CN116993835A - 相机标定方法及相机标定装置、电子设备、存储介质 - Google Patents
相机标定方法及相机标定装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN116993835A CN116993835A CN202310953017.8A CN202310953017A CN116993835A CN 116993835 A CN116993835 A CN 116993835A CN 202310953017 A CN202310953017 A CN 202310953017A CN 116993835 A CN116993835 A CN 116993835A
- Authority
- CN
- China
- Prior art keywords
- calibration
- sub
- calibration plate
- plates
- camera
- 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 46
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 69
- 230000006870 function Effects 0.000 claims description 56
- 238000013519 translation Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 25
- 238000012795 verification Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 11
- 238000010200 validation analysis Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06T7/70—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
- G06T2207/20081—Training; Learning
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
本公开提供一种相机标定方法及相机标定装置、电子设备、存储介质，所述方法，包括：基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；基于所述标定板图像，获取多个所述子标定板的特征点的像素坐标；基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
Description
技术领域
本公开涉及机器视觉标定技术领域，具体涉及一种相机标定方法及相机标定装置、电子设备、存储介质。
背景技术
相机标定是机器视觉的一项基础问题，相机由于其生产加工及自身特性的原因会存在误差。这些误差会导致原始图像失真，因此，在进行视觉测量前需进行相机标定，以保证后续图像采集工作的准确性。
现有技术中虽然通过相机采集平面标定板的图像，再确定平面标定板的特征点对应的像素坐标和世界坐标，最后获取相机的标定参数，能对相机进行标定，但是此方法不能保证标定的一致性和稳定性。
发明内容
有鉴于此，本公开提供一种相机标定方法及相机标定装置、电子设备、存储介质。
第一方面，本公开实施例提供一种相机标定方法，所述方法，包括：
基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
可选地，所述基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像，包括：
从所述组合标定板的多个所述子标定板确定出所述参考标定板；
基于所述参考标定板，调整所述相机；调整后的所述相机的图像采集面与所述参考标定板平行，且所述相机的视场范围覆盖所述组合标定板；
基于调整后的所述相机，采集所述组合标定板的所述标定板图像。
可选地，所述基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标，包括：
基于所述组合标定板的标定板图像，获取多个子标定板在所述标定板图像内的子图像；其中，所述相机的图像采集面与多个不同的子图像对应的子标定板之间的相对位置关系不同；
基于所述多个子标定板的子图像，确定每一个所述子标定板的所述子图像内的特征点的像素坐标。
可选地，所述基于所述多个子标定板的子图像，确定每一个所述子标定板的所述子图像内的特征点的像素坐标，包括：
检测所述多个子标定板的子图像的候选特征点，确定所述候选特征点的分布情况；
基于所述分布情况，选取特征点数据；
基于相邻特征点之间的距离关系，确定每一个所述子标定板的所述子图像内的特征点的像素坐标。
可选地，所述基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标，包括：
确定所述参考标定板中每个特征点对应的世界坐标；
基于所述参考标定板与每一个所述子标定板之间的相对位置关系，确定每一个子标定板对应的旋转矩阵和平移矩阵；
基于每一个所述子标定板对应的所述旋转矩阵和所述平移矩阵，以及所述参考标定板内每个特征点的世界坐标，分别确定每一个所述子标定板内特征点的世界坐标。
可选地，所述基于多个所述子标定板的特征点的像素坐标和世界坐标，确定所述相机的标定参数，包括：
基于所述多个子标定板，确定训练数据集；其中，所述训练数据集包括：至少一个子标定板的特征点的像素坐标和世界坐标；
基于所述训练数据集中的子标定板的特征点的世界坐标和所述相机的初始标定参数，确定所述子标定板的特征点的第一预测像素坐标；
基于所述特征点的第一预测像素坐标和所述像素坐标之间的误差构建第一目标函数；
基于所述第一目标函数对所述初始标定参数进行迭代优化，得到所述标定参数。
可选地，所述基于所述第一目标函数对所述初始标定参数进行迭代优化，得到所述标定参数，包括：
基于所述第一目标函数优化得到的第一标定参数，确定所述参考标定板与所述相机的旋转矩阵和平移矩阵；
获取验证数据集；其中，所述验证数据集包括：至少一个子标定板的特征点的像素坐标和世界坐标；所述验证数据集与所述训练数据集不同；
基于所述验证数据集内所述子标定板的特征点的世界坐标，所述子标定板与所述参考标定板之间的旋转矩阵和平移矩阵，以及所述参考标定板与所述相机的旋转矩阵和平移矩阵，确定所述子标定板的特征点的第二预测像素坐标；
基于所述验证数据集的子标定板的第二预测像素坐标和所述像素坐标之间的差异，确定所述验证数据集对应的损失函数；
基于所述第一目标函数和所述损失函数，构建第二目标函数；
基于所述第二目标函数对所述第一标定参数进行迭代优化，得到所述标定参数。
第二方面，本公开实施例提供一种相机标定装置，所述装置，包括：
获取模块，用于基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
第一确定模块，用于基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
第二确定模块，用于基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
第三确定模块，用于基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
第三方面，本公开实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储代码指令；所述处理器用于运行所述代码指令，以执行任一项相机标定方法中的步骤。
第四方面，本公开实施例提供一种计算机可读存储介质，用于存储有计算机程序，所述计算机程序包括用于实现任一项相机标定方法的指令。
本公开实施例基于组合标定板中任意一个子标定板为参考标定板，获取组合标定板的标定板图像；其中，组合标定板包括：多个相互连接的子标定板，且多个子标定板的旋转方向和/或旋转角度不同；基于标定板图像，确定多个子标定板的特征点的像素坐标；基于标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个子标定板的特征点的世界坐标；基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。如此，相较于已有的相机标定方法中，由于标定特征点均在同一平面，使得特征点坐标维度信息缺失，造成相机标定精度低的问题，本公开实施例一方面通过采集组合标定板的标定板图像，即可获取多个不同角度和/或不同距离的多个标定板的图像信息，无需反复调整相机与标定板的角度和/或距离，提高标定效率；另一方面利用组合标定板不共面的特性提供了空间立体信息，从而能获取更加精确的像素坐标和世界坐标，有利于相机标定的稳定性和一致性。
附图说明
图1是根据一示例性实施例示出的相机标定方法的流程示意图；
图2是根据一示例性实施例示出的一种组合标定板的结构示意图；
图3是根据一示例性实施例示出的一种参考标定板与子标定板的位置关系示意图；
图4是根据一示例性实施例示出的一种相机标定装置框图；
图5是根据一示例性实施例示出的电子设备的硬件结构框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对发明的具体技术方案做进一步详细描述。以下实施例用于说明本公开，但不用来限制本公开的范围。
本公开实施例提供一种相机标定方法，图1是根据一示例性实施例示出的相机标定方法的流程示意图，如图1所示；所述方法，包括：
步骤S1中，基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
步骤S2中，基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
步骤S3中，基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
步骤S4中，基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
可以理解的是，在获取组合标定板图像之前，应先准备多个子标定板，按照预设角度，将多块平面子标定板拼接，使得多块平面标定板相互固定为组合标定板。
在本公开实施例中，组合标定板在制备时，多个子标定板的边缘位置要平整，要使得多个子标定板在粘贴时更加紧密，以便于后续的图像采集工作。
这里，多个子参考标定板之间的角度关系可以固定设置，也可以灵活设置，本公开实施例对此不作限定。
需要说明的是，本公开实施例对子标定板的类型、图形形状、和排列方式均不作限定，只需满足组合标定板由多个子标定板拼接而成即可。
在一些实施例中，为了便于获取标定板图像对应特征点的像素坐标和世界坐标，可将子标定板设置成包括多个黑白方块间隔排布的棋盘格的标定板。
需要解释的是，棋盘上的角点是共面的，缺少立体信息，导致棋盘无法在位姿估计中精准的使用。而本公开实施例通过有角度的拼接了多块绘制了棋盘格图案的子标定板，提供空间立体信息，实现对特征点的精确检测，进而提高相机标定的精确度。
可以理解的是，组合标定板为多个子标定板拼接而成，为了获取完整的标定板图像，可利用导轨夹具及控制系统，使得相机能移动拍摄，从而确保相机的视场范围覆盖组合标定板。
具体的，在组合标定板内选取任意一块子标定板为参考标定板，将组合标定板安装在导轨的一端，相机与参考标定板平行装配在夹具上，控制器控制相机移动，使得相机的视场范围能覆盖组合标定板，以获取完整的且成像精度高的组合标定板的标定板图像。
这里，采集组合标定板的标定图像的相机可以是单目相机、多目相机或是全景相机，本公开实施例对此不作限定。
需要说明的是，在获取组合标定板对应的标定板图像后，应对标定板图像进行图像处理，提取标定板图像中的特征点。
这里，提取的特征点可以包括：棋盘格角点，其中棋盘格角点为黑方块或者白方块的四个角位置的点。
在一些实施例中，为了进一步提高相机标定的精度，在提取特征点的过程中，可先通过选用最大类间方差法对获取的组合标定板的标定板图像进行二值化处理，消除环境亮度等因素对特征点的干扰；再选用Harris算法进行特征点检测，从而确定标定板图像的特征点数据。
这里，特征点数据中相邻特征点之间的距离可以相等，也可以不相等，本公开实施例对此不作限定。
基于标定板图像，确定多个子标定板的特征点的像素坐标，可以理解的是，在获取到的标定板图像上选取某个特征点作为坐标原点，并建立像素坐标系，根据每个特征点的排列分布情况，计算多个子标定板的特征点的像素坐标。
在一些实施例中，根据棋盘的格点分布，对检测到的特征点进行排序，排序方式为沿着横向按着从左到右的排序顺序，确定每个特征点对应的图像像素坐标(uij，vij)，i＝1、2，…n，j＝1、2，…n。
需要说明的是，多个相互连接的子标定板拼接成组合标定板，且多个子标定板的旋转方向和/或旋转角度不同，因此，多个子标定板与参考标定板的相对位置信息各不相同。
这里，相对位置信息包括：角度信息和/或距离信息。
在本公开实施例中，为了便于计算标定板图像特征点对应的世界坐标，参考标定板可设置为平面标定板。在计算出参考标定板特征点对应的世界坐标后，获取参考标定板与子标定板之间的相对位置关系，即获取空间立体信息，再确定每个子标定板特征点对应的世界坐标，从而有利于提高相机的标定精度。
可以理解的是，相机的标定参数至少包括内部参数、外部参数以及畸变参数的至少一种。其中，内部参数包括图像焦距、图像主点坐标和偏移参数；外部参数包括外参旋转矩阵和外参平移矩阵，外参平移矩阵用于描述世界坐标系到图像坐标系的旋转关系，外参平移矩阵用于描述世界坐标系到图像坐标系的平移关系，畸变参数包括径向畸变参数和切向畸变参数。
需要说明的是，获取的多个子标定板特征点对应的世界坐标体现了特征点真实的物理坐标，可预先设定初始标定参数，生成相机标定函数，将多个子标定板特征点对应的世界坐标带入相机标定函数，计算出预测的像素坐标。通过对比特征点对应的像素坐标和预测的像素坐标，调整相机的初始标定参数，确定相机的目标标定参数。
示例性地，图2是根据一示例性实施例示出的一种组合标定板的结构示意图，如图2所示；以标定板1为参考标定板，标定板1和标定板2夹角为angle1，标定板1与标定板3的夹角为angle2，标定板1与标定板4的夹角为angle3，标定板1与标定板5的夹角为angle4，每个标定板的长度为H(单位毫米)，宽度为W(单位毫米)。
为了采集完整的标定板图像，组合标定板安装在导轨的一端，3DiToF相机与参考标定板板面平行装配在夹具上，控制器控制3DiToF相机设备移动到距离参考标定板Z0(单位毫米)时，3D iToF相机采集组合标定板图像数据，其中Z0可根据3DiToF相机的镜头和图像传感器接收成像情况进行合理调整。
本公开实施例基于组合标定板中任意一个子标定板为参考标定板，获取组合标定板的标定板图像；其中，组合标定板包括：多个相互连接的子标定板，且多个子标定板的旋转方向和/或旋转角度不同；基于标定板图像，确定多个子标定板的特征点的像素坐标；基于标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个子标定板的特征点的世界坐标；基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。如此，相较于已有的相机标定方法中，由于标定特征点均在同一平面，使得特征点坐标维度信息缺失，造成相机标定精度低的问题，本公开实施例一方面通过采集组合标定板的标定板图像，即可获取多个不同角度和/或不同距离的多个标定板的图像信息，无需反复调整相机与标定板的角度和/或距离，提高标定效率；另一方面利用组合标定板不共面的特性提供了空间立体信息，从而能获取更加精确的像素坐标和世界坐标，有利于相机标定的稳定性和一致性。
可选地，所述基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像，包括：
从所述组合标定板的多个所述子标定板确定出所述参考标定板；
基于所述参考标定板，调整所述相机；调整后的所述相机的图像采集面与所述参考标定板平行，且所述相机的视场范围覆盖所述组合标定板；
基于调整后的所述相机，采集所述组合标定板的所述标定板图像。
需要说明的是，为了提高相机标定的精度，在采集组合标定板图像之前，需要在组合标定板中选取一个参考标定板，并通过调整相机的位置信息，确保相机镜头中心与参考标定板中心的连线与水平面垂直，从而保证相机成像面与参考标定板平面平行设置，再获取对应的标定图像。
可以理解的是，在采集组合标定板图像时，应适当调整相机与组合标定板之间的距离和角度，从而保证相机的视场范围覆盖组合标定板，以便于获取完整的组合标定板的标定板图像，避免多次采集标定板图像，造成采集图像的耗时问题。
在一些实施例中，为了保证相机标定的准确度，需要采集成像精度完整且清晰的组合标定板的标定板图像，以便于获取完整的坐标维度信息，从而为确定准确的像素坐标和世界坐标奠定基础。
本公开实施例通过在组合标定板中选取参考标定板，将相机调整为与参考标定板平行，且保证相机的视场范围覆盖组合标定板，一方面使得相机可采集完整的组合标定板的标定板图像，以便后续根据标定板图像获取多个不同角度和/或不同距离的子标定板的图像，无需进行多次图像采集；另一方面，可直接根据参考标定板和相机之间的距离，确定参考标定板内各个特征点的深度信息，以便于后续确定特征点对应的世界坐标和像素坐标，有利于提高相机标定的准确性。
可选地，所述基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标，包括：
基于所述组合标定板的标定板图像，获取多个子标定板在所述标定板图像内的子图像；其中，所述相机的图像采集面与多个不同的子图像对应的子标定板之间的相对位置关系不同；
基于所述多个子标定板的子图像，确定每一个所述子标定板的所述子图像内的特征点的像素坐标。
需要说明的是，在拼接组合标定板时，可在多个子标定板的四周设置特征标识ABCD。在获取组合标定板的图像后，基于特征标识ABCD构建的连通区域，将获取的标定板图像拆分为多个子标定板在标定板图像内的子图像。
这里，相机的图像采集面与多个不同的子图像对应的子标定板之间的相对位置关系不同，需要解释的是，多个不同的子图像相当于是相机在不同角度、不同距离采集得到的图像。
因此，本公开实施例通过将组合标定板的标定板图像进行拆分，可获取多个不同角度的子标定板在该标定板图像内的子图像，无需调整相机位置进行多次采集。
可以理解的是，在获取多个子标定板的子图像后，可通过对子图像进行特征点检测，以便于确定每个子标定板的子图像内特征点对应的像素坐标。
本公开实施例中，仅需采集一张多角度组合标定板的标定板图像，并对该标定板图像进行拆分，即可获得多个角度的子标定板的子图像，从而无需调整相机角度进行多次采集图像，有利于节省相机采集的时间，提升相机标定的效率。
可选地，所述基于所述多个子标定板的子图像，确定每一个所述子标定板的所述子图像内的特征点的像素坐标，包括：
检测所述多个子标定板的子图像的候选特征点，确定所述候选特征点的分布情况；
基于所述分布情况，选取特征点数据；
基于相邻特征点之间的距离关系，确定每一个所述子标定板的所述子图像内的特征点的像素坐标。
需要说明的是，为了确保所有子图像特征点对应的像素坐标和世界坐标的准确性，需要对每个子标定的子图像的候选特征点进行检测，根据所有候选特征点的检测结果，选取呈现m*n的排列分布的候选特征点作为特征点数据。
可以理解的是，像素坐标为子标定板的子图像中特征点在像素坐标系下的坐标，像素坐标系为二维坐标系。因此，通过在标定板图像上选取坐标原点，建立二维坐标系，能确定标定板图像内每个特征点对应的像素坐标。
在一些实施例中，为了便于计算特征点对应的像素坐标，通常将坐标原点设置在标定板图像的左上角，特征点的像素坐标为(m,n),表示该特征点在横坐标方向离坐标原点m个像素，在纵坐标方向离坐标原点n个像素。
这里，基于相邻特征点之间的距离关系，确定每一个子标定板的子图像内的特征点的像素坐标，可以理解的是，在确定出子图像的坐标原点后，可基于坐标原点建立二维像素坐标系，再基于每个相邻特征点之间的距离，从而计算出子图像内的特征点的像素坐标。
本公开实施例通过检测多个子标定板的子图像的候选特征点的分布情况，选取分布规则的特征点数据，再基于相邻特征点之间的距离关系，计算每一个子标定板的子图像内的特征点的像素坐标，从而保证了特征点对应的像素坐标的准确性，进一步提高了相机标定的精度。
可选地，所述基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标，包括：
确定所述参考标定板中每个特征点对应的世界坐标；
基于所述参考标定板与每一个所述子标定板之间的相对位置关系，确定每一个子标定板对应的旋转矩阵和平移矩阵；
基于每一个所述子标定板对应的所述旋转矩阵和所述平移矩阵，以及所述参考标定板内每个特征点的世界坐标，分别确定每一个所述子标定板内特征点的世界坐标。
需要说明的是，世界坐标为子标定板的子图像中特征点在世界坐标系下的坐标，世界坐标系为三维坐标系。因此，通过在子标定板上选取坐标原点，建立三维坐标系，能确定子标定板内每个特征点的对应的世界坐标。
在一些实施例中，为了便于计算特征点对应的世界坐标，通常将坐标原点设置在标定板的左上角，特征点对应的世界坐标为(m,n,k)，表示该特征点在横坐标方向离坐标原点m毫米，在纵坐标方向离坐标原点n毫米，在垂直于横、纵坐标平面的方向离坐标原点k毫米。
参考标定板中每个特征点对应的世界坐标，可以理解的是，在参考标定板上设置坐标原点，以坐标原点建立三维世界坐标系，基于相邻特征点之间的距离位置关系，计算出参考标定板中每一个特征点对应的世界坐标。
需要解释的是，每一个子标定板能通过旋转相对角度和平移相对距离，使得旋转和/或平移后的每一个子标定板与参考标定板重合，因此，可基于参考标定板与每一个子标定板之间的相对位置关系，计算每一个子标定板对应的旋转矩阵和平移矩阵。
这里，每一个子标定板与参考标定板之间的相对位置关系不同，因此，每一个子标定板相对于参考标定板的旋转矩阵和平移矩阵也不相同。
可以理解的是，每一个子标定板通过旋转和/或平移，可与参考标定板重合，因此，在子标定板与参考标定板重合后，每一个子标定板内的特征点也能与参考标定板内的特征点重合。
如此，可基于每一个子标定板对应的旋转矩阵和平移矩阵以及参考标定板内每个特征点的世界坐标，分别计算每一个子标定板内特征点的世界坐标。
示例性地，图3是根据一示例性实施例示出的一种参考标定板与子标定板的位置关系示意图，如图3所示，标定板1为参考标定板，每块子标定板的长度为H，参考标定板上特征点对应的世界坐标列表list1为【(x0,y0,z0)，(xN,yN,zN)】，N＝m*n。标定板2与参考标定板之间的角度相当于是绕y轴旋转180°-angle1，绕x轴旋转0度和绕z轴旋转0度，然后再进行平移。
由此可知，标定板2中特征点对应的世界坐标列表list2可以通过旋转矩阵和平移矩阵计算获得；其旋转矩阵：RX＝【1,0,0；0,1,0；0,0,1】、RY＝【cos(180°-angle1),0,sin(180°-angle1)；0,1,0；sin(180°-angle1),0,cos(180°-angle1)】、RZ＝【1,0,0；0,1,0；0,0,1】；R＝RX*RY*RZ；平移矩阵：T＝【H*cos(180°-angle1)；0；H*sin(180°-angle1)】；
因此，list2中的【Xi；Yi；Zi】＝R*[xi；yi；zi]+T；i∈[0,N]。
其他子标定板中的对应的世界坐标均可根据其与参考标定板之间的旋转平移关系计算得到，具体的：
制作组合标定板时每块子标定板相对于参考标定板的角度为：绕X、Y和Z三个轴的角度分别为α、β和γ；则三次旋转的旋转矩阵为：
R＝RZ(γ)*Ry(β)*Rx(α)；T＝[xt；yt；zt]；
即每个子标定板的特征点对应的世界坐标为[XW；YW；ZW]＝R*[Xr；Yr；Zr]+T；其中[Xr；Yr；Zr]为参考标定板中对应特征点的世界坐标，这个是根据参考标定板中特征点间的物理距离和对应的坐标系原点位置构建的。
本公开实施例通过计算参考标定板中每个特征点对应的世界坐标，再基于参考标定板与每一个子标定板之间的相对位置关系，确定每一个子标定板对应的旋转矩阵和平移矩阵；最后再计算每一个子标定板内特征点的世界坐标。如此，通过引入空间位置关系，获取更加精准的三维世界坐标，从而提升了相机标定的一致性和稳定性。
可选地，所述基于多个所述子标定板的特征点的像素坐标和世界坐标，确定所述相机的标定参数，包括：
基于所述多个子标定板，确定训练数据集；其中，所述训练数据集包括：至少一个子标定板的特征点的像素坐标和世界坐标；
基于所述训练数据集中的子标定板的特征点的世界坐标和所述相机的初始标定参数，确定所述子标定板的特征点的第一预测像素坐标；
基于所述特征点的第一预测像素坐标和所述像素坐标之间的误差构建第一目标函数；
基于所述第一目标函数对所述初始标定参数进行迭代优化，得到所述标定参数。
需要说明的是，组合标定板除参考标定板之外，还应该在剩下的子标定板中，选取一定比例的子标定板的特征点的像素坐标和世界坐标作为训练数据集，剩下的为测试数据集和验证数据集。
这里，训练数据集、测试数据集以及验证数据集的划分占比可根据实际需求进行设定，本公开实施例对此不作限定，例如，训练数据集、测试数据集以及验证数据集的划分占比可为6:2:2、7:2:1、7:1:2、8:1:1或9:0:1等。
需要解释的是，通过相机初始标定参数，即内参、外参和畸变系数，可确定出初始标定函数。
基于训练数据集中的子标定板的特征点的世界坐标和相机的初始标定参数，确定子标定板的特征点的第一预测像素坐标，可以理解的是，将训练数据集中的子标定板的特征点的世界坐标带入初始标定函数内，可得到该子标定板的特征点对应的第一预测像素坐标。
这里，在获取第一预测像素坐标后，计算训练数据集中子标定板的特征点对应的像素坐标和第一预测像素坐标之间的误差，并基于二者的误差，构建第一目标函数。
需要说明的是，在确定第一目标函数后，通过不断调整相机的初始标定参数，将训练数据集中多组子标定板的特征点对应的世界坐标带入初始标定函数内，以获取子标定板特征点对应的第一预测像素坐标；再将训练数据集中的像素坐标与第一预测像素坐标作差，不断地迭代优化，直至二者之间的差值达到最小，从而确定相机的目标标定参数。
示例性地，将相机的内参、外参、畸变参数构建为未知参数变量，以argmin∑i＝1...n(||Ui-U’(M,Ri,Ti,k1,k2,p1,p2,k3)||2)为第一目标函数，利用训练数据集中子标定板的特征点的世界坐标和像素坐标进行迭代优化，确定目标标定参数，即内参、外参、畸变参数。
需要说明的是，M为相机内参矩阵，Ri为每个子标定板的相机旋转矩阵，Ti为每个子标定板的相机平移矩阵；k1、k2、k3为相机的径向畸变系数；p1、p2为相机的切向畸变系数；Ui为每个子标定板内特征点对应的像素坐标；U’为通过相机内参、外参和畸变系数确定的特征点的第一预测像素坐标。
本公开实施例通过从多个子标定板中确定训练数据集，基于训练数据集中的子标定板的特征点的世界坐标和相机的初始标定参数，计算得到子标定板的特征点的第一预测像素坐标；再将第一预测像素坐标和训练数据集中的像素坐标之间的误差构建第一目标函数；以最小化所述第一目标函数作为优化目标，对初始标定参数进行迭代优化，直至获取相机的标定参数，基于该标定参数确定出的特征点的第一预测像素坐标与像素坐标之间的差异最小，提高了相机标定的稳定性。
可选地，所述基于所述第一目标函数对所述初始标定参数进行迭代优化，得到所述标定参数，包括：
基于所述第一目标函数优化得到的第一标定参数，确定所述参考标定板与所述相机的旋转矩阵和平移矩阵；
获取验证数据集；其中，所述验证数据集包括：至少一个子标定板的特征点的像素坐标和世界坐标；所述验证数据集与所述训练数据集不同；
基于所述验证数据集内所述子标定板的特征点的世界坐标，所述子标定板与所述参考标定板之间的旋转矩阵和平移矩阵，以及所述参考标定板与所述相机的旋转矩阵和平移矩阵，确定所述子标定板的特征点的第二预测像素坐标；
基于所述验证数据集的子标定板的第二预测像素坐标和所述像素坐标之间的差异，确定所述验证数据集对应的损失函数；
基于所述第一目标函数和所述损失函数，构建第二目标函数；
基于所述第二目标函数对所述第一标定参数进行迭代优化，得到所述标定参数。
需要说明的是，为了进一步提高相机标定的精度，在通过第一目标函数优化得到标定参数后，可基于验证数据集内的子标定板的数据进行二次优化。
可向基于第一次优化(即基于第一目标函数优化)得到的第一标定参数，确定参考标定板与相机之间的旋转矩阵和平移矩阵；并且根据验证数据集内的多个子标定板内每一个子标定板与参考标定板之间的旋转矩阵和平移矩阵，确定多个子标定板内每一个子标定板与相机之间的旋转矩阵和平移矩阵。
根据验证数据集内的多个子标定板内每一个子标定板的特征点的世界坐标，和所述子标定板与相机之间的旋转矩阵和平移矩阵，确定所述子标定板的特征点对应的第二预测像素坐标。
可以理解的是，在确定出验证数据集内的多个子标定板内每一个子标定板与相机之间的旋转矩阵和平移矩阵，可将该子标定板内的特征点的世界坐标，将所述特征点重投影到相机的图像坐标系内，确定投影点的像素坐标(即第二预测像素坐标)。
这里，在获取第二预测像素坐标后，计算训练数据集中子标定板的特征点对应的像素坐标与第二预测像素坐标之间的差异，并基于二者的差异，构建损失函数。
为了获取更加准确的相机标定参数，可基于第一目标函数和损失函数构建第二目标函数，以最小化第一目标函数和损失函数为优化目标，迭代优化所述第一标定参数，以获取相机的目标标定参数。
可以理解的是，基于所述第二目标函数获得的目标标定参数，确定出的特征点的第一预测像素坐标与像素坐标之间的差异以及第二预测像素坐标与像素坐标之间的差异之间的差异和最小。
示例性地，以[uw,vw]＝U’(M,R1,T1,k1,k2,p1,p2,k3)(XW,YW,ZW)为第二预测像素坐标函数，w∈[0,N]；
根据随机选取的验证标定板与参考标定板之间的旋转关系Rj以及平移关系Tj，与优化方程中计算得到的参考标定板与相机之间的旋转关系R1以及平移关系T1，将验证标定板的世界坐标重投影到图像坐标系中，并将该投影点和检测角点之间的投影误差作为损失函数。
因此，以Loss＝(∑i＝1...N|URW-uw|+|VRW-vw|)N为损失函数。
同时，以argmin∑i＝1...n(||Ui-U’(M,Ri,Ti,k1,k2,p1,p2,k3)||2)+λ*Loss为第二目标函数；通过对第一标定参数进行迭代优化，以获取相机的目标标定参数。
需要说明的是，M为相机内参矩阵，Ri为每个子标定板的相机旋转矩阵，Ti为每个子标定板的相机平移矩阵；k1、k2、k3为相机的径向畸变系数；p1、p2为相机的切向畸变系数；Ui为每个子标定板内特征点对应的像素坐标；U’为通过相机内参、外参和畸变系数确定的特征点的第一预测像素坐标；[Xw；Yw；Zw]为验证数据集中子标定板特征点对应的像素坐标。
本公开实施例基于第一目标函数优化得到的标定参数，确定参考标定板与相机之间的旋转矩阵和平移矩阵；接着选取验证数据集，基于验证数据集中子标定板的特征点对应的世界坐标，子标定板与参考标定板之间的旋转矩阵和平移矩阵，以及参考标定板与相机的旋转矩阵和平移矩阵，确定验证数据集中子标定板的特征点重投影到图像坐标系内的投影点的第二预测像素坐标；再利用第二预测像素坐标和验证数据集中的像素坐标构建损失函数；最后基于损失函数和第一目标函数，构建第二目标函数，使得迭代获取的相机参数更加准确，进一步提升相机标定的精度。
本公开实施例还提供一种相机标定装置，图4是根据一示例性实施例示出的一种相机标定装置框图，如图4所示，所述装置100包括：
获取模块101，用于基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
第一确定模块102，用于基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
第二确定模块103，用于基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
第三确定模块104，用于基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
图5是根据一示例性实施例示出的电子设备的硬件结构框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图5，设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为设备800的显示器和小键盘，传感器组件814还可以检测设备800或设备800一个组件的位置改变，用户与设备800接触的存在或不存在，设备800方位或加速/减速和设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800可以接入基于通信标准的无线网络，如WiFi，3G或5G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当存储介质中的指令由网络处理装置的处理器执行时，使得网络处理装置能够执行相机标定方法，方法包括：
基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
本公开是实例中记载的相机标定方法及相机标定装置、电子设备、存储介质只以本公开所述实施例为例，但不仅限于此，只要涉及到该相机标定方法以及相机标定装置均在本公开的保护范围。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本公开的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本公开的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上所述，仅为本公开的实施方式，但本公开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公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种相机标定方法，其特征在于，所述方法，包括：
基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
2.根据权利要求1所述的方法，其特征在于，所述基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像，包括：
从所述组合标定板的多个所述子标定板确定出所述参考标定板；
基于所述参考标定板，调整所述相机；调整后的所述相机的图像采集面与所述参考标定板平行，且所述相机的视场范围覆盖所述组合标定板；
基于调整后的所述相机，采集所述组合标定板的所述标定板图像。
3.根据权利要求1所述的方法，其特征在于，所述基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标，包括：
基于所述组合标定板的标定板图像，获取多个子标定板在所述标定板图像内的子图像；其中，所述相机的图像采集面与多个不同的子图像对应的子标定板之间的相对位置关系不同；
基于所述多个子标定板的子图像，确定每一个所述子标定板的所述子图像内的特征点的像素坐标。
4.根据权利要求3所述的方法，其特征在于，所述基于所述多个子标定板的子图像，确定每一个所述子标定板的所述子图像内的特征点的像素坐标，包括：
检测所述多个子标定板的子图像的候选特征点，确定所述候选特征点的分布情况；
基于所述分布情况，选取特征点数据；
基于相邻特征点之间的距离关系，确定每一个所述子标定板的所述子图像内的特征点的像素坐标。
5.根据权利要求1所述的方法，其特征在于，所述基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标，包括：
确定所述参考标定板中每个特征点对应的世界坐标；
基于所述参考标定板与每一个所述子标定板之间的相对位置关系，确定每一个子标定板对应的旋转矩阵和平移矩阵；
基于每一个所述子标定板对应的所述旋转矩阵和所述平移矩阵，以及所述参考标定板内每个特征点的世界坐标，分别确定每一个所述子标定板内特征点的世界坐标。
6.根据权利要求1所述的方法，其特征在于，所述基于多个所述子标定板的特征点的像素坐标和世界坐标，确定所述相机的标定参数，包括：
基于所述多个子标定板，确定训练数据集；其中，所述训练数据集包括：至少一个子标定板的特征点的像素坐标和世界坐标；
基于所述训练数据集中的子标定板的特征点的世界坐标和所述相机的初始标定参数，确定所述子标定板的特征点的第一预测像素坐标；
基于所述特征点的第一预测像素坐标和所述像素坐标之间的误差构建第一目标函数；
基于所述第一目标函数对所述初始标定参数进行迭代优化，得到所述标定参数。
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一目标函数对所述初始标定参数进行迭代优化，得到所述标定参数，包括：
基于所述第一目标函数优化得到的第一标定参数，确定所述参考标定板与所述相机的旋转矩阵和平移矩阵；
获取验证数据集；其中，所述验证数据集包括：至少一个子标定板的特征点的像素坐标和世界坐标；所述验证数据集与所述训练数据集不同；
基于所述验证数据集内所述子标定板的特征点的世界坐标，所述子标定板与所述参考标定板之间的旋转矩阵和平移矩阵，以及所述参考标定板与所述相机的旋转矩阵和平移矩阵，确定所述子标定板的特征点的第二预测像素坐标；
基于所述验证数据集的子标定板的第二预测像素坐标和所述像素坐标之间的差异，确定所述验证数据集对应的损失函数；
基于所述第一目标函数和所述损失函数，构建第二目标函数；
基于所述第二目标函数对所述第一标定参数进行迭代优化，得到所述标定参数。
8.一种相机标定装置，其特征在于，所述装置，包括：
获取模块，用于基于组合标定板中任意一个子标定板为参考标定板，获取所述组合标定板的标定板图像；其中，所述组合标定板包括：多个相互连接的子标定板，且多个所述子标定板的旋转方向和/或旋转角度不同；
第一确定模块，用于基于所述标定板图像，确定多个所述子标定板的特征点的像素坐标；
第二确定模块，用于基于所述标定板图像的参考标定板与多个子标定板之间的相对位置关系，确定多个所述子标定板的特征点的世界坐标；
第三确定模块，用于基于多个所述子标定板的特征点的像素坐标和世界坐标，确定相机的标定参数。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器用于存储代码指令；所述处理器用于运行所述代码指令，以执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储有计算机程序，所述计算机程序包括用于实现如权利要求1至7中任一项所述的方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310953017.8A CN116993835A (zh) | 2023-07-31 | 2023-07-31 | 相机标定方法及相机标定装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310953017.8A CN116993835A (zh) | 2023-07-31 | 2023-07-31 | 相机标定方法及相机标定装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116993835A true CN116993835A (zh) | 2023-11-03 |
Family
ID=88531561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310953017.8A Pending CN116993835A (zh) | 2023-07-31 | 2023-07-31 | 相机标定方法及相机标定装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116993835A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576228A (zh) * | 2024-01-16 | 2024-02-20 | 成都合能创越软件有限公司 | 基于实时场景的相机坐标标定方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600648A (zh) * | 2016-12-06 | 2017-04-26 | 合肥工业大学 | 标定相机内参数和畸变系数的立体编码靶标及其标定方法 |
| CN206441238U (zh) * | 2017-02-09 | 2017-08-25 | 杭州零智科技有限公司 | 标定板和标定系统 |
| CN109920004A (zh) * | 2017-12-12 | 2019-06-21 | 广东虚拟现实科技有限公司 | 图像处理方法、装置、标定物组合、终端设备及标定系统 |
| WO2020063708A1 (zh) * | 2018-09-28 | 2020-04-02 | 杭州海康威视数字技术股份有限公司 | 鱼眼摄像机内参标定方法、装置和系统、标定装置控制器以及标定器具 |
| CN111429532A (zh) * | 2020-04-30 | 2020-07-17 | 南京大学 | 一种利用多平面标定板提高相机标定精确度的方法 |
| CN112684424A (zh) * | 2020-12-30 | 2021-04-20 | 同济大学 | 一种毫米波雷达与相机的自动标定方法 |
| CN112819903A (zh) * | 2021-03-02 | 2021-05-18 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
| CN113052144A (zh) * | 2021-04-30 | 2021-06-29 | 平安科技（深圳）有限公司 | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
-
2023
- 2023-07-31 CN CN202310953017.8A patent/CN116993835A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600648A (zh) * | 2016-12-06 | 2017-04-26 | 合肥工业大学 | 标定相机内参数和畸变系数的立体编码靶标及其标定方法 |
| CN206441238U (zh) * | 2017-02-09 | 2017-08-25 | 杭州零智科技有限公司 | 标定板和标定系统 |
| CN109920004A (zh) * | 2017-12-12 | 2019-06-21 | 广东虚拟现实科技有限公司 | 图像处理方法、装置、标定物组合、终端设备及标定系统 |
| WO2020063708A1 (zh) * | 2018-09-28 | 2020-04-02 | 杭州海康威视数字技术股份有限公司 | 鱼眼摄像机内参标定方法、装置和系统、标定装置控制器以及标定器具 |
| CN111429532A (zh) * | 2020-04-30 | 2020-07-17 | 南京大学 | 一种利用多平面标定板提高相机标定精确度的方法 |
| CN112684424A (zh) * | 2020-12-30 | 2021-04-20 | 同济大学 | 一种毫米波雷达与相机的自动标定方法 |
| CN112819903A (zh) * | 2021-03-02 | 2021-05-18 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
| CN113052144A (zh) * | 2021-04-30 | 2021-06-29 | 平安科技（深圳）有限公司 | 活体人脸检测模型的训练方法、装置、设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576228A (zh) * | 2024-01-16 | 2024-02-20 | 成都合能创越软件有限公司 | 基于实时场景的相机坐标标定方法及系统 |
| CN117576228B (zh) * | 2024-01-16 | 2024-04-16 | 成都合能创越软件有限公司 | 基于实时场景的相机坐标标定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113066086B (zh) | 道路病害检测方法及装置、电子设备和存储介质 | |
| CN110930463B (zh) | 一种监控摄像头内参标定方法、装置和电子设备 | |
| CN112270718B (zh) | 摄像头标定方法、装置、系统及存储介质 | |
| US20210158560A1 (en) | Method and device for obtaining localization information and storage medium | |
| US11138758B2 (en) | Image processing method and apparatus, and storage medium | |
| CN105758319A (zh) | 通过移动终端测量目标物体高度的方法和装置 | |
| CN114170324A (zh) | 标定方法及装置、电子设备和存储介质 | |
| CN113052919A (zh) | 一种视觉传感器的标定方法及装置、电子设备和存储介质 | |
| CN116993835A (zh) | 相机标定方法及相机标定装置、电子设备、存储介质 | |
| CN114529606A (zh) | 位姿检测方法及装置、电子设备和存储介质 | |
| CN112529846A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113936154A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111339880A (zh) | 一种目标检测方法及装置、电子设备和存储介质 | |
| CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
| CN106875450B (zh) | 用于相机重定位的训练集优化方法及装置 | |
| WO2021136979A1 (en) | Image processing method and apparatus, electronic device, and storage medium | |
| CN114549658A (zh) | 摄像头的标定方法、装置及电子设备 | |
| CN115861431A (zh) | 摄像头配准方法、装置、通话设备及存储介质 | |
| CN117115244A (zh) | 云端重定位方法、装置及存储介质 | |
| CN113066134A (zh) | 一种视觉传感器的标定方法及装置、电子设备和存储介质 | |
| CN113192145A (zh) | 设备标定方法及装置、电子设备和存储介质 | |
| CN111428654A (zh) | 一种虹膜识别方法、装置及存储介质 | |
| CN114170302B (zh) | 相机外参标定方法、装置、电子设备及存储介质 | |
| CN110428492B (zh) | 三维唇部重建方法、装置、电子设备及存储介质 | |
| CN111507133B (zh) | 指纹识别的校准方法及装置 |
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 |