CN116958271A - 标定参数确定方法以及装置 - Google Patents
标定参数确定方法以及装置 Download PDFInfo
- Publication number
- CN116958271A CN116958271A CN202310665268.6A CN202310665268A CN116958271A CN 116958271 A CN116958271 A CN 116958271A CN 202310665268 A CN202310665268 A CN 202310665268A CN 116958271 A CN116958271 A CN 116958271A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- matching point
- initial
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000011159 matrix material Substances 0.000 claims abstract description 146
- 230000009466 transformation Effects 0.000 claims abstract description 85
- 238000013507 mapping Methods 0.000 claims abstract description 84
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000013519 translation Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005457 optimization 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
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 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
- 239000004984 smart glass Substances 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例提供标定参数确定方法以及装置,其中标定参数确定方法包括:基于目标设备获取目标图像,并获取目标图像对应的目标平面场景图;在目标图像和目标平面场景图中获取匹配点集合,在目标图像中获取参照物集合;根据匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,单映变换矩阵用于表征目标图像和目标平面场景图的映射转换关系;根据参照物集合中各参照物的高度信息和单映变换矩阵,确定目标设备的初始位姿信息;基于目标设备的初始位姿信息,确定目标设备的标定参数信息。实现了无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物,即可完成设备标定参数的确定,提高标定效率。
Description
技术领域
本说明书实施例涉及图像处理技术领域,特别涉及一种标定参数确定方法。
背景技术
随着大规模云计算和人工智能技术的应用,越来越多的技术领域都涉及到相机的应用,例如监测相机,但相机的拍摄画面均为二维画面,这些二维画面与真实的三维场景缺失联系,对于相机的应用也往往局限于二维画面的理解,因此,如何建立二维画面与三维场景之间的联系,就显得尤为重要。
建立二维画面与三维场景之间的联系,所涉及的核心技术就是采样相机标定算法,但相机标定算法需要建立二维画面对应的三维场景,建模成本较高,而二维画面则无法直接用于相机标定。因此,亟需一种方法来解决上述技术问题。
发明内容
有鉴于此,本说明书实施例提供了一种标定参数确定方法。本说明书一个或者多个实施例同时涉及一种标定参数确定装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种标定参数确定方法,包括:
基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;
在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
根据本说明书实施例的第二方面,提供了一种标定参数确定装置,包括:
图像获取模块,被配置为基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;
集合获取模块,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
矩阵确定模块,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
位姿确定模块,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
参数确定模块,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
根据本说明书实施例的第三方面,提供了一种标定参数确定方法,包括:
接收客户端发送的标定参数确定任务,其中,所述标定参数确定任务中携带有基于目标设备获取的目标图像和所述目标图像对应的目标平面场景图;
在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息;
将所述标定参数信息发送至所述客户端。
根据本说明书实施例的第四方面,提供了一种标定参数确定装置,包括:
任务接收模块,被配置为接收客户端发送的标定参数确定任务,其中,所述标定参数确定任务中携带有基于目标设备获取的目标图像和所述目标图像对应的目标平面场景图;
获取模块,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
第一确定模块,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
第二确定模块,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
第三确定模块,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息;
发送模块,被配置为将所述标定参数信息发送至所述客户端。
根据本说明书实施例的第五方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现上述标定参数确定方法的步骤。
根据本说明书实施例的第六方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现上述标定参数确定方法的步骤。
根据本说明书实施例的第七方面,提供了一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述标定参数确定方法的步骤。
本说明书提供的标定参数确定方法,包括:基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
本说明书一个实施例通过获取目标图像中各参照物的高度信息,结合目标平面场景图中的平面位置信息,对目标设备的标定参数进行确定,从而无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物,即可完成设备标定参数的确定,提高标定效率。
附图说明
图1是本说明书一个实施例提供的一种标定参数确定方法的应用场景示意图;
图2是本说明书一个实施例提供的一种标定参数确定方法的流程图;
图3是本说明书一个实施例提供的一种标定参数确定方法的处理过程流程图;
图4是本说明书一个实施例提供的一种标定参数确定装置的结构示意图;
图5是本说明书一个实施例提供的另一种标定参数确定方法的流程图;
图6是本说明书一个实施例提供的另一种标定参数确定装置的结构示意图;
图7是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外,需要说明的是,本说明书一个或多个实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
相机标定:为确定物体表面某点的三维几何位置与其在图像上对应点之间的相对变换关系,必须建立相机成像的几何模型,这些几何模型参数包含相机内参和相机外参,求解参数的过程称之为相机标定。
相机内参:相机焦距、主点位置、斜切系数和畸变系数,其中畸变系数包含径向畸变系数和切向畸变系数。
相机外参:世界坐标系到相机坐标系的旋转矩阵和平移向量。
2-3D匹配点对:相机图像中的二维图像特征点与三维场景中的特征点实现一一映射的匹配对。
目前,随着大规模云计算和人工智能技术的应用,为实现城市级数字孪生提供了条件,监测相机作为一种城市场景中常见的视频图像采集设备,被广泛应用在交通等领域用于监测目标场景内的行人、车辆、事件等。传统的监测相机二维画面与真实三维场景缺失联系,通常只能实现二维画面的理解,如目标识别、检测和追踪,如何将既有图像中的二维的语义信息,如人、车、事件等反投影到真实的三维空间中是实现城市级数字孪生的一个基本问题。该问题的本质就是估计相机的内外参数,涉及的核心技术是相机标定算法,并由此建立图像二维坐标和空间三维坐标间的转换关系。
在实际应用场景中,监测相机由于安装视角、安装高度、背景差异较大,需要用到精确重建的3D模型,但3D模型的获取成本较高且当监测视角是纯平面场景时无法进行标定,而普通的2D平面地图如卫星影像地图、导航地图或高精地图由于缺失高度信息无法用于相机标定。
在本说明书中,提供了标定参数确定方法,本说明书同时涉及标定参数确定装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
参见图1,图1示出了根据本说明书一个实施例提供的一种标定参数确定方法的应用场景示意图,具体为标定参数确定方法在城市交通领域的应用场景示意图。
在实际应用中,应用于城市交通领域的监测相机的相机参数往往是未完成相机标定的相机,在用于监测城市交通之前,需要相对监测相机进行相机参数标定,以实现对交通场景中行人、车辆等的空间定位、速度估计等。
在城市交通的应用场景下,由于监测相机的安装位置通常较高较远,难以在视距范围内进行放置标定板进行相机标定,又由于监测相机往往安装在室外,在对监测相机进行相机标定的过程中,会受到拍摄图像噪声的干扰,相机标定的精确度较低。
本说明书提供的标定参数确定方法,可以通过获取监测相机拍摄的图像,以及基于其它设备获取的与监测相机拍摄的图像对应的平面场景图,对监测相机的相机标定参数进行确定,以使得在后续的应用过程中,基于确定的监测相机的相机标定参数应用监测相机,进而,可以将确定相机标定参数的监测相机应用于行人、车辆等的空间定位、目标速度估计、可视域范围等。
具体地,由于监测相机拍摄的图像中往往包含具备已知高度信息的参照物,例如行人、车辆等,因此,可以根据拍摄图像中参照物的高度信息和拍摄图像对应的平面场景图,例如卫星影像地图、导航地图等信息对监测相机进行相机标定。如此一来,无需借助标定板、也无需构建拍摄图像对应的三维场景模型进行相机标定,从而降低构建三维场景模型的构建成本,避免拍摄图像的噪声干扰,提高相机标定的精确度。
参见图2,图2示出了根据本说明书一个实施例提供的一种标定参数确定方法的流程图,具体包括以下步骤。
步骤202:基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图。
其中,目标设备,是指具备拍摄功能的需要进行相机标定的设备,例如监测相机、全景相机、智能手机、智能手表,或是其他具备拍摄功能的智能穿戴设备。目标图像则是指,基于目标设备获取得到的图像,用于辅助确定目标设备的标定参数。目标平面场景图是指,基于其他设备,例如相机、激光雷达、毫米波雷达等获取得到的与目标图像所处场景对应的平面场景图,例如,目标平面场景图可以为卫星影像地图、导航地图或高精地图等。
例如,目标设备为应用于城市交通场景下的监测相机,目标图像则为基于监测相机拍摄的某一交通场景下的图像,目标平面场景图则可以为相同场景下对应的导航地图或高精地图等。
具体地,在确定需要进行相机标定的目标设备后,即可基于目标设备获取对应的目标图像,进而,基于其他设备,如激光雷达,获取目标图像对应的目标平面场景图。
步骤204:在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合。
其中,匹配点集合,是指分别在目标图像和目标平面场景图中获取的对应的点的集合。例如,在目标图像中获取物体A的一点,记为a,在目标平面场景图中获取物体A相同的一点,记为a’,则点a和点a’则为一对匹配点。用于存储匹配点a和a’的集合即为匹配点集合。需要进行说明的是,匹配点集合中包括至少四对匹配点。
参照物集合,是指在目标图像中获取的已知高度信息的物体的集合,例如行人、车辆、草丛等均为存储于参照物集合中的参照物。
具体地,由于目标图像是基于目标设备获取的图像,目标平面场景图则是与目标图像对应的卫星影像地图、导航地图等,为了获知将三维场景下目标图像中各物体投影至目标图像中的标定参数,并对标定参数进行调整和优化,需要在目标图像,以及与目标图像对应的目标平面场景中获取同一物体相同的点的信息,因此,需要在目标图像和目标平面场景图中获取匹配点集合,由于在平面场景图中获取的点的信息确实物体对应的高度信息,因此,需要进一步在目标图像中获取已知高度信息的参照物,以实现对目标设备的标定参数的确定。
进一步地,在目标图像和目标平面场景图中获取匹配点集合,可以通过人工标注的方式进行获取,或是采用匹配算法自动生成获取,对于匹配点集合的获取方式,本说明书在此不作限定。相应的,在目标图像中获取参照物集合,同样可以采用人工标注或是匹配算法自动生成,对于参照物集合的获取,本说明书在此同样不作限定。
步骤206:根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系。
其中,各匹配点的位置信息,是指各匹配点在各自对应的图像中的坐标信息。具体地,从目标图像中获取的匹配点的坐标信息即为匹配点在目标图像中的像素坐标,可以用(u,v)进行表示;从目标平面场景图中获取的匹配点的坐标信息即为匹配点在目标平面场景图中的空间坐标,可以用(x,y,z)进行表示。
在进行确定目标设备的标定参数之前,需要先确定目标图像与目标平面场景图之间的映射转换关系,可以用单映变换矩阵来表示,具体地,确定单映变换矩阵的实现方式如下:
在本说明书提供的一种具体实施方式中,根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,包括:
获取初始单映变换矩阵;
基于所述初始单映变换矩阵、第一匹配点的位置信息和第二匹配点的位置信息,确定所述第一匹配点和所述第二匹配点的转换关系信息,其中,所述第一匹配点为所述匹配点集合中从所述目标图像中获取的任一匹配点,所述第二匹配点为所述匹配点集合中从所述目标平面场景图中获取的所述第一匹配点对应的匹配点;
基于各转换关系信息确定单映变换矩阵。
其中,初始单映变换矩阵,是指预先设置的3*3的矩阵,初始单映变换矩阵中的元素是未知的,需要进一步求解。
第一匹配点,是指在目标图像中获取的任意一个匹配点,第二匹配点则是指,在目标平面场景图中获取的与第一匹配点对应的匹配点。例如,第一匹配点为点a,则第二匹配点为点a’。
转换关系信息,具体可以理解为用于表达第一匹配点与第二匹配点之间的映射转换关系的表达式,具体可以参见下述公式(1):
其中,H为初始单映变换矩阵,为第一匹配点的位置信息,即为第一匹配点的像素坐标矩阵,/>为第二匹配点的位置信息,即为第二匹配点的空间坐标矩阵。zp可以为第二匹配点的所述物体的实际高度,也可以设置为1.0,本说明书对其数值的设定不作限定。
具体地,可以将初始单映变换矩阵H设置为将上述公式(1)展开,可以得到下述公式(2):
将上述公式(2)两边同时除以h22,可以得到下述公式(3):
在上述公式(3)中,(h′00,h′01,h′02,h′10,h′11,h′12,h′20,h′21)均为待求解的未知数,由于匹配点集合中包括至少四对匹配点,因此,可以基于匹配点集合中各匹配点的位置信息构建如上述公式(1)的表达式,并依照上述方法,获得各匹配点对应的如上述公式(3)的表达式,基于各匹配点对应的上述表达式,求解上述待求解的未知数,即可获得求解后的初始单映变换矩阵,即单映变换矩阵。
步骤208:根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息。
在求解获得单映变换矩阵后,可以根据参照物集合中各参照物的高度信息和求解获得的单映变换矩阵,确定目标设备的初始位姿信息。
在本说明书提供的一种具体实施方式中,所述参照物集合中包括至少两个参照物;
根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息,包括:
获取目标参照物底部位置点的第一位置信息和顶部位置点的第二位置信息,以及所述目标参照物的预设高度信息,其中,所述目标参照物为所述参照物集合中的任一参照物;
基于所述第一位置信息、所述第二位置信息和所述预设高度信息,确定所述目标参照物和所述目标设备之间的参照关系信息;
基于各参照关系信息确定所述目标设备的初始位姿信息。
其中,底部位置点,是指目标参照物位于地面上的点,第一位置信息即为底部位置点的像素坐标信息;顶部位置点,是指目标参照物的顶部上的点,第二位置信息即为顶部位置点的像素坐标信息。例如,目标参照物为行人,底部位置点即为行人脚部上的位置点,顶部位置点即为行人头部上的位置点。
预设高度信息,是指预先设置的目标参照物的实际高度信息。例如,目标参照物为行人,且该行人为男性,则预设高度信息可以为1.7米、1.75米等,若该行人为女性,则预设高度信息可以为1.6米等。
参照关系信息,用于表征底部位置点、顶部位置点和目标设备的初始位姿信息之间的关联关系,具体可以理解为用于表达底部位置点、顶部位置点和目标设备的初始位姿信息之间的关联关系的表达式,可以参见下述公式(4):
其中,hj为目标参照物的预设高度信息,目标设备的初始位姿信息为(xcam,ycam,zcam),底部位置点的第一位置信息为(uj0,vj0),顶部位置点的第二位置信息为(uj1,vj1),那么其对应平面空间坐标分别为(xj0,yj0)和(xj1,yj1),基于上述位置信息,可以获得底部位置点与其对应的匹配点的转换关系信息为下述公式(5):
相应的,可以获得顶部位置点与其对应的匹配点的转换关系为下述公式(6):
根据上述公式(5)和公式(6),利用相似三角形原理,即可推导出上述公式(4),获得底部位置点、顶部位置点和目标设备的初始位姿信息之间的关联关系。进而,可以利用利用最小二乘法对上述公式(4)进行求解,即可获得目标设备的初始位姿信息。
需要进行说明的是,目标设备的初始位姿信息也可以基于目标图像对应的三维模型直接获取。
步骤210:基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
进一步地,在获取目标设备的初始位姿信息后,可以根据目标设备的初始位姿信息确定目标设备的标定参数信息。具体实现方式如下:
在本说明书提供的一种具体实施方式中,所述匹配点集合包括所述目标图像对应的第一匹配点集合和所述目标平面场景图对应的第二匹配点集合;
基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息,包括:
基于第一匹配点集合中各第一匹配点的位置信息和所述初始位姿信息,计算所述目标设备的初始内参信息和初始外参信息;
基于所述初始位姿信息、所述初始外参信息和第二匹配点集合中各第二匹配点的位置信息,确定所述目标设备的初始畸变系数;
对所述初始位姿信息、所述初始内参信息和所述初始外参信息,以及所述初始畸变系数进行参数调整,获得所述目标设备的目标位姿信息、目标内参信息、目标外参信息和目标畸变系数。
其中,第一匹配点集合,是指在目标图像中获取的匹配点的集合;第二匹配点集合,是指在目标平面场景图中获取的匹配点的集合。
具体地,在计算获得目标设备的初始位姿信息后,可以根据初始位姿信息和第一匹配点集合中各第一匹配点的位置信息,计算目标设备的初始内参信息和初始外参信息,初始内参信息具体为初始内参矩阵,用K表示,初始外参信息包括初始旋转矩阵,用R表示。接下来,根据初始位姿信息、初始外参信息和第二匹配点中各第二匹配点的位置信息,确定目标设备的初始畸变系数,进而,对获得的上述参数信息进行参数调整,获得调整优化后的参数信息。
进一步地,确定各个参数信息,并对对应的参数信息进行调整优化的实现方式如下:
在本说明书提供的一种具体实施方式中,所述初始外参信息包括初始旋转矩阵;
基于第一匹配点集合中各第一匹配点的位置信息和所述初始位姿信息,计算所述目标设备的初始内参信息和初始外参信息,包括:
基于所述第一匹配点集合中任一第一匹配点的位置信息和所述初始位姿信息,构建所述第一匹配点的位置信息与所述初始位姿信息之间的关系表达式;
根据各关系表达式确定所述目标设备的参考矩阵;
分解所述参考矩阵,获得所述目标设备的初始内参信息和所述初始旋转矩阵。
其中,参考矩阵是指目标设备的内参矩阵和初始旋转矩阵的积的矩阵。
根据第一匹配点集合中任意一个第一匹配点的位置信息和目标设备的初始位姿信息,构建第一匹配点的位置信息和目标设备的初始位姿信息之间的关系表达式,具体可参见下述公式(7):
其中,λ为比例因子,K为初始内参矩阵,R为初始旋转矩阵,pos为目标设备的初始位姿信息,为第一匹配点集合中任意一个第一匹配点的位置信息,/>为与第一匹配点对应的第二匹配点的位置信息,P为参考矩阵。
具体地,依照上述方法,获得如上述公式(7)所述的各第一匹配点与初始位姿信息之间的关系表达式,基于各匹配点对应的上述表达式,利用最小二乘法求解参考矩阵P。进而,可以根据矩阵分解算法,例如QR分解算法,对求解后的参考矩阵P进行分解,以获得初始内参矩阵K和初始旋转矩阵R。
在本说明书提供的一种具体实施方式中,基于所述初始位姿信息、所述初始外参信息和第二匹配点集合中各第二匹配点的位置信息,确定所述目标设备的初始畸变系数,包括:
基于所述初始位姿信息、所述初始外参信息和各第二匹配点的位置信息,确定各第二匹配点的标准位置信息;
根据各第二匹配点的标准位置信息和所述第一匹配点集合中各第一匹配点的位置信息,确定所述目标设备的初始畸变系数。
其中,标准位置信息,是指第二匹配点对应的相机归一化坐标系下的点的位置信息,也即矫正后的位置信息。初始畸变系数包括径向畸变系数和切向畸变系数。
具体地,各第二匹配点的标准位置信息基于下述公式(8)确定:
X′i=R(Xi-pos) (8)
其中,X′i为第二匹配点的Xi坐标对应的标准位置信息。
在基于上述公式(8)计算得到第二匹配点的标准位置信息后,根据各第二匹配点的标准位置信息和第一匹配点集合中各第一匹配点的位置信息,计算获得目标设备的初始畸变系数,具体可参见下述公式(9):
其中,k1、k2、k3为径向畸变系数,p1、p2为切向畸变系数,r2=x′2+y′2。
基于上述公式(9)获得各个第二匹配点对应的上述公式(9)的表达式,并根据各个第二匹配点对应的公式(9)的表达式,对k1、k2、k3、p1、p2,进行求解,即可获得目标设备的初始畸变系数。
在本说明书提供的一种具体实施方式中,所述初始外参信息包括初始旋转矩阵;
对所述初始位姿信息、所述初始内参信息和所述初始外参信息,以及所述初始畸变系数进行参数调整,获得所述目标设备的目标位姿信息、目标内参信息、目标外参信息和目标畸变系数,包括:
基于目标第二匹配点的位置信息和所述目标第二匹配点对应的目标第一匹配点的位置信息,计算所述初始位姿信息、所述初始内参信息、所述初始旋转矩阵和所述初始畸变系数对应的参数损失值,其中,所述目标第二匹配点为所述第二匹配点集合中的任一匹配点;
根据参数损失值调整所述初始位姿信息、所述初始内参信息、所述初始旋转矩阵和所述初始畸变系数,获得目标位姿信息、目标内参信息、目标旋转矩阵和目标畸变系数;
根据所述目标旋转矩阵和所述目标位姿信息确定目标外参信息。
其中,目标第二匹配点为第二匹配点集合中的任一匹配点,目标第一匹配点为第一匹配点集合中与目标第二匹配点对应的第一匹配点。参数损失值,用于度量各标定参数的初始标定参数与目标标定参数之间的差异。目标外参信息包括目标旋转矩阵和目标平移向量。
具体地,在获得各个标定参数的初始标定参数后,为了提高标定参数的准确性,可以进一步计算各初始标定参数对应的参数损失值,并根据参数损失值对各初始标定参数进行参数调整和优化,以获得各初始标定参数对应的目标标定参数。
进一步地,本说明书提供的对各初始标定参数进行调整优化的损失函数如下:
其中,i∈N,N为匹配点集合中匹配点对的数量。
根据上述公式(10)计算各初始标定参数对应的损失值,即计算初始位姿信息、初始内参信息、初始旋转矩阵和初始畸变系数分别对应的参数损失值,进而,根据各初始标定参数对应的参数损失值对其对应的初始标定参数进行调整和优化,获得各初始标定参数对应的各目标标定参数,即获得目标位姿信息、目标内参信息、目标旋转矩阵和目标畸变系数。
在计算获得目标旋转矩阵和目标位姿信息后,计算目标平移向量,以获得目标外参信息。
在本说明书提供的一种具体实施方式中,根据所述目标旋转矩阵和所述目标位姿信息确定目标外参信息,包括:
根据所述目标旋转矩阵和所述目标位姿信息,确定目标平移向量;
根据所述目标平移向量和所述目标旋转矩阵组成目标外参信息。
具体地,目标平移向量的计算方式参见下述公式(11):
t=-R-1pos (11)
其中,t为目标平移向量。
根据目标旋转矩阵和目标位姿信息计算获得目标平移向量t。由于目标外参信息包括目标旋转矩阵和目标平移向量,因此,在获得目标平移向量后,即可基于目标平移向量和目标旋转矩阵组成目标外参信息。
本说明书提供的标定参数确定方法,可以通过目标图像中参照物的高度信息和目标图像对应的目标平面场景图中的位置信息,计算获得目标设备的各个标定参数,在这个过程中,无需提供高精度的三维模型,大大降低标定参数确定的成本。
在获得目标设备的各个标定参数信息后,可以将标定参数信息应用于各个领域,为方便理解,下述以空间定位为例进行说明。
在本说明书提供的一种具体实施方式中,在确定所述目标设备的标定参数信息之后,所述方法还包括:
基于所述目标设备和所述标定参数信息,获取待处理图像;
在所述待处理图像中确定待定位对象;
获取所述待定位对象的像素坐标;
根据所述像素坐标确定所述待定位对象的三维空间坐标。
其中,待处理图像,是指基于目标设备以及计算获得的标定参数信息,获取的图像数据;待定位对象,是指待处理图像中需要进行空间定位的对象,例如行人等。
像素坐标即是指待定位对象在待处理图像中的像素坐标;三维空间坐标即是指待定位对象在实际应用场景中的空间坐标,具体可以为世界坐标系下的坐标信息。
具体地,在利用上述标定参数确定方法获得目标设备的标定参数信息后,基于标定参数信息获取待处理图像,并在待处理图像中确定待定位对象,获取待定位对象在待处理图像中的像素坐标,最后,根据待定位对象的像素坐标对待定位对象进行空间定位,以获得待定位对象的三维空间坐标,完成对待定位对象的空间定位。
需要进行说明的是,上述方法在空间定位领域的实施仅作为本说明书提供的一种实施方式,也可以应用于其他任何需要进行标定参数确定的领域,并不局限于空间定位领域。
本说明书提供的标定参数确定方法,包括:基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
本说明书一个实施例通过获取目标图像中各参照物的高度信息,结合目标平面场景图中的平面位置信息,对目标设备的标定参数进行确定,从而无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物即可完后才能标定参数的确定,提高标定效率。
下述结合附图3,以本说明书提供的标定参数确定方法在城市地图场景的应用为例,对所述标定参数确定方法进行进一步说明。其中,图3示出了本说明书一个实施例提供的一种标定参数确定方法的处理过程流程图,具体包括以下步骤。
步骤302:基于监测设备获取监测图像,并获取所述监测图像对应的目标平面场景图。
步骤304:在所述监测图像和所述目标平面场景图中获取匹配点集合,在所述监测图像中获取参照物集合。
步骤306:获取初始单映变换矩阵。
步骤308:基于所述初始单映变换矩阵、第一匹配点的位置信息和第二匹配点的位置信息,确定所述第一匹配点和所述第二匹配点的转换关系信息。
步骤310:基于各转换关系信息确定单映变换矩阵。
步骤312:从所述参照物集合中获取目标行人底部位置点的第一位置信息和顶部位置点的第二位置信息,以及所述目标行人的预设高度信息。
步骤314:基于所述第一位置信息、所述第二位置信息和所述预设高度信息,确定所述目标行人和所述监测设备之间的参照关系信息。
步骤316:基于各参照关系信息确定所述监测设备的初始位姿信息。
步骤318:基于第一匹配点集合中各第一匹配点的位置信息和所述初始位姿信息,计算所述监测设备的初始内参信息和初始旋转矩阵。
步骤320:基于所述初始位姿信息、所述初始旋转矩阵和第二匹配点集合中各第二匹配点的位置信息,确定所述监测设备的初始畸变系数。
步骤322:对所述初始位姿信息、所述初始内参信息和所述初始旋转矩阵,以及所述初始畸变系数进行参数调整,获得所述监测设备的目标位姿信息、目标内参信息、目标旋转矩阵和目标畸变系数。
步骤324:根据所述目标旋转矩阵和所述目标位姿信息,确定目标平移向量。
步骤326:根据所述目标平移向量和所述目标旋转矩阵组成所述监测设备的目标外参信息。
本说明书一个实施例通过获取目标图像中各参照物的高度信息,结合目标平面场景图中的平面位置信息,对目标设备的标定参数进行确定,从而无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物即可完后才能标定参数的确定,提高标定效率。
与上述方法实施例相对应,本说明书还提供了标定参数确定装置实施例,图4示出了本说明书一个实施例提供的一种标定参数确定装置的结构示意图。如图4所示,该装置包括:
图像获取模块402,被配置为基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;
集合获取模块404,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
矩阵确定模块406,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
位姿确定模块408,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
参数确定模块410,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
可选的,所述矩阵确定模块406,进一步被配置为:
获取初始单映变换矩阵;
基于所述初始单映变换矩阵、第一匹配点的位置信息和第二匹配点的位置信息,确定所述第一匹配点和所述第二匹配点的转换关系信息,其中,所述第一匹配点为所述匹配点集合中从所述目标图像中获取的任一匹配点,所述第二匹配点为所述匹配点集合中从所述目标平面场景图中获取的所述第一匹配点对应的匹配点;
基于各转换关系信息确定单映变换矩阵。
可选的,所述参照物集合中包括至少两个参照物;
所述位姿确定模块408,进一步被配置为:
获取目标参照物底部位置点的第一位置信息和顶部位置点的第二位置信息,以及所述目标参照物的预设高度信息,其中,所述目标参照物为所述参照物集合中的任一参照物;
基于所述第一位置信息、所述第二位置信息和所述预设高度信息,确定所述目标参照物和所述目标设备之间的参照关系信息;
基于各参照关系信息确定所述目标设备的初始位姿信息。
可选的,所述匹配点集合包括所述目标图像对应的第一匹配点集合和所述目标平面场景图对应的第二匹配点集合;
所述参数确定模块410,进一步被配置为:
基于第一匹配点集合中各第一匹配点的位置信息和所述初始位姿信息,计算所述目标设备的初始内参信息和初始外参信息;
基于所述初始位姿信息、所述初始外参信息和第二匹配点集合中各第二匹配点的位置信息,确定所述目标设备的初始畸变系数;
对所述初始位姿信息、所述初始内参信息和所述初始外参信息,以及所述初始畸变系数进行参数调整,获得所述目标设备的目标位姿信息、目标内参信息、目标外参信息和目标畸变系数。
可选的,所述初始外参信息包括初始旋转矩阵;
所述参数确定模块410,进一步被配置为:
基于所述第一匹配点集合中任一第一匹配点的位置信息和所述初始位姿信息,构建所述第一匹配点的位置信息与所述初始位姿信息之间的关系表达式;
根据各关系表达式确定所述目标设备的参考矩阵;
分解所述参考矩阵,获得所述目标设备的初始内参信息和所述初始旋转矩阵。
可选的,所述参数确定模块410,进一步被配置为:
基于所述初始位姿信息、所述初始外参信息和各第二匹配点的位置信息,确定各第二匹配点的标准位置信息;
根据各第二匹配点的标准位置信息和所述第一匹配点集合中各第一匹配点的位置信息,确定所述目标设备的初始畸变系数。
可选的,所述初始外参信息包括初始旋转矩阵;
所述参数确定模块410,进一步被配置为:
基于目标第二匹配点的位置信息和所述目标第二匹配点对应的目标第一匹配点的位置信息,计算所述初始位姿信息、所述初始内参信息、所述初始旋转矩阵和所述初始畸变系数对应的参数损失值,其中,所述目标第二匹配点为所述第二匹配点集合中的任一匹配点;
根据参数损失值调整所述初始位姿信息、所述初始内参信息、所述初始旋转矩阵和所述初始畸变系数,获得目标位姿信息、目标内参信息、目标旋转矩阵和目标畸变系数;
根据所述目标旋转矩阵和所述目标位姿信息确定目标外参信息。
可选的,所述参数确定模块410,进一步被配置为:
根据所述目标旋转矩阵和所述目标位姿信息,确定目标平移向量;
根据所述目标平移向量和所述目标旋转矩阵组成目标外参信息。
可选的,所述装置还包括:
待处理图像获取模块,被配置为基于所述目标设备和所述标定参数信息,获取待处理图像;
待定位对象确定模块,被配置为在所述待处理图像中确定待定位对象;
像素坐标确定模块,被配置为获取所述待定位对象的像素坐标;
空间坐标确定模块,被配置为根据所述像素坐标确定所述待定位对象的三维空间坐标。
本说明书提供的标定参数确定装置,包括:图像获取模块,被配置为基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;集合获取模块,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;矩阵确定模块,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;位姿确定模块,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;参数确定模块,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
本说明书一个实施例通过获取目标图像中各参照物的高度信息,结合目标平面场景图中的平面位置信息,对目标设备的标定参数进行确定,从而无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物即可完后才能标定参数的确定,提高标定效率。
上述为本实施例的一种标定参数确定装置的示意性方案。需要说明的是,该标定参数确定装置的技术方案与上述的标定参数确定方法的技术方案属于同一构思,标定参数确定装置的技术方案未详细描述的细节内容,均可以参见上述标定参数确定方法的技术方案的描述。
参见图5,图5示出了根据本说明书一个实施例提供的另一种标定参数确定方法的流程图,具体包括以下步骤。
步骤502:接收客户端发送的标定参数确定任务,其中,所述标定参数确定任务中携带有基于目标设备获取的目标图像和所述目标图像对应的目标平面场景图。
步骤504:在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合。
步骤506:根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系。
步骤508:根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息。
步骤510:基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
步骤512:将所述标定参数信息发送至所述客户端。
其中,标定参数确定任务,是指需要进行确定标定参数以获取目标设备的标定参数信息的任务。
具体地,接收客户端发送的标定参数确定任务,并基于标定参数确定任务获取基于目标设备获取的目标图像和目标图像对应的目标平面场景图,进而,利用上述标定参数确定方法确定目标设备的标定参数信息,并将获取得到的标定参数信息发送至客户端。
本说明书一个实施例通过获取目标图像中各参照物的高度信息,结合目标平面场景图中的平面位置信息,对目标设备的标定参数进行确定,从而无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物即可完后才能标定参数的确定,提高标定效率。
与上述方法实施例相对应,本说明书还提供了另一种标定参数确定装置实施例,图6示出了本说明书一个实施例提供的另一种标定参数确定装置的结构示意图。如图6所示,该装置包括:
任务接收模块602,被配置为接收客户端发送的标定参数确定任务,其中,所述标定参数确定任务中携带有基于目标设备获取的目标图像和所述目标图像对应的目标平面场景图;
获取模块604,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
第一确定模块606,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
第二确定模块608,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
第三确定模块610,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息;
发送模块612,被配置为将所述标定参数信息发送至所述客户端。
本说明书一个实施例通过获取目标图像中各参照物的高度信息,结合目标平面场景图中的平面位置信息,对目标设备的标定参数进行确定,从而无需构建目标图像对应的三维场景模型,降低标定成本;也无需依赖其他标定物即可完后才能标定参数的确定,提高标定效率。
图7示出了根据本说明书一个实施例提供的一种计算设备700的结构框图。该计算设备700的部件包括但不限于存储器710和处理器720。处理器720与存储器710通过总线730相连接,数据库750用于保存数据。
计算设备700还包括接入设备740,接入设备740使得计算设备700能够经由一个或多个网络760通信。这些网络的示例包括公用交换电话网(PSTN,Public SwitchedTelephone Network)、局域网(LAN,Local Area Network)、广域网(WAN,Wide AreaNetwork)、个域网(PAN,Personal Area Network)或诸如因特网的通信网络的组合。接入设备740可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC,networkinterface controller))中的一个或多个,诸如IEEE802.11无线局域网(WLAN,WirelessLocal Area Network)无线接口、全球微波互联接入(Wi-MAX,WorldwideInteroperability for Microwave Access)接口、以太网接口、通用串行总线(USB,Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC,Near FieldCommunication)。
在本说明书的一个实施例中,计算设备700的上述部件以及图7中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图7所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备700可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或个人计算机(PC,Personal Computer)的静止计算设备。计算设备700还可以是移动式或静止式的服务器。
其中,处理器720用于执行如下计算机可执行指令,该计算机可执行指令被处理器执行时实现上述标定参数确定方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的标定参数确定方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述标定参数确定方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述标定参数确定方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的标定参数确定方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述标定参数确定方法的技术方案的描述。
本说明书一实施例还提供一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述标定参数确定方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是,该计算机程序的技术方案与上述的标定参数确定方法的技术方案属于同一构思,计算机程序的技术方案未详细描述的细节内容,均可以参见上述标定参数确定方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据专利实践的要求进行适当的增减,例如在某些地区,根据专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (14)
1.一种标定参数确定方法,包括:
基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;
在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
2.如权利要求1所述的方法,根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,包括:
获取初始单映变换矩阵;
基于所述初始单映变换矩阵、第一匹配点的位置信息和第二匹配点的位置信息,确定所述第一匹配点和所述第二匹配点的转换关系信息,其中,所述第一匹配点为所述匹配点集合中从所述目标图像中获取的任一匹配点,所述第二匹配点为所述匹配点集合中从所述目标平面场景图中获取的所述第一匹配点对应的匹配点;
基于各转换关系信息确定单映变换矩阵。
3.如权利要求1所述的方法,所述参照物集合中包括至少两个参照物;
根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息,包括:
获取目标参照物底部位置点的第一位置信息和顶部位置点的第二位置信息,以及所述目标参照物的预设高度信息,其中,所述目标参照物为所述参照物集合中的任一参照物;
基于所述第一位置信息、所述第二位置信息和所述预设高度信息,确定所述目标参照物和所述目标设备之间的参照关系信息;
基于各参照关系信息确定所述目标设备的初始位姿信息。
4.如权利要求1所述的方法,所述匹配点集合包括所述目标图像对应的第一匹配点集合和所述目标平面场景图对应的第二匹配点集合;
基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息,包括:
基于第一匹配点集合中各第一匹配点的位置信息和所述初始位姿信息,计算所述目标设备的初始内参信息和初始外参信息;
基于所述初始位姿信息、所述初始外参信息和第二匹配点集合中各第二匹配点的位置信息,确定所述目标设备的初始畸变系数;
对所述初始位姿信息、所述初始内参信息和所述初始外参信息,以及所述初始畸变系数进行参数调整,获得所述目标设备的目标位姿信息、目标内参信息、目标外参信息和目标畸变系数。
5.如权利要求4所述的方法,所述初始外参信息包括初始旋转矩阵;
基于第一匹配点集合中各第一匹配点的位置信息和所述初始位姿信息,计算所述目标设备的初始内参信息和初始外参信息,包括:
基于所述第一匹配点集合中任一第一匹配点的位置信息和所述初始位姿信息,构建所述第一匹配点的位置信息与所述初始位姿信息之间的关系表达式;
根据各关系表达式确定所述目标设备的参考矩阵;
分解所述参考矩阵,获得所述目标设备的初始内参信息和所述初始旋转矩阵。
6.如权利要求4所述的方法,基于所述初始位姿信息、所述初始外参信息和第二匹配点集合中各第二匹配点的位置信息,确定所述目标设备的初始畸变系数,包括:
基于所述初始位姿信息、所述初始外参信息和各第二匹配点的位置信息,确定各第二匹配点的标准位置信息;
根据各第二匹配点的标准位置信息和所述第一匹配点集合中各第一匹配点的位置信息,确定所述目标设备的初始畸变系数。
7.如权利要求4所述的方法,所述初始外参信息包括初始旋转矩阵;
对所述初始位姿信息、所述初始内参信息和所述初始外参信息,以及所述初始畸变系数进行参数调整,获得所述目标设备的目标位姿信息、目标内参信息、目标外参信息和目标畸变系数,包括:
基于目标第二匹配点的位置信息和所述目标第二匹配点对应的目标第一匹配点的位置信息,计算所述初始位姿信息、所述初始内参信息、所述初始旋转矩阵和所述初始畸变系数对应的参数损失值,其中,所述目标第二匹配点为所述第二匹配点集合中的任一匹配点;
根据参数损失值调整所述初始位姿信息、所述初始内参信息、所述初始旋转矩阵和所述初始畸变系数,获得目标位姿信息、目标内参信息、目标旋转矩阵和目标畸变系数;
根据所述目标旋转矩阵和所述目标位姿信息确定目标外参信息。
8.如权利要求7所述的方法,根据所述目标旋转矩阵和所述目标位姿信息确定目标外参信息,包括:
根据所述目标旋转矩阵和所述目标位姿信息,确定目标平移向量;
根据所述目标平移向量和所述目标旋转矩阵组成目标外参信息。
9.如权利要求1所述的方法,在确定所述目标设备的标定参数信息之后,所述方法还包括:
基于所述目标设备和所述标定参数信息,获取待处理图像;
在所述待处理图像中确定待定位对象;
获取所述待定位对象的像素坐标;
根据所述像素坐标确定所述待定位对象的三维空间坐标。
10.一种标定参数确定方法,包括:
接收客户端发送的标定参数确定任务,其中,所述标定参数确定任务中携带有基于目标设备获取的目标图像和所述目标图像对应的目标平面场景图;
在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息;
将所述标定参数信息发送至所述客户端。
11.一种标定参数确定装置,包括:
图像获取模块,被配置为基于目标设备获取目标图像,并获取所述目标图像对应的目标平面场景图;
集合获取模块,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
矩阵确定模块,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
位姿确定模块,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
参数确定模块,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息。
12.一种标定参数确定装置,包括:
任务接收模块,被配置为接收客户端发送的标定参数确定任务,其中,所述标定参数确定任务中携带有基于目标设备获取的目标图像和所述目标图像对应的目标平面场景图;
获取模块,被配置为在所述目标图像和所述目标平面场景图中获取匹配点集合,在所述目标图像中获取参照物集合;
第一确定模块,被配置为根据所述匹配点集合中各匹配点的位置信息,确定单映变换矩阵,其中,所述单映变换矩阵用于表征所述目标图像和所述目标平面场景图的映射转换关系;
第二确定模块,被配置为根据所述参照物集合中各参照物的高度信息和所述单映变换矩阵,确定所述目标设备的初始位姿信息;
第三确定模块,被配置为基于所述目标设备的初始位姿信息,确定所述目标设备的标定参数信息;
发送模块,被配置为将所述标定参数信息发送至所述客户端。
13.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至10任意一项所述标定参数确定方法的步骤。
14.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至10任意一项所述标定参数确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310665268.6A CN116958271A (zh) | 2023-06-06 | 2023-06-06 | 标定参数确定方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310665268.6A CN116958271A (zh) | 2023-06-06 | 2023-06-06 | 标定参数确定方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116958271A true CN116958271A (zh) | 2023-10-27 |
Family
ID=88441759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310665268.6A Pending CN116958271A (zh) | 2023-06-06 | 2023-06-06 | 标定参数确定方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116958271A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150009214A1 (en) * | 2013-07-08 | 2015-01-08 | Vangogh Imaging, Inc. | Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis |
CN104616292A (zh) * | 2015-01-19 | 2015-05-13 | 南开大学 | 基于全局单应矩阵的单目视觉测量方法 |
CN111783820A (zh) * | 2020-05-08 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像标注方法和装置 |
CN112529957A (zh) * | 2020-12-08 | 2021-03-19 | 北京地平线信息技术有限公司 | 确定摄像设备位姿的方法和装置、存储介质、电子设备 |
WO2021227359A1 (zh) * | 2020-05-14 | 2021-11-18 | 佳都新太科技股份有限公司 | 一种无人机投影方法、装置、设备及存储介质 |
CN113848541A (zh) * | 2021-09-22 | 2021-12-28 | 深圳市镭神智能系统有限公司 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
CN114037762A (zh) * | 2021-11-22 | 2022-02-11 | 武汉中海庭数据技术有限公司 | 基于图像与高精度地图配准的实时高精度定位方法 |
CN114140533A (zh) * | 2020-09-04 | 2022-03-04 | 华为技术有限公司 | 摄像头外参标定的方法与装置 |
CN114445583A (zh) * | 2020-10-30 | 2022-05-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN114511640A (zh) * | 2020-11-17 | 2022-05-17 | 北京四维图新科技股份有限公司 | 一种利用地图进行相机标定的方法、装置及存储介质 |
CN114782555A (zh) * | 2022-06-20 | 2022-07-22 | 深圳市海清视讯科技有限公司 | 地图映射方法、设备、及存储介质 |
CN114943773A (zh) * | 2022-04-06 | 2022-08-26 | 阿里巴巴(中国)有限公司 | 相机标定方法、装置、设备和存储介质 |
WO2022206255A1 (zh) * | 2021-03-29 | 2022-10-06 | Oppo广东移动通信有限公司 | 视觉定位方法、视觉定位装置、存储介质与电子设备 |
-
2023
- 2023-06-06 CN CN202310665268.6A patent/CN116958271A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150009214A1 (en) * | 2013-07-08 | 2015-01-08 | Vangogh Imaging, Inc. | Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis |
CN104616292A (zh) * | 2015-01-19 | 2015-05-13 | 南开大学 | 基于全局单应矩阵的单目视觉测量方法 |
CN111783820A (zh) * | 2020-05-08 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像标注方法和装置 |
WO2021227359A1 (zh) * | 2020-05-14 | 2021-11-18 | 佳都新太科技股份有限公司 | 一种无人机投影方法、装置、设备及存储介质 |
CN114140533A (zh) * | 2020-09-04 | 2022-03-04 | 华为技术有限公司 | 摄像头外参标定的方法与装置 |
CN114445583A (zh) * | 2020-10-30 | 2022-05-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN114511640A (zh) * | 2020-11-17 | 2022-05-17 | 北京四维图新科技股份有限公司 | 一种利用地图进行相机标定的方法、装置及存储介质 |
CN112529957A (zh) * | 2020-12-08 | 2021-03-19 | 北京地平线信息技术有限公司 | 确定摄像设备位姿的方法和装置、存储介质、电子设备 |
WO2022206255A1 (zh) * | 2021-03-29 | 2022-10-06 | Oppo广东移动通信有限公司 | 视觉定位方法、视觉定位装置、存储介质与电子设备 |
CN113848541A (zh) * | 2021-09-22 | 2021-12-28 | 深圳市镭神智能系统有限公司 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
CN114037762A (zh) * | 2021-11-22 | 2022-02-11 | 武汉中海庭数据技术有限公司 | 基于图像与高精度地图配准的实时高精度定位方法 |
CN114943773A (zh) * | 2022-04-06 | 2022-08-26 | 阿里巴巴(中国)有限公司 | 相机标定方法、装置、设备和存储介质 |
CN114782555A (zh) * | 2022-06-20 | 2022-07-22 | 深圳市海清视讯科技有限公司 | 地图映射方法、设备、及存储介质 |
Non-Patent Citations (4)
Title |
---|
WENLEI LIU等: "Calibration Method Based on the Image of the Absolute Quadratic Curve", IEEE ACCESS, 17 January 2019 (2019-01-17), pages 29856 - 29868 * |
张勤等: "基于双视点特征匹配的激光-相机系统标定方法", 仪器仪表学报, 30 November 2012 (2012-11-30), pages 2622 - 2628 * |
张颖江;潘尧;吴聪;: "基于车载系统双目CCD相机测距", 信息安全与技术, no. 01, 10 January 2016 (2016-01-10) * |
赫美琳;高明慧;李爽;杨开伟;: "一种单目相机标定算法研究", 数字通信世界, no. 05, 1 May 2018 (2018-05-01) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510551B (zh) | 一种远距离大视场条件下相机参数的标定方法及系统 | |
CN109919911B (zh) | 基于多视角光度立体的移动三维重建方法 | |
CN108629756B (zh) | 一种Kinectv2深度图像无效点修复方法 | |
CN112929626B (zh) | 一种基于智能手机影像的三维信息提取方法 | |
Han et al. | LiDAR point cloud registration by image detection technique | |
CN113436270A (zh) | 传感器标定方法及装置、电子设备和存储介质 | |
CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及系统 | |
US8509522B2 (en) | Camera translation using rotation from device | |
CN112767461A (zh) | 激光点云与序列全景影像自动配准方法 | |
CN113361365A (zh) | 定位方法和装置、设备及存储介质 | |
CN115546379A (zh) | 一种数据处理方法、装置和计算机设备 | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN113902802A (zh) | 视觉定位方法及相关装置、电子设备和存储介质 | |
CN115578539B (zh) | 室内空间高精度视觉位置定位方法、终端及存储介质 | |
CN116823966A (zh) | 相机的内参标定方法、装置、计算机设备和存储介质 | |
CN114913246B (zh) | 相机标定方法、装置、电子设备及存储介质 | |
CN116958271A (zh) | 标定参数确定方法以及装置 | |
CN116597080A (zh) | 一种多源空间数据的完整场景3d精细模型构建系统及方法 | |
CN116400349A (zh) | 一种低分辨率毫米波雷达与光学相机的标定方法 | |
CN115471636A (zh) | 虚拟场景确定方法及装置 | |
CN114387532A (zh) | 边界的识别方法及其装置、终端、电子设备和无人设备 | |
CN113554754A (zh) | 一种基于计算机视觉的室内定位方法 | |
CN117036488B (zh) | 一种基于几何约束的双目视觉定位方法 | |
Zhu et al. | Research on calibration method of binocular vision system based on neural network |
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 |