CN115953485A - 一种摄像机标定方法及装置 - Google Patents
一种摄像机标定方法及装置 Download PDFInfo
- Publication number
- CN115953485A CN115953485A CN202310244250.9A CN202310244250A CN115953485A CN 115953485 A CN115953485 A CN 115953485A CN 202310244250 A CN202310244250 A CN 202310244250A CN 115953485 A CN115953485 A CN 115953485A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- panoramic image
- installation position
- entity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000009434 installation Methods 0.000 claims abstract description 81
- 239000011159 matrix material Substances 0.000 claims description 69
- 238000012545 processing Methods 0.000 claims description 22
- 238000012216 screening Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000003139 buffering effect Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims 1
- 239000013598 vector Substances 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Landscapes
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种摄像机标定方法及装置,应用于计算机视觉技术领域,该方法包括获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像;根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;计算所述第一全景图像和所述第二全景图像的重合度;根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。该方法考虑了摄像机的实际安装位置情况,从而提高了摄像机标定方法的准确性。
Description
技术领域
本申请涉及计算机视觉技术领域,尤其涉及一种摄像机标定方法及装置。
背景技术
随着科学技术的发展,摄像机的应用场景越来越广泛,比如云台摄像机在诸如交通监控和大型仓库监控等大场景监控中有广泛的应用。在使用摄像机之前,需要对摄像机进行标定。在现有的摄像机标定方法中,主要是通过光电检测技术,对摄像机进行光电信号的变换和检测,以此对摄像机进行安装位置的标定,但是该方法没有考虑摄像机的实际拍摄情况和安装位置的情况,导致摄像机标定方法的准确性较低。
发明内容
本申请实施例提供一种摄像机标定方法及装置,以解决现有摄像机标定方法中标定准确性较低的问题。
为了解决上述技术问题,本申请是这样实现的:
第一方面,本申请实施例提供了一种摄像机标定方法。该方法包括:
获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;
获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;
根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;
计算所述第一全景图像和所述第二全景图像的重合度;
根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;
根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
可选地,所述根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,包括:
根据所述目标环境数据构建所述摄像机安装位置的三维全景图像;
分别构建所述三维全景图像中各个视图对应的视图矩阵,并对所述三维全景图像中各个视图对应的视图矩阵进行加权求和,得到目标矩阵;
根据所述目标矩阵,对所述三维全景图像进行二维转换,得到所述摄像机安装位置的二维全景图像;
对所述二维全景图像进行颜色缓冲,得到所述摄像机安装位置的第二全景图像。
可选地,所述根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数,包括:
对所述第二全景图像进行实体标识,得到多个实体图像;
根据所述多个实体图像中每个实体图像的纹理复杂度,对所述多个实体图像进行筛选,得到目标实体图像,所述目标实体图像中的纹理复杂度大于预设纹理复杂度;
根据所述目标实体图像中每个像素点的灰度值,对所述目标实体图像进行特征筛选,得到特征实体图像;
根据所述特征实体图像,对所述第二全景图像进行特征提取,得到第三全景图像;
根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数。
可选地,所述实体图像的纹理复杂度基于如下公式计算得到:
其中,B表示所述实体图像的纹理复杂度,m和n分别表示所述实体图像内的最大矩形窗口的长度和宽度,D(a,b)表示所述最大矩形窗口内的第(a,b)个像素点的纹理对应的均方差。
可选地,所述获取所述摄像机拍摄的摄像机安装位置的第一全景图像,包括:
获取所述摄像机拍摄的摄像机安装位置的多个图像,所述多个图像为所述摄像机按照不同拍摄角度对所述摄像机安装位置进行拍摄所得到的多个图像;
分别对所述摄像机安装位置的多个图像中的各个图像进行边缘检测,得到所述各个图像对应的第一边缘图像;
分别根据各个所述第一边缘图像中的像素点数量,构建各个所述第一边缘图像的像素点矩阵;
分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像;
对所述多个图像进行拼接,得到所述摄像机安装位置的第一全景图像。
可选地,所述分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像,基于如下计算公式进行:
其中,表示所述第二边缘图像,表示所述第一边缘图像的干扰系数,表示所述第一边缘图像中像素点的像素值,的取值范围为[0,255],表示所述第一边缘图像中像素值为j的像素点的数量,表示所述矩阵方差的方差系数,且,表示所述第一边缘图像中变量项对应的映射值。
可选地,所述根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数,包括:
分别构建所述第一全景图像对应的第一坐标系和所述第三全景图像对应的第二坐标系;
计算第一坐标轴和第二坐标轴的偏离程度,确定所述摄像机的位置偏差系数,所述第一坐标轴为所述第一坐标系中的坐标轴,所述第二坐标轴为所述第二坐标系中与所述第一坐标轴对应的坐标轴。
第二方面,本申请实施例还提供一种摄像机标定装置。该摄像机标定装置包括:
第一获取模块,用于获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;
第二获取模块,用于获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;
第一计算模块,用于根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;
第二计算模块,用于计算所述第一全景图像和所述第二全景图像的重合度;
第三计算模块,用于根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;
第一标定模块,用于根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
可选地,所述第二获取模块,包括:
第一构建单元,用于根据所述目标环境数据构建所述摄像机安装位置的三维全景图像;
第二构建单元,用于分别构建所述三维全景图像中各个视图对应的视图矩阵,并对所述三维全景图像中各个视图对应的视图矩阵进行加权求和,得到目标矩阵;
第一转换单元,用于根据所述目标矩阵,对所述三维全景图像进行二维转换,得到所述摄像机安装位置的二维全景图像;
第一确定单元,用于对所述二维全景图像进行颜色缓冲,得到所述摄像机安装位置的第二全景图像。
可选地,所述第一计算模块,包括:
第一标识单元,用于对所述第二全景图像进行实体标识,得到多个实体图像;
第一筛选单元,用于根据所述多个实体图像中每个实体图像的纹理复杂度,对所述多个实体图像进行筛选,得到目标实体图像,所述目标实体图像中的纹理复杂度大于预设纹理复杂度;
第二筛选单元,用于根据所述目标实体图像中每个像素点的灰度值,对所述目标实体图像进行特征筛选,得到特征实体图像;
第一提取单元,用于根据所述特征实体图像,对所述第二全景图像进行特征提取,得到第三全景图像;
第一计算单元,用于根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数。
可选地,所述实体图像的纹理复杂度基于如下公式计算得到:
其中,B表示所述实体图像的纹理复杂度,m和n分别表示所述实体图像内的最大矩形窗口的长度和宽度,D(a,b)表示所述最大矩形窗口内的第(a,b)个像素点的纹理对应的均方差。
可选地,所述第一获取模块,包括:
第一获取单元,用于获取所述摄像机拍摄的摄像机安装位置的多个图像,所述多个图像为所述摄像机按照不同拍摄角度对所述摄像机安装位置进行拍摄所得到的多个图像;
第一检测单元,用于分别对所述摄像机安装位置的多个图像中的各个图像进行边缘检测,得到所述各个图像对应的第一边缘图像;
第三构建单元,用于分别根据各个所述第一边缘图像中的像素点数量,构建各个所述第一边缘图像的像素点矩阵;
第一处理单元,用于分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像;
第一拼接单元,用于对所述多个图像进行拼接,得到所述摄像机安装位置的第一全景图像。
可选地,所述分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像,基于如下计算公式进行:
其中,表示所述第二边缘图像,表示所述第一边缘图像的干扰系数,表示所述第一边缘图像中像素点的像素值,的取值范围为[0,255],表示所述第一边缘图像中像素值为j的像素点的数量,表示所述矩阵方差的方差系数,且,表示所述第一边缘图像中变量项对应的映射值。
可选地,所述第一计算单元,包括:
第一构建子单元,用于分别构建所述第一全景图像对应的第一坐标系和所述第三全景图像对应的第二坐标系;
第一计算子单元,用于计算第一坐标轴和第二坐标轴的偏离程度,确定所述摄像机的位置偏差系数,所述第一坐标轴为所述第一坐标系中的坐标轴,所述第二坐标轴为所述第二坐标系中与所述第一坐标轴对应的坐标轴。
第三方面,本申请实施例还提供一种摄像机标定装置,包括处理器、存储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,所述计算机程序被所述处理器执行时实现上述的摄像机标定方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时实现上述的摄像机标定方法的步骤。
本申请实施例的摄像机标定方法,该方法包括获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像;根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;计算所述第一全景图像和所述第二全景图像的重合度;根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。该方法根据摄像机拍摄的摄像机安装位置的第一全景图像和根据目标环境数据构建的摄像机安装位置的第二全景图像,来对摄像机进行标定,考虑了摄像机的实际安装位置情况,从而提高了摄像机标定方法的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的摄像机标定方法的流程图;
图2是本申请又一实施例提供的摄像机标定装置的结构图;
图3是本申请又一实施例提供的电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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作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。
本申请实施例提供一种摄像机标定方法。参见图1,图1是本申请实施例提供的摄像机标定方法的流程图,如图1所示,包括以下步骤:
步骤101、获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;
在该步骤中,摄像机是把光学图像信号转变为电信号,以便存储或者传输的设备,摄像机有许多的参数,比如摄像机的名称、摄像机的型号和摄像机的性能等。在对摄像机进行标定之前,根据摄像机的不同,要从摄像机的众多参数里面选出影响摄像机标定的目标参数。
作为本申请的一个实施例,从摄像机的众多参数里面选出影响摄像机标定的目标参数的方法可以为:提取摄像机的参数文本,对参数文本进行语义解析,得到文本语义;根据文本语义,计算参数文本的文本权重;根据文本权重,对参数文本进行文本过滤,得到目标文本;对目标文本进行向量转换,得到文本向量;计算文本向量的向量距离;根据向量距离,对参数文本进行分类,得到目标参数。其中,所述参数文本是摄像机的参数对应的文本信息,文本语义是参数文本对应的含义和解释,文本权重是参数文本中每个文本对应的重要程度,目标文本是参数文本根据文本权重过滤后得到的文本,文本向量是目标文本对应的向量表达形式,向量距离是文本向量中每个向量之间的距离,可以表示两个向量之间的相近关系。
进一步的,提取所述摄像设备的参数文本可以通过OCR识别技术实现,对所述参数文本进行语义解析可以通过语义分析法实现,对所述参数文本进行文本过滤可以通过文本过滤器实现,所述文本过滤器是由Java语言编译,对所述目标文本进行向量转换可以通过word2vec算法实现,计算所述文本向量的向量距离可以通过欧氏距离算法实现,对所述参数文本进行分类可以通过决策树算法实现。
进一步地,作为本申请的一个可选实施例,可以通过下述公式计算所述参数文本的文本权重:
步骤102、获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;
在该步骤中,目标环境数据为摄像机安装位置的环境数据,该数据可以通过环境数据采集系统获得,摄像机安装位置是摄像机需要安装的地方,如电线杆和墙壁等,前述目标环境数据可以通过环境数据采集系统获得。
步骤103、根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;
在该步骤中,位置偏差系数为摄像机的安装位置和标准安装位置的偏离程度,由于第一全景图像为摄像机拍摄的摄像机安装位置的全景图像,第二全景图像为计算机根据摄像机安装位置的环境数据构建的摄像机安装位置的全景图像,通过第一全景图像和第二全景图像对比,得到摄像机的位置偏差系数。
步骤104、计算所述第一全景图像和所述第二全景图像的重合度;
在该步骤中,第一全景图像和第二全景图像的重合度可以通过以下方式得到:确定第一全景图像的图像中心和第二全景图像的图像中心;测量第一全景图像的水平角和第二全景图像的水平角;根据第一全景图像的图像中心和第二全景图像的图像中心,将第一全景图像的水平角和第二全景图像的水平角调整一致之后,计算第一全景图像和第二全景图像的重合度。进一步的,确定所述第一全景图像的图像中心和第二全景图像的图像中心可以通过PS软件中的标尺工具实现,测量第一全景图像和第二全景图像的水平角可以通过角度测量仪实现。
步骤105、根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;
在该步骤中,角度偏差系数为摄像机拍摄角度的偏离程度,通过第一全景图像和第二全景图像的重合度,以及摄像机的目标参数,计算出摄像机的角度偏差系数。
步骤106、根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
在该步骤中,通过摄像机安装位置的偏离程度和摄像机拍摄角度的偏离程度,对摄像机进行标定调整。
该方法根据摄像机拍摄的摄像机安装位置的第一全景图像和根据目标环境数据构建的摄像机安装位置的第二全景图像,来对摄像机进行标定,考虑了摄像机的实际安装位置情况,从而提高了摄像机标定方法的准确性。
可选地,所述根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,包括:
根据所述目标环境数据构建所述摄像机安装位置的三维全景图像;
分别构建所述三维全景图像中各个视图对应的视图矩阵,并对所述三维全景图像中各个视图对应的视图矩阵进行加权求和,得到目标矩阵;
根据所述目标矩阵,对所述三维全景图像进行二维转换,得到所述摄像机安装位置的二维全景图像;
对所述二维全景图像进行颜色缓冲,得到所述摄像机安装位置的第二全景图像。
在本申请实施例的摄像机标定方法中,在对目标环境数据进行数据分析之后,可以确定目标环境的环境属性,环境属性对应着目标环境的一些基本信息,比如目标环境中的事物以及颜色等信息,之后再根据该目标环境的环境属性,渲染得到摄像机安装位置的三维全景图像;三维全景环境是目标环境对应的三维模型的表达形式;视图矩阵为三维全景环境在不同视角下转换后得到的图像矩阵;目标矩阵为计算视图矩阵中每个矩阵的平均值后得到的矩阵;二维全景图像为三维全景图像对应的二维表达形式。
需要说明的是,前述渲染得到摄像机安装位置的三维全景图像可以通过渲染工具实现,如3DMAX;前述三维全景环境每个视图对应的视图矩阵可以通过矩阵函数构建,矩阵函数由Java语言编译,对所述三维全景环境进行二维转换可以通过CAD软件实现,对所述二维全景图像进行颜色缓冲可以通过GPU实现。
该方法通过获取目标环境数据,来构建摄像机安装位置的第二全景图像,有利于充分还原出摄像机安装位置的图像,从而提高摄像机标定方法的准确性。
可选地,所述根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数,包括:
对所述第二全景图像进行实体标识,得到多个实体图像;
根据所述多个实体图像中每个实体图像的纹理复杂度,对所述多个实体图像进行筛选,得到目标实体图像,所述目标实体图像中的纹理复杂度大于预设纹理复杂度;
根据所述目标实体图像中每个像素点的灰度值,对所述目标实体图像进行特征筛选,得到特征实体图像;
根据所述特征实体图像,对所述第二全景图像进行特征提取,得到第三全景图像;
根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数。
在本申请实施例的摄像机标定方法中,实体图像是第二全景图像中的实物图像,可以作为参照或者具有代表性的物体;预设纹理复杂度是作为根据纹理复杂度来筛选出目标实体图像的一个标准值;灰度值为目标实体图像中每个像素的亮度值,特征实体图像是目标实体图像中具有代表性的实体。
进一步地,对第二全景图像进行实体标识可以通过实体标识工具实现,实体标识工具由脚本语言编译,对实体图像进行筛选可以通过VLOOKUP函数实现,目标实体图像中每个像素点的灰度值可以通过浮点法计算得到,对目标实体图像进行特征筛选可以通过遗传算法实现,对第二全景图像进行特征提取可以通过sift特征提取方法实现。
本申请实施例的摄像机标定方法,对第二全景图像进行特征提取,得到第三全景图像,再通过第一全景图像和第三全景图像计算出来的摄像机的位置偏差系数,进一步提高了摄像机标定方法的准确性。
可选地,所述实体图像的纹理复杂度基于如下公式计算得到:
其中,B表示所述实体图像的纹理复杂度,m和n分别表示所述实体图像内的最大矩形窗口的长度和宽度,D(a,b)表示所述最大矩形窗口内的第(a,b)个像素点的纹理对应的均方差。
在本申请实施例的摄像机标定方法中,实体图像的纹理复杂度基于如上公式计算得到,有利于从多个实体图像中快速筛选出目标实体图像。
可选地,所述获取所述摄像机拍摄的摄像机安装位置的第一全景图像,包括:
获取所述摄像机拍摄的摄像机安装位置的多个图像,所述多个图像为所述摄像机按照不同拍摄角度对所述摄像机安装位置进行拍摄所得到的多个图像;
分别对所述摄像机安装位置的多个图像中的各个图像进行边缘检测,得到所述各个图像对应的第一边缘图像;
分别根据各个所述第一边缘图像中的像素点数量,构建各个所述第一边缘图像的像素点矩阵;
分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像;
对所述多个图像进行拼接,得到所述摄像机安装位置的第一全景图像。
在本申请实施例的摄像机标定方法中,第一边缘图像是指图像中位于边缘位置的图像;像素点矩阵是像素点构成的方阵;矩阵方差是度量像素点矩阵的离散程度;图像吻合度表示图像的贴合程度。
进一步的,对图像进行边缘检测可以通过CVAT工具实现;第一边缘图像的像素点数量可以通过求和函数计算得到,如SUM函数;像素点矩阵中每个矩阵的矩阵方差可以通过方差计算器计算得到;图像吻合度可以通过计算第二边缘图像中每个图像之间的夹角余弦值得到。
本申请实施例的摄像机标定方法,对摄像机拍摄的摄像机安装位置的多个图像进行拼接,得到摄像机拍摄的摄像机安装位置的第一全景图像,有利于充分还原出摄像机安装位置的全景图像。
可选地,所述分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像,基于如下计算公式进行:
其中,表示所述第二边缘图像,表示所述第一边缘图像的干扰系数,表示所述第一边缘图像中像素点的像素值,的取值范围为[0,255],表示所述第一边缘图像中像素值为j的像素点的数量,表示所述矩阵方差的方差系数,且,表示所述第一边缘图像中变量项对应的映射值。
在本申请实施例的摄像机标定方法中,基于如上公式对各个第一边缘图像进行均衡化处理,有利于增强图像的对比度。
可选地,所述根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数,包括:
分别构建所述第一全景图像对应的第一坐标系和所述第三全景图像对应的第二坐标系;
计算第一坐标轴和第二坐标轴的偏离程度,确定所述摄像机的位置偏差系数,所述第一坐标轴为所述第一坐标系中的坐标轴,所述第二坐标轴为所述第二坐标系中与所述第一坐标轴对应的坐标轴。
在本申请实施例的摄像机标定方法中,第一全景图像对应第一坐标系,第二全景图像对应第二坐标系,计算第一坐标轴和第二坐标轴的偏离程度,还可以将第一坐标系和第二坐标系进行重合,这样可以更加快速地计算出第一坐标轴和第二坐标轴的偏离程度。示例性地,第一坐标轴可以为第一坐标系中的x轴,第二坐标轴可以为第二坐标系中的x轴,角度偏差系数可以通过计算第一坐标系中的x轴和第二坐标系中的x轴的夹角值得到。需要说的是,前述构建第一全景图像对应的第一坐标系和第二全景图像对应的第二坐标系可以通过solidwork软件实现。该方法通过分别构建第一全景图像和第二全景图像的坐标系来计算角度偏差系数,提高了摄像机标定方法的准确性。
参见图2,图2是本申请又一实施例提供的摄像机标定装置的结构图。
如图2所示,摄像机标定装置200包括:
第一获取模块201,用于获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;
第二获取模块202,用于获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;
第一计算模块203,用于根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;
第二计算模块204,用于计算所述第一全景图像和所述第二全景图像的重合度;
第三计算模块205,用于根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;
第一标定模块206,用于根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
可选地,所述第二获取模块,包括:
第一构建单元,用于根据所述目标环境数据构建所述摄像机安装位置的三维全景图像;
第二构建单元,用于分别构建所述三维全景图像中各个视图对应的视图矩阵,并对所述三维全景图像中各个视图对应的视图矩阵进行加权求和,得到目标矩阵;
第一转换单元,用于根据所述目标矩阵,对所述三维全景图像进行二维转换,得到所述摄像机安装位置的二维全景图像;
第一确定单元,用于对所述二维全景图像进行颜色缓冲,得到所述摄像机安装位置的第二全景图像。
可选地,所述第一计算模块,包括:
第一标识单元,用于对所述第二全景图像进行实体标识,得到多个实体图像;
第一筛选单元,用于根据所述多个实体图像中每个实体图像的纹理复杂度,对所述多个实体图像进行筛选,得到目标实体图像,所述目标实体图像中的纹理复杂度大于预设纹理复杂度;
第二筛选单元,用于根据所述目标实体图像中每个像素点的灰度值,对所述目标实体图像进行特征筛选,得到特征实体图像;
第一提取单元,用于根据所述特征实体图像,对所述第二全景图像进行特征提取,得到第三全景图像;
第一计算单元,用于根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数。
可选地,所述实体图像的纹理复杂度基于如下公式计算得到:
其中,B表示所述实体图像的纹理复杂度,m和n分别表示所述实体图像内的最大矩形窗口的长度和宽度,D(a,b)表示所述最大矩形窗口内的第(a,b)个像素点的纹理对应的均方差。
可选地,所述第一获取模块,包括:
第一获取单元,用于获取所述摄像机拍摄的摄像机安装位置的多个图像,所述多个图像为所述摄像机按照不同拍摄角度对所述摄像机安装位置进行拍摄所得到的多个图像;
第一检测单元,用于分别对所述摄像机安装位置的多个图像中的各个图像进行边缘检测,得到所述各个图像对应的第一边缘图像;
第三构建单元,用于分别根据各个所述第一边缘图像中的像素点数量,构建各个所述第一边缘图像的像素点矩阵;
第一处理单元,用于分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像;
第一拼接单元,用于对所述多个图像进行拼接,得到所述摄像机安装位置的第一全景图像。
可选地,所述分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像,基于如下计算公式进行:
其中,表示所述第二边缘图像,表示所述第一边缘图像的干扰系数,表示所述第一边缘图像中像素点的像素值,的取值范围为[0,255],表示所述第一边缘图像中像素值为j的像素点的数量,表示所述矩阵方差的方差系数,且,表示所述第一边缘图像中变量项对应的映射值。
可选地,所述第一计算单元,包括:
第一构建子单元,用于分别构建所述第一全景图像对应的第一坐标系和所述第三全景图像对应的第二坐标系;
第一计算子单元,用于计算第一坐标轴和第二坐标轴的偏离程度,确定所述摄像机的位置偏差系数,所述第一坐标轴为所述第一坐标系中的坐标轴,所述第二坐标轴为所述第二坐标系中与所述第一坐标轴对应的坐标轴。
参见图3,图3是本申请又一实施提供的电子设备的结构图,如图3所示,电子设备包括:处理器301、通信接口302、通信总线304和存储器303,其中,处理器301、通信接口302和存储器303通过通信总线304完成相互间的交互。
其中,存储器303用于存放计算机程序;处理器301,用于执行存储器303上所存放的程序,所述计算器程序被处理器301执行时:用于获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;计算所述第一全景图像和所述第二全景图像的重合度;根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
可选地,所述处理器301,具体用于:
根据所述目标环境数据构建所述摄像机安装位置的三维全景图像;
分别构建所述三维全景图像中各个视图对应的视图矩阵,并对所述三维全景图像中各个视图对应的视图矩阵进行加权求和,得到目标矩阵;
根据所述目标矩阵,对所述三维全景图像进行二维转换,得到所述摄像机安装位置的二维全景图像;
对所述二维全景图像进行颜色缓冲,得到所述摄像机安装位置的第二全景图像。
可选地,所述处理器301,具体用于:
对所述第二全景图像进行实体标识,得到多个实体图像;
根据所述多个实体图像中每个实体图像的纹理复杂度,对所述多个实体图像进行筛选,得到目标实体图像,所述目标实体图像中的纹理复杂度大于预设纹理复杂度;
根据所述目标实体图像中每个像素点的灰度值,对所述目标实体图像进行特征筛选,得到特征实体图像;
根据所述特征实体图像,对所述第二全景图像进行特征提取,得到第三全景图像;
根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数。
可选地,所述实体图像的纹理复杂度基于如下公式计算得到:
其中,B表示所述实体图像的纹理复杂度,m和n分别表示所述实体图像内的最大矩形窗口的长度和宽度,D(a,b)表示所述最大矩形窗口内的第(a,b)个像素点的纹理对应的均方差。
可选地,所述处理器301,具体用于:
获取所述摄像机拍摄的摄像机安装位置的多个图像,所述多个图像为所述摄像机按照不同拍摄角度对所述摄像机安装位置进行拍摄所得到的多个图像;
分别对所述摄像机安装位置的多个图像中的各个图像进行边缘检测,得到所述各个图像对应的第一边缘图像;
分别根据各个所述第一边缘图像中的像素点数量,构建各个所述第一边缘图像的像素点矩阵;
分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像;
对所述多个图像进行拼接,得到所述摄像机安装位置的第一全景图像。
可选地,所述分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像,基于如下计算公式进行:
其中,表示所述第二边缘图像,表示所述第一边缘图像的干扰系数,表示所述第一边缘图像中像素点的像素值,的取值范围为[0,255],表示所述第一边缘图像中像素值为j的像素点的数量,表示所述矩阵方差的方差系数,且,表示所述第一边缘图像中变量项对应的映射值。
可选地,所述处理器301,具体用于:
分别构建所述第一全景图像对应的第一坐标系和所述第三全景图像对应的第二坐标系;
计算第一坐标轴和第二坐标轴的偏离程度,确定所述摄像机的位置偏差系数,所述第一坐标轴为所述第一坐标系中的坐标轴,所述第二坐标轴为所述第二坐标系中与所述第一坐标轴对应的坐标轴。
上述电子设备提到的通信总线304可以是外部设备互连标准(PeripheralComponent Interconnect,PCT)总线或宽展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线304可以分为地址总线、数据总线、控制总线等。为了便于标识,图中仅用一条粗线表示,但并不表示仅有一根总线或一种数据类型。
通信接口302用于上述终端与其他设备之间的通信。
存储器303可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器303还可以是至少一个位于远离前述处理器301的存储装置。
上述的处理器301可以是通用处理器,包括中央处理器 (Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processing,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。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述摄像机标定方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种摄像机标定方法,其特征在于,所述方法包括:
获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;
获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;
根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;
计算所述第一全景图像和所述第二全景图像的重合度;
根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;
根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
2.根据权利要求1所述的摄像机标定方法,其特征在于,所述根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,包括:
根据所述目标环境数据构建所述摄像机安装位置的三维全景图像;
分别构建所述三维全景图像中各个视图对应的视图矩阵,并对所述三维全景图像中各个视图对应的视图矩阵进行加权求和,得到目标矩阵;
根据所述目标矩阵,对所述三维全景图像进行二维转换,得到所述摄像机安装位置的二维全景图像;
对所述二维全景图像进行颜色缓冲,得到所述摄像机安装位置的第二全景图像。
3.根据权利要求1所述的摄像机标定方法,其特征在于,所述根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数,包括:
对所述第二全景图像进行实体标识,得到多个实体图像;
根据所述多个实体图像中每个实体图像的纹理复杂度,对所述多个实体图像进行筛选,得到目标实体图像,所述目标实体图像中的纹理复杂度大于预设纹理复杂度;
根据所述目标实体图像中每个像素点的灰度值,对所述目标实体图像进行特征筛选,得到特征实体图像;
根据所述特征实体图像,对所述第二全景图像进行特征提取,得到第三全景图像;
根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数。
5.根据权利要求1所述的摄像机标定方法,其特征在于,所述获取所述摄像机拍摄的摄像机安装位置的第一全景图像,包括:
获取所述摄像机拍摄的摄像机安装位置的多个图像,所述多个图像为所述摄像机按照不同拍摄角度对所述摄像机安装位置进行拍摄所得到的多个图像;
分别对所述摄像机安装位置的多个图像中的各个图像进行边缘检测,得到所述各个图像对应的第一边缘图像;
分别根据各个所述第一边缘图像中的像素点数量,构建各个所述第一边缘图像的像素点矩阵;
分别根据各个所述第一边缘图像的像素点矩阵对应的矩阵方差,对各个所述第一边缘图像进行均衡化处理,得到各个所述第一边缘图像对应的第二边缘图像;
对所述多个图像进行拼接,得到所述摄像机安装位置的第一全景图像。
7.根据权利要求3所述的摄像机标定方法,其特征在于,所述根据所述第一全景图像和所述第三全景图像,计算所述摄像机的位置偏差系数,包括:
分别构建所述第一全景图像对应的第一坐标系和所述第三全景图像对应的第二坐标系;
计算第一坐标轴和第二坐标轴的偏离程度,确定所述摄像机的位置偏差系数,所述第一坐标轴为所述第一坐标系中的坐标轴,所述第二坐标轴为所述第二坐标系中与所述第一坐标轴对应的坐标轴。
8.一种摄像机标定装置,其特征在于,所述装置包括:
第一获取模块,用于获取摄像机的目标参数和所述摄像机拍摄的摄像机安装位置的第一全景图像;
第二获取模块,用于获取目标环境数据,并根据所述目标环境数据构建所述摄像机安装位置的第二全景图像,所述目标环境数据为所述摄像机安装位置的环境数据;
第一计算模块,用于根据所述第一全景图像和所述第二全景图像,计算所述摄像机的位置偏差系数;
第二计算模块,用于计算所述第一全景图像和所述第二全景图像的重合度;
第三计算模块,用于根据所述第一全景图像和所述第二全景图像的重合度,以及所述摄像机的目标参数,计算所述摄像机的角度偏差系数;
第一标定模块,用于根据所述位置偏差系数和所述角度偏差系数,对所述摄像机进行标定。
9.一种电子设备装置,其特征在于,包括处理器、存储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,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的摄像机标定方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的摄像机标定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310244250.9A CN115953485B (zh) | 2023-03-15 | 2023-03-15 | 一种摄像机标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310244250.9A CN115953485B (zh) | 2023-03-15 | 2023-03-15 | 一种摄像机标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953485A true CN115953485A (zh) | 2023-04-11 |
CN115953485B CN115953485B (zh) | 2023-06-02 |
Family
ID=85907028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310244250.9A Active CN115953485B (zh) | 2023-03-15 | 2023-03-15 | 一种摄像机标定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953485B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166152A (zh) * | 2018-07-27 | 2019-01-08 | 深圳六滴科技有限公司 | 全景相机标定的校正方法、系统、计算机设备和存储介质 |
CN109215087A (zh) * | 2018-08-28 | 2019-01-15 | 维沃移动通信有限公司 | 一种双摄像头模组的标定方法、装置及终端 |
CN109615663A (zh) * | 2018-12-12 | 2019-04-12 | 深圳市至高通信技术发展有限公司 | 全景视频校正方法及终端 |
CN110807803A (zh) * | 2019-10-11 | 2020-02-18 | 北京文香信息技术有限公司 | 一种摄像机定位方法、装置、设备及存储介质 |
CN113450414A (zh) * | 2020-03-24 | 2021-09-28 | 阿里巴巴集团控股有限公司 | 一种摄像机标定方法、设备、系统及存储介质 |
WO2022062709A1 (zh) * | 2020-09-28 | 2022-03-31 | 京东方科技集团股份有限公司 | 补偿显示画面的方法、装置、设备及显示屏驱动板 |
-
2023
- 2023-03-15 CN CN202310244250.9A patent/CN115953485B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166152A (zh) * | 2018-07-27 | 2019-01-08 | 深圳六滴科技有限公司 | 全景相机标定的校正方法、系统、计算机设备和存储介质 |
CN109215087A (zh) * | 2018-08-28 | 2019-01-15 | 维沃移动通信有限公司 | 一种双摄像头模组的标定方法、装置及终端 |
CN109615663A (zh) * | 2018-12-12 | 2019-04-12 | 深圳市至高通信技术发展有限公司 | 全景视频校正方法及终端 |
CN110807803A (zh) * | 2019-10-11 | 2020-02-18 | 北京文香信息技术有限公司 | 一种摄像机定位方法、装置、设备及存储介质 |
CN113450414A (zh) * | 2020-03-24 | 2021-09-28 | 阿里巴巴集团控股有限公司 | 一种摄像机标定方法、设备、系统及存储介质 |
WO2022062709A1 (zh) * | 2020-09-28 | 2022-03-31 | 京东方科技集团股份有限公司 | 补偿显示画面的方法、装置、设备及显示屏驱动板 |
Non-Patent Citations (1)
Title |
---|
张辉;张丽艳;陈江;赵转萍;: "基于平面模板自由拍摄的双目立体测量系统的现场标定", 航空学报, no. 03, pages 188 - 194 * |
Also Published As
Publication number | Publication date |
---|---|
CN115953485B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108833785B (zh) | 多视角图像的融合方法、装置、计算机设备和存储介质 | |
CN113421305B (zh) | 目标检测方法、装置、系统、电子设备及存储介质 | |
CN114820465B (zh) | 点云检测模型训练方法、装置、电子设备及存储介质 | |
CN113192182A (zh) | 一种基于多传感器的实景重建方法及系统 | |
CN111383254A (zh) | 一种深度信息获取方法、系统及终端设备 | |
CN112348778A (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
JP2020149641A (ja) | 物体追跡装置および物体追跡方法 | |
CN113630549A (zh) | 变焦控制方法、装置、电子设备和计算机可读存储介质 | |
CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
CN114004890B (zh) | 姿态确定方法、装置、电子设备和存储介质 | |
CN114926316A (zh) | 距离测量方法、装置、电子设备及存储介质 | |
CN113159229B (zh) | 图像融合方法、电子设备及相关产品 | |
WO2021183283A1 (en) | Automatic fisheye camera calibration for video analytics | |
CN112927276B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN111860623A (zh) | 基于改进ssd神经网络的统计树木数量的方法及系统 | |
CN115953485A (zh) | 一种摄像机标定方法及装置 | |
CN108805883B (zh) | 一种图像分割方法、图像分割装置及电子设备 | |
CN113635299B (zh) | 一种机械臂的校正方法、终端设备及存储介质 | |
CN112330726B (zh) | 一种图像处理方法及装置 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN115393763A (zh) | 基于图像频域的行人入侵识别方法、系统、介质及装置 | |
CN110930344B (zh) | 一种目标的质量确定方法、装置、系统及电子设备 | |
JP6492603B2 (ja) | 画像処理装置、システム、画像処理方法、およびプログラム | |
CN116051548B (zh) | 一种定位方法及装置 | |
CN113628283B (zh) | 摄像装置的参数标定方法、装置、介质以及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |