CN116843759A - 双目摄像头的标定验证方法、系统、计算机设备及介质 - Google Patents

双目摄像头的标定验证方法、系统、计算机设备及介质 Download PDF

Info

Publication number
CN116843759A
CN116843759A CN202310149903.5A CN202310149903A CN116843759A CN 116843759 A CN116843759 A CN 116843759A CN 202310149903 A CN202310149903 A CN 202310149903A CN 116843759 A CN116843759 A CN 116843759A
Authority
CN
China
Prior art keywords
binocular camera
calibration
right images
value
binocular
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310149903.5A
Other languages
English (en)
Inventor
李红
邢健飞
严彩萍
杨豆豆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Qiyuan Vision Technology Co ltd
Original Assignee
Hangzhou Qiyuan Vision Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Qiyuan Vision Technology Co ltd filed Critical Hangzhou Qiyuan Vision Technology Co ltd
Priority to CN202310149903.5A priority Critical patent/CN116843759A/zh
Publication of CN116843759A publication Critical patent/CN116843759A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20228—Disparity calculation for image-based rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请涉及光学领域，特别是涉及一种双目摄像头的标定验证方法、系统、计算机设备及计算机可读存储介质。方法包括：基于双目摄像头所分别采集的若干第一左右图像对双目摄像头的标定，获得双目摄像头的标定参数；第一左右图像包含标定物；基于双目摄像头所分别采集的第二左右图像，确定第二左右图像中目标对象的深度值；基于深度值，以及目标对象与双目摄像头之间的距离值，确定双目摄像头是否标定成功。本发明由于采用不同的第二左右图像对双目摄像头的标定参数进行验证，提高了标定参数验证的准确度；再者，利用目标对象的深度值对双目摄像头的标定参数进行验证，与利用标定误差验证相比，进一步提高了标定参数验证的准确度。

Description

双目摄像头的标定验证方法、系统、计算机设备及介质
技术领域
本申请涉及光学领域，特别是涉及一种双目摄像头的标定验证方法、系统、计算机设备及计算机可读存储介质。
背景技术
双目摄像头的标定是实现以上双目摄像头3D应用的关键。在基于双目摄像头的测量及视觉应用中，物体点在空间的三维位置与其在图像中对应二维像素点位置之间的关系，数学上用几何投影模型来描述。该模型的参数一般通过对尺寸已知的标定图案(例如实心圆阵列或者黑白棋盘格)拍照、图像处理及计算得到，这个确定摄像头投影模型参数的过程即称之为标定。
现有技术通用的方案是首先进行世界坐标系下的角点重投影，然后计算投影得到的这些点与检测得到的角点之间的误差，作为衡量标定好坏的依据。现有技术存在以下技术问题：
1.由于标定过程中采用的图像与验证过程中采用的图像是相同的，而标定参数是由这些图像计算得到的，用同样的图像去进行验证，可能会发生过拟合现象，也即误差很小，但是使用此标定参数计算得到的视差图却不准确。
2.由于误差是一种平均值，并不能真实地反应出每个标定参数的准确性，比如部分标定参数会导致标定误差很小，另外一些标定参数会导致标定误差较大，经过平均之后的最终误差会较小，在实际应用中，会导致校正质量不够理想，从而使得最终的视差图不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种双目摄像头的标定验证方法、系统、计算机设备及计算机可读存储介质。
第一方面，本发明实施例提出一种双目摄像头的标定验证方法，所述方法包括：
基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数；所述第一左右图像包含标定物；
基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值；
基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
在一实施例中，所述基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值包括：
对所述第二左右图像进行立体校正；
基于立体校正后的所述第二左右图像，确定所述第二左右图像的视差值；
基于所述视差值，确定所述第二左右图像中目标对象的深度值。
在一实施例中，所述基于所述视差值，确定所述第二左右图像中目标对象的深度值包括：
基于视差图以及视差值深度转换的转换关系，将所述视差图转换为深度图；所述视差图基于所述视差值所生成；
基于所述深度图，确定所述目标对象的深度值。
在一实施例中，所述视差值深度转换的转换关系为：
其中，Z表示深度；d表示视差值；b表示所述双目摄像头的光心的距离，f表示所述双目摄像头的焦距。
在一实施例中，所述基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功包括：
确定所述深度值是否在预设距离范围内，所述预设距离范围基于所述距离值所确定；
若是，则确定所述双目摄像头的标定验证成功；若否，则确定所述双目摄像头的标定验证失败，并对所述双目摄像头重新标定。
在一实施例中，所述第一左右图像在所述双目摄像头的拍照时间戳同步的情况下所采集。
在一实施例中，在所述基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数之后，所述方法还包括：
利用张氏双目相机标定算法，得到所述标定参数的标定误差；
若所述标定误差不满足预设条件，则对所述双目摄像头重新标定。
第二方面，本发明实施例提出一种双目摄像头的标定验证系统，所述系统包括：
标定模块，用于基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数；所述第一左右图像包含标定物；
第一确定模块，用于基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值；
第二确定模块，用于基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
第三方面，本发明实施例提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现第一方面所述的方法的步骤。
第四方面，本发明实施例提出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，实现第一方面所述的方法的步骤。
相比于现有技术，上述方法、系统、计算机设备及存储介质，基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值，基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。与现有技术相比，由于采用不同的第二左右图像对双目摄像头的标定参数进行验证，提高了标定参数验证的准确度；再者，利用目标对象的深度值对双目摄像头的标定参数进行验证，与利用标定误差验证相比，进一步提高了标定参数验证的准确度。
附图说明
图1为一实施例中待测物体标定系统的结构示意图；
图2为一实施例中终端的结构示意图；
图3为一实施例中双目摄像头的标定验证方法的流程图；
图4为一实施例中初步验证方法的流程图；
图5为一实施例中深度值确定方法的流程图；
图6为双目摄像头标定示意图；
图7为一实施例中是否标定成功确定方法的流程图；
图8为一实施例中双目摄像头的标定验证系统的模块连接示意图；
图9为一实施例中计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本发明应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
如本发明和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本发明对根据本发明的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在计算设备和/或处理器上。模块仅是说明性的，并且系统和方法的不同方面可以使用不同模块。
应当理解的是，当单元或模块被描述为“连接”、“耦接”其它单元、模块或块时，其可以指直接连接或耦接，或者与其它单元、模块或块通信，或者可以存在中间的单元、模块或块，除非上下文明确指明其它方式。本文所使用的术语“和/或”可包括一个或多个相关列出项目的任意与所有组合。
标定系统的结构示意图如图1所示。终端10与双目摄像头20通信连接，双目摄像头20采集若干第一左右图像并发送到所述终端10，终端10根据第一左右图像实现双目摄像头20的标定。之后，双目摄像头20采集第二左右图像并发送到所述终端10，终端10基于所述双目摄像头20所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值；基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
第一左右图像中包含标定物，例如为棋盘格，标定物设于标定板30。
第二左右图像中的目标对象例如为人脸图像，目标对象设于辅助标定板40。
本申请提供的双目摄像头的标定验证方法，可以应用于如图1所示的终端中。如图1所示，终端10可以包括一个或两个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端10还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图2所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端10还可包括比图2中所示更多或者更少的组件，或者具有与图2所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的双目摄像头的标定验证方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterfaceController，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(RadioFrequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在一实施例中，如图3所示，提供了一种双目摄像头的标定验证方法，以该方法应用于图2中的终端为例进行说明，包括以下步骤：
S302：基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数。
所述第一左右图像为双目摄像头所分别采集的第一左图像和第一右图像，第一左图像和第一右图像均包含标定物，所述标定物例如为棋盘格。
所述第一左右图像的数量例如为20张，可以根据实际标定需求进行设定。
以棋盘格为标定物对双目摄像头标定为例，在标定之前，棋盘格图像打印并铺平粘贴于标定板上，确保黑白格的角点清晰可见且棋盘格平面平整无弯曲。
在一实施例中，在标定之前，还需要对双目摄像头的拍摄同步进行检测，以保证标定参数的准确度。具体的，打开双目摄像头启动拍照功能，并拍摄一张电子秒表图像，查看其第一左右图像中的时间显示是否同步，确保双目摄像头的拍照时间戳同步。若双目摄像头的时间戳同步，则拍摄20张棋盘格图像，即第一左右图像。在双目摄像头的相同视域内，棋盘格每变换一次位置拍照一张图像。在拍照时棋盘格保持静止，且位姿与之前拍摄的均不相同。若双目摄像头的时间戳不同步，则表示该双目摄像头不可用，不对其进行标定。
在本实施例中，基于双目摄像头所分别采集的若干第一左右图像，运行张氏双目相机标定算法对所述双目摄像头进行标定，得到双目摄像头的标定参数，标定参数包括内参、外参和标定误差等。需要说明的是，还可以采用其他标定方法对双目摄像头进行标定，本实施例并不对其进行限定。
在一优选的实施例中，对标定参数进行初步验证，以提高标定的准确度。具体的，如图4所示，包括以下步骤：
S402：利用张氏双目相机标定算法，得到所述标定参数的标定误差；
S404：若所述标定误差不满足预设条件，则对所述双目摄像头重新标定。
若标定误差符合预设条件时，将其保存至终端中。
S304：基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值。
所述目标对象例如为人脸图像，人脸图像打印并铺平粘贴于辅助标定板上。辅助标定板在标定板和双目摄像头之间，距离双目摄像头预设距离，例如为1米。
在双目摄像头采集若干第一左右图像完成后，采集第二左右图像。
S306：基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
在本实施例中，基于上述步骤S302-S306，基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值，基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。与现有技术相比，由于采用不同的第二左右图像对双目摄像头的标定参数进行验证，提高了标定参数验证的准确度；再者，利用目标对象的深度值对双目摄像头的标定参数进行验证，与利用标定误差验证相比，进一步提高了标定参数验证的准确度。
在一实施例中，如图5所示，所述基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值包括：
S502：对所述第二左右图像进行立体校正。
在立体校正之前，对拍摄得到的第二左右图像进行人脸检测，得到人脸区域，即目标对象所在区域。
立体校正是为了让双目摄像头的第一左右图像完全行对准。从而在第一左右图像进行块匹配时，只需在同一行进行像素搜索，减少了计算量，使得后续视差值计算等步骤变得简化。
在立体校正之后，将校正完成后的第一左右图像进行显示，查看是否校正正确，即随机取一像素查看其左右图的纵坐标是否相等，若不相等，则重新标定。
S504：基于立体校正后的所述第二左右图像，确定所述第二左右图像的视差值。
运用块匹配算法得到左图人脸图像的视差图。按行循环左图人脸图像的每个像素，在右图人脸图像中进行逐像素匹配，依据像素的颜色、亮度、梯度等指标计算第二左右图像中的像素匹配代价。当该匹配代价最小时，当前视差值值即为左图人脸图像对应像素的视差值。
S506：基于所述视差值，确定所述第二左右图像中目标对象的深度值。
具体得，基于所述视差值生成视差图，基于视差图以及视差值深度转换的转换关系，将所述视差图转换为深度图，基于所述深度图，确定深度图中所述目标对象对应位置的深度值。
所述深度值为平均深度。
其中，所述视差值深度转换的转换关系为：
其中，Z表示深度；d表示视差值；b表示所述双目摄像头的光心的距离，f表示所述双目摄像头的焦距。
图6为双目摄像头标定示意图，其中，C1、C2分别表示双目摄像头的坐标系，P1、P2是三维空间中一点；P(x1,y1,z1)在左右相机成像平面上的坐标点，b表示所述双目摄像头的光心的距离，Z表示为三维空间点P的深度，立体校正后已知双目摄像头的位置关系，利用相似三角形可得化简后可得视差值深度转换的转换关系/>其中视差值d＝XR-XT，XR和XT分别表示双目摄像头的左右成像点到左图像面的距离。
在一实施例中，如图7所示，所述基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功包括：
S702：确定所述深度值是否在预设距离范围内，所述预设距离范围基于所述距离值所确定；
S704：若是，则确定所述双目摄像头的标定验证成功；若否，则确定所述双目摄像头的标定验证失败，并对所述双目摄像头重新标定。
其中，预设距离范围根据辅助标定板距离双目摄像头预设距离所确定，例如，辅助标定板距离双目摄像头1米，则预设距离范围可以是设为90厘米至1.1米之间。若需要提高标定验证精度的准确度，则可以缩小预设距离范围。
若计算得到的深度值在90厘米至1.1米之间的话，则认为此次标定是成功的，此次标定结束；若得到的深度值小于90厘米或者大于1.1米，则认为此次标定是不成功的，需要重新进行标定。
在一实施例中，若重复标定3次仍不满足要求，则放弃当前双目摄像头，对下一双目摄像头的标定进行验证。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一实施例中，如图8所示，本发明实施例提出一种双目摄像头的标定验证系统，所述系统包括：
标定模块802，用于基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数；所述第一左右图像包含标定物；
第一确定模块804，用于基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值；
第二确定模块806，用于基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
第一确定模块基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值，第二确定模块基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。与现有技术相比，由于采用不同的第二左右图像对双目摄像头的标定参数进行验证，提高了标定参数验证的准确度；再者，利用目标对象的深度值对双目摄像头的标定参数进行验证，与利用标定误差验证相比，进一步提高了标定参数验证的准确度。
在一实施例中，所述第一确定模块包括：
立体校正模块，用于对所述第二左右图像进行立体校正；
视差值确定模块，用于基于立体校正后的所述第二左右图像，确定所述第二左右图像的视差值；
深度值确定模块，用于基于所述视差值，确定所述第二左右图像中目标对象的深度值。
在一实施例中，所述深度值确定模块具体用于：
基于视差图以及视差值深度转换的转换关系，将所述视差图转换为深度图；所述视差图基于所述视差值所生成；
基于所述深度图，确定所述目标对象的深度值。
在一实施例中，所述视差值深度转换的转换关系为：
其中，Z表示深度；d表示视差值；b表示所述双目摄像头的光心的距离，f表示所述双目摄像头的焦距。
在一实施例中，所述第二确定模块具体用于：
确定所述深度值是否在预设距离范围内，所述预设距离范围基于所述距离值所确定；
若是，则确定所述双目摄像头的标定验证成功；若否，则确定所述双目摄像头的标定验证失败，并对所述双目摄像头重新标定。
在一实施例中，所述第一左右图像在所述双目摄像头的拍照时间戳同步的情况下所采集。
在一实施例中，所述系统还包括：
初步验证模块，用于利用张氏双目相机标定算法，得到所述标定参数的标定误差；若所述标定误差不满足预设条件，则对所述双目摄像头重新标定。
关于待测物体标定系统的具体限定可以参见上文中对于标定方法的限定，在此不再赘述。上述待测物体标定系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一实施例中，本发明提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储动作检测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任一项双目摄像头的标定验证方法实施例中的步骤。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项双目摄像头的标定验证方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种双目摄像头的标定验证方法，其特征在于，所述方法包括：
基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数；所述第一左右图像包含标定物；
基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值；
基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
2.根据权利要求1所述的方法，其特征在于，所述基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值包括：
对所述第二左右图像进行立体校正；
基于立体校正后的所述第二左右图像，确定所述第二左右图像的视差值；
基于所述视差值，确定所述第二左右图像中目标对象的深度值。
3.根据权利要求2所述的方法，其特征在于，所述基于所述视差值，确定所述第二左右图像中目标对象的深度值包括：
基于视差图以及视差值深度转换的转换关系，将所述视差图转换为深度图；所述视差图基于所述视差值所生成；
基于所述深度图，确定所述目标对象的深度值。
4.根据权利要求3所述的方法，其特征在于，所述视差值深度转换的转换关系为：
其中，Z表示深度；d表示视差值；b表示所述双目摄像头的光心的距离，f表示所述双目摄像头的焦距。
5.根据权利要求3所述的方法，其特征在于，所述基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功包括：
确定所述深度值是否在预设距离范围内，所述预设距离范围基于所述距离值所确定；
若是，则确定所述双目摄像头的标定验证成功；若否，则确定所述双目摄像头的标定验证失败，并对所述双目摄像头重新标定。
6.根据权利要求1所述的方法，其特征在于，所述第一左右图像在所述双目摄像头的拍照时间戳同步的情况下所采集。
7.根据权利要求1所述的方法，其特征在于，在所述基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数之后，所述方法还包括：
利用张氏双目相机标定算法，得到所述标定参数的标定误差；
若所述标定误差不满足预设条件，则对所述双目摄像头重新标定。
8.一种双目摄像头的标定验证系统，其特征在于，所述系统包括：
标定模块，用于基于双目摄像头所分别采集的若干第一左右图像对所述双目摄像头的标定，获得所述双目摄像头的标定参数；所述第一左右图像包含标定物；
第一确定模块，用于基于所述双目摄像头所分别采集的第二左右图像，确定所述第二左右图像中目标对象的深度值；
第二确定模块，用于基于所述深度值，以及所述目标对象与所述双目摄像头之间的距离值，确定所述双目摄像头是否标定成功。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至权利要求7中任一项所述的方法的步骤。
10.一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，实现权利要求1至权利要求7中任一项所述的方法的步骤。
CN202310149903.5A 2023-02-09 2023-02-09 双目摄像头的标定验证方法、系统、计算机设备及介质 Pending CN116843759A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310149903.5A CN116843759A (zh) 2023-02-09 2023-02-09 双目摄像头的标定验证方法、系统、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310149903.5A CN116843759A (zh) 2023-02-09 2023-02-09 双目摄像头的标定验证方法、系统、计算机设备及介质

Publications (1)

Publication Number Publication Date
CN116843759A true CN116843759A (zh) 2023-10-03

Family

ID=88164079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310149903.5A Pending CN116843759A (zh) 2023-02-09 2023-02-09 双目摄像头的标定验证方法、系统、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN116843759A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117491003A (zh) * 2023-12-26 2024-02-02 国网天津市电力公司城南供电分公司 断路器运动特性检测方法、装置、电子设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117491003A (zh) * 2023-12-26 2024-02-02 国网天津市电力公司城南供电分公司 断路器运动特性检测方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
CN110689581B (zh) 结构光模组标定方法、电子设备、计算机可读存储介质
CN108230397B (zh) 多目摄像机标定与校正方法和装置、设备、程序和介质
CN111210468B (zh) 一种图像深度信息获取方法及装置
CN111383279B (zh) 外参标定方法、装置及电子设备
CN111145271B (zh) 相机参数的精确度的确定方法、装置、存储介质及终端
CN106570907B (zh) 一种相机标定方法及装置
CN109906471B (zh) 实时三维相机校准
CN111882655B (zh) 三维重建的方法、装置、系统、计算机设备和存储介质
EP4242609A1 (en) Temperature measurement method, apparatus, and system, storage medium, and program product
CN111383264B (zh) 一种定位方法、装置、终端及计算机存储介质
CN111385461B (zh) 全景拍摄方法及装置、相机、移动终端
CN116843759A (zh) 双目摄像头的标定验证方法、系统、计算机设备及介质
CN117053707A (zh) 三维重建方法、装置和系统、三维扫描方法和三维扫描仪
CN114494388A (zh) 一种大视场环境下图像三维重建方法、装置、设备及介质
CN115546379A (zh) 一种数据处理方法、装置和计算机设备
EP3506205A1 (en) Method and apparatus for depth-map estimation
CN114693807B (zh) 一种输电线路图像与点云的映射数据重构方法及系统
CN113870364B (zh) 一种自适应的双目相机标定方法
US20230316460A1 (en) Binocular image quick processing method and apparatus and corresponding storage medium
CN115018922A (zh) 畸变参数标定方法、电子设备和计算机可读存储介质
CN110827230A (zh) 一种利用tof提升rgb图像质量的方法和装置
CN110232715B (zh) 一种多深度相机自校准的方法、装置及系统
CN112163519A (zh) 图像映射处理方法、装置、存储介质及电子装置
JP2002135807A (ja) ３次元入力のためのキャリブレーション方法および装置
CN103841394A (zh) 多层式三维显示器的标定设备和标定方法

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