CN116563388A - 标定数据采集方法、装置、电子设备及存储介质 - Google Patents
标定数据采集方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116563388A CN116563388A CN202310484967.0A CN202310484967A CN116563388A CN 116563388 A CN116563388 A CN 116563388A CN 202310484967 A CN202310484967 A CN 202310484967A CN 116563388 A CN116563388 A CN 116563388A
- Authority
- CN
- China
- Prior art keywords
- center
- circles
- calibration plate
- points
- circle center
- 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 79
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 37
- 239000003086 colorant Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提供了一种标定数据采集方法、装置、电子设备及存储介质，涉及相机标定技术领域。所述方法包括：采集屏幕上显示的网格点标定板得到图像，对图像进行特征点检测得到多个特征点；在多个特征点中按照匹配条件确定出多个圆环的圆心排布，基于多个圆环的圆心排布和网格点标定板的圆心间距确定出图像内所有圆形的圆心排布，根据多个圆环和所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与网格点标定板中对应点的3D坐标构建数据对得到标定数据。依据本申请实施例，极大地降低了拍摄要求，容易实现，而且提高了采集效率和成功率。
Description
技术领域
本申请涉及相机标定技术领域，尤其涉及一种标定数据采集方法、装置、电子设备及存储介质。
背景技术
相机标定是指通过实验与计算的方法求解相机几何模型参数的过程，它是计算机视觉领域中一项发展较久，也较为成熟的技术。在传统的影视制作中，拍摄是在真实搭建的场景中进行的，相机标定也是使用传统物理标定板来实现的。而在虚拟拍摄中，由于使用虚拟相机渲染出的虚拟场景投影至屏幕上来替代真实场景进行拍摄，相机标定也需要借助投影到屏幕上的标定板才能完成。
在虚拟拍摄的相机标定过程中，如果使用网格点标定板，则针对投影至屏幕上的网格点标定板，要求相机必须拍摄完整的网格点标定板，才能保证采集到有效的标定数据。上述方式对拍摄要求较高，不易实现，而且一旦拍摄的是局部网格点标定板，则会导致标定数据采集失败。
发明内容
本申请实施例提供一种标定数据采集方法、装置、电子设备及存储介质，以降低拍摄要求，提高标定数据采集的成功率。
在第一方面，本申请实施例提供了一种标定数据采集方法，包括：
采集屏幕上显示的网格点标定板得到图像，所述网格点标定板包括多个圆形和各向异性的多个圆环，所述多个圆环包括一个中心圆环和多个周围圆环，所述多个圆形和多个圆环的颜色相同，且与所述网格点标定板的背景颜色不同，所述图像包括所述网格点标定板的部分或全部区域，且至少包括所述多个圆环；
对所述图像进行特征点检测得到多个特征点；
在所述多个特征点中按照匹配条件确定出所述多个圆环的圆心排布，所述匹配条件为所述中心圆环与所述多个周围圆环的位置关系符合各向异性；
基于所述多个圆环的圆心排布和所述网格点标定板的圆心间距，在所述多个特征点中确定出所述图像内所有圆形的圆心排布；
根据所述多个圆环的圆心排布和所述所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与所述网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
在第二方面，本申请实施例提供了一种标定数据采集装置，包括：
采集模块，用于采集屏幕上显示的网格点标定板得到图像，所述网格点标定板包括多个圆形和各向异性的多个圆环，所述多个圆环包括一个中心圆环和多个周围圆环，所述多个圆形和多个圆环的颜色相同，且与所述网格点标定板的背景颜色不同，所述图像包括所述网格点标定板的部分或全部区域，且至少包括所述多个圆环；
检测模块，用于对所述图像进行特征点检测得到多个特征点；
匹配模块，用于在所述多个特征点中按照匹配条件确定出所述多个圆环的圆心排布，所述匹配条件为所述中心圆环与所述多个周围圆环的位置关系符合各向异性；
确定模块，用于基于所述多个圆环的圆心排布和所述网格点标定板的圆心间距，在所述多个特征点中确定出所述图像内所有圆形的圆心排布；
构建模块，用于根据所述多个圆环的圆心排布和所述所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与所述网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
在第三方面，本申请实施例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的计算机程序，所述处理器在执行所述计算机程序时实现上述任一项所述的方法。
在第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
与现有技术相比，本申请具有如下优点：
通过采集屏幕上显示的网格点标定板得到图像，对图像进行特征点检测得到多个特征点；在多个特征点中按照匹配条件确定出多个圆环的圆心排布，基于多个圆环的圆心排布和网格点标定板的圆心间距确定出图像内所有圆形的圆心排布，根据多个圆环的圆心排布和所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与网格点标定板中对应点的3D坐标构建数据对得到标定数据；上述采集过程不限制必须拍摄网格点标定板的所有区域，只要包括多个圆环，即使拍摄的是局部区域，也能实现标定数据的采集，极大地降低了拍摄要求，容易实现，而且提高了采集效率和成功率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请的一些实施方式，而不应将其视为是对本申请范围的限制。
图1是本申请一实施例的棋盘格标定板的示意图；
图2是本申请另一实施例的网格点标定板的示意图；
图3是本申请另一实施例的ChArUco标定板的示意图；
图4是本申请另一实施例的ChArUco标定板的采集图像示意图；
图5是本申请另一实施例的标定数据采集方法流程图；
图6是本申请另一实施例的包括圆环的网格点标定板示意图；
图7是本申请另一实施例的包括圆环的网格点标定板的采集图像示意图；
图8是本申请另一实施例的标定数据采集方法流程图；
图9是本申请另一实施例的参数调整对比示意图；
图10是本申请另一实施例的确定周围圆环圆心的流程图；
图11是本申请一实施例的标定数据采集装置的结构框图；
图12为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的构思或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的，而非限制性的。
为便于理解本申请实施例的技术方案，以下对本申请实施例的相关技术进行说明。以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合，其均属于本申请实施例的保护范围。
首先对本申请所涉及的名词进行解释。
相机标定：在图像测量、摄影测量、三维重建以及机器视觉等应用中，为校正镜头畸变，确定物理尺寸和像素间的换算关系，以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，需要建立相机成像的几何模型，这些几何模型参数就是相机参数。通过实验与计算的方法，求解相机几何模型参数的过程，称为相机标定。相机的几何模型参数包括但不限于相机的内参矩阵如光心和焦距，以及畸变参数如径向畸变参数和切向畸变参数。无论是哪种应用，相机标定都是非常关键的环节，标定结果的精度及算法的稳定性都会直接影响相机工作产生结果的准确性。
标定板(Calibration Target)：在相机标定过程中，通过相机拍摄带有固定间距图案阵列的平板，以及经过标定算法的计算，可以得出相机的几何模型参数。其中，带有固定间距图案阵列的平板就是标定板。标定板通常包括棋盘格和网格点两种类型。棋盘格标定板是指由交替出现的两种颜色的色块构成的标定板。网格点标定板是指由横向和纵向均间距相等且排布均匀的圆形构成的标定板。
相机畸变：相机畸变是指相机光学系统对物体所成的像相对于物体本身而言的失真程度，是光学透镜的固有特性，其直接原因是因为光学透镜的边缘部分和中心部分的放大倍率不一样。相机畸变的分类包括但不限于：径向畸变、切向畸变和线性畸变。径向畸变是沿着透镜半径方向分布的畸变，产生原因是光线在远离透镜中心的地方比靠近中心的地方更加弯曲，又包括枕形畸变和桶形畸变两种。切向畸变是由于透镜本身与相机传感器平面(成像平面)或图像平面不平行而产生的，这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致。线性畸变又称为薄棱镜畸变，由于透镜设计缺陷和加工安装误差造成，影响较小，一般忽略不计。
焦段：就是镜头焦距的分段。一般分为超广角、广角、标准、中焦、中长焦、长焦和超长焦等多个焦段。所有的胶片、数码相机、摄像机、电影摄影机都有相对于自身的画幅所划分的焦段。以35毫米相机(135相机)为例：一般把焦距在20mm以下的镜头称为超广角镜头；21mm～40mm焦段的镜头称为广角镜头；41mm～60mm焦距的镜头称为标准镜头；61mm～100mm焦距的镜头称为中焦镜头；101mm～180mm焦距的镜头称为中长焦镜头；180mm～300mm焦距的镜头称为长焦镜头；301mm以上焦距的镜头称为超长焦镜头。
特征点：图像处理中，图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点，称为特征点。特征点能够反映图像本质特征，可以标识图像中的目标物体。对于棋盘格标定板来说，特征点就是在对角线方向上两个相邻且同颜色的色块相交的角点。对于网格点标定板来说，特征点就是圆形的圆心。特征点检测可以采用多种不同的算法来实现，如角点检测算法或斑点检测算法等。
各向异性：是指物质的全部或部分物理性质随着方向的改变而有所变化，在不同的方向上呈现出差异的性质。其中，物理性质包括但不限于形状或尺寸等。
相机标定中使用的标定板，无论是传统的物理标定板，还是投影至屏幕上的标定板，都可以采用棋盘格标定板或网格点标定板。棋盘格标定板包括但不限于两种类型，分别是普通棋盘格标定板和ChArUco(Chess Augmented reality University of cordoba)棋盘格标定板。下面结合附图来说明各种类型的标定板。
参见图1，为本申请一实施例的棋盘格标定板的示意图。图中所示的棋盘格标定板由8行交替出现的黑白色块构成，奇数行按照黑块白块交替的顺序从左到右排列，偶数行按照白块黑块交替的顺序从左到右排列。所有黑块和白块的大小均相同。
参见图2，为本申请另一实施例的网格点标定板的示意图。图中所示的网格点标定板由位于白色背景上的多个黑色圆形构成，一共有8行，每行包括11个直径相同的黑色圆形，而且横向及纵向相邻圆形的圆心间距均相等。
参见图3，为本申请另一实施例的ChArUco标定板的示意图。ChArUco标定板为基于ArUco(Augmented reality University of cordoba)标记生成的棋盘格标定板。其中，ArUco标记是一种由外部黑色框和内部二进制代码组成的基准标记。图中所示的ChArUco标定板由黑块和ArUco标记块交替构成，它具有高精度与易用性的优点。
相机标定的具体过程可以包括如下步骤：1)生成标定板；2)使用待标定相机从不同位置和角度采集包含标定板的图像；3)对采集到的图像进行特征点检测，提取图像中特征点的2D坐标；4)将检测到的特征点2D坐标与标定板中对应点的3D坐标一一对应，构建2D和3D数据对得到标定数据；5)对标定数据运行标定算法，计算出相机几何模型参数。
在相机标定的过程中，如果采用了棋盘格标定板，在大焦段下经常会出现，采集图像有的区域特征点是清晰的，有的区域特征点却很模糊，导致提取的2D坐标不准确，影响标定数据的精度，尤其是投影到LED屏幕的标定板，标定数据精度会更低。
参见图4，为本申请另一实施例的ChArUco标定板的采集图像示意图。其中，ChArUco标定板投影到LED屏幕上之后，相机从某个角度采集到的图像如图所示。可以看出，距离相机较近的特征点比较清楚，距离相机较远的特征点比较模糊，因此，ChArUco标定板的特征点检测结果不准确，从而导致标定数据精度降低。
在相机标定的过程中，如果采用了网格点标定板，则要求采集的图像必须包括完整的标定板，才能完成2D和3D数据对的构建。对于传统的物理标定板而言，采集操作比较受限，对于尺寸较大的屏幕上的标定板而言，采集到完整的标定板图像更不易实现。一旦拍摄的是局部标定板图像，则会导致标定数据采集失败。
为了解决上述网格点标定板图像采集受限不易实现以及标定数据成功率低的问题，本申请实施例提供了一种标定数据采集方法，基于包括各向异性的多个圆环的网格点标定板进行标定数据的采集，采集过程不限制必须拍摄网格点标定板的所有区域，只要包括多个圆环，即使拍摄的是局部区域，也能实现标定数据的采集，极大地降低了拍摄要求，容易实现，而且提高了采集效率和成功率。上述方法可以应用于任何电子设备中，包括但不限于：计算机、平板电脑、或笔记本电脑等。具体的应用场景可以有多种，包括但不限于虚拟拍摄的标定数据采集场景或相机标定场景等。
本申请实施例提供了一种标定数据采集方法，如图5所示为本申请一实施例的标定数据采集方法流程图，该方法可以包括如下步骤。
S501：采集屏幕上显示的网格点标定板得到图像，网格点标定板包括多个圆形和各向异性的多个圆环，多个圆环包括一个中心圆环和多个周围圆环，多个圆形和多个圆环的颜色相同，且与网格点标定板的背景颜色不同，图像包括网格点标定板的部分或全部区域，且至少包括多个圆环。
其中，周围圆环是指位于中心圆环周围的圆环，每一个周围圆环或者与中心圆环相邻，或者与另一个周围圆环相邻，而不会位于一个孤立的位置即相邻的只有圆形而无圆环。
本申请实施例中，网格点标定板上的多个圆环具有各向异性是指该多个圆环在不同的方向上呈现的形状各不相同。其中，圆环的总数量可以预先设置好，如4个、7个或10个等，具体数值不限定。例如，在网格点标定板上设置4个圆环呈倒T形，中心圆环的上方、左侧和右侧各有一个周围圆环，左侧的周围圆环、中心圆环和右侧周围圆环在水平方向上位于一条直线，上方周围圆环与中心圆环在垂直方向上位于一条直线。当网格点标定板发生任意角度的旋转时，该T形随之发生变化，且在每个角度对应的形状均不同，因此保证了该4个圆环具有各向异性。再如，还可以在网格点标定板上设置7个圆环呈倒T形，中心圆环的上方、左侧和右侧各有两个周围圆环。左侧的两个周围圆环、中心圆环和右侧的两个周围圆环在水平方向上位于一条直线，上方的两个周围圆环与中心圆环在垂直方向上位于一条直线。当网格点标定板发生任意角度的旋转时，该T形随之发生变化，且在每个角度对应的形状均不同，因此保证了该7个圆环具有各向异性。
本申请实施例中，圆形的总数量也可以根据需要设置，如117个或161个等，具体数值不限定。按照预先设置的圆环数量和圆形数量就可以生成固定内容的网格点标定板。
图6是本申请另一实施例的包括圆环的网格点标定板示意图。如图所示，图中的网格点标定板包括4个圆环和161个圆形，且均为白色，标定板的背景颜色为黑色。4个圆环包括1个中心圆环和3个周围圆环，3个周围圆环分别位于中心圆环的上方、左侧和右侧。由于圆环为空心的，因此圆环圆心所在的点就是背景颜色上的一个黑点。而圆形圆心则均为白色的点。圆形一共有11行，15列，每行每列的圆形均按照固定圆心间距均匀排布。图中所示的4个圆环呈倒T形，当标定板发生任意角度的旋转时，该T形随之发生变化，且在每个角度对应的形状均不同，因此保证了该4个圆环具有各向异性。
另外，值得一提的是，本申请实施例对网格点标定板中的圆环直径大小不做具体限定，它可以大于、等于或小于圆形直径，实际应用中根据需要设定。优选地，可以设置圆环直径大于圆形直径，从而可以提高特征点检测的稳定性。
本申请实施例在传统网格点标定板的基础上，加入了具备各向异性的多个圆环，该多个圆环的位置可以位于网格点标定板的中心，或者其他位置，具体不限定。这种新模式的网格点标定板，解决了实际采集过程中必须拍摄标定板全部区域的问题，极大地提高了操作的灵活性，容易实现，进而提高了采集效率和成功率。
S502：对图像进行特征点检测得到多个特征点。
本申请实施例中，特征点检测可以使用多种特征点检测算法来实现，包括但不限于：圆点检测算法、椭圆检测算法或斑点检测算法等，具体不限定。
S503：在多个特征点中按照匹配条件确定出多个圆环的圆心排布，匹配条件为中心圆环与多个周围圆环的位置关系符合各向异性。
本申请实施例中，圆心排布是指多个圆心之间的相邻关系以及位置关系，可以理解为，通过圆心排布即可以知道各个圆心的方位以及距离，如圆心A在圆心B的左侧，二者的水平距离为20pt，圆心C在圆心B的上方，二者的垂直距离为20pt等。
S504：基于多个圆环的圆心排布和网格点标定板的圆心间距，在多个特征点中确定出图像内所有圆形的圆心排布。
本申请实施例中，网格点标定板上无论是圆环的圆心，还是圆形的圆心，每两个相邻的圆心之间的间距均相等，所述相邻包括水平方向相邻和垂直方向相邻。其中，圆心间距为预先设置好的值，具体数值不限定。网格点标定板可以为正方形或长方形，可以按照屏幕的形状来设置，网格点标定板的尺寸也可以根据需要设置，具体不限定。
S505：根据多个圆环的圆心排布和所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
本申请实施例中，圆心点序是指确定出的所有圆心(包括圆环圆心和圆形圆心)之间的相邻关系以及位置关系，通过圆心点序可以获知每个圆心在网格点标定板上的第几行第几列，而且任意两个相邻圆心之间的距离就等于网格点标定板的圆心间距，所述相邻包括水平方向相邻和垂直方向相邻。
其中，上述各圆心的2D坐标由检测到的特征点即可获知，包括x坐标和y坐标。2D坐标原点通常为标定板左下角点(0,0)。3D坐标由屏幕上显示的网格点标定板的空间位置即可获知，包括x坐标、y坐标和z坐标。3D坐标原点通常为标定板左下角角点(0,0,0)。
由于网格点标定板上圆心点序是固定的，因此采集图像中的2D点，按照该圆心点序与屏幕上网格点标定板中的相应3D点就具有固定的一对一的对应关系，从而可以构建出2D3D数据对。
上述以采集一张图像为例进行说明，在实际应用中，可以根据需要进行多次采集，采集过程均与上述过程相同，此处不再赘述。
在一种实施方式下，上述步骤S503可以包括：
在多个特征点中找出目标点，目标点存在三个以上相邻点且目标点和相邻点的颜色均为背景颜色，将目标点确定为中心圆环的圆心；
将中心圆环的圆心与各相邻点分别相连，若连线得到的各向量之间的夹角满足指定条件，则将三个以上相邻点确定为多个周围圆环的圆心；
根据中心圆环的圆心与多个周围圆环的圆心的位置关系得到多个圆环的圆心排布。
其中，按照上述过程确定中心圆环的圆心和多个周围圆环的圆心后，该中心圆环与多个周围圆环的位置关系符合各向异性。
图7是本申请另一实施例的包括圆环的网格点标定板的采集图像示意图。如图所示，对屏幕上投影的网格点标定板进行图像采集，可以仅采集网格点标定板的局部区域，即网格点标定板的一部分，而不是全部，只要采集的图像包括4个圆环即可。根据该采集图像可以确定出图像中各圆环圆心以及各圆形圆心，进而可以得到标定数据，完成采集过程，从而降低了相机拍摄要求，使得拍摄不再受限，提高了采集效率，避免由于拍摄不完整的网格点标定而造成采集失败的情况发生，提高了采集效率和成功率。
在一种实施方式下，上述步骤S504可以包括：
从中心圆环的圆心开始沿垂直向上和垂直向下两个方向，按照网格点标定板的圆心间距，在多个特征点内与中心圆环的圆心颜色不同的点中，确定出图像内各行的中心点，各行的中心点与中心圆环的圆心在垂直方向上位于一列；
将确定的每行的中心点分别作为当前行的中心点，从当前行的中心点开始沿水平向左和水平向右两个方向，按照网格点标定板的圆心间距，在多个特征点内与当前行的中心点相同颜色的点中，确定出当前行内各圆形的圆心；
根据各行的中心点以及每行内各圆形的圆心的位置关系得到图像内各圆形的圆心排布。
本实施例提供的上述方法，基于包括各向异性的多个圆环的网格点标定板进行标定数据的采集，采集过程不限制必须拍摄网格点标定板的所有区域，只要包括多个圆环，即使拍摄的是局部区域，也能实现标定数据的采集，极大地降低了拍摄要求，容易实现，方便快捷，避免了由于拍摄不完整的网格点标定而造成采集失败的情况发生，提高了采集效率和成功率。
本申请实施例提供了一种标定数据采集方法，如图8所示为本申请另一实施例的标定数据采集方法流程图，该方法可以包括如下步骤。
S801：采集屏幕上显示的网格点标定板得到图像。
其中，网格点标定板包括多个圆形和各向异性的多个圆环，多个圆环包括一个中心圆环和多个周围圆环，多个圆形和多个圆环的颜色相同，且与网格点标定板的背景颜色不同，图像包括网格点标定板的部分或全部区域，且至少包括多个圆环。
示例性地，投影网格点标定板的屏幕可以采用LED(Light-Emitting Diode，发光二极管)屏幕或者其他屏幕，本申请实施例对此不做具体限定。
本申请实施例中，上述步骤S801之前还可以包括：
在网格点标定板中每个圆形的直径均为初始直径的情况下，根据特征点检测结果放大或缩小调整该初始直径后重新生成网格点标定板以进行下次采集。
其中，如果本次相机采集的图像中，特征点即圆形过小，使得特征点检测不易识别，造成特征点检测效率降低以及结果不准确，则可以放大调整该初始直径，用放大后的直径重新生成网格点标定板，以便在下次采集时克服该缺陷。如果本次相机采集的图像中，特征点即圆形过大，特征点检测的精度会降低，则可以缩小调整该初始直径，用缩小后的直径重新生成网格点标定板，以便在下次采集时克服该缺陷。
这种基于本次特征点检测结果调整圆形直径即特征点大小以优化下次采集的方式，实现了网格点标定板的特征点大小可调，使得重新生成的网格点标定板能够更适用于相机采集，也增强了采集过程适应不同分辨率的屏幕以及不同焦段的相机镜头的能力，极大地提高了标定数据采集的灵活性，方便快捷，应用更广泛，兼容性更强。
在一种实施方式下，网格点标定板的上下左右四个方向中可以至少一个方向的边缘设置有留白区域。其中，留白区域是指在网格点标定板的边缘留出一块区域，在该区域内不设置圆形或圆环，只保持背景颜色即可。示例性地，网格点标定板的背景颜色为黑色，圆形和圆环均为白色，则留白区域即为指定宽度的黑色区域，不包括任何圆形和圆环。通过在网格点标定板的边缘设置留白区域，可以避免拍摄过程中网格点标定板边缘处出现的干扰所造成的噪点。例如，在网格点标定板的下方边缘设置有指定宽度的留白区域，可以避免在相机拍摄过程中，有工作人员走动经过屏幕，对拍摄画面造成干扰进而导致采集图像下方边缘出现噪点。为了避免多个方向上的干扰，可以在网格点标定板的上下左右四个方向的边缘均设置有留白区域，从而提高了网格点标定板的抗干扰性以及采集过程的稳定性。其中，各个方向上的留白区域的宽度可以相同，也可以不同，具体不限定。
本申请实施例中，上述特征点大小以及留白区域宽度均可以设置为可视化调整，具体形式可以为：在管理界面上显示调整窗口，其中包括各个可以调整的参数，如特征点大小或留白区域的宽度，管理员可以手动输入调整后的参数或者根据下拉菜单选择需要的参数，从而调整网格点标定板的各项参数，以达到优化后续采集的目的。
图9是本申请另一实施例的参数调整对比示意图。如左图所示，在一个固定尺寸和分辨率的屏幕上显示网格点标定板，其中圆形的初始直径(即特征点大小)为4pt，标定板上下左右四个方向的边缘留白区域宽度均为0pt即无留白区域，完整的网格点标定板一共包括12行和16列的圆形，其中心位置处包括4个圆环。在完成本次采集后，根据特征点检测结果，需要放大调整特征点大小，调整后的结果如右图所示。其中，初始直径(即特征点大小)已由4pt调整为8pt，并且在标定板上下左右四个方向的边缘处均设置宽度为100pt的留白区域，相应地，重新生成的网格点标定板一共包括5行和8列的圆形，中间位置处仍然包括4个圆环。根据该重新生成的网格点标定板进行后续采集，能够进一步优化采集结果，提高检测精度和结果的准确性。
S802：对采集的图像进行特征点检测得到多个特征点。
本申请实施例中，上述步骤S802可以具体包括：将图像转换成灰度图并做二值化处理，对二值化处理后的图像执行斑点检测算法得到多个特征点。
其中，二值化处理后的图像内，背景颜色可以为黑色且所有圆形和圆环均为白色，或者背景颜色可以为白色且所有圆形和圆环均为黑色。
本申请实施例中，由于相机畸变的存在，通常采集到的特征点大概率不是一个规则的圆形，而是椭圆或其他发生形变的图形。因此，使用斑点检测算法进行特征点检测，即使图像因为相机的虚焦而模糊，也不会影响检测的精度，能够充分发挥斑点检测算法的模糊抗性，更精确的检测到图形几何中心，提高了检测精度。与棋盘格标定板相比，对长焦镜头采集标定数据时可能出现的虚焦情况，检测精度也完全不受影响，因此，也解决了棋盘格标定板场景下由于虚焦问题导致特征点提取结果不准确的问题，提高了检测精度。
S803：在多个特征点中找出目标点，目标点存在三个以上相邻点且目标点和相邻点的颜色均为背景颜色，将目标点确定为中心圆环的圆心。
本申请实施例中，在已知网格点标定板的背景颜色的情况下，对转换成灰度图并做二值化处理后的图像执行斑点检测算法得到多个特征点后，可以先对特征点按照灰度值分成黑色和白色两类。然后，在与背景颜色具有相同颜色的分类中，寻找满足条件的目标点，从而可以提高处理效率。
S804：将中心圆环的圆心与各相邻点分别相连，若连线得到的各向量之间的夹角满足指定条件，则将三个以上相邻点确定为多个周围圆环的圆心。
其中，上述指定条件是指按照上述过程确定中心圆环的圆心和多个周围圆环的圆心后，该中心圆环与多个周围圆环的位置关系符合各向异性。
S805：根据中心圆环的圆心与多个周围圆环的圆心的位置关系得到多个圆环的圆心排布。
S806：从中心圆环的圆心开始沿垂直向上和垂直向下两个方向，按照网格点标定板的圆心间距，在多个特征点内与中心圆环的圆心颜色不同的点中，确定出图像内各行的中心点，各行的中心点与中心圆环的圆心在垂直方向上位于一列。
本申请实施例中，通常中心圆环位于标定板的中心位置处，因此，中心圆环所在行的上方和下方都会存在其他行圆形。由于标定板中所有圆心都是均匀等间距排列的，因此，以中心圆环的圆心作为该行中心点的话，与该圆心位于一列的其余各圆心均可以看作为其余行的中心点。也就是说，可以从中心圆环的圆心开始，按照已知的圆心间距，向上找出每行的中心点，以及向下找出每行的中心点，最终得到位于一列的各行的中心点。
S807：将确定的每行的中心点分别作为当前行的中心点，从当前行的中心点开始沿水平向左和水平向右两个方向，按照网格点标定板的圆心间距，在多个特征点内与当前行的中心点相同颜色的点中，确定出当前行内各圆形的圆心。
以图9的右图为例，首先，确定出中心圆环的圆心即第三行的中心点后，按照已知的圆心间距，可以向上找到两行的中心点，包括第一行第四列的圆形圆心和第二行第四列的圆环圆心；还可以向下找到两行的中心点，包括第四行第四列的圆形圆心和第五行第四列的圆形圆心。然后，从每行的中心点开始分别向左和向右找到每行的圆形圆心，如第三行除圆环外向左找到两个圆形圆心，向右找到三个圆形圆心，第一行向左找到三个圆形圆心，向右找到四个圆形圆心，从而完成了图像中所有圆心的确定过程。
S808：根据各行的中心点以及每行内各圆形的圆心的位置关系得到图像内所有圆形的圆心排布。
S809：根据多个圆环的圆心排布和所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
本实施例提供的上述方法，基于包括各向异性的多个圆环的网格点标定板进行标定数据的采集，采集过程不限制必须拍摄网格点标定板的所有区域，只要包括多个圆环，即使拍摄的是局部区域，也能实现标定数据的采集，极大地降低了拍摄要求，容易实现，方便快捷，避免了由于拍摄不完整的网格点标定而造成采集失败的情况发生，提高了采集效率和成功率。
图10是本申请另一实施例的确定周围圆环圆心的流程图。如图所示，上述步骤S804可以包括如下具体步骤。
S1001：将中心圆环的圆心与各相邻点分别相连。
S1002：若由中心圆环的圆心至第一方向上距离最近的第一相邻点连线得到第一向量，由中心圆环的圆心至第二方向上距离最近的第二相邻点连线得到第二向量，以及由中心圆环的圆心至第三方向上距离最近的第三相邻点连线得到第三向量，则对各向量之间的夹角进行判断。
本申请实施例中，第一方向、第二方向和第三方向具体不限定，能够保证多个圆环的各向异性即可。为了方便说明，以第一方向为水平向左，第二方向为水平向右，第三方向为垂直向上为例进行说明。
其中，中心圆环在某个方向上的相邻点可能为一个或多个，在为多个的情况下，先考虑距离最近的相邻点进行连线及判断。例如，中心圆环圆心H的左侧有两个相邻点A1和A2，A1为距离H最近的相邻点，则连线H->A1得到第一向量E1；在点H的右侧有两个相邻点B1和B2，B1为距离H最近的相邻点，则连线H->B1得到第二向量E2；在点H的上方有两个相邻点C1和C2，C1为距离H最近的相邻点，则连线H->C1得到第三向量E3。
S1003：若第一向量与第二向量的夹角与180度的差值小于阈值，第一向量与第三向量的夹角与90度的差值小于阈值，以及第二向量与第三向量的夹角与90度的差值小于阈值，则将第一相邻点、第二相邻点和第三相邻点均确定为周围圆环的圆心。
其中，上述阈值可以根据需要设置，如3度或5度等，具体数值不限定。以阈值为5度为例，并结合上述例子继续进行说明。若向量E1与E2的夹角为179度，则与180度的差值的绝对值小于5度；向量E1与E3的夹角为91度，向量E2与E3的夹角为88度，与90的差值的绝对值均小于阈值5度；则可以确定A1、B1和C1为周围圆环的圆心。
S1004：若中心圆环的圆心在目标方向上除距离最近的基础相邻点外还有参考相邻点，由基础相邻点至中心圆环的圆心连线构成基础向量，以及由基础相邻点至参考相邻点连线构成参考向量，则判断基础向量和参考向量之间的夹角与180度的差值是否小于阈值，如果是，则确定参考相邻点为周围圆环的圆心；否则，确定参考相邻点为噪点。
例如，中心圆环圆心H的左侧有两个相邻点A1和A2，A1为距离H最近的相邻点即基础相邻点，A2为A1的相邻点即参考相邻点，则连线A1->H得到基础向量G1，连线A1->A2得到参考向量G2。若基础向量G1和参考向量G2之间的夹角为180度，则与180度的差值小于阈值5度，因此可以确定相邻点A2为周围圆环的圆心；若基础向量G1和参考向量G2之间的夹角为190度，则与180度的差值大于阈值5度，因此可以确定相邻点A2为噪点。
与本申请实施例提供的方法的应用场景以及方法相对应地，本申请实施例还提供一种标定数据采集装置。如图11所示为本申请一实施例的标定数据采集装置的结构框图，该装置可以包括：
采集模块1101，用于采集屏幕上显示的网格点标定板得到图像，网格点标定板包括多个圆形和各向异性的多个圆环，多个圆环包括一个中心圆环和多个周围圆环，多个圆形和多个圆环的颜色相同，且与网格点标定板的背景颜色不同，图像包括网格点标定板的部分或全部区域，且至少包括多个圆环；
检测模块1102，用于对图像进行特征点检测得到多个特征点；
匹配模块1103，用于在多个特征点中按照匹配条件确定出多个圆环的圆心排布，匹配条件为中心圆环与多个周围圆环的位置关系符合各向异性；
确定模块1104，用于基于多个圆环的圆心排布和网格点标定板的圆心间距，在多个特征点中确定出图像内所有圆形的圆心排布；
构建模块1105，用于根据多个圆环的圆心排布和所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
在一种实施方式下，匹配模块可以包括：
第一确定单元，用于基于多个圆环的圆心排布和网格点标定板的圆心间距，在多个特征点中找出目标点，目标点存在三个以上相邻点且目标点和相邻点的颜色均为背景颜色，将目标点确定为中心圆环的圆心；
第二确定单元，用于将中心圆环的圆心与各相邻点分别相连，若连线得到的各向量之间的夹角满足指定条件，则将三个以上相邻点确定为多个周围圆环的圆心；
第三确定单元，用于根据中心圆环的圆心与多个周围圆环的圆心的位置关系得到多个圆环的圆心排布。
在一种实施方式下，第二确定单元可以用于：
将中心圆环的圆心与各相邻点分别相连，若由中心圆环的圆心至第一方向上距离最近的第一相邻点连线得到第一向量，由中心圆环的圆心至第二方向上距离最近的第二相邻点连线得到第二向量，以及由中心圆环的圆心至第三方向上距离最近的第三相邻点连线得到第三向量，则对各向量之间的夹角进行判断；
若第一向量与第二向量的夹角与180度的差值小于阈值，第一向量与第三向量的夹角与90度的差值小于阈值，以及第二向量与第三向量的夹角与90度的差值小于阈值，则将第一相邻点、第二相邻点和第三相邻点均确定为周围圆环的圆心。
在一种实施方式下，上述匹配模块还可以用于：
若中心圆环的圆心在目标方向上除距离最近的基础相邻点外还有参考相邻点，由基础相邻点至中心圆环的圆心连线构成基础向量，以及由基础相邻点至参考相邻点连线构成参考向量，则判断基础向量和参考向量之间的夹角与180度的差值是否小于阈值，如果是，则确定参考相邻点为周围圆环的圆心；否则，确定参考相邻点为噪点；
其中，目标方向为第一方向、第二方向或第三方向，对应基础相邻点为第一相邻点、第二相邻点或第三相邻点。
在一种实施方式下，确定模块可以用于：
从中心圆环的圆心开始沿垂直向上和垂直向下两个方向，按照网格点标定板的圆心间距，在多个特征点内与中心圆环的圆心颜色不同的点中，确定出图像内各行的中心点，各行的中心点与中心圆环的圆心在垂直方向上位于一列；
将确定的每行的中心点分别作为当前行的中心点，从当前行的中心点开始沿水平向左和水平向右两个方向，按照网格点标定板的圆心间距，在多个特征点内与当前行的中心点相同颜色的点中，确定出当前行内各圆形的圆心；
根据各行的中心点以及每行内各圆形的圆心的位置关系得到图像内所有圆形的圆心排布。
在一种实施方式下，检测模块可以用于：
将图像转换成灰度图并做二值化处理，对二值化处理后的图像执行斑点检测算法得到多个特征点。
其中，二值化处理后的图像内，背景颜色为黑色且所有圆形和圆环均为白色，或者背景颜色为白色且所有圆形和圆环均为黑色。
在一种实施方式下，上述装置还包括：
调整模块，用于在网格点标定板中每个圆形的直径均为初始直径的情况下，根据特征点检测结果放大或缩小调整初始直径后重新生成网格点标定板以进行下次采集。
本申请实施例中，网格点标定板的上下左右四个方向中至少一个方向的边缘设置有留白区域。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，并具备相应的有益效果，在此不再赘述。
本实施例提供的上述装置，基于包括各向异性的多个圆环的网格点标定板进行标定数据的采集，采集过程不限制必须拍摄网格点标定板的所有区域，只要包括多个圆环，即使拍摄的是局部区域，也能实现标定数据的采集，极大地降低了拍摄要求，容易实现，方便快捷，避免了由于拍摄不完整的网格点标定而造成采集失败的情况发生，提高了采集效率和成功率。
本申请实施例还提供了一种相机标定的方法，包括：使用上述任一实施例提供的标定数据采集方法，进行相机标定数据的采集，对采集得到的标定数据运行标定算法，计算出相机几何模型参数。通过该相机标定的方法，不仅提高了标定数据的精度，而且提高了相机标定的效率和成功率，也提高了虚拟拍摄场景中虚实交互的真实程度。
图12为用来实现本申请实施例的电子设备的框图。如图12所示，该电子设备包括：存储器1210和处理器1220，存储器1210内存储有可在处理器1220上运行的计算机程序。处理器1220执行该计算机程序时实现上述实施例中的方法。存储器1210和处理器1220的数量可以为一个或多个。
该电子设备还包括：通信接口1230，用于与外界设备进行通信，进行数据交互传输。
如果存储器1210、处理器1220和通信接口1230独立实现，则存储器1210、处理器1220和通信接口1230可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(PeripheralComponent Interconnect，PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1210、处理器1220及通信接口1230集成在一块芯片上，则存储器1210、处理器1220及通信接口1230可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片，该芯片包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(FieldProgrammable 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。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(Advanced RISC Machines，ARM)架构的处理器。
进一步地，可选的，上述存储器可以包括只读存储器和随机访问存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以包括随机访问存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM均可用。例如，静态随机访问存储器(Static RAM，SRAM)、动态随机访问存储器(Dynamic Random Access Memory，DRAM)、同步动态随机访问存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机访问存储器(Double Data RateSDRAM，DDR SDRAM)、增强型同步动态随机访问存储器(Enhanced SDRAM，ESDRAM)、同步链接动态随机访问存储器(Sync link DRAM，SLDRAM)和直接内存总线随机访问存储器(DirectRambus RAM，DR RAM)。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生依照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“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、材料或者特点包括于本申请的至少一个实施例或示例中。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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中描述的或在此以其他方式描述的任何过程或方法可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中描述的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。
应理解的是，本申请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。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
需要说明的是，本申请实施例中可能会涉及到对用户数据的使用，在实际应用中，可以在符合所在国的适用法律法规要求的情况下(例如，用户明确同意，对用户切实通知，等)，在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
以上所述，仅为本申请的示例性实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请记载的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种标定数据采集方法，其特征在于，所述方法包括：
采集屏幕上显示的网格点标定板得到图像，所述网格点标定板包括多个圆形和各向异性的多个圆环，所述多个圆环包括一个中心圆环和多个周围圆环，所述多个圆形和多个圆环的颜色相同，且与所述网格点标定板的背景颜色不同，所述图像包括所述网格点标定板的部分或全部区域，且至少包括所述多个圆环；
对所述图像进行特征点检测得到多个特征点；
在所述多个特征点中按照匹配条件确定出所述多个圆环的圆心排布，所述匹配条件为所述中心圆环与所述多个周围圆环的位置关系符合各向异性；
基于所述多个圆环的圆心排布和所述网格点标定板的圆心间距，在所述多个特征点中确定出所述图像内所有圆形的圆心排布；
根据所述多个圆环的圆心排布和所述所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与所述网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
2.根据权利要求1所述的方法，其特征在于，在所述多个特征点中按照匹配条件确定出所述多个圆环的圆心排布，包括：
在所述多个特征点中找出目标点，所述目标点存在三个以上相邻点且目标点和相邻点的颜色均为所述背景颜色，将所述目标点确定为所述中心圆环的圆心；
将所述中心圆环的圆心与各相邻点分别相连，若连线得到的各向量之间的夹角满足指定条件，则将所述三个以上相邻点确定为所述多个周围圆环的圆心；
根据所述中心圆环的圆心与多个周围圆环的圆心的位置关系得到所述多个圆环的圆心排布。
3.根据权利要求2所述的方法，其特征在于，若连线得到的各向量之间的夹角满足指定条件，则将所述三个以上相邻点确定为所述多个周围圆环的圆心，包括：
若由所述中心圆环的圆心至第一方向上距离最近的第一相邻点连线得到第一向量，由所述中心圆环的圆心至第二方向上距离最近的第二相邻点连线得到第二向量，以及由所述中心圆环的圆心至第三方向上距离最近的第三相邻点连线得到第三向量，则对各向量之间的夹角进行判断；
若第一向量与第二向量的夹角与180度的差值小于阈值，第一向量与第三向量的夹角与90度的差值小于阈值，以及第二向量与第三向量的夹角与90度的差值小于阈值，则将所述第一相邻点、第二相邻点和第三相邻点均确定为周围圆环的圆心。
4.根据权利要求3所述的方法，其特征在于，还包括：
若所述中心圆环的圆心在目标方向上除距离最近的基础相邻点外还有参考相邻点，由所述基础相邻点至所述中心圆环的圆心连线构成基础向量，以及由所述基础相邻点至所述参考相邻点连线构成参考向量，则判断所述基础向量和参考向量之间的夹角与180度的差值是否小于阈值，如果是，则确定所述参考相邻点为周围圆环的圆心；否则，确定所述参考相邻点为噪点；
其中，所述目标方向为第一方向、第二方向或第三方向，对应基础相邻点为第一相邻点、第二相邻点或第三相邻点。
5.根据权利要求1所述的方法，其特征在于，基于所述多个圆环的圆心排布和所述网格点标定板的圆心间距，在所述多个特征点中确定出所述图像内所有圆形的圆心排布，包括：
从所述中心圆环的圆心开始沿垂直向上和垂直向下两个方向，按照所述网格点标定板的圆心间距，在所述多个特征点内与所述中心圆环的圆心颜色不同的点中，确定出所述图像内各行的中心点，所述各行的中心点与所述中心圆环的圆心在垂直方向上位于一列；
将确定的每行的中心点分别作为当前行的中心点，从当前行的中心点开始沿水平向左和水平向右两个方向，按照所述网格点标定板的圆心间距，在所述多个特征点内与当前行的中心点相同颜色的点中，确定出当前行内各圆形的圆心；
根据各行的中心点以及每行内各圆形的圆心的位置关系得到所述图像内所有圆形的圆心排布。
6.根据权利要求1所述的方法，其特征在于，对所述图像进行特征点检测得到多个特征点，包括：
将所述图像转换成灰度图并做二值化处理，对二值化处理后的图像执行斑点检测算法得到多个特征点。
7.根据权利要求6所述的方法，其特征在于，所述二值化处理后的图像内，背景颜色为黑色且所有圆形和圆环均为白色，或者背景颜色为白色且所有圆形和圆环均为黑色。
8.根据权利要求1所述的方法，其特征在于，还包括：
在所述网格点标定板中每个圆形的直径均为初始直径的情况下，根据特征点检测结果放大或缩小调整所述初始直径后重新生成网格点标定板以进行下次采集。
9.根据权利要求1所述的方法，其特征在于，所述网格点标定板的上下左右四个方向中至少一个方向的边缘设置有留白区域。
10.一种标定数据采集装置，其特征在于，所述装置包括：
采集模块，用于采集屏幕上显示的网格点标定板得到图像，所述网格点标定板包括多个圆形和各向异性的多个圆环，所述多个圆环包括一个中心圆环和多个周围圆环，所述多个圆形和多个圆环的颜色相同，且与所述网格点标定板的背景颜色不同，所述图像包括所述网格点标定板的部分或全部区域，且至少包括所述多个圆环；
检测模块，用于对所述图像进行特征点检测得到多个特征点；
匹配模块，用于在所述多个特征点中按照匹配条件确定出所述多个圆环的圆心排布，所述匹配条件为所述中心圆环与所述多个周围圆环的位置关系符合各向异性；
确定模块，用于基于所述多个圆环的圆心排布和所述网格点标定板的圆心间距，在所述多个特征点中确定出所述图像内所有圆形的圆心排布；
构建模块，用于根据所述多个圆环的圆心排布和所述所有圆形的圆心排布组成的圆心点序，将各圆心的2D坐标与所述网格点标定板中对应点的3D坐标构建数据对，得到标定数据。
11.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器在执行所述计算机程序时实现权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310484967.0A CN116563388B (zh) | 2023-04-28 | 2023-04-28 | 标定数据采集方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310484967.0A CN116563388B (zh) | 2023-04-28 | 2023-04-28 | 标定数据采集方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116563388A true CN116563388A (zh) | 2023-08-08 |
| CN116563388B CN116563388B (zh) | 2024-05-07 |
Family
ID=87490927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310484967.0A Active CN116563388B (zh) | 2023-04-28 | 2023-04-28 | 标定数据采集方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116563388B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008014940A (ja) * | 2006-06-08 | 2008-01-24 | Fast:Kk | 平面状被撮像物のカメラ計測のためのカメラキャリブレーション方法、および応用計測装置 |
| CN105158090A (zh) * | 2015-07-23 | 2015-12-16 | 北京理工大学 | 一种测量材料抗爆炸冲击性能的系统及方法 |
| CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及系统 |
| CN111951335A (zh) * | 2020-08-13 | 2020-11-17 | 珠海格力电器股份有限公司 | 确定相机标定参数的方法、装置、处理器和图像采集系统 |
| CN112767497A (zh) * | 2021-01-25 | 2021-05-07 | 深慧视(深圳)科技有限公司 | 基于圆形标定板的高鲁棒性标定装置及定位方法 |
| WO2022052313A1 (zh) * | 2020-09-11 | 2022-03-17 | 苏州中科全象智能科技有限公司 | 3d结构光系统的标定方法、电子设备及存储介质 |
| CN114782553A (zh) * | 2022-05-11 | 2022-07-22 | 江南大学 | 基于椭圆对偶二次曲线的迭代相机标定方法及装置 |
| CN115063308A (zh) * | 2022-06-06 | 2022-09-16 | 杭州睿影科技有限公司 | 一种图像校正方法、装置、电子设备及存储介质 |
| CN115131379A (zh) * | 2022-06-30 | 2022-09-30 | 杭州睿影科技有限公司 | 一种包裹图像分割方法、装置、电子设备及存储介质 |
| CN115409898A (zh) * | 2022-08-04 | 2022-11-29 | 华中科技大学 | 一种基于特殊环形标定板的高精度相机标定方法及设备 |
-
2023
- 2023-04-28 CN CN202310484967.0A patent/CN116563388B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008014940A (ja) * | 2006-06-08 | 2008-01-24 | Fast:Kk | 平面状被撮像物のカメラ計測のためのカメラキャリブレーション方法、および応用計測装置 |
| CN105158090A (zh) * | 2015-07-23 | 2015-12-16 | 北京理工大学 | 一种测量材料抗爆炸冲击性能的系统及方法 |
| CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及系统 |
| CN111951335A (zh) * | 2020-08-13 | 2020-11-17 | 珠海格力电器股份有限公司 | 确定相机标定参数的方法、装置、处理器和图像采集系统 |
| WO2022052313A1 (zh) * | 2020-09-11 | 2022-03-17 | 苏州中科全象智能科技有限公司 | 3d结构光系统的标定方法、电子设备及存储介质 |
| CN112767497A (zh) * | 2021-01-25 | 2021-05-07 | 深慧视(深圳)科技有限公司 | 基于圆形标定板的高鲁棒性标定装置及定位方法 |
| CN114782553A (zh) * | 2022-05-11 | 2022-07-22 | 江南大学 | 基于椭圆对偶二次曲线的迭代相机标定方法及装置 |
| CN115063308A (zh) * | 2022-06-06 | 2022-09-16 | 杭州睿影科技有限公司 | 一种图像校正方法、装置、电子设备及存储介质 |
| CN115131379A (zh) * | 2022-06-30 | 2022-09-30 | 杭州睿影科技有限公司 | 一种包裹图像分割方法、装置、电子设备及存储介质 |
| CN115409898A (zh) * | 2022-08-04 | 2022-11-29 | 华中科技大学 | 一种基于特殊环形标定板的高精度相机标定方法及设备 |
Non-Patent Citations (4)
| Title |
|---|
| XAUNRUI GONG: "Accurate features point extraction for omnidirectional camera calibration", 《PROCEEDINGS OF ELEVENTH INTERNATIONAL CONFERENCE ON DIGITAL IMAGE PROCESSIN》 * |
| 叶美图;梁晋;千勃兴;宗玉龙;龚春园;: "基于数字图像相关的旋转叶片全场测量", 中南大学学报(自然科学版), no. 07 * |
| 张立亭;黄晓浪;鹿琳琳;陈竹安;徐志宽;: "基于灰度差分与模板的Harris角点检测快速算法", 仪器仪表学报, no. 02 * |
| 邓小婷;高楠;张宗华;: "基于直接相位测量术的系统参数标定方法", 激光与光电子学进展, no. 06 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116563388B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11570423B2 (en) | System and methods for calibration of an array camera | |
| CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| JP5311143B2 (ja) | 測定装置および方法、並びに、プログラム | |
| CN108074237B (zh) | 图像清晰度检测方法、装置、存储介质及电子设备 | |
| CN110197180B (zh) | 字符缺陷检测方法、装置及设备 | |
| CN112308934B (zh) | 标定检测方法及装置、存储介质、计算设备 | |
| CN108198189B (zh) | 图片清晰度的获取方法、装置、存储介质及电子设备 | |
| CN112581904A (zh) | 一种oled屏亮度灰阶图像的摩尔纹补偿方法 | |
| JP6353233B2 (ja) | 画像処理装置、撮像装置、及び画像処理方法 | |
| CN116563388B (zh) | 标定数据采集方法、装置、电子设备及存储介质 | |
| EP3564917B1 (en) | A method for detecting motion in a video sequence | |
| KR101559338B1 (ko) | 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법 | |
| JP2018018425A (ja) | 画像処理装置及び画像処理方法 | |
| CN114727073B (zh) | 一种图像的投影方法、装置、可读存储介质及电子设备 | |
| CN112292577A (zh) | 三维测量装置以及方法 | |
| WO2019188194A1 (ja) | レンズマーカのパターン中心の決定方法、およびその装置、ならびに決定方法をコンピュータに実行させるプログラム、およびその記録媒体 | |
| CN108596981B (zh) | 一种图像的鸟瞰视角重投影方法、装置及便携式终端 | |
| WO2022171003A1 (zh) | 相机标定方法、装置及电子设备 | |
| CN112866550B (zh) | 相位差获取方法和装置、电子设备、计算机可读存储介质 | |
| CN113645462B (zh) | 一种3d光场的转换方法及装置 | |
| JP2012098207A (ja) | 位置計測装置、位置計測方法及びマーカー | |
| US20220405890A1 (en) | Apparatus and method for noise reduction from a multi-view image | |
| CN111080689B (zh) | 确定面部深度图的方法和装置 | |
| KR101583662B1 (ko) | 광각 카메라 영상의 특징점 검출 방법 | |
| CN117392161A (zh) | 用于远距离大透视畸变的标定板角点及角点编号确定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230817 Address after: Room 602, Building S1, Alibaba Cloud Building, No. 3239 Keyuan Road, Ulan Coast Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518000 Applicant after: Shenli Vision (Shenzhen) Cultural Technology Co.,Ltd. Address before: 100000 room 2601, floor 26, building 9, District 4, Wangjing Dongyuan, Chaoyang District, Beijing Applicant before: BEIJING YOUKU TECHNOLOGY Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |