CN115994952B - 环视影像系统的标定方法、装置、计算机设备及存储介质 - Google Patents
环视影像系统的标定方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115994952B CN115994952B CN202310126155.9A CN202310126155A CN115994952B CN 115994952 B CN115994952 B CN 115994952B CN 202310126155 A CN202310126155 A CN 202310126155A CN 115994952 B CN115994952 B CN 115994952B
- Authority
- CN
- China
- Prior art keywords
- parameters
- image acquisition
- calibration
- acquisition equipment
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000013461 design Methods 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 29
- 238000009877 rendering Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006978 adaptation Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000004643 material aging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
本发明提供了一种环视影像系统的标定方法、装置、计算机设备及存储介质，其中，环视影像系统的标定方法包括：获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息；基于车辆设计参数、图像采集设备的设备参数及标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型；根据预设规则对图像采集设备的设备参数与标定场地信息进行扰动处理；基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定。本发明可解决现有技术中对环视影像系统的标定需要大量人力来进行手工质检和返工，对生产效率造成影响的技术问题。
Description
技术领域
本发明实施例涉及计算机视觉技术领域，尤其涉及一种环视影像系统的标定方法、装置、计算机设备及存储介质。
背景技术
360环视系统是通过4路环视摄像头来合成一个全景拼接图的技术。拼接图的合成效果很大程度上依赖于摄像头外参和内参的标定准确性。摄像头的参数标定算法理论比较成熟，都是通过对物理世界中的标志物图像进行检测定位，来计算图像坐标与世界坐标的映射关系。在实际应用中，标定程序需要考虑到车辆位置的准确性、场地光线、标志物老化变色、镜头内参漂移等的影响，对其进行适配。这一类问题的相关数据，很难在前期开发过程中获得。
相关技术中，在标定程序实际上线之后，通过回收生产环境数据，积累到一定数量之后，再针对数据进行兼容性适配，造成标定程序在前期上线后会有较多的问题，需要大量人力来进行手工质检和返工，对生产效率造成影响。
发明内容
本申请提供了一种环视影像系统的标定方法、装置、计算机设备及存储介质，来解决现有技术中对环视影像系统的标定需要大量人力来进行手工质检和返工，对生产效率造成影响的技术问题。
本发明第一方面提供了一种环视影像系统的标定方法，包括：获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息；基于所述车辆设计参数、所述图像采集设备的设备参数及所述标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型，所述图像采集设备模型设置于车辆模型预设位置处，用于生成车辆周围的环视图像；根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理；基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定。
本发明实施例提供的环视影像系统的标定方法，使用计算机图形学的方法，根据车辆设计参数、图像采集设备参数及标定场地信息，建模生成车辆模型、图像采集设备模型及标定场地模型，形成环视影像系统标定的拟态环境。并通过对图像采集设备参数与标定场地信息进行调整，模拟生成能够用于实际标定的测试数据，无需通过线下收集大量数据，减少数据收集的成本，可在实际投产前进行大规模测试适配，避免因为算法的适应性问题降低生产线效率；同时由于数据生成的成本较低，可提供高出几个数量级的测试数据，避免实际标定过程中由于各个厂商标定方案的不同，造成很难将一个方案积累的兼容性措施迁移到另一个厂商，能够更好地提高标定算法的兼容性和鲁棒性，保证标定程序在首次上线时，就有较强的鲁棒性，而无需后期收集数据进行事后优化。
可选地，所述标定场地信息包括标定图案，车辆停放位置，所述根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理，包括：对标定图案的清晰度和/或完整性进行扰动处理；基于预设分布模型随机生成的参数动态调整图像采集设备的设备参数以及车辆停放位置参数。
可选地，所述图像采集设备参数包括外参与内参，所述基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定，包括：基于扰动处理后的图像采集设备的内参与标定场地信息，调用图形渲染库，渲染出图像采集设备模型的相机原图；基于所述相机原图，使用标定程序对图像采集设备的外参进行标定。
可选地，所述基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定步骤之后，还包括：通过计算每一组相邻图像采集设备在共视区域的所有标志点的拼接误差进行标定效果判断。
本发明第二方面提供了一种环视影像系统的标定的装置，包括：第一获取模块，用于获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息；第一生成模块，用于基于所述车辆设计参数、所述图像采集设备的设备参数及所述标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型，所述图像采集设备模型设置于车辆模型预设位置处，用于生成车辆周围的环视图像；第一扰动模块，用于根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理；第一标定模块，用于基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定。
本发明提供的环视影像系统的标定装置中各部件所执行的功能均已在上述第一方面任一方法实施例中得以应用，因此这里不再赘述。
可选地，所述第一扰动模块，包括：第一扰动子模块，用于对标定图案的清晰度和/或完整性进行扰动处理；第一生成子模块，用于基于预设分布模型随机生成的参数动态调整图像采集设备的设备参数以及车辆停放位置参数。
可选地，所述第一标定模块，包括：第一渲染子模块，用于基于扰动处理后的图像采集设备的内参与标定场地信息，调用图形渲染库，渲染出图像采集设备模型的相机原图；第一标定子模块，用于基于所述相机原图，使用标定程序对图像采集设备的外参进行标定。
可选地，还包括：第一判断模块，用于通过计算每一组相邻图像采集设备在共视区域标志点的拼接误差进行标定效果判断。
本发明第三方面提供了一种计算机设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述第一方面的环视影像系统的标定方法的步骤。
本发明第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的环视影像系统的标定方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明一实施例提供的环视影像系统的标定方法流程示意图；
图2为本发明实施例提供的一种环视影像系统的标定装置结构示意图；
图3为本发明实施例提供的一种计算机设备结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例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公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“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。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
针对背景技术中所提及的技术问题，本发明实施例提供了一种环视影像系统的标定方法，如图1所示，该方法的步骤包括：
步骤S110，获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息。
示例性地，车辆设计参数包括但不限于车辆尺寸等用于模型生成的数据、图像采集设备在车辆上安装位置，安装的角度信息等；预设标定场地信息包括但不限于标定图案，车辆停放位置，灯光方向等。具体的车辆设计参数及标定场地信息本领域技术人员可根据实际需要进行获取，如可以由车辆生产方提供，此处不做限制。图像采集设备包括但不限于摄像机，如环视摄像头，或者本领域技术人员公知的其他采集设备，此处不做限制。图像采集设备的设备参数包括内参和外参，内参的获取可以包括但不限于由供应商提供，或者通过对一部分图像采集设备进行测量，得到内参的均值和/或方差。内参的测量方法本领域技术人员可根据实际需要进行选取，如可参考张正友标定方法，此处不做限制。
步骤S120，基于所述车辆设计参数、所述图像采集设备的设备参数及所述标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型，所述图像采集设备模型设置于车辆模型预设位置处，用于生成车辆周围的环视图像。
示例性地，建模程序的相关技术相对成熟，如建模软件，本领域技术人员可根据实际应用需要进行适应性选择，此处不做限制。具体地，如基于车辆设计参数、图像采集设备的设备参数及标定场地信息，调用3D建模软件生成车辆模型、图像采集设备模型及标定场地模型。图像采集设备模型设置于车辆模型预设位置处，预设位置包括但不限于车辆前方、后方、左侧、右侧等，如车辆左右后视镜相应位置等，具体的位置本领域技术人员可根据实际应用需求进行选择，此处不做限制。图像采集设备模型可以根据内参设置的映射矩阵用于生成标定程序所需的车辆周围的环视图像。
步骤S130，根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理。
示例性地，预设规则包括但不限于通过增加噪声对标定场地信息进行扰动处理，或者利用数学分布模型，如高斯模型随机生成设备参数等方式对图像采集设备的设备参数进行扰动处理，本领域技术人员也可以根据实际需要采用其他公知的处理方式进行相应的扰动处理，此处不做限制。
步骤S140，基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定。
示例性地，图像采集设备的参数标定算法理论比较成熟，通过对物理世界中的标志物图像进行检测定位，来计算图像坐标与世界坐标的映射关系。具体地，如采用重投影优化计算图像采集设备外参，记世界坐标系下空间点i的坐标为Pi＝[Xi,Yi,Zi]，在经过图像采集设备后得到的图片上对应的图像坐标系下的像素坐标为Ui＝[ui,vi]，图像采集设备的外参R，t对应的李群表示为T：
其中，R表示图像采集设备的旋转矩阵，t表示图像采集设备的位移，Pi为地面上预先设置的标志点，其坐标也是预先确定的；Ui为对应标志点的像素坐标，需要在图像上进行检测；T*指为最优的T，即使得误差结果最小的T；K表示图像采集设备的内参矩阵，n表示世界坐标系下空间点的数量。
本发明实施例提供的环视影像系统的标定方法，使用计算机图形学的方法，根据车辆设计参数、图像采集设备参数及标定场地信息，建模生成车辆模型、图像采集设备模型及标定场地模型，形成环视影像系统标定的拟态环境。并通过对图像采集设备参数与标定场地信息进行调整，模拟生成能够用于实际标定的测试数据，无需通过线下收集大量数据，减少数据收集的成本，可在实际投产前进行大规模测试适配，避免因为算法的适应性问题降低生产线效率；同时由于数据生成的成本较低，可提供高出几个数量级的测试数据，避免实际标定过程中由于各个厂商标定方案的不同，造成很难将一个方案积累的兼容性措施迁移到另一个厂商，能够更好地提高标定算法的兼容性和鲁棒性，保证标定程序在首次上线时，就有较强的鲁棒性，而无需后期收集数据进行事后优化。
作为本发明一可选实施方式，步骤S130，包括：
步骤S210，对标定图案的清晰度和/或完整性进行扰动处理。
示例性地，对标定图案的清晰度和/或完整性随机进行扰动处理，如增加污渍、裂痕、褪色等变化因素，模拟实际场景中的干扰因素，根据不同的影响因素，比如车间光线变化、材料反射系数、材质老化、停车位置误差、内参漂移等，生成对应的测试数据。具体扰动处理方式本领域技术人员可根据实际需要进行适应性选择，此处不做限制。
步骤S220，基于预设分布模型随机生成的参数动态调整图像采集设备的设备参数以及车辆停放位置参数。
示例性地，预设分布模型包括但不限于高斯模型，本领域技术人员也可根据实际需要选取其他公知的分布模型，此处不做限制。具体地，以预设分布模型为高斯模型为例。根据高斯模型，随机生成图像采集设备内参、外参、车辆停放位置。具体地，用欧拉角roll，yaw，pitch来表图像采集设备的旋转，记为θ＝(θr，θy，θp)，用t＝(tx，ty，tz)表示摄像头的位移。
内参分为两类参数，一个是焦距和光心组成的K矩阵：
其中，fx、fy表示焦距参数，cx、cy表示光心坐标。
一个是径向和切向畸变系数，表示为：
(k1 k2 k3 p1 p2)
其中，k1、k2、k3表示径向畸变参数，p1、p2表示切向畸变参数。
这些参数的默认值可以为厂商给定的参数或者通过测试得到。在此基础上，针对每一个参数x，以默认值为均值中心，σ为方差，进行高斯分布采样，其概率密度函数为：
采样方法可参考逆变换法，Box-Muller算法，拒绝采样法或者本领域技术人员公知的其他方法，此处不再赘述。
本发明实施例提供的环视影像系统的标定方法，通过随机生成干扰因素的方法，模拟实际场景中的干扰因素，根据不同的影响因素，比如车间光线变化、材料反射系数、材质老化、停车位置误差、内参漂移等，生成对应的测试数据，提供给前期开发使用，保证标定程序在首次上线时，就有较强的鲁棒性，而无需后期收集数据进行事后优化，从而提高算法的抗干扰能力。
作为本发明一可选实施方式，步骤S140，包括：
步骤S310，基于扰动处理后的图像采集设备的内参与标定场地信息，调用图形渲染库，渲染出图像采集设备模型的相机原图。
示例性地，图形渲染库包括但不限于OpenGL,，Vulcan等，本领域技术人员可以根据实际需要进行选择，此处不做限制。使用计算机图形渲染库，如OpenGL，将图像采集设备模型置于车辆模型预设位置处，如前、后、左、右4个环视摄像位置处，并根据内参设置映射矩阵，渲染出4个方向的相机原图。具体地，在OpenGL渲染的过程中，需要设置图像采集设备模型的参数，其中包括两个部分，一个是View矩阵，相当于外参，控制图像采集设备的位置和方向；一个是Projection矩阵，相当于内参，将相机坐标转化为像素平面的坐标。Projection矩阵由相机内参，渲染的画面大小，以及渲染时的near/far平面(用于排除不需要渲染的物体)等因素决定。假设相机内参矩阵为上述焦距和光心组成的K矩阵，渲染图宽w，高h，near和far平面的Z坐标分别为Zn，Zf。则Projection矩阵为：
View矩阵设置：如前述预设分布模型对内参，外参，车辆位置扰动部分的相应描述，假设外参为θ＝(θr，θy，θp)，t＝(tx，ty，tz)，则
R＝RrRpRy
View矩阵设置为：
通过OpenGL渲染出来的图像不包含畸变参数，因此还需要单独进行畸变处理，将图像上的点坐标做一个变换，假设渲染出来的图片上某个点的像素坐标为(u,v)，则归一化平面上的坐标(x,y)可以计算如下：
经过畸变处理得到：
x′＝x(1+k1r2+k2r4+k3r6)+2p1xy+p2(r2+2x2)
y′＝y(1+k1r2+k2r4+k3r6)+p1(r2+2y2)+2p2xy
其中
随后再计算出对应的像素平面坐标：
步骤S320，基于所述相机原图，使用标定程序对图像采集设备的外参进行标定。
示例性地，基于相机原图，在不同外参条件下，将渲染出的相机原图中标注点的坐标与标定图案中相应的标注点的坐标进行比对，得到二者之间的转换关系从而得到标定程序。具体的标定算法理论比较成熟，本领域技术人员可根据实际需要进行适应性选择，此处不再赘述。
本发明实施例提供的环视影像系统的标定方法，使用计算机图形学的方法，模拟生成能够用于实际标定的测试数据，无需通过线下收集大量数据，减少数据收集的成本，可在实际投产前进行大规模测试适配，避免实际标定过程中由于各个厂商标定方案的不同，造成很难将一个方案积累的兼容性措施迁移到另一个厂商，提高标定程序的兼容性和鲁棒性。
作为本发明一可选实施方式，步骤S140之后，还包括：
步骤S410，通过计算每一组相邻图像采集设备在共视区域的所有标志点的拼接误差进行标定效果判断。
示例性地，使用标定程序进行外参标定，并通过计算拼接误差进行标定效果的自动化判断，筛选出问题图片，供后续适配。具体地，当标定程序计算完成，假设得到的四个摄像头的外参为(Tfront,Trear,Tleft,Tright)。假设标志点Pi在摄像头n的图像In上对应的像素坐标为Ui,n，这个标志投影到俯视图的地面上的坐标P′i,n＝(Xi,n,0,Zi,n)，可通过如下方法来得到P′i,n：
首先通过内参计算归一化平面的(x′,y′)
随后根据畸变函数和已知的(x′,y′)，求解出去畸变后的坐标(x,y)，此处可以用牛顿法或其他数值法求解畸变函数获得解。
x′＝x(1+k1r2+k2r4+k3r6)+2p1xy+p2(r2+2x2)
y′＝y(1+k1r2+k2r4+k3r6)+p1(r2+2y2)+2p2xy
地面投影点的坐标为(Xi,n,0,Zi,n)
可通过求解这组线性方程获得Pi,′n＝(Xi,n,0,Zi,n)。
对每一组相邻的摄像头m，n，可以计算其共视区域的所有标志点的拼接误差E(m,n)：
C(m,n)表示m，n的共视区域。
本发明实施例提供的环视影像系统的标定方法，通过自动筛选的方法找到问题图片，基于问题图片产生原因调整标定程序中参数，从而提高适配效率。
图2为本发明一实施例提供的一种环视影像系统的标定的装置，本实施例中的环视影像系统的标定装置包括：
第一获取模块510，用于获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
第一生成模块520，用于基于所述车辆设计参数、所述图像采集设备的设备参数及所述标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型，所述图像采集设备模型设置于车辆模型预设位置处，用于生成车辆周围的环视图像。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
第一扰动模块530，用于根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
第一标定模块540，用于基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
作为本发明一可选实施装置，第一扰动模块530，包括：
第一扰动子模块，用于对标定图案的清晰度和/或完整性进行扰动处理。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
第一生成子模块，用于基于预设分布模型随机生成的参数动态调整图像采集设备的设备参数以及车辆停放位置参数。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
作为本发明一可选实施装置，第一标定模块540，包括：
第一渲染子模块，用于基于扰动处理后的图像采集设备的内参与标定场地信息，调用图形渲染库，渲染出图像采集设备模型的相机原图。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
第一标定子模块，用于基于所述相机原图，使用标定程序对图像采集设备的外参进行标定。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
作为本发明一可选实施装置，还包括：
第一判断模块，用于通过计算每一组相邻图像采集设备在共视区域标志点的拼接误差进行标定效果判断。详细内容参见上述实施例中对应部分的描述，在此不再赘述。
本发明实施例提供了一种计算机设备，如图3所示，该设备包括一个或多个处理器3010以及存储器3020，存储器3020包括持久内存、易失内存和硬盘，图3中以一个处理器3010为例。该设备还可以包括：输入装置3030和输出装置3040。
处理器3010、存储器3020、输入装置3030和输出装置3040可以通过总线或者其他方式连接，图3中以通过总线连接为例。
处理器3010可以包括但不限于中央处理器(Central Processing Unit，CPU)、图形处理器(Graphic Processing Unit，GPU)。处理器3010还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated 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、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器3020可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据环视影像系统的标定装置的使用所创建的数据等。此外，存储器3020可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器3020可选包括相对于处理器3010远程设置的存储器，这些远程存储器可以通过网络连接至环视影像系统的标定装置。输入装置3030可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与环视影像系统的标定装置有关的键信号输入。输出装置3040可包括显示屏等显示设备，用以输出计算结果。
本发明实施例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计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的环视影像系统的标定方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读存储介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read-Only Memory，ROM)，可擦除可编辑只读存储器(Erasable Programmable Read-Only Memory，EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(Compact Disc Read-Only Memory，CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(Programmable Gate Array，PGA)，现场可编程门阵列(Field Programmable Gate Array，FPGA)等。
在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本公开描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种环视影像系统的标定方法，其特征在于，包括：
获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息；
基于所述车辆设计参数、所述图像采集设备的设备参数及所述标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型，所述图像采集设备模型设置于车辆模型预设位置处，用于生成车辆周围的环视图像；
根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理；
基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定；
所述图像采集设备参数包括外参与内参，所述基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定，包括：
基于扰动处理后的图像采集设备的内参与标定场地信息，调用图形渲染库，渲染出图像采集设备模型的相机原图；其中，假设渲染出来的图片上某个点的像素坐标为(u,v)，则归一化平面上的坐标(x,y)计算如下：
其中，fx、fy表示焦距参数，cx、cy表示光心坐标，K表示图像采集设备的内参矩阵；
经过畸变处理得到：
x′＝x(1+k1r2+k2r4+k3r6)+2p1xy+p2(r2+2x2)
y′＝y(1+k1r2+k2r4+k3r6)+p1(r2+2y2)+2p2xy
其中，k1、k2、k3表示径向畸变参数，p1、p2表示切向畸变参数，r表示坐标(x,y)到归一化平面上坐标中心点的距离，(x′,y′)表示经过畸变处理后的归一化平面上的坐标；
计算出对应的像素平面坐标：
其中，(u’,v’)表示经过畸变处理后的图片上某个点的像素坐标；
基于所述相机原图，使用标定程序对图像采集设备的外参进行标定。
2.根据权利要求1所述的环视影像系统的标定方法，其特征在于，所述标定场地信息包括标定图案，车辆停放位置，所述根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理，包括：
对标定图案的清晰度和/或完整性进行扰动处理；
基于预设分布模型随机生成的参数动态调整图像采集设备的设备参数以及车辆停放位置参数。
3.根据权利要求1所述的环视影像系统的标定方法，其特征在于，所述基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定步骤之后，还包括：
通过计算每一组相邻图像采集设备在共视区域的所有标志点的拼接误差进行标定效果判断。
4.一种环视影像系统的标定装置，其特征在于，包括：
第一获取模块，用于获取车辆设计参数、图像采集设备的设备参数及预设标定场地信息；
第一生成模块，用于基于所述车辆设计参数、所述图像采集设备的设备参数及所述标定场地信息，调用建模程序生成车辆模型、图像采集设备模型及标定场地模型，所述图像采集设备模型设置于车辆模型预设位置处，用于生成车辆周围的环视图像；
第一扰动模块，用于根据预设规则对所述图像采集设备的设备参数与所述标定场地信息进行扰动处理；
第一标定模块，用于基于扰动处理后的图像采集设备参数与标定场地信息，使用标定程序对图像采集设备参数进行标定；
所述第一标定模块，包括：
第一渲染子模块，用于基于扰动处理后的图像采集设备的内参与标定场地信息，调用图形渲染库，渲染出图像采集设备模型的相机原图；其中，假设渲染出来的图片上某个点的像素坐标为(u,v)，则归一化平面上的坐标(x,y)计算如下：
其中，fx、fy表示焦距参数，cx、cy表示光心坐标，K表示图像采集设备的内参矩阵；
经过畸变处理得到：
x′＝x(1+k1r2+k2r4+k3r6)+2p1xy+p2(r2+2x2)
y′＝y(1+k1r2+k2r4+k3r6)+p1(r2+2y2)+2p2xy
其中，k1、k2、k3表示径向畸变参数，p1、p2表示切向畸变参数，r表示坐标(x,y)到归一化平面上坐标中心点的距离，(x′,y′)表示经过畸变处理后的归一化平面上的坐标；
计算出对应的像素平面坐标：
其中，(u’,v’)表示经过畸变处理后的图片上某个点的像素坐标；
第一标定子模块，用于基于所述相机原图，使用标定程序对图像采集设备的外参进行标定。
5.根据权利要求4所述的环视影像系统的标定装置，其特征在于，所述第一扰动模块，包括：
第一扰动子模块，用于对标定图案的清晰度和/或完整性进行扰动处理；
第一生成子模块，用于基于预设分布模型随机生成的参数动态调整图像采集设备的设备参数以及车辆停放位置参数。
6.根据权利要求4所述的环视影像系统的标定装置，其特征在于，还包括：
第一判断模块，用于通过计算每一组相邻图像采集设备在共视区域标志点的拼接误差进行标定效果判断。
7.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-3任一项所述的环视影像系统的标定方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的环视影像系统的标定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310126155.9A CN115994952B (zh) | 2023-02-01 | 2023-02-01 | 环视影像系统的标定方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310126155.9A CN115994952B (zh) | 2023-02-01 | 2023-02-01 | 环视影像系统的标定方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115994952A CN115994952A (zh) | 2023-04-21 |
| CN115994952B true CN115994952B (zh) | 2024-01-30 |
Family
ID=85991969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310126155.9A Active CN115994952B (zh) | 2023-02-01 | 2023-02-01 | 环视影像系统的标定方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115994952B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117455823A (zh) * | 2023-11-23 | 2024-01-26 | 镁佳(北京)科技有限公司 | 一种图像调节方法、装置、计算机设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015043507A1 (zh) * | 2013-09-27 | 2015-04-02 | 比亚迪股份有限公司 | 用于汽车的图像处理方法与装置、生成汽车环视图像的方法和汽车环视系统 |
| CN110580722A (zh) * | 2018-06-08 | 2019-12-17 | 上海欧菲智能车联科技有限公司 | 环视系统的标定测试方法及标定测试装置、车辆 |
| CN110796711A (zh) * | 2019-10-31 | 2020-02-14 | 镁佳(北京)科技有限公司 | 全景系统标定方法、装置、计算机可读存储介质及车辆 |
| CN113496527A (zh) * | 2021-06-23 | 2021-10-12 | 中汽创智科技有限公司 | 一种车辆环景影像标定方法、装置、系统及存储介质 |
| CN113759880A (zh) * | 2021-09-30 | 2021-12-07 | 中科测试(深圳)有限责任公司 | 一种智能汽车整车在环测试方法以及系统 |
| WO2022222121A1 (zh) * | 2021-04-23 | 2022-10-27 | 华为技术有限公司 | 一种全景图像的生成方法、车载图像处理装置及车辆 |
| CN116107288A (zh) * | 2022-12-15 | 2023-05-12 | 常州星宇车灯股份有限公司 | 智能驾驶仿真测试系统及其方法 |
-
2023
- 2023-02-01 CN CN202310126155.9A patent/CN115994952B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015043507A1 (zh) * | 2013-09-27 | 2015-04-02 | 比亚迪股份有限公司 | 用于汽车的图像处理方法与装置、生成汽车环视图像的方法和汽车环视系统 |
| CN110580722A (zh) * | 2018-06-08 | 2019-12-17 | 上海欧菲智能车联科技有限公司 | 环视系统的标定测试方法及标定测试装置、车辆 |
| CN110796711A (zh) * | 2019-10-31 | 2020-02-14 | 镁佳(北京)科技有限公司 | 全景系统标定方法、装置、计算机可读存储介质及车辆 |
| WO2022222121A1 (zh) * | 2021-04-23 | 2022-10-27 | 华为技术有限公司 | 一种全景图像的生成方法、车载图像处理装置及车辆 |
| CN113496527A (zh) * | 2021-06-23 | 2021-10-12 | 中汽创智科技有限公司 | 一种车辆环景影像标定方法、装置、系统及存储介质 |
| CN113759880A (zh) * | 2021-09-30 | 2021-12-07 | 中科测试(深圳)有限责任公司 | 一种智能汽车整车在环测试方法以及系统 |
| CN116107288A (zh) * | 2022-12-15 | 2023-05-12 | 常州星宇车灯股份有限公司 | 智能驾驶仿真测试系统及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115994952A (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517202B (zh) | 一种车身摄像头标定方法及其标定装置 | |
| CN106027851B (zh) | 用于处理图像的方法和系统 | |
| JP4497772B2 (ja) | 画像処理装置 | |
| CN107993263B (zh) | 环视系统自动标定方法、汽车、标定装置及存储介质 | |
| CN111968215B (zh) | 一种体积光渲染方法、装置、电子设备及存储介质 | |
| CN111080662A (zh) | 车道线的提取方法、装置及计算机设备 | |
| CN111968216A (zh) | 一种体积云阴影渲染方法、装置、电子设备及存储介质 | |
| CN108805936A (zh) | 摄像机外参标定方法、装置和电子设备 | |
| CN115994952B (zh) | 环视影像系统的标定方法、装置、计算机设备及存储介质 | |
| CN102156136A (zh) | 一种pcb底片检测方法 | |
| CN111415300A (zh) | 一种用于全景图像的拼接方法和系统 | |
| US10341546B2 (en) | Image processing apparatus and image processing method | |
| CN115345946A (zh) | 基于深度学习的汽车全景影像系统的外参标定方法、装置 | |
| CN115937175A (zh) | 一种电路板表面缺陷检测方法、系统、设备及存储介质 | |
| JP2008040705A (ja) | ぼかしフィルタ設計方法 | |
| CN117274258A (zh) | 主板图像的缺陷检测方法、系统、设备及存储介质 | |
| CN116152066B (zh) | 一种元件完整形貌的点云检测方法、系统、设备及介质 | |
| CN113840136B (zh) | 一种相机安装精度的检测方法和装置 | |
| CN113744361A (zh) | 一种基于三目视觉的三维高精地图构建方法及装置 | |
| CN107534729B (zh) | 图像处理装置和图像处理方法 | |
| CN112884877A (zh) | 光场显示方法、装置、电子设备及存储介质 | |
| CN112150553B (zh) | 一种车载相机的标定方法和装置 | |
| TWI814053B (zh) | 標定樣板、標定系統及其標定方法 | |
| CN117710597A (zh) | 一种基于倾斜摄影数据的三维建模方法、系统及电子设备 | |
| CN115641378A (zh) | 车载摄像头仿真方法、装置、计算机设备和存储介质 |
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 |