骤St8:对所有的有效图片SiMj求解对应的坐标映射转换矩阵Vij,该步骤St8包括如下步骤:
步骤St81:对于有效图片SiMj,对第i号的摄像头进行标定,建立从影像坐标系向标定参照物的标定坐标系之间的坐标映射转换矩阵Vij
其中,Poij∙Vij=Ptij
步骤St82:通过下式寻找能令4×m矩阵的二阶范数最小的坐标映射转换矩阵Vij值:
步骤St9:求解所有摄像头相对中心原点的标定映射矩阵Vi,该步骤St9包括如下步骤:
步骤St91:针对不同的摄像头Si求解相同的位置Mj,若j最大值为1,即只要一个三维标定物的位置Mj,则当前摄像头Si的标定映射矩阵为Vi,其中,Vi=Vi1;当j大于1,由Mj∙Vij=Vi=Mj∙Vi1;
步骤St92:求解所有的摄像头相对中心原点的位置Mj的标定映射矩阵Vi,其Vi=Mj∙Vij
通过上述方法即可完成对多个摄像头的快速标定。
通过上述方法的实施,大多数情况下,多个阵列摄像头仅需对三维标定物一次拍照即可实现摄像头全部精准标定效果,减少了多个摄像头多次标定重复定位精度问题。从而保证依赖多个摄像头识别系统的可靠性。
本发明实施例公布的是较佳的实施例,但并不局限于此,本领域的普通技术人员,极易根据上述实施例,领会本发明的精神,并做出不同的引申和变化,但只要不脱离本发明的精神,都在本发明的保护范围内。

Claims (3)

1.一种多摄像头快速标定方法,其特征在于,包括如下步骤:
步骤1:准备具有多个特征点的三维标定物并放置在多个摄像头测试平台环境中;
步骤2:对所有的摄像头分别编号为S1、S2、S3、……Si,i为摄像头的总数量;
步骤3:开启所有摄像头,确定三维标定物的位置Mj,如所有的摄像头均能观察到三维标定物中的6个及以上的特征点,进行步骤4,否则,进行步骤5;
步骤3具体包括:
步骤31:在多个摄像头测试平台环境中,将三维标定物的位置设为Mj,Mj为4×4矩阵,其中j=1,2,……;设j=1为三维标定物中所有特征点的中心原点,该中心原点为三维标定物中的所有特征点的中心,将该中心原点设定为世界坐标系的中心原点,Mj为4阶单位矩阵;
步骤32:调整三维标定物的位置,并确保2个以上的摄像头能同时观察到三维标定物的位置Mj,若所有的摄像头均能观察到清晰完整的三维标定物中的6个及以上的特征点,则j最大值为1,此时进行步骤4;
当三维标定物在位置Mj处时,如存在至少一个摄像头不能观察到三维标定物中的6个及以上的特征点,则j≥2,即需要将三维标定物放置在至少两个位置Mj上,此时进行步骤5;
步骤4:所有的摄像头在三维标定物的位置Mj上分别采集一张图片,其中,每张图片记为SiMj,i为摄像头编号,Si代表第i号摄像头,j为三维标定物放置位置,Mj为三维标定物的位置,SiMj代表第i号的摄像头对处于位置Mj下的三维标定物拍下的图片,此步骤中j=1,而后进行步骤7;
步骤5:将三维标定物依次放置在至少两个不同的位置Mj上,此时j≥2,进行步骤6;
步骤6:所有的摄像头在每一个三维标定物的位置Mj上分别采集一张图片,其中,每张图片记为SiMj,i为摄像头编号,Si代表第i号摄像头,j为三维标定物放置位置,Mj为三维标定物的位置,SiMj代表第i号的摄像头对处于位置Mj下的三维标定物拍下的图片;而后进行步骤7;
步骤7:分析每张有效图片SiMj,确定矩阵Poij与像素位置矩阵Ptij
步骤7具体包括:
步骤71:分析每张图片SiMj,找到每张图片SiMj中所有的特征点,假定每张图片SiMj中的特征点为m个,当6≤m≤9时确定图片SiMj为有效图片,当m<6时确定图片SiMj为无效图片;
步骤72:分析每张有效图片,找到每张有效图片中具备所有特征点的区域,采用图像处理算法计算出每张有效图片中所有的特征点在该有效图片中的像素位置(U,V);
步骤73:将各特征点的像素位置(U,V)组成像素位置矩阵Ptij=[Pt1,Pt2…Ptk…Ptm],其中Ptk=[Utk,Vtk,1];其中,Ptk代表任何一个特征点的像素位置矩阵,k为大于等于1的自然数,k为m中的任一一个数;
步骤74:将步骤73中的特征点在三维标定物中的相对坐标位置组成矩阵Poij
Poij=[Po1,Po2…Pok…Pom],Pok=[xok,yok,zok,1],矩阵Poij与像素位置矩阵Ptij相对应;
步骤8:对所有的有效图片SiMj求解对应的坐标映射转换矩阵Vij
步骤8具体包括:
步骤81:对于有效图片SiMj,对第i号的摄像头进行标定,建立从影像坐标系向标定参照物的标定坐标系之间的坐标映射转换矩阵Vij
其中,Poij∙Vij=Ptij
步骤82:通过下式寻找能令4×m矩阵的二阶范数最小的坐标映射转换矩阵Vij值:
步骤9:求解所有摄像头相对三维标定物中所有特征点的中心原点的标定映射矩阵Vi
步骤9具体包括:
步骤91:针对不同的摄像头Si求解相同的位置Mj,若j最大值为1,即只要一个三维标定物的位置Mj,则当前摄像头Si的标定映射矩阵为Vi,其中,Vi=Vi1;当j大于1时,由Mj∙Vij=Vi=Mj∙Vi1;
步骤92:求解所有的摄像头相对中心原点的位置Mj的标定映射矩阵Vi,其Vi=Mj∙Vij
2.一种用于如权利要求1所述的多摄像头快速标定方法的三维标定物,其特征在于,所述三维标定物包括至少6个特征点,各特征点分别包括一个圆形的特征体,特征体通过支撑杆支撑,所述支撑杆纵立固定在支撑板上,各特征体的上表面为平面,且各特征体的上表面上分别设有三个同心圆,每个圆构成一个区域,三个同心圆构成的三个区域内分别涂有颜色以用于区分,相邻区域内的颜色不同。
3.如权利要求2所述的三维标定物,其特征在于:所有的特征点处于至少两个平面上。
CN202310220421.4A 2023-03-09 2023-03-09 多摄像头快速标定方法、三维标定物 Active CN115937332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310220421.4A CN115937332B (zh) 2023-03-09 2023-03-09 多摄像头快速标定方法、三维标定物

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310220421.4A CN115937332B (zh) 2023-03-09 2023-03-09 多摄像头快速标定方法、三维标定物

Publications (2)

Publication Number Publication Date
CN115937332A CN115937332A (zh) 2023-04-07
CN115937332B true CN115937332B (zh) 2023-08-15

Family

ID=86698021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310220421.4A Active CN115937332B (zh) 2023-03-09 2023-03-09 多摄像头快速标定方法、三维标定物

Country Status (1)

Country Link
CN (1) CN115937332B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101299270A (zh) * 2008-05-27 2008-11-05 东南大学 三维扫描系统中的多个摄像机同步快速标定方法
CN206863817U (zh) * 2017-04-19 2018-01-09 中科院微电子研究所昆山分所 摄像机图像自动采集装置及摄像机标定系统
CN109559352A (zh) * 2018-11-30 2019-04-02 Oppo广东移动通信有限公司 摄像头标定方法、装置、电子设备和计算机可读存储介质
CN114022572A (zh) * 2022-01-07 2022-02-08 江西明天高科技股份有限公司 摄像阵列自动校准方法
WO2022143283A1 (zh) * 2020-12-30 2022-07-07 深圳市杉川机器人有限公司 摄像头标定方法、装置、计算机设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101299270A (zh) * 2008-05-27 2008-11-05 东南大学 三维扫描系统中的多个摄像机同步快速标定方法
CN206863817U (zh) * 2017-04-19 2018-01-09 中科院微电子研究所昆山分所 摄像机图像自动采集装置及摄像机标定系统
CN109559352A (zh) * 2018-11-30 2019-04-02 Oppo广东移动通信有限公司 摄像头标定方法、装置、电子设备和计算机可读存储介质
WO2022143283A1 (zh) * 2020-12-30 2022-07-07 深圳市杉川机器人有限公司 摄像头标定方法、装置、计算机设备和存储介质
CN114022572A (zh) * 2022-01-07 2022-02-08 江西明天高科技股份有限公司 摄像阵列自动校准方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨振先.多摄像机标定技术研究及其应用.中国优秀硕士学位论文全文数据库 信息科技辑.2013,(第6期),I138-1413. *

Also Published As

Publication number Publication date
CN115937332A (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
WO2022142759A1 (zh) 一种激光雷达与相机联合标定方法
CN110572630B (zh) 三维图像拍摄系统、方法、装置、设备以及存储介质
CN109448054A (zh) 基于视觉融合的目标分步定位方法、应用、装置及系统
CN110823252A (zh) 一种多线激光雷达和单目视觉的自动标定方法
CN111986267B (zh) 一种多相机视觉系统的坐标系统标定方法
CN114283203A (zh) 一种多相机系统的标定方法及系统
CN113963067B (zh) 一种采用小靶标对大视场视觉传感器进行标定的标定方法
CN115937332B (zh) 多摄像头快速标定方法、三维标定物
CN114998448A (zh) 一种多约束双目鱼眼相机标定与空间点定位的方法
JP2015059849A (ja) 色と三次元形状の計測方法及び装置
CN112995641B (zh) 一种3d模组成像装置及方法、电子设备
CN115439541A (zh) 用于折射成像系统的玻璃方位标定系统及方法
CN212276455U (zh) 关节镜图像标定工装
CN116021519A (zh) 一种基于tof相机采摘机器人手眼标定方法以及装置
CN115880369A (zh) 线结构光3d相机和线阵相机联合标定的装置、系统及方法
CN115082538A (zh) 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法
CN114795079A (zh) 一种医用内窥镜双摄模组的匹配校准方法及装置
CN114833038A (zh) 一种涂胶路径规划方法及其系统
CN110148186B (zh) 一种rgb-d相机快速标定方法
CN112584041A (zh) 一种图像识别动态纠偏方法
CN112509035A (zh) 一种光学镜头和热成像镜头的双镜头图像像素点匹配方法
CN116418967B (zh) 水下动态环境激光扫描的色彩还原方法和设备
CN113393383B (zh) 一种双深度相机拍照图像的拼接方法
CN113834488B (zh) 基于结构光阵列远程识别的机器人空间姿态解算方法
CN112435220B (zh) 一种用于零件检测的自定位多孔特征移动窗口拼接方法

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
GR01 Patent grant
GR01 Patent grant