CN116188594B - 沙姆相机的标定方法、标定系统、装置和电子设备 - Google Patents
沙姆相机的标定方法、标定系统、装置和电子设备 Download PDFInfo
- Publication number
- CN116188594B CN116188594B CN202211736037.1A CN202211736037A CN116188594B CN 116188594 B CN116188594 B CN 116188594B CN 202211736037 A CN202211736037 A CN 202211736037A CN 116188594 B CN116188594 B CN 116188594B
- Authority
- CN
- China
- Prior art keywords
- matrix
- camera
- image
- calibration
- determining
- 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 73
- 239000011159 matrix material Substances 0.000 claims abstract description 464
- 238000013519 translation Methods 0.000 claims abstract description 18
- 239000003550 marker Substances 0.000 claims description 46
- RVGRUAULSDPKGF-UHFFFAOYSA-N Poloxamer Chemical compound C1CO1.CC1CO1 RVGRUAULSDPKGF-UHFFFAOYSA-N 0.000 claims description 32
- 229960000502 poloxamer Drugs 0.000 claims description 32
- 229920001983 poloxamer Polymers 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开提供一种沙姆相机的标定方法、标定系统、装置和电子设备，该方法包括：获取标定图像；采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵；对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的主距和主点参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量，能够实现对沙姆相机的准确标定。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种沙姆相机的标定方法、标定系统、装置和电子设备。
背景技术
沙姆相机是可以倾斜镜头，使镜头平面与成像平面斜交成一个角度的相机。其中，沙姆相机在将镜头倾斜后，使得原本与成像平面平行的拍摄主体平面也跟着倾斜，进而使沙姆相机在拍摄图像时，能够得到足够的景深，最后拍摄得到从近景到远景都清晰的图像。
目前，针对沙姆相机的标定方法是基于张正友标定法，该方法需要比较多的旋转姿态，当沙姆相机的景深较小时，容易出现操作困难，求解不稳定的问题，无法对沙姆相机进行准确的标定。
发明内容
本公开的多个方面提供一种沙姆相机的标定方法、标定系统、装置和电子设备，以实现沙姆相机的标定。
本公开实施例第一方面提供一种沙姆相机的标定方法，包括：获取标定图像，标定图像是通过沙姆相机在预设位置处拍摄标定板得到的图像；采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵；对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的内参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量。
本公开实施例第二方面提供一种标定系统，用于实现第一方面的沙姆相机的标定方法，标定系统包括沙姆相机、二维标定板、运动台和面光源，其中：二维标定板上有标志物，二维标定板所在面与运动台平面垂直，二维标定板设置在运动台上；运动台用于带动二维标定板沿着沙姆相机的景深方向平行移动；面光源用于在沙姆相机拍摄二维标定板时，提供光线。
本公开实施例第三方面提供一种沙姆相机的标定装置，包括：
获取模块，用于获取标定图像，标定图像是通过沙姆相机在预设位置处拍摄标定板得到的图像；
确定模块，用于采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵；
分解模块，用于对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的内参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量。
本公开实施例第四方面提供一种电子设备，包括：处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面的沙姆相机的标定方法。
本公开实施例第五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中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现第一方面的沙姆相机的标定方法。
本公开实施例第六方面提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行第一方面的沙姆相机的标定方法。
本公开实施例应用在对沙姆相机的标定场景中，通过获取标定图像，标定图像是通过沙姆相机在预设位置处拍摄标定板得到的图像；采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵；对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的内参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量，基于三维特征点的有效方案，能够使得对于高精度或小景深等场景，操作更容易、求解更稳定、精度更高，能够实现对沙姆相机的准确标定。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1为本公开示例性实施例提供的沙姆定律的示意图；
图2为本公开示例性实施例提供的一种沙姆相机的标定方法的应用场景图；
图3为本公开示例性实施例提供的一种沙姆相机的标定方法的步骤流程图；
图4为本公开示例性实施例提供的另一种沙姆相机的标定方法的应用场景图；
图5为本公开示例性实施例提供的沙姆相机的标定装置的结构框图；
图6为本公开示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合本公开具体实施例及相应的附图对本公开技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动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。
沙姆相机是遵循沙姆定律的相机，沙姆定律如图1所示，为沙姆相机的镜头平面与像平面不平行时，物平面、像平面、镜头平面三者相交于同一直线(沙姆相交线)时，物平面的物像能够在像平面清晰成像。可见，沙姆相机中镜头平面和像平面之间的夹角会影响沙姆相机拍摄的图像，目前，针对沙姆相机的标定方法是基于张正友标定法，该方法需要比较多的旋转姿态，当沙姆相机的景深较小时，容易出现操作困难，求解不稳定的问题，无法对沙姆相机进行准确的标定。
基于上述问题，本公开实施例获取标定图像，标定图像是通过沙姆相机在预设位置处拍摄标定板得到的图像；采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵；对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的内参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量，能够实现对沙姆相机的准确标定。
此外，本公开实施例的一种应用场景如图2，图2包括一种标定系统，该标定系统包括：沙姆相机11、二维标定板12、运动台13和面光源14，其中：二维标定板上有标志物P，二维标定板12所在面与运动台13平面垂直，二维标定板12设置在运动台上；运动台12用于带动二维标定板沿着沙姆相机的景深方向平行移动；面光源14用于在沙姆相机拍摄二维标定板时，提供光线。
其中，图2只是示例性的一种应用场景，本公开实施例可以应用在任意场景下的包含沙姆相机的标定系统。本公开实施例不对具体的应用场景进行限定。
图3为本公开示例性实施例提供的一种沙姆相机的标定方法的步骤流程图。具体包括以下步骤：
S301，获取标定图像。
其中，标定图像是通过沙姆相机在预设位置处拍摄标定板得到的图像。
在本公开实施例中，沙姆相机是固定在预设位置处的，沙姆相机的镜头也是固定的。沙姆相机对标定板进行拍摄，得到标定图像。其中，沙姆相机可以多次拍摄标定板，得到多个标定图像。
S302，采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵。
在本公开中，标志物的世界坐标为[X Y Z]，标志物的图像坐标为[u v]，则可以采用以下公式(1)确定投影矩阵P：
上式中s为系数，在有多组世界坐标和图像坐标时，可以根据公式(1)计算得到投影矩阵P，该投影矩阵P的计算采用有限摄影摄像机模型。
S303，对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵。
其中，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的内参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量。
在本公开中，采用公式(2)分解投影矩阵P：
P＝KHt[R′ T] 公式(2)
在公式(2)中，K表示内参矩阵，其中，f、cx和cy是沙姆相机的内参数，f表示沙姆相机的主距，cx和cy表示主点在图像坐标系下的坐标。Ht为单应性矩阵，其中，
ρ和τ是使用罗德里格斯形式表示的沙姆相机实际相面相对理想相面的旋转，ρ表示沙姆相机的旋转轴相对理想平面的旋转角度，τ表示沙姆相机的实际像平面绕旋转轴的旋转角度。R′和T为沙姆相机的外参数，其中R′为旋转矩阵，T为平移向量。
在本公开实施例中，通过对投影矩阵P进行分解，可以得到沙姆相机的内参数、单应性矩阵和外参数。
图4为本公开示例性实施例提供的另一种沙姆相机的标定方法的步骤流程图，具体包括以下步骤：
S401，控制沙姆相机对移动的二维标定板进行拍摄，得到多个标定图像。
其中，二维标定板沿着沙姆相机的景深方向平行移动，标志物在不同的位置具有不同的世界坐标，标志物在不同位置处的世界坐标由标志物在标定板的位置以及标定板的移动距离确定。
参照图2，Z方向为沙姆相机的景深方向，二维标定板沿着Z方向移动。二维标定板上标志物的世界坐标(XYZ)，其中，X，Y是标志物在标定板上的坐标，Z是二维标定板沿Z方向的移动距离。
进一步地，沙姆相机的位置不变，可以每移动一定距离，沙姆相机拍摄一标定图像，例如，在Z为0的时候，拍摄一标定图像p0；在Z为1mm的时候，拍摄一标定图像p1；在Z为2mm的时候，拍摄一标定图像p2；直到在Z为Nmm时，拍摄一标定图像pN，进而可以得到N个标定图像。
S402，采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵。
该步骤的具体实现过程，参照S302，在此不再赘述。
S403，确定投影矩阵的其中三列为第一矩阵。
其中，投影矩阵为三行四列矩阵，参照上述，投影矩阵在本公开中，可以任意选择投影矩阵的三列为第一矩阵M。
在本公开中，采用前三列进行说明，则第一矩阵
S404，根据第一矩阵，确定沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵。
其中，第一矩阵M为沙姆相机的内参矩阵K，像面倾斜的单应性矩阵Ht和旋转矩阵R’的积。即第一矩阵M、内参矩阵K、像面倾斜的单应性矩阵Ht和旋转矩阵R’满足以下公式(3)：
M＝KHtR′ 公式(3)
具体地，S404，包括以下步骤：
A1：对第一矩阵M的第三行元素进行归一化处理得到第二矩阵M′，第一矩阵M为第二矩阵M′与归一化参数λ的乘积。
其中，第一矩阵M得到第二矩阵M′，参照以下公式(4)：
其中，公式(4)中，归一化参数
A2：对第二矩阵M′进行RQ分解，得到第一上三角矩阵R和第一正交矩阵Q。
其中，第二矩阵M′分解后得到的第一上三角矩阵R和第一正交矩阵Q如下：M′＝RQ；其中
A3：根据第一上三角矩阵R，确定第三矩阵G，第三矩阵为第一上三角矩阵R、预设的符号矩阵J和一第二正交矩阵S的乘积。
其中，根据第一上三角矩阵R，确定第三矩阵G包括：根据第二正交矩阵S、符号矩阵J和第一上三角矩阵R的乘积为第三矩阵G，确定第三矩阵，第二正交矩阵S的格式为第三矩阵G的格式为/>其中，g12等于g21。
具体地，采用预设的符号矩阵J将M′＝RQ进行改写，得到M′＝RJJ-1Q，其中，jii＝±1(i＝1,2,3)。进一步假设一第二正交矩阵S，使得M′＝RJSS- 1J-1Q。其中，第三矩阵G＝RJS，其中，则可以得到进一步地，根据g12等于g21，可以得到以下公式：r′11sinθ+r′12cosθ＝-r′22sinθ，然后可以计算得到θ，进而可以得到第二正交矩阵S第三矩阵G。
A4：根据第三矩阵G和归一化参数λ，确定沙姆相机的内参矩阵K，像面倾斜的单应性矩阵Ht，其中，第三矩阵G和归一化参数λ的积与内参矩阵K与单应性矩阵Ht的积相等。
其中，Gλ＝KHt。具体如下：
其中，G和λ根据上述已求出，进而可以得到f、cx、cy、ρ和τ。
具体地，可以得到其中cx＝g13；cy＝g23。进一步地，可以将ρ和τ转换为欧拉角tx和ty。
A5：根据第一正交矩阵Q，确定旋转矩阵R’，旋转矩阵R’为第一正交矩阵Q、预设的符号矩阵J的逆矩阵J-1和第二正交矩阵S的逆矩阵S-1的乘积。
具体地，R’＝S-1J-1Q。
S405，根据投影矩阵和沙姆相机中心在世界坐标下的欧式坐标以及对应的齐次坐标之间的变换关系，确定沙姆相机中心在世界坐标系下的欧式坐标。
其中，投影矩阵P和齐次坐标C的乘积为0。
具体地，沙姆相机中心的齐次坐标C表示为C＝[X Y Z T]。则欧式坐标C’＝[X/TY/T Z/T]。其中，PC＝0，已知投影矩阵P，可以通过SVD方法求解C，也可以通过解析方法得到 其中，det表示行列式，pi为投影矩阵的第i列。
S406，确定沙姆相机中心在世界坐标系下的欧式坐标和旋转矩阵的乘积的负值为平移向量。
其中，平移向量T＝-R’C’。
进一步地，在确定沙姆相机的各参数后，可以加入畸变对这些参数进行调整，并且标定沙姆相机的畸变参数。
一种方式是采用以下步骤进行优化：
B1：根据标志物的世界坐标，内参矩阵，单应性矩阵和外参矩阵，确定标志物的图像坐标的计算值。
具体地，B1包括：根据标志物的世界坐标和外参矩阵，确定标志物的第一相机归一化坐标；根据第一相机归一化坐标和畸变参数，确定含畸变的相机归一化坐标，畸变参数的初始值为0；根据含畸变的相机归一化坐标、第一预设转换公式和单应性矩阵，确定标志物在实际成像平面的第一倾斜像面坐标；根据第一倾斜像面坐标和内参矩阵，确定标志物的图像坐标的计算值。
其中，在S401至S406中已确定内参矩阵，单应性矩阵和外参矩阵。进一步地，先获取标定板上标志物的世界坐标为[xw yw zw]。则可以采用外参矩阵确定标志物在相机坐标系下的坐标[xc yc zc]；具体的计算公式如下公式(5)。
然后，将相机坐标系下坐标[xc yc zc]进行归一化后，可以得到第一相机归一化坐标[xn1 yn1]，其中，归一化方式参照以下公式(6)：
此外，畸变参数包括径向畸变参数k1,k2,k3、切向畸变参数p1,p2和薄棱镜畸变参数s1,s2,s3,s4这三项。在本公开中可以考虑其中一项或多项。示例性地，在考虑切向畸变参数和薄棱镜畸变参数的情况下，含畸变的相机归一化坐标[xd1 yd1]计算参照以下公式：
在上述公式中，
进一步地，根据含畸变的相机归一化坐标[xd1 yd1]、第一预设转换公式和单应性矩阵Ht，确定标志物在实际成像平面的第一倾斜像面坐标[xt1 yt1]。其中，一种第一预设转换公式参照如下公式(7)：
另一种确定第一倾斜像面坐标[xt1 yt1]的方式为，先采用单应性矩阵Ht确定旋转角度tx和ty。根据以下第一预设转换公式(8)确定第一倾斜像面坐标[xt1 yt1]：
公式(8)中β＝cos(tx)cos(ty)-xd1 sin(ty)cos(tx)-yd1 sin(tx)。
最后，根据以下公式(9)确定图像坐标的计算值：
B2：采用第一预设误差函数，确定图像坐标和计算值的第一误差值。
在本公开中，在标定板的每个位置上采集特征点数为k，采集的位置数量为n，则可以得到n*k个特征点，特征点在世界坐标系下的实际坐标记为对应的实际的图像坐标记为/>对于每个特征点，采用上述方式可以确定对应的图像坐标的计算值/> 然后采用以下第一预设误差函数公式(10)确定第一误差值∈f：
B3:在第一误差值大于第一阈值时，根据第一误差值采用非线性优化方法，调整内参矩阵，单应性矩阵和外参矩阵，以使第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵和外参矩阵。
在本公开实施例中，调整内参矩阵，单应性矩阵和外参矩阵后，使第一误差值∈f小于或等于第一阈值。
在加畸变的情况下，B3包括：在第一误差值大于第一阈值时，根据第一误差值采用非线性优化方法，调整内参矩阵，单应性矩阵、外参矩阵和畸变参数，以使第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵、外参矩阵和畸变参数。
在本公开中，使用上述线性方法求解的R'、T，f、cx、cy，ρ、τ或tx、ty作为初值。径向畸变参数k1,k2,k3；切向畸变参数p1,p2；薄棱镜畸变参数s1,s2,s3,s4中的至少一项使用0作为初值，使用任何有效的非线性优化方法如Levenberg-Marquardt算法进行非线性优化，迭代得到各参数的最优解。
本公开一可选实施例中，另一种方式是采用以下步骤进行优化：
C1：根据标志物的世界坐标和外参矩阵，确定标志物的第一相机归一化坐标。
该步骤与步骤B1相同，在此不再赘述。得到的第一相机归一化坐标[xn1 yn1]。
C2：根据标志物的图像坐标和内参矩阵确定标志物在实际成像平面的第二倾斜像面坐标。
具体地，参照公式(11)，确定第二倾斜像面坐标[xt2 yt2]：
C3：根据第二倾斜像面坐标、第二预设公式和单应性矩阵，确定含畸变的相机归一化坐标。
具体地，参照公式(12)，确定含畸变的相机归一化坐标[xd2 yd2]：
在公式(12)中，γ＝1+xt2 sin(ty)+yt2 sin(tx)cos (ty)。
C4：根据含畸变的相机归一化坐标和畸变参数，确定去畸变的相机归一化坐标，畸变参数的初始值为0。
其中，采用以下公式去畸变，得到去畸变的相机归一化坐标[xn2 yn2]：
在上述公式中，
C5：采用第二预设误差函数，确定第一相机归一化坐标和去畸变的相机归一化坐标的第二误差值。
在本公开中，在标定板的每个位置上采集特征点数为k，采集的位置数量为n，则可以得到n*k个特征点，特征点在世界坐标系下的实际坐标记为对应的实际的图像坐标记为/>对于每个特征点，采用世界坐标系下的坐标/>基于步骤C1计算出第一相机归一化坐标/>同时可由图像坐标/>基于步骤C2至C4，确定去畸变的相机归一化坐标/>然后采用以下第二预设误差函数公式(13)确定第一误差值∈s：
C6：在第二误差值大于第二阈值时，根据第二误差值采用非线性优化方法，调整内参矩阵，单应性矩阵、外参矩阵和畸变参数，以使第二误差值小于或等于第二阈值，得到调整后的内参矩阵，单应性矩阵、外参矩阵和畸变参数。
在本公开中，使用上述线性方法求解的R'、T，f、cx、cy，ρ、τ或tx、ty作为初值。径向畸变参数k1,k2,k3；切向畸变参数p1,p2；薄棱镜畸变参数s1,s2,s3,s4中的至少一项使用0作为初值，使用任何有效的非线性优化方法如Levenberg-Marquardt算法进行非线性优化，迭代得到各参数的最优解。
在本公开实施例中，参照图5，除了提供沙姆相机的标定方法之外，还提供沙姆相机的标定装置50应用于上述的沙姆相机的标定方法，包括：
获取模块51，用于获取标定图像，标定图像是通过沙姆相机在预设位置处拍摄标定板得到的图像；
确定模块52，用于采用有限摄影摄像机模型，根据标定板上标志物的世界坐标和标志物在标定图像中的图像坐标，确定从世界坐标转换至图像坐标的投影矩阵；
分解模块53，用于对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，投影矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，内参矩阵用于表示沙姆相机的内参数，单应性矩阵用于表示沙姆相机的实际相面相对于理想垂直面的旋转，外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量。
一种可选实施例中，投影矩阵为三行四列矩阵，外参矩阵由旋转矩阵以及平移向量组成，对投影矩阵进行分解包括：确定投影矩阵的其中三列为第一矩阵；根据第一矩阵，确定沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵，第一矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵的积；根据投影矩阵和沙姆相机中心在世界坐标下的欧式坐标以及对应的齐次坐标之间的变换关系，确定沙姆相机中心在世界坐标系下的欧式坐标，投影矩阵和齐次坐标的乘积为；确定沙姆相机中心在世界坐标系下的欧式坐标和旋转矩阵的乘积的负值为平移向量。
一种可选实施例中，第一矩阵为投影矩阵的前三列；根据第一矩阵，确定沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵，包括：对第一矩阵的第三行元素进行归一化处理得到第二矩阵，第一矩阵为第二矩阵与归一化参数的乘积；对第二矩阵进行分解，得到第一上三角矩阵和第一正交矩阵；根据第一上三角矩阵，确定第三矩阵，第三矩阵为第一上三角矩阵、预设的符号矩阵和一第二正交矩阵的乘积；根据第三矩阵和归一化参数，确定沙姆相机的内参矩阵，像面倾斜的单应性矩阵，其中，第三矩阵和归一化参数的积与内参矩阵与单应性矩阵的积相等；根据第一正交矩阵，确定旋转矩阵，旋转矩阵为第一正交矩阵、预设的符号矩阵的逆矩阵和第二正交矩阵的逆矩阵的乘积。
一种可选实施例中，根据第一上三角矩阵，确定第三矩阵包括：根据第二正交矩阵、符号矩阵和第一上三角矩阵的乘积为第三矩阵，确定第三矩阵，第二正交矩阵的格式为第三矩阵的格式为/>其中，g12等于g21。
一种可选实施例中，内参矩阵的格式为单应性矩阵的格式为其中，f表示沙姆相机的主距，cx和cy表示主点在图像坐标系下的坐标，ρ和τ是使用罗德里格斯形式表示的沙姆相机实际相面相对理想相面的旋转，ρ表示沙姆相机的旋转轴相对理想平面的旋转角度，τ表示沙姆相机的实际像平面绕旋转轴的旋转角度。
一种可选实施例中，对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵之后，还包括：根据标志物的世界坐标，内参矩阵，单应性矩阵和外参矩阵，确定标志物的图像坐标的计算值；采用第一预设误差函数，确定图像坐标和计算值的第一误差值；在第一误差值大于第一阈值时，根据第一误差值采用非线性优化方法，调整内参矩阵，单应性矩阵和外参矩阵，以使第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵和外参矩阵。
一种可选实施例中，根据标志物的世界坐标，内参矩阵，单应性矩阵和外参矩阵，确定标志物的图像坐标的计算值，包括：根据标志物的世界坐标和外参矩阵，确定标志物的第一相机归一化坐标；根据第一相机归一化坐标和畸变参数，确定含畸变的相机归一化坐标，畸变参数的初始值为0；根据含畸变的相机归一化坐标、第一预设转换公式和单应性矩阵，确定标志物在实际成像平面的第一倾斜像面坐标；根据第一倾斜像面坐标和内参矩阵，确定标志物的图像坐标的计算值；在第一误差值大于第一阈值时，根据第一误差值采用非线性优化方法，调整内参矩阵，单应性矩阵和外参矩阵，以使第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵和外参矩阵，包括：在第一误差值大于第一阈值时，根据第一误差值采用非线性优化方法，调整内参矩阵，单应性矩阵、外参矩阵和畸变参数，以使第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵、外参矩阵和畸变参数。
一种可选实施例中，对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵之后，还包括：根据标志物的世界坐标和外参矩阵，确定标志物的第一相机归一化坐标；根据标志物的图像坐标和内参矩阵确定标志物在实际成像平面的第二倾斜像面坐标；根据第二倾斜像面坐标、第二预设公式和单应性矩阵，确定含畸变的相机归一化坐标；根据含畸变的相机归一化坐标和畸变参数，确定去畸变的相机归一化坐标，畸变参数的初始值为0；采用第二预设误差函数，确定第一相机归一化坐标和去畸变的相机归一化坐标的第二误差值；在第二误差值大于第二阈值时，根据第二误差值采用非线性优化方法，调整内参矩阵，单应性矩阵、外参矩阵和畸变参数，以使第二误差值小于或等于第二阈值，得到调整后的内参矩阵，单应性矩阵、外参矩阵和畸变参数。
一种可选实施例中，标定板为二维标定板，获取标定图像，包括：控制沙姆相机对移动的二维标定板进行拍摄，得到多个标定图像，其中，二维标定板沿着沙姆相机的景深方向平行移动，标志物在不同的位置具有不同的世界坐标，标志物在不同位置处的世界坐标由标志物在标定板的位置以及标定板的移动距离确定。
本公开实施例提供的沙姆相机的标定装置通过对投影矩阵进行分解，得到沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，实现对沙姆相机的准确标定。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
图6为本公开一示例实施例提供的电子设备的结构示意图。如图6所示，该电子设备60包括：处理器61，以及与处理器61通信连接的存储器62，存储器62存储计算机执行指令。
其中，处理器执行存储器存储的计算机执行指令，以实现上述任一方法实施例所提供的沙姆相机的标定方法，具体功能和所能实现的技术效果此处不再赘述。
本公开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中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一方法实施例提供的沙姆相机的标定方法。
本公开实施例还提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一方法实施例提供的沙姆相机的标定方法。
在本公开所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本公开各个实施例方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (13)
1.一种沙姆相机的标定方法，其特征在于，包括：
获取标定图像，所述标定图像是通过所述沙姆相机在预设位置处拍摄标定板得到的图像；
采用有限摄影摄像机模型，根据所述标定板上标志物的世界坐标和所述标志物在所述标定图像中的图像坐标，确定从所述世界坐标转换至所述图像坐标的投影矩阵；
对所述投影矩阵进行分解，得到所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，所述投影矩阵为所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，所述内参矩阵用于表示所述沙姆相机的内参数，所述单应性矩阵用于表示所述沙姆相机的实际相面相对于理想垂直面的旋转，所述外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量；
所述投影矩阵为三行四列矩阵，所述外参矩阵由旋转矩阵以及平移向量组成，所述对所述投影矩阵进行分解包括：
确定所述投影矩阵的其中三列为第一矩阵；
根据所述第一矩阵，确定所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵，所述第一矩阵为所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵的积；
根据所述投影矩阵和所述沙姆相机中心在世界坐标下的欧式坐标以及对应的齐次坐标之间的变换关系，确定所述沙姆相机中心在世界坐标系下的欧式坐标，并确定所述沙姆相机中心在世界坐标系下的欧式坐标和所述旋转矩阵的乘积的负值为所述平移向量。
2.根据权利要求1所述的标定方法，其特征在于，所述投影矩阵和所述齐次坐标的乘积为0。
3.根据权利要求2所述的标定方法，其特征在于，所述第一矩阵为所述投影矩阵的前三列；所述根据所述第一矩阵，确定所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵，包括：
对所述第一矩阵的第三行元素进行归一化处理得到第二矩阵，所述第一矩阵为所述第二矩阵与归一化参数的乘积；
对所述第二矩阵进行分解，得到第一上三角矩阵和第一正交矩阵；
根据所述第一上三角矩阵，确定第三矩阵，所述第三矩阵为所述第一上三角矩阵、预设的符号矩阵和一第二正交矩阵的乘积；
根据所述第三矩阵和所述归一化参数，确定所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵，其中，所述第三矩阵和所述归一化参数的积与所述内参矩阵与所述单应性矩阵的积相等；
根据所述第一正交矩阵，确定旋转矩阵，所述旋转矩阵为所述第一正交矩阵、预设的符号矩阵的逆矩阵和第二正交矩阵的逆矩阵的乘积。
4.根据权利要求3所述的标定方法，其特征在于，所述根据所述第一上三角矩阵，确定第三矩阵包括：
根据第二正交矩阵、所述符号矩阵和所述第一上三角矩阵的乘积为所述第三矩阵，确定所述第三矩阵，所述第二正交矩阵的格式为所述第三矩阵的格式为/>其中，g12等于g21。
5.根据权利要求1至4任一项所述的标定方法，其特征在于，所述内参矩阵的格式为所述单应性矩阵的格式为/>其中，/>表示所述沙姆相机的主距，cx和cy表示主点在图像坐标系下的坐标，ρ和τ是使用罗德里格斯形式表示的沙姆相机实际相面相对理想相面的旋转，ρ表示所述沙姆相机的旋转轴相对理想平面的旋转角度，τ表示所述沙姆相机的实际像平面绕旋转轴的旋转角度,s为系数。
6.根据权利要求1至4任一项所述的标定方法，其特征在于，所述对所述投影矩阵进行分解，得到所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵之后，还包括：
根据所述标志物的世界坐标，所述内参矩阵，所述单应性矩阵和所述外参矩阵，确定所述标志物的图像坐标的计算值；
采用第一预设误差函数，确定所述图像坐标和所述计算值的第一误差值；
在所述第一误差值大于第一阈值时，根据所述第一误差值采用非线性优化方法，调整所述内参矩阵，所述单应性矩阵和所述外参矩阵，以使所述第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵和外参矩阵；
其中，所述第一预设误差函数为如下公式：
其中，∈f为所述第一误差值，在所述标定板的每个位置上采集特征点数为k，采集的位置数量为n，所述特征点对应的实际的图像坐标记为所述特征点对应的图像坐标的计算值/>
7.根据权利要求6所述的标定方法，其特征在于，所述根据所述标志物的世界坐标，所述内参矩阵，所述单应性矩阵和所述外参矩阵，确定所述标志物的图像坐标的计算值，包括：
根据所述标志物的世界坐标和所述外参矩阵，确定所述标志物的第一相机归一化坐标；
根据所述第一相机归一化坐标和畸变参数，确定含畸变的相机归一化坐标，所述畸变参数的初始值为0；
根据所述含畸变的相机归一化坐标、第一预设转换公式和所述单应性矩阵，确定所述标志物在实际成像平面的第一倾斜像面坐标；
根据所述第一倾斜像面坐标和所述内参矩阵，确定所述标志物的图像坐标的计算值；
所述在所述第一误差值大于第一阈值时，根据所述第一误差值采用非线性优化方法，调整所述内参矩阵，所述单应性矩阵和所述外参矩阵，以使所述第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵和外参矩阵，包括：
在所述第一误差值大于第一阈值时，根据所述第一误差值采用非线性优化方法，调整所述内参矩阵，所述单应性矩阵、所述外参矩阵和所述畸变参数，以使所述第一误差值小于或等于第一阈值，得到调整后的内参矩阵，单应性矩阵、外参矩阵和畸变参数。
8.根据权利要求1至4任一项所述的标定方法，其特征在于，所述对所述投影矩阵进行分解，得到所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵之后，还包括：
根据所述标志物的世界坐标和所述外参矩阵，确定所述标志物的第一相机归一化坐标；
根据所述标志物的图像坐标和所述内参矩阵确定所述标志物在实际成像平面的第二倾斜像面坐标；
根据所述第二倾斜像面坐标、第二预设公式和所述单应性矩阵，确定含畸变的相机归一化坐标；
根据所述含畸变的相机归一化坐标和畸变参数，确定去畸变的相机归一化坐标，所述畸变参数的初始值为0；
采用第二预设误差函数，确定所述第一相机归一化坐标和所述去畸变的相机归一化坐标的第二误差值；
在所述第二误差值大于第二阈值时，根据所述第二误差值采用非线性优化方法，调整所述内参矩阵，所述单应性矩阵、所述外参矩阵和所述畸变参数，以使所述第二误差值小于或等于第二阈值，得到调整后的内参矩阵，单应性矩阵、外参矩阵和畸变参数；
其中，所述第二预设误差函数为如下公式：
其中，在所述标定板的每个位置上采集特征点数为k，采集的位置数量为n，所述特征点对应的实际的图像坐标记为/>所述第一相机归一化坐标为/>所述去畸变的相机归一化坐标为/>
9.根据权利要求1至4任一项所述的标定方法，其特征在于，所述标定板为二维标定板，所述获取标定图像，包括：
控制所述沙姆相机对移动的所述二维标定板进行拍摄，得到多个标定图像，其中，所述二维标定板沿着所述沙姆相机的景深方向平行移动，所述标志物在不同的位置具有不同的世界坐标，所述标志物在不同位置处的世界坐标由标志物在所述标定板的位置以及所述标定板的移动距离确定。
10.一种标定系统，其特征在于，用于实现权利要求1至9任一项所述的沙姆相机的标定方法，所述标定系统包括沙姆相机、二维标定板、运动台和面光源，其中：
所述二维标定板上有标志物，所述二维标定板所在面与所述运动台平面垂直，所述二维标定板设置在所述运动台上；
所述运动台用于带动所述二维标定板沿着所述沙姆相机的景深方向平行移动；
所述面光源用于在所述沙姆相机拍摄所述二维标定板时，提供光线。
11.一种沙姆相机的标定装置，其特征在于，包括：
获取模块，用于获取标定图像，所述标定图像是通过所述沙姆相机在预设位置处拍摄标定板得到的图像；
确定模块，用于采用有限摄影摄像机模型，根据所述标定板上标志物的世界坐标和所述标志物在所述标定图像中的图像坐标，确定从所述世界坐标转换至所述图像坐标的投影矩阵；
分解模块，用于对所述投影矩阵进行分解，得到所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵，所述投影矩阵为所述沙姆相机的内参矩阵，像面倾斜的单应性矩阵和外参矩阵的乘积，所述内参矩阵用于表示所述沙姆相机的内参数，所述单应性矩阵用于表示所述沙姆相机的实际相面相对于理想垂直面的旋转，所述外参矩阵用于表示沙姆相机坐标系相对世界坐标系的旋转矩阵，以及沙姆相机坐标系相对世界坐标系的平移向量；
投影矩阵为三行四列矩阵，外参矩阵由旋转矩阵以及平移向量组成，所述分解模块在对所述投影矩阵进行分解时，具体用于：确定投影矩阵的其中三列为第一矩阵；根据第一矩阵，确定沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵，第一矩阵为沙姆相机的内参矩阵，像面倾斜的单应性矩阵和旋转矩阵的积；根据投影矩阵和沙姆相机中心在世界坐标下的欧式坐标以及对应的齐次坐标之间的变换关系，确定所述沙姆相机中心在世界坐标系下的欧式坐标，并确定所述沙姆相机中心在世界坐标系下的欧式坐标和所述旋转矩阵的乘积的负值为所述平移向量。
12.一种电子设备，其特征在于，包括：处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如权利要求1至9任一项所述沙姆相机的标定方法。
13.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现权利要求1至9任一项所述沙姆相机的标定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211736037.1A CN116188594B (zh) | 2022-12-31 | 2022-12-31 | 沙姆相机的标定方法、标定系统、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211736037.1A CN116188594B (zh) | 2022-12-31 | 2022-12-31 | 沙姆相机的标定方法、标定系统、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116188594A CN116188594A (zh) | 2023-05-30 |
| CN116188594B true CN116188594B (zh) | 2023-11-03 |
Family
ID=86433683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211736037.1A Active CN116188594B (zh) | 2022-12-31 | 2022-12-31 | 沙姆相机的标定方法、标定系统、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116188594B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580083B (zh) * | 2023-07-13 | 2023-09-22 | 深圳创维智慧科技有限公司 | 摄像设备的位姿估计方法、装置、电子设备及存储介质 |
| CN117911541A (zh) * | 2024-03-19 | 2024-04-19 | 杭州灵西机器人智能科技有限公司 | 沙姆相机标定方法、装置和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160339A (zh) * | 2021-05-19 | 2021-07-23 | 中国科学院自动化研究所苏州研究院 | 一种基于沙姆定律的投影仪标定方法 |
| CN113920205A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市华汉伟业科技有限公司 | 一种非同轴相机的标定方法 |
| CN114029982A (zh) * | 2021-12-21 | 2022-02-11 | 苏州全视智能光电有限公司 | 一种相机在机器臂外的手眼标定装置及其标定方法 |
| CN114359405A (zh) * | 2021-12-24 | 2022-04-15 | 苏州中科行智智能科技有限公司 | 一种离轴沙姆3d线激光相机的标定方法 |
| CN114993207A (zh) * | 2022-08-03 | 2022-09-02 | 广东省智能机器人研究院 | 基于双目测量系统的三维重建方法 |
| CN115439633A (zh) * | 2022-09-23 | 2022-12-06 | 梅卡曼德（北京）机器人科技有限公司 | 标定方法、装置和电子设备 |
-
2022
- 2022-12-31 CN CN202211736037.1A patent/CN116188594B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160339A (zh) * | 2021-05-19 | 2021-07-23 | 中国科学院自动化研究所苏州研究院 | 一种基于沙姆定律的投影仪标定方法 |
| CN113920205A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市华汉伟业科技有限公司 | 一种非同轴相机的标定方法 |
| CN114029982A (zh) * | 2021-12-21 | 2022-02-11 | 苏州全视智能光电有限公司 | 一种相机在机器臂外的手眼标定装置及其标定方法 |
| CN114359405A (zh) * | 2021-12-24 | 2022-04-15 | 苏州中科行智智能科技有限公司 | 一种离轴沙姆3d线激光相机的标定方法 |
| CN114993207A (zh) * | 2022-08-03 | 2022-09-02 | 广东省智能机器人研究院 | 基于双目测量系统的三维重建方法 |
| CN115439633A (zh) * | 2022-09-23 | 2022-12-06 | 梅卡曼德（北京）机器人科技有限公司 | 标定方法、装置和电子设备 |
Non-Patent Citations (4)
| Title |
|---|
| Review of Calibration Methods for Scheimpflug Camera;Cong Sun 等;《Journal of Sensors》;全文 * |
| 基于Scheimpflug定律的线结构光系统摄像机标定方法;王平江 等;《制造业自动化》;第39卷(第10期);第10-14+19页 * |
| 基于广义成像模型的Scheimpflug相机标定方法;孙聪 等;《光学学报》;第38卷(第8期);第114-122页 * |
| 基于移轴线结构光成像的钢轨鲁棒三维重建系统研究;邹胜;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》(第9期);第3.1节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116188594A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116188594B (zh) | 沙姆相机的标定方法、标定系统、装置和电子设备 | |
| CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
| CN109754426B (zh) | 一种用于摄像标定参数验证的方法、系统和装置 | |
| CN110809786B (zh) | 校准装置、校准图表、图表图案生成装置和校准方法 | |
| US10726580B2 (en) | Method and device for calibration | |
| CN111028205B (zh) | 一种基于双目测距的眼睛瞳孔定位方法及装置 | |
| CN112308925A (zh) | 可穿戴设备的双目标定方法、设备及存储介质 | |
| CN112907675B (zh) | 图像采集设备的标定方法、装置、系统、设备及存储介质 | |
| CN112734832B (zh) | 一种即时获得线上物体实际尺寸测量方法 | |
| CN112381887B (zh) | 一种多深度相机标定方法、装置、设备和介质 | |
| CN115965697B (zh) | 基于沙姆定律的投影仪标定方法、标定系统及装置 | |
| CN113034565B (zh) | 一种单目结构光的深度计算方法及系统 | |
| CN112950528A (zh) | 证件姿态确定方法、模型训练方法、装置、服务器及介质 | |
| CN113112545B (zh) | 基于计算机视觉的手持移动打印装置定位方法 | |
| CN110136205A (zh) | 多目相机的视差校准方法、装置及系统 | |
| CN113627210A (zh) | 条形码图像的生成方法、装置、电子设备及存储介质 | |
| CN111260574B (zh) | 一种印章照片矫正的方法、终端及计算机可读存储介质 | |
| US20200267297A1 (en) | Image processing method and apparatus | |
| CN115457142B (zh) | 一种mr混合摄影相机的标定方法和系统 | |
| CN106204604A (zh) | 投影触控显示装置及其交互方法 | |
| CN116051652A (zh) | 一种参数标定方法及电子设备、存储介质 | |
| CN113239918B (zh) | 一种图像分辨率归一化处理方法及装置 | |
| CN112053349A (zh) | 一种用于法医鉴定的伤情图像处理方法 | |
| CN111932613A (zh) | 多视角点云标定方法、装置、设备及计算机可读存储介质 | |
| CN110866956A (zh) | 一种机器人标定方法及终端 |
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 |