CN115953473A - 车辆相机的联合标定方法、电子设备、存储介质及车辆 - Google Patents
车辆相机的联合标定方法、电子设备、存储介质及车辆 Download PDFInfo
- Publication number
- CN115953473A CN115953473A CN202211215303.6A CN202211215303A CN115953473A CN 115953473 A CN115953473 A CN 115953473A CN 202211215303 A CN202211215303 A CN 202211215303A CN 115953473 A CN115953473 A CN 115953473A
- Authority
- CN
- China
- Prior art keywords
- gray
- value
- local maximum
- gray value
- histogram
- 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
-
- 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
- Image Processing (AREA)
Abstract
本申请提供一种车辆相机的联合标定方法、电子设备、存储介质及车辆;该方法包括:基于获取的多个灰度图中的每一个,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定重叠部分;对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于第一局部最大值和第二局部最大值将重叠部分转换为二值图;对二值图进行多边形检测,确定出一个符合预设超参数的四边形;利用四边形的多个顶点,以及其他灰度图的同一重叠部分中的另一四边形的多个顶点,确定该灰度图和其他灰度图之间的单应矩阵,并将单应矩阵作为联合标定结果以对车辆进行标定。
Description
技术领域
本申请的实施例涉及车辆标定的技术领域,尤其涉及一种车辆相机的联合标定方法、电子设备、存储介质及车辆。
背景技术
相关的标定方法中,往往利用各个摄像头所拍摄的图像的全部图像信息来进行标定,这使得各个摄像头之间所拍摄的重叠的部分,在组合之后,产生显示不清的问题。
具体来说,在相关的标定方法中,在利用图像的全部图像信息时,难以避免地更多使用图像中特征点更加集中的部分,也就是各个摄像头所拍摄的图像的非重叠部分,而重叠部分的特征点使用的少,甚至不使用,致使在各个图像组合后,重叠部分难以得到良好的效果。
基于此,需要一种能够清晰显示组合之后的重叠部分的方案。
发明内容
有鉴于此,本申请的目的在于提出一种车辆相机的联合标定方法、电子设备、存储介质及车辆,以解决各个摄像头之间所拍摄的重叠的部分,在组合之后,产生显示不清的问题。
基于上述目的,本申请提供了车辆相机的联合标定方法,包括:
基于获取的多个灰度图中的每个灰度图,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定所述重叠部分;
对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算所述灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图;
对所述二值图进行多边形检测,在检测出的多个多边形中,确定出一个符合预设超参数的四边形;
利用所述四边形的多个顶点,以及所述其他灰度图的同一所述重叠部分中的另一四边形的多个顶点,确定该灰度图和所述其他灰度图之间的单应矩阵,并将所述单应矩阵作为联合标定结果以对车辆进行标定。
进一步地,根据各个像素的灰度值构建灰度直方图,包括:
基于所述重叠部分中各个像素的灰度值,确定每个预设的灰度值区间内像素的个数;
将灰度值的大小构建为所述灰度直方图的第一坐标,并将各个灰度值区间按照灰度值单调递增或单调递减中的任一顺序进行排列;
将所述各个灰度值区间内像素的个数构建为所述灰度直方图的第二坐标。
进一步地,通过计算所述灰度直方图的图像梯度得到灰度最高的第一局部最大值和灰度最低的第二局部最大值,包括:
对所述灰度直方图进行一阶微分处理,得到关于所述灰度直方图的多个局部最大值,
在所述灰度直方图的多个所述灰度值区间中,利用预设的像素数量参数,确定作为第一界限的灰度值区间和作为第二界限的灰度值区间,其中,所述第一界限的灰度值高于所述第二界限的灰度值;
在所述灰度直方图中,基于所述第一界限,向灰度值变小的方向,将距离所述第一界限最近的局部最大值作为第一局部最大值,基于所述第二界限,向灰度值变大的方向,将距离所述第二界限最近的局部最大值作为第二局部最大值。
进一步地,利用预设的像素数量参数,确定作为第一界限的灰度值区间和作为第二界限的灰度值区间,包括:
按照灰度值单调递减的顺序,从所述灰度值最大的灰度值区间开始,逐个累加灰度值区间中的像素个数,响应于累加的像素个数满足所述像素数量参数,将当前累加至的灰度值区间确定作为第一界限;
按照灰度值单调递减的顺序,从所述灰度值最小的灰度值区间开始,逐个累加灰度值区间的中像素个数,响应于累加的像素个数满足所述像素数量参数,将当前累加至的灰度值区间确定作为第二界限。
进一步地,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图,包括:
计算所述第一局部最大值和所述第二局部最大值的均值;
将大于等于所述均值的像素的灰度值置0;
将低于所述均值的像素的灰度值置1。
进一步地,在检测出的多个多边形中,确定出一个符合预设超参数的四边形,包括:
在所述多个多边形中,筛选顶点为4个的多边形,得到多个四边形;
根据预设的关于四边形面积的面积超参数,关于相邻边之间夹角的夹角超参数,关于相邻边之间长度比例的长度超参数,关于边长与周长之间比例的比例超参数,和关于四边形中心像素大小的像素超参数,从所述多个四边形中确定出一个四边形。
基于同一发明构思,本申请还提供了一种车辆相机的联合标定装置,包括:预处理模块、二值图构建模块、四边形筛选模块和标定模块;
其中,所述预处理模块,被配置为,基于获取的多个灰度图中的每个灰度图,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定所述重叠部分;
所述二值图构建模块,被配置为,对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算所述灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图;
所述四边形筛选模块,被配置为,对所述二值图进行多边形检测,在检测出的多个多边形中,确定出一个符合预设超参数的四边形;
所述标定模块,被配置为,利用所述四边形的多个顶点,以及所述其他灰度图的同一所述重叠部分中的另一四边形的多个顶点,确定该灰度图和所述其他灰度图之间的单应矩阵,并将所述单应矩阵作为联合标定结果以对车辆进行标定。
基于同一发明构思,本申请还提供了一种电子设备,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上任意一项所述的车辆相机的联合标定方法。
基于同一发明构思,本申请还提供了一种非暂态计算机可读存储介质,其中,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上述车辆相机的联合标定方法。
基于同一发明构思,本申请还提供了一种车辆,所述车辆包括车辆相机的联合标定装置和电子设备,所述电子设备执行如上任意一项所述的车辆相机的联合标定方法。
从上面所述可以看出,本申请提供的车辆相机的联合标定方法、电子设备、存储介质及车辆,基于获取的多个灰度图,综合考虑了各个灰度图之间的重叠部分,针对该重叠部分来进行车辆的联合标定,其中,通过对重叠部分构建灰度直方图,来确定第一局部最大值和第二局部最大值,并基于此来对灰度直方图进行二值图的转换,基于此,使得依靠两个二值图所得到的两个四边形是关于重叠部分的四边形,也就是说,两个四边形的顶点作为特征点时,可以是的全部特征点均是重叠部分的特征点,从而实现利用两个特征点之间的单应矩阵对重叠部分的标定更加准确。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案,下面将对实施例或相关技术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申请的实施例,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为本申请实施例的车辆的相机设置示意图;
图2为本申请实施例的车辆相机的联合标定方法的流程图;
图3为本申请实施例的车辆相机的联合标定装置结构示意图;
图4为本申请实施例的电子设备结构示意图。
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明白,以下结合具体实施例,并参照附图,对本申请进一步详细说明。
需要说明的是,除非另外定义,本申请的实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请的实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术部分所述,相关的车辆相机的联合标定方法还难以满足实际生产的需要。
申请人在实现本申请的过程中发现,相关的车辆相机的联合标定方法存在的主要问题在于:在相关的汽车全景影像系统的生产中,对于车辆多个摄像头所拍摄的图像进行组合时,需要依靠在生产中对各个摄像头所标定的单应矩阵,也即,投影的映射关系来进行。
相关的标定方法中,往往利用各个摄像头所拍摄的图像的全部图像信息来进行标定,这使得各个摄像头之间所拍摄的重叠的部分,在组合之后,产生显示不清的效果。
具体来说,使用很多对的匹配点,来在各个图像之间构建一个最小二乘问题,并计算出最优解,而如果提取的特征点集中在非重叠部分,会导致只有在该非重叠的部分可以做到较精确的投影,其他部分的投影结果是错误的。
也就是说,由于提取的特征点,也即角点过于集中,因此无法有效利用图像中其他位置的角点的信息,也即,无法有效利用重叠部分的角点的信息。
申请人在研究中还发现,由于相关的标定方法,利用全部图像信息进行标定时,各个摄像头所拍摄的图像,在重叠部分的图像信息会存在一定误差,这会使得重叠部分之间投影的映射关系略有错误。
同时,在相关的联合标定方式中,需要考虑算法效率的问题,棋盘格上通常有几十个角点需要提取,在复杂的算法中,提取的大量角点会消耗大量计算资源,降低标定效率。
基于此,本申请中的一个或多个实施例提供了车辆相机的联合标定方法。
在本申请的实施例中作为具体示例的车辆具备多个摄像头,在如图1所示的示例中,该车辆具备前摄像头、后摄像头、左摄像头和右摄像头4个摄像头,并分别拍摄前后左右四个不同的方位的前摄图像、后摄图像、左摄图像和右摄图像。
其中,在所拍摄的图像中,与前摄图像具有重叠部分的是左摄图像和右摄图像,与左摄图像具有重叠部分的是前摄图像和后摄图像,与左摄图像具有重叠部分的是前摄图像和后摄图像,与后摄图像具有重叠部分的是左摄图像和右摄图像。
进一步地,在对车辆的四个摄像头进行联合标定时,可以在车辆四周的地面铺设标定布,以得到更佳的标定效果,其中,标定布中可以将上述重叠部分的位置设置为黑色方形,将非重叠部分设置为黑白棋盘格的形式。
以下结合附图详细说明本申请的实施例。
参考图2,本申请一个实施例的车辆相机的联合标定方法,包括以下步骤:
步骤S201、基于获取的多个灰度图中的每个灰度图,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定所述重叠部分。
在本申请的实施例中,对于车辆的各个摄像头所拍摄的图像,可以对其进行灰度处理,在进行灰度处理后,可以得到各个图像的灰度图,并确定出各个灰度图之间的重叠部分,以对该重叠部分进行联合标定。
在本实施例中,在联合标定的过程中,对于每个摄像头所拍摄的至少一个图像,可以先对其进行去畸变的操作,可以使用例如OpenCV的库函数实现,其中,OpenCV为跨平台计算机视觉和机器学习软件库,通过去畸变的操作,可以获得产生畸变之前的图像。
进一步地,可以对去畸变之后的图像进行灰度处理,得到多个灰度图。
进一步地,在本实施例中,以每个摄像头拍摄一个图像为例,由于各个灰度图均由不同的摄像头拍摄,可以认为每个灰度图均与至少一个其他灰度图具有互相重叠的重叠部分。
进一步地,对于该灰度图来说,可以确定出于该灰度图之间具有重叠部分的其他灰度图,其中,其他灰度图可以是一个也可以是多个。
进一步地,对于与该灰度图中的每个重叠部分来说,可以确定出与该重叠部分所对应的其他灰度图。
在图1示出的示例中,可以令4个摄像头均拍摄一张图像,在对前摄图像、后摄图像、左摄图像和右摄图像4个图像均进行去畸变处理后,可以对上述4个图像进行灰度处理,得到4个灰度图。
进一步地,以前摄图像的前摄灰度图为例,可以确定与该前摄灰度图具有重叠部分的其他灰度图为左摄灰度图和右摄灰度图。
可以看出,对于前摄灰度图来说,其重叠部分有两个,其中一个重叠部分对应左摄灰度图,另一重叠部分对应右摄灰度图。
步骤S202、对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算所述灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图。
在本申请的实施例中,基于上述确定出的重叠部分,可以针对每个重叠部分,通过构建灰度直方图来确定像素中灰度的第一局部最大值和第二局部最大值,进而根据第一局部最大值和第二局部最大值来将该重叠部分转换为二值图。
在本实施例中,对于上述各个灰度图之间确定出的多个重叠部分中的每一个,可以根据该重叠部分中各个像素点的灰度值,来构建关于该重叠部分的灰度直方图,在本实施例中,像素点也可以简称为像素。
具体地,可以为将灰度值的值域[0,255]设置多个灰度区间,在本实施例中,可以将灰度区间设置为1,也就是说,可以将值域[0,255]划分为255个灰度区间,每个灰度区间之间间隔的灰度值为1。
在一些其他实施例中,也可以将灰度区间设置为2或者3等其他区间值。
进一步地,对于该重叠部分,基于确定出的各个像素的灰度值,可以统计上述每个灰度区间内所包含的像素个数。
具体地,例如,对于灰度区间[24,25),可以统计灰度值在该灰度值取值区间内的像素个数。
进一步地,基于上述确定出的灰度区间,以及,各个区间内所包含的像素个数,可以为该灰度图的灰度直方图构建第一坐标和第二坐标。
具体地,可以将灰度值的大小构建为第一坐标,也就是说,可以将灰度值的值域[0,255]作为在第一坐标中的坐标。
基于此,可以将各个灰度区间按照灰度值单调递增的顺序,从0开始进行排列,直至255结束。
在一些其他实施例中,也可以将各个灰度区间按照单调递减的顺序进行排列。
进一步地,可以将像素个数作为第二坐标。
基于此,对于上述排列出的各个灰度区间,并基于确定出的各个灰度区间内所包含的像素个数,可以得到关于像素个数和灰度值的灰度直方图。
在本实施例中,第一坐标可以是横坐标,第二坐标可以是纵坐标;在一些其他实施例中,第一坐标也可以是纵坐标,第二坐标也可以是横坐标。
在本实施例中,基于上述构建的灰度直方图,可以通过确定该直方图图像梯度的方式,来获取第一最局部最大值和第二局部最大值,以利用该第一局部最大值和第二局部最大值来将该重叠部分的灰度图转换为二值图。
具体地,可以通过对上述构建的灰度直方图进行一阶微分处理,以此来获取关于该灰度直方图的多个局部最大值。
进一步地,可以对该灰度直方图预设像素数量参数,例如,将像素数量参数设置为10%时,可以认为该像素数量参数用于统计出全部像素数量的10%。
进一步地,在确定第一局部最大值和第二局部最大值时,需要先划定出获取第一局部最大值和第二局部最大值的范围,基于此,需要先确定出关于该范围的第一界限和第二界限。
具体地,基于上述构建的灰度直方图,可以从灰度值最大的灰度值区间开始,按照单调递减的顺序,向灰度值减小的方向,逐个统计灰度值区间内的像素数量,并对所统计到的灰度值区间内的像素数量进行累加。
进一步地,当累加的像素数量达到上述设定的像素数量参数时,则认为可以停止累加,并确当前所累加到的灰度值区间,并将当前累加截止处对应的该灰度值区间作为第一界限。
进一步地,基于上述构建的灰度直方图,可以从灰度值最小的灰度值区间开始,按照单调递增的顺序,向灰度值增大的方向,逐个统计灰度值区间内的像素数量,并对所统计到的灰度值区间内的像素数量进行累加。
进一步地,当累加的像素数量达到上述设定的像素数量参数时,则认为可以停止累加,并确当前所累加到的灰度值区间,并将当前累加截止处对应的该灰度值区间作为第二界限。
可以看出,由于第一界限是从灰度值最大的灰度区间开始累加得到,而第二界限是从灰度值最小的灰度区间开始累加得到,因此第一界限的所对应的灰度值大于第二界限所对应的灰度值。
进一步地,根据上述所确定出的第一界限和第二界限,可以将第一界限和第二界限之间所形成的范围作为获取第一局部最大值和第二局部最大值的范围。
基于此,可以在上述的灰度直方图中,从第一界限开始,向灰度减小的方向寻找局部最大值,并将距离第一界限最近的局部最大值作为第一局部最大值。
进一步地,在该灰度直方图中,从第二界限开始,向灰度增大的方向寻找局部最大值,并将距离第二界限最近的局部最大值作为第二局部最大值。
在本实施例中,基于上述确定的第一局部最大值和第二局部最大值,可以确定进行二值图转换时所需的分割阈值。
具体地,由于第一局部最大值是从范围中灰度最大的位置向灰度减小的方向进行寻找得到,而第二局部最大值时从范围中灰度最小的位置向灰度增大的方向进行寻找得到,因此,可以将第一局部最大值视为亮部阈值,以表示灰度图中与亮度较亮的部分所相关的阈值,而将第二局部最大值视为暗部阈值,以表示灰度图中与亮度较暗的部分所相关的阈值。
进一步地,可以对第一局部最大值和第二局部最大值计算均值,并将其计算结果作为分割阈值。
基于此,可以对灰度图中重叠部分进行二值图的转换。
具体地,可以将大于等于该分割阈值的像素的灰度值置0,并将小于该分割阈值的像素的灰度值置1。
可以看出,基于此,可以将灰度图中的各个像素划分为两个部分,并按照0和1将其设置为黑色或者白色。
具体地,可以将灰度值置0的像素设置为白色,而将灰度值置1的像素设置为黑色,基于此,可以得到关于该灰度图的二值图。
可以看出,在该二值图中,各个像素均以白色或者黑色来表示,在进行联合标定时,可以更容易获得图像中的形状和特征点等信息。
步骤S203、对所述二值图进行多边形检测,在检测出的多个多边形中,确定出一个符合预设超参数的四边形。
在本申请的实施例中,基于上述得到的二值图,可以通过对其进行多边形检测和正方形检测的方式,来从该二值图中确定出一个四边形。
具体地,可以先利用上述的OpenCV,通过直接调用OpenCV的相关检测和拟合的接口,来对该二值图进行多边形检测,并进行多边形拟合,以令图像中的毛刺平滑。
基于此,可以从二值图中获得多个多边形。
进一步地,可以利用预设的多个超参数来从检测得到的多个多边形中筛选出一个四边形。
具体地,可以设置关于顶点个数的顶点超参数,例如,将顶点超参数设置为4,则可以筛选出顶点数为4的多边形,也即,四边形,基于此,可以得到多个四边形。
进一步地,可以设置关于四边形面积的面积超参数,以用于对各个四边形进行指定面积上的筛选。
进一步地,可以设置关于相邻边之间夹角的夹角超参数,用于对各个四边形进行指定相邻边夹角的筛选。
进一步地,可以设置关于相邻边之间长度比例的长度超参数,用于对各个四边形进行指定相邻边长度比例的筛选。
进一步地,可以设置关于边长与周长之间比例的比例超参数,用于对各个四边形进行指定边长与周长比例的筛选。
进一步地,可以设置关于四边形中心像素大小的像素超参数,用令得到的四边形的中心像素应小于,或者大于指定的像素阈值。
进一步地,基于上述各个超参数的筛选,可以从所述多个四边形中确定出一个四边形。
步骤S204、利用所述四边形的多个顶点,以及所述其他灰度图的同一所述重叠部分中的另一四边形的多个顶点,确定该灰度图和所述其他灰度图之间的单应矩阵,并将所述单应矩阵作为联合标定结果以对车辆进行标定。
在本申请的实施例中,基于为重叠区域的二值图所确定出的一个四边形,可以将通过其中的特征点,来确定该四边形与其他二值图中的四边形之间进行投影的映射关系,也即单应矩阵。
具体地,基于前述步骤,可以确定各个灰度图中重叠部分的二值图,并确定出各个二值图中的四边形。
基于此,可以将各个二值图中的四边形的顶点作为特征点进行提取。
进一步地,由于各个二值图均由不同相机所拍摄的灰度图得到,因此,各个二值图中所提取出的特征点具备对应相机的相机坐标。
进一步地,对于两个二值图之间的重叠部分,可以利用两个二值图中各自的特征点的相机坐标来计算单应矩阵。
其中,该单应矩阵具体对应了两个二值图之间进行投影的映射关系。
进一步地,可以将确定出的单应矩阵作为联合标定的结果,将其标定在上述两个二值图所对应的两个相机中,以完成对该车辆的全景影像系统的标定。
可见,本申请的实施例的车辆相机的联合标定方法,基于获取的多个灰度图,综合考虑了各个灰度图之间的重叠部分,针对该重叠部分来进行车辆的联合标定,其中,通过对重叠部分构建灰度直方图,来确定第一局部最大值和第二局部最大值,并基于此来对灰度直方图进行二值图的转换,基于此,使得依靠两个二值图所得到的两个四边形是关于重叠部分的四边形,也就是说,两个四边形的顶点作为特征点时,可以是的全部特征点均是重叠部分的特征点,从而实现利用两个特征点之间的单应矩阵对重叠部分的标定更加准确。
需要说明的是,本申请的实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请的实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请的实施例还提供了一种车辆相机的联合标定装置。
参考图3,所述车辆相机的联合标定装置,包括:预处理模块301、二值图构建模块302、四边形筛选模块303和标定模块304;
其中,所述预处理模块301,被配置为,基于获取的多个灰度图中的每个灰度图,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定所述重叠部分;
所述二值图构建模块302,被配置为,对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算所述灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图;
所述四边形筛选模块303,被配置为,对所述二值图进行多边形检测,在检测出的多个多边形中,确定出一个符合预设超参数的四边形;
所述标定模块304,被配置为,利用所述四边形的多个顶点,以及所述其他灰度图的同一所述重叠部分中的另一四边形的多个顶点,确定该灰度图和所述其他灰度图之间的单应矩阵,并将所述单应矩阵作为联合标定结果以对车辆进行标定。
作为一个可选的实施例,所述二值图构建模块302,具体被配置为;
基于所述重叠部分中各个像素的灰度值,确定每个预设的灰度值区间内像素的个数;
将灰度值的大小构建为所述灰度直方图的第一坐标,并将各个灰度值区间按照灰度值单调递增或单调递减中的任一顺序进行排列;
将所述各个灰度值区间内像素的个数构建为所述灰度直方图的第二坐标。
进一步地,对所述灰度直方图进行一阶微分处理,得到关于所述灰度直方图的多个局部最大值,
在所述灰度直方图的多个所述灰度值区间中,利用预设的像素数量参数,确定作为第一界限的灰度值区间和作为第二界限的灰度值区间,其中,所述第一界限的灰度值高于所述第二界限的灰度值;
在所述灰度直方图中,基于所述第一界限,向灰度值变小的方向,将距离所述第一界限最近的局部最大值作为第一局部最大值,基于所述第二界限,向灰度值变大的方向,将距离所述第二界限最近的局部最大值作为第二局部最大值。
其中,利用预设的像素数量参数,确定作为第一界限的灰度值区间和作为第二界限的灰度值区间,包括:
按照灰度值单调递减的顺序,从所述灰度值最大的灰度值区间开始,逐个累加灰度值区间中的像素个数,响应于累加的像素个数满足所述像素数量参数,将当前累加至的灰度值区间确定作为第一界限;
按照灰度值单调递减的顺序,从所述灰度值最小的灰度值区间开始,逐个累加灰度值区间的中像素个数,响应于累加的像素个数满足所述像素数量参数,将当前累加至的灰度值区间确定作为第二界限。
进一步地,计算所述第一局部最大值和所述第二局部最大值的均值;
将大于等于所述均值的像素的灰度值置0;
将低于所述均值的像素的灰度值置1。
作为一个可选的实施例,所述四边形筛选模块303,具体被配置为:
在所述多个多边形中,筛选顶点为4个的多边形,得到多个四边形;
根据预设的关于四边形面积的面积超参数,关于相邻边之间夹角的夹角超参数,关于相邻边之间长度比例的长度超参数,关于边长与周长之间比例的比例超参数,和关于四边形中心像素大小的像素超参数,从所述多个四边形中确定出一个四边形。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请的实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的车辆相机的联合标定方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请的实施例还提供了一种电子设备,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上任意一实施例所述的车辆相机的联合标定方法。
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备、动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本申请实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的装置用于实现前述任一实施例中相应的车辆相机的联合标定方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种车辆,所述车辆包括车辆相机的联合标定装置和电子设备,所述电子设备执行如上任意一项所述的车辆相机的联合标定方法。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的车辆相机的联合标定方法。
本实施例的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。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的车辆相机的联合标定方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请的实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请的实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请的实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请的实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请的实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请的实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆相机的联合标定方法,其特征在于,包括:
基于获取的多个灰度图中的每个灰度图,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定所述重叠部分;
对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算所述灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图;
对所述二值图进行多边形检测,在检测出的多个多边形中,确定出一个符合预设超参数的四边形;
利用所述四边形的多个顶点,以及所述其他灰度图的同一所述重叠部分中的另一四边形的多个顶点,确定该灰度图和所述其他灰度图之间的单应矩阵,并将所述单应矩阵作为联合标定结果以对车辆进行标定。
2.根据权利要求1所述的方法,其特征在于,所述根据各个像素的灰度值构建灰度直方图,包括:
基于所述重叠部分中各个像素的灰度值,确定每个预设的灰度值区间内像素的个数;
将灰度值的大小构建为所述灰度直方图的第一坐标,并将各个灰度值区间按照灰度值单调递增或单调递减中的任一顺序进行排列;
将所述各个灰度值区间内像素的个数构建为所述灰度直方图的第二坐标。
3.根据权利要求2所述的方法,其特征在于,所述通过计算所述灰度直方图的图像梯度得到灰度最高的第一局部最大值和灰度最低的第二局部最大值,包括:
对所述灰度直方图进行一阶微分处理,得到关于所述灰度直方图的多个局部最大值,
在所述灰度直方图的多个所述灰度值区间中,利用预设的像素数量参数,确定作为第一界限的灰度值区间和作为第二界限的灰度值区间,其中,所述第一界限的灰度值高于所述第二界限的灰度值;
在所述灰度直方图中,基于所述第一界限,向灰度值变小的方向,将距离所述第一界限最近的局部最大值作为第一局部最大值,基于所述第二界限,向灰度值变大的方向,将距离所述第二界限最近的局部最大值作为第二局部最大值。
4.根据权利要求3所述的方法,其特征在于,所述利用预设的像素数量参数,确定作为第一界限的灰度值区间和作为第二界限的灰度值区间,包括:
按照灰度值单调递减的顺序,从所述灰度值最大的灰度值区间开始,逐个累加灰度值区间中的像素个数,响应于累加的像素个数满足所述像素数量参数,将当前累加至的灰度值区间确定作为第一界限;
按照灰度值单调递减的顺序,从所述灰度值最小的灰度值区间开始,逐个累加灰度值区间的中像素个数,响应于累加的像素个数满足所述像素数量参数,将当前累加至的灰度值区间确定作为第二界限。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图,包括:
计算所述第一局部最大值和所述第二局部最大值的均值;
将大于等于所述均值的像素的灰度值置0;
将低于所述均值的像素的灰度值置1。
6.根据权利要求1所述的方法,其特征在于,所述在检测出的多个多边形中,确定出一个符合预设超参数的四边形,包括:
在所述多个多边形中,筛选顶点为4个的多边形,得到多个四边形;
根据预设的关于四边形面积的面积超参数,关于相邻边之间夹角的夹角超参数,关于相邻边之间长度比例的长度超参数,关于边长与周长之间比例的比例超参数,和关于四边形中心像素大小的像素超参数,从所述多个四边形中确定出一个四边形。
7.一种车辆相机的联合标定装置,其特征在于,包括:预处理模块、二值图构建模块、四边形筛选模块和标定模块;
其中,所述预处理模块,被配置为,基于获取的多个灰度图中的每个灰度图,确定与该灰度图具有重叠部分的至少一个其他灰度图,并确定所述重叠部分;
所述二值图构建模块,被配置为,对每个重叠部分,根据各个像素的灰度值构建灰度直方图,通过计算所述灰度直方图的图像梯度得到灰度值最高的第一局部最大值和灰度值最低的第二局部最大值,基于所述第一局部最大值和所述第二局部最大值将所述重叠部分转换为二值图;
所述四边形筛选模块,被配置为,对所述二值图进行多边形检测,在检测出的多个多边形中,确定出一个符合预设超参数的四边形;
所述标定模块,被配置为,利用所述四边形的多个顶点,以及所述其他灰度图的同一所述重叠部分中的另一四边形的多个顶点,确定该灰度图和所述其他灰度图之间的单应矩阵,并将所述单应矩阵作为联合标定结果以对车辆进行标定。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行根据权利要求1至6中任意一项所述的方法。
10.一种车辆,其特征在于,包括如权利要求7所述的车辆相机的联合标定装置和权利要求8所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211215303.6A CN115953473A (zh) | 2022-09-30 | 2022-09-30 | 车辆相机的联合标定方法、电子设备、存储介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211215303.6A CN115953473A (zh) | 2022-09-30 | 2022-09-30 | 车辆相机的联合标定方法、电子设备、存储介质及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115953473A true CN115953473A (zh) | 2023-04-11 |
Family
ID=87281644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211215303.6A Pending CN115953473A (zh) | 2022-09-30 | 2022-09-30 | 车辆相机的联合标定方法、电子设备、存储介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953473A (zh) |
-
2022
- 2022-09-30 CN CN202211215303.6A patent/CN115953473A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10262400B2 (en) | Image processing method and device using reprojection error values | |
CN111340752A (zh) | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 | |
JP6115214B2 (ja) | パターン処理装置、パターン処理方法、パターン処理プログラム | |
CN111753869A (zh) | 图像处理方法、图像处理装置、存储介质、图像处理系统及已学习模型制造方法 | |
US10679326B2 (en) | Image data processing apparatus and image data processing method that determine confidence data indicating a level of confidence in a pixel value in high resolution image data | |
CN108074237B (zh) | 图像清晰度检测方法、装置、存储介质及电子设备 | |
CN109005368B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN112686877A (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN110599586A (zh) | 一种半稠密场景重建方法、装置、电子设备及存储介质 | |
CN111951193B (zh) | 图像的水平畸变矫正方法及水平畸变矫正装置 | |
CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
CN111383254A (zh) | 一种深度信息获取方法、系统及终端设备 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110458954B (zh) | 一种等高线生成方法、装置及设备 | |
US20130169791A1 (en) | Computing device and method for measuring widths of measured parts | |
US11076092B2 (en) | Image processing apparatus, image processing method, and image processing program | |
CN116563384A (zh) | 一种图像采集装置标定方法、设备及计算机设备 | |
CN113052754A (zh) | 一种图片背景虚化的方法及装置 | |
CN113781414A (zh) | 一种镜头解像力测试方法、装置和电子设备 | |
CN114004890A (zh) | 姿态确定方法、装置、电子设备和存储介质 | |
US20120038785A1 (en) | Method for producing high resolution image | |
CN115953473A (zh) | 车辆相机的联合标定方法、电子设备、存储介质及车辆 | |
JP2017103756A (ja) | 画像データ処理装置及び方法 | |
CN116051370A (zh) | 晶粒图像的拼接方法,装置,电子设备 | |
CN112237002A (zh) | 图像处理方法和设备 |
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 |