CN117252922A - 一种针对畸变量估算的目标位姿定位方法及系统 - Google Patents
一种针对畸变量估算的目标位姿定位方法及系统 Download PDFInfo
- Publication number
- CN117252922A CN117252922A CN202310947248.8A CN202310947248A CN117252922A CN 117252922 A CN117252922 A CN 117252922A CN 202310947248 A CN202310947248 A CN 202310947248A CN 117252922 A CN117252922 A CN 117252922A
- Authority
- CN
- China
- Prior art keywords
- pose
- distortion
- calibration plate
- distortion coefficient
- coordinates
- 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 62
- 230000002159 abnormal effect Effects 0.000 title abstract description 3
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 238000013519 translation Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 239000003550 marker Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明公开了一种针对畸变量估算的目标位姿定位方法及系统，包括：对设定的标定板B0进行单目标定获得畸变系数κ0；通过平移向量和旋转矩阵对各标定板B0的位姿[R0T0]进行单目位姿迭代，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk，建立畸变量空间动态模型；对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果；本发明能够改善视觉测量中畸变系数带来的误差问题，提升视觉测量精度。
Description
技术领域
本发明属于机器视觉技术领域，具体涉及针对畸变量估算的目标位姿定位方法及系统。
背景技术
目前，大部分的视觉测量中对于相机镜头的畸变系数考虑较少，一般都是基于多项式标定以及除法模型标定，这两种标定方式属于多参数标定和单参数标定，然而畸变是由复杂的棱镜系统、相机几何和图像传感器表面的累计作用，且不同焦距、区域、高度处的畸变系数均不一样，导致视觉测量的误差较大。
发明内容
本发明提供了一种针对畸变量估算的目标位姿定位方法及系统，能够改善视觉测量中畸变系数带来的误差问题，提升视觉测量精度。
为达到上述目的，本发明所采用的技术方案是：
本发明第一方面提供了一种针对畸变量估算的目标位姿定位方法，包括：
对设定的标定板B0进行单目标定获得畸变系数κ0；将各标定板B0获取的图像进行投影变换至设定的投影高度hty；
使用畸变系数κ0进行识别计算对应的标定板B0的位姿[R0 T0]及其标志点的像素坐标(x0,y0)；R0表示为标定板B0位姿的旋转矩阵；T0表示为标定板B0位姿的平移向量；
通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代获得标定板Bk，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk，以标定板Bk中标志点的二维像素坐标(xk,yk)为自变量，畸变系数κk作为因变量，建立畸变量空间动态模型；
对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；
将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果。
优选的，通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代方法包括：
公式中，pi为第i个标志点在世界坐标系下的坐标，n表示为标志点的数量，t(k)(R)为第k次迭代中标定板Bk位姿的平移向量，R(k+1)为第k+1次迭代中标定板Bk位姿的旋转矩阵；Vi表示为投影矩阵；I表示为三阶单位矩阵，R表示为定向旋转矩阵，T表述为定向平移向量。
优选的，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk的方法包括：
通过畸变系数κ0对标定板Bk的图像进行去畸变获得标定板Bt的实际位姿高度，计算标定板Bk的实际位姿高度与投影高度hty的差值Q；
当差值Q小于设定高度差阈值时，计算标定板Bk的标定点在图像上像素坐标(xk,yk)；基于像素坐标(x0,y0)和像素坐标(xk,yk)计算出标定板Bk对应的实际畸变系数κk；
当差值Q大于设定高度差阈值时，对畸变系数κ0同时递增和递减后，重复迭代直至计算出标定板Bk对应的实际畸变系数κk。
优选的，对畸变系数κ0同时递增和递减的方法包括：
κ0＝κ0±10m
公式中，m表述为畸变系数κ0递增和递减的次数。
优选的，基于像素坐标(x0,y0)和像素坐标(xk,yk)计算出标定板Bk对应的实际畸变系数κk的方法包括：
公式中，k表示为对各标定板B0的位姿[R0 T0]进行单目位姿迭代的次数。
优选的，对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ的方法包括：
公式中，f(x,y)为像素点坐标(x,y)的插值结果，即为像素点坐标(x,y)对应的畸变系数值κ；(xi,yi)表示为畸变量空间动态模型中邻近像素点坐标(x,y)的第i个样本点坐标；fi为第i个样本点的畸变系数值，wi(xi,yi)为第i个样本点关于插值点(x,y)的权重，取值范围为[0，1]；Li为像素点坐标(x,y)与第i个样本点的边长；D表示为畸变量空间动态模型中邻近像素点坐标(x,y)的样本点数量。
本发明第二方面提供了一种针对畸变量估算的目标位姿定位系统，包括：
标定模块，用于对设定的标定板B0进行单目标定获得畸变系数κ0；将各标定板B0获取的图像进行投影变换至设定的投影高度hty；使用畸变系数κ0进行识别计算对应的标定板B0的位姿[R0 T0]及其标志点的像素坐标(x0,y0)；R0表示为标定板B0位姿的旋转矩阵；T0表示为标定板B0位姿的平移向量；
模型构建模块，用于通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代获得标定板Bk，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk，以标定板Bk中标志点的二维像素坐标(xk,yk)为自变量，畸变系数κk作为因变量，建立畸变量空间动态模型；
位姿检测模块，用于对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果。
本发明第三方面提供了计算机可读存储介质，其特征在于其上存储有计算机程序，该程序被处理器执行时实现第一方面所述目标位姿定位方法的步骤。
与现有技术相比，本发明的有益效果：
本发明建立畸变量空间动态模型后，对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果；本发明可解决相机标定过程中不同区域畸变系数不一致的情况，标定过程简单、易操作，最大限度降低了视觉测量中由于畸变系数不一致带来的误差，该标定方法相比传统多项式畸变系数模型和除法模型畸变系数满足实际工程中的使用需求。
附图说明
图1是实施例1提供的目标位姿定位方法的流程图；
图2是实施例1提供的畸变量空间动态模型的示意图；
图3是实施例1提供的插值模型的示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
如图1至图3所示，本实施例提供了一种针对畸变量估算的目标位姿定位方法，包括：
对设定的标定板B0进行单目标定获得畸变系数κ0；将各标定板B0获取的图像进行投影变换至设定的投影高度hty；本实施例中标定板B0设置为20张；
使用畸变系数κ0进行识别计算对应的标定板B0的位姿[R0 T0]及其标志点的像素坐标(x0,y0)；R0表示为标定板B0位姿的旋转矩阵；T0表示为标定板B0位姿的平移向量；
通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代，标定板B0位姿迭代后即为标定板Bk，迭代公式为：
公式中，pi为第i个标志点在世界坐标系下的坐标，n表示为标志点的数量，t(k)(R)为第k次迭代中标定板Bk位姿的平移向量，R(k+1)为第k+1次迭代中标定板Bk位姿的旋转矩阵；Vi表示为投影矩阵；I表示为三阶单位矩阵，R表示为定向旋转矩阵，T表述为定向平移向量；R和T可以通过最小化物方残差和函数计算获得。
基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk的方法包括：
通过畸变系数κ0对标定板Bk的图像进行去畸变获得标定板Bt的实际位姿高度，计算标定板Bk的实际位姿高度与投影高度hty的差值Q；
当差值Q小于设定高度差阈值时，计算标定板Bk的标定点在图像上像素坐标(xk,yk)；基于像素坐标(x0,y0)和像素坐标(xk,yk)计算出标定板Bk对应的实际畸变系数κk的方法包括：
公式中，k表示为对各标定板B0的位姿[R0 T0]进行单目位姿迭代的次数；
当差值Q大于设定高度差阈值时，对畸变系数κ0同时递增和递减的表达公式为：κ0＝κ0±10m，公式中，m表述为畸变系数κ0递增和递减的次数；重复此过程直至计算出标定板Bk对应的实际畸变系数κk。
如图2所示，通过标定板遍历相机视野后，以标定板Bk中标志点的二维像素坐标(xk,yk)为自变量，畸变系数κk作为因变量，建立畸变量空间动态模型；
通过单目相机采集目标物体图像，通过模板匹配的方式计算出目标物体世界坐标系原点在图像中对应的像素点坐标(x,y)；
如图3所示，对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ的方法包括：
公式中，f(x,y)为像素点坐标(x,y)的插值结果，即为像素点坐标(x,y)对应的畸变系数值κ；(xi,yi)表示为畸变量空间动态模型中邻近像素点坐标(x,y)的第i个样本点坐标；fi为像素点坐标(x,y)相邻的第i个样本点的畸变系数值，wi(xi,yi)为像素点坐标(x,y)相邻的第i个样本点关于插值点(x,y)的权重，取值范围为[0，1]；Li为像素点坐标(x,y)与第i个相邻的样本点的边长；D表示为畸变量空间动态模型中邻近像素点坐标(x,y)的样本点数量。
将畸变系数值κ代入位姿检测算法对目标物体图像进行去畸变，计算所述目标物体对应的位姿结果实现高精度定位；本实施例可解决相机标定过程中不同区域畸变系数不一致的情况，标定过程简单、易操作，最大限度降低了视觉测量中由于畸变系数不一致带来的误差，该标定方法相比传统多项式畸变系数模型和除法模型畸变系数满足实际工程中的使用需求。
实施例2
本实施例提供了一种针对畸变量估算的目标位姿定位系统，本实施例中的目标位姿定位可以应用于实施例1所述的目标位姿定位方法，目标位姿定位系统包括：
标定模块，用于对设定的标定板B0进行单目标定获得畸变系数κ0；将各标定板B0获取的图像进行投影变换至设定的投影高度hty；使用畸变系数κ0进行识别计算对应的标定板B0的位姿[R0 T0]及其标志点的像素坐标(x0,y0)；R0表示为标定板B0位姿的旋转矩阵；T0表示为标定板B0位姿的平移向量；
模型构建模块，用于通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代获得标定板Bk，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk，以标定板Bk中标志点的二维像素坐标(xk,yk)为自变量，畸变系数κk作为因变量，建立畸变量空间动态模型；
位姿检测模块，用于对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果。
所述模型构建模块用于基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk的方法包括：
通过畸变系数κ0对标定板Bk的图像进行去畸变获得标定板Bk的实际位姿高度，计算标定板Bk的实际位姿高度与投影高度hty的差值Q；
当差值Q小于设定高度差阈值时，计算标定板Bk的标定点在图像上像素坐标(xk,yk)；基于像素坐标(x0,y0)和像素坐标(xk,yk)计算出标定板Bk对应的实际畸变系数κk；
当差值Q大于设定高度差阈值时，对畸变系数κ0同时递增和递减后，重复迭代直至计算出标定板Bk对应的实际畸变系数κk。
实施例3
本实施例提供了计算机可读存储介质，其特征在于其上存储有计算机程序，该程序被处理器执行时实现实施例1所述目标位姿定位方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种针对畸变量估算的目标位姿定位方法，其特征在于，包括：
对设定的标定板B0进行单目标定获得畸变系数κ0；将各标定板B0获取的图像进行投影变换至设定的投影高度hty；
使用畸变系数κ0进行识别计算对应的标定板B0的位姿[R0 T0]及其标志点的像素坐标(x0,y0)；R0表示为标定板B0位姿的旋转矩阵；T0表示为标定板B0位姿的平移向量；
通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代获得标定板Bk，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk，以标定板Bk中标志点的二维像素坐标(xk,yk)为自变量，畸变系数κk作为因变量，建立畸变量空间动态模型；
对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；
将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果。
2.根据权利要求1所述的一种针对畸变量估算的目标位姿定位方法，其特征在于，通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代获得标定板Bk方法包括：
公式中，pi为第i个标志点在世界坐标系下的坐标，n表示为标志点的数量，t(k)(R)为第k次迭代中标定板Bk位姿的平移向量，R(k+1)为第k+1次迭代中标定板Bk位姿的旋转矩阵；Vi表示为投影矩阵；I表示为三阶单位矩阵，R表示为定向旋转矩阵，T表述为定向平移向量。
3.根据权利要求1所述的一种针对畸变量估算的目标位姿定位方法，其特征在于，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk的方法包括：
通过畸变系数κ0对标定板Bk的图像进行去畸变获得标定板Bk的实际位姿高度，计算标定板Bk的实际位姿高度与投影高度hty的差值Q；
当差值Q小于设定高度差阈值时，计算标定板Bk的标定点在图像上像素坐标(xk,yk)；基于像素坐标(x0,y0)和像素坐标(xk,yk)计算出标定板Bk对应的实际畸变系数κk；
当差值Q大于设定高度差阈值时，对畸变系数κ0同时递增和递减后，重复迭代直至计算出标定板Bk对应的实际畸变系数κk。
4.根据权利要求3所述的一种针对畸变量估算的目标位姿定位方法，其特征在于，对畸变系数κ0同时递增和递减的方法包括：
κ0＝κ0±10m
公式中，m表述为畸变系数κ0递增和递减的次数。
5.根据权利要求3所述的一种针对畸变量估算的目标位姿定位方法，其特征在于，基于像素坐标(x0,y0)和像素坐标(xk,yk)计算出标定板Bk对应的实际畸变系数κk的方法包括：
公式中，k表示为对各标定板B0的位姿[R0 T0]进行单目位姿迭代的次数。
6.根据权利要求1所述的一种针对畸变量估算的目标位姿定位方法，其特征在于，对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ的方法包括：
公式中，f(x,y)为像素点坐标(x,y)的插值结果，即为像素点坐标(x,y)对应的畸变系数值κ；(xi,yi)表示为畸变量空间动态模型中邻近像素点坐标(x,y)的第i个样本点坐标；fi为第i个样本点的畸变系数值，wi(xi,yi)为第i个样本点关于插值点(x,y)的权重，取值范围为[0，1]；Li为像素点坐标(x,y)与第i个样本点的边长；D表示为畸变量空间动态模型中邻近像素点坐标(x,y)的样本点数量。
7.根据权利要求1至6任一项所述的一种针对畸变量估算的目标位姿定位方法的应用系统，其特征在于，包括：
标定模块，用于对设定的标定板B0进行单目标定获得畸变系数κ0；将各标定板B0获取的图像进行投影变换至设定的投影高度hty；使用畸变系数κ0进行识别计算对应的标定板B0的位姿[R0 T0]及其标志点的像素坐标(x0,y0)；R0表示为标定板B0位姿的旋转矩阵；T0表示为标定板B0位姿的平移向量；
模型构建模块，用于通过平移向量和旋转矩阵对各标定板B0的位姿[R0 T0]进行单目位姿迭代获得标定板Bk，基于像素坐标(x0,y0)计算标定板Bk对应的实际畸变系数κk，以标定板Bk中标志点的二维像素坐标(xk,yk)为自变量，畸变系数κk作为因变量，建立畸变量空间动态模型；
位姿检测模块，用于对目标物体的像素点坐标(x,y)代入畸变量空间动态模型进行插值，计算出像素点坐标(x,y)对应的畸变系数值κ；将畸变系数值κ代入位姿检测算法计算所述目标物体对应的位姿结果。
8.计算机可读存储介质，其特征在于其上存储有计算机程序，该程序被处理器执行时实现权利要求1至6任一项所述目标位姿定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310947248.8A CN117252922A (zh) | 2023-07-31 | 2023-07-31 | 一种针对畸变量估算的目标位姿定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310947248.8A CN117252922A (zh) | 2023-07-31 | 2023-07-31 | 一种针对畸变量估算的目标位姿定位方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117252922A true CN117252922A (zh) | 2023-12-19 |
Family
ID=89133952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310947248.8A Pending CN117252922A (zh) | 2023-07-31 | 2023-07-31 | 一种针对畸变量估算的目标位姿定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252922A (zh) |
-
2023
- 2023-07-31 CN CN202310947248.8A patent/CN117252922A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
| US10290119B2 (en) | Multi view camera registration | |
| CN110969662B (zh) | 鱼眼摄像机内参标定方法、装置、标定装置控制器和系统 | |
| US9858684B2 (en) | Image processing method and apparatus for calibrating depth of depth sensor | |
| US20150093042A1 (en) | Parameter calibration method and apparatus | |
| KR100386090B1 (ko) | 동심원 패턴을 이용한 카메라 내부변수 보정시스템 및카메라 보정방법 | |
| CN105096329B (zh) | 一种精确校正超广角摄像头图像畸变的方法 | |
| CN104200454B (zh) | 鱼眼图像畸变校正方法及装置 | |
| CN113052905B (zh) | 基于双目逆投影变换的圆形目标位姿测量方法和装置 | |
| CN109003309B (zh) | 一种高精度相机标定和目标姿态估计方法 | |
| CN111897349A (zh) | 一种基于双目视觉的水下机器人自主避障方法 | |
| CN112102380A (zh) | 一种红外图像与可见光图像的配准方法及相关装置 | |
| CN104167001B (zh) | 基于正交补偿的大视场摄像机标定方法 | |
| CN105574884B (zh) | 一种医疗机器人dh参数标定方法 | |
| CN111538029A (zh) | 一种视觉与雷达融合的测量方法及终端 | |
| CN114782553B (zh) | 基于椭圆对偶二次曲线的迭代相机标定方法及装置 | |
| CN116091625A (zh) | 一种基于双目视觉的基准标记位姿估计方法 | |
| CN111915681B (zh) | 多组3d相机群的外参标定方法、装置、存储介质及设备 | |
| CN113409399B (zh) | 一种双相机联合标定方法、系统及装置 | |
| CN109920008B (zh) | 自标定测距误差的修正方法、装置与自动驾驶系统 | |
| CN117252922A (zh) | 一种针对畸变量估算的目标位姿定位方法及系统 | |
| CN111462216A (zh) | 一种圆形阵列标定板中圆心像素坐标确定方法 | |
| CN108345463B (zh) | 基于机器人的三维测量方法、装置、机器人和存储介质 | |
| JP4887820B2 (ja) | 画像位置計測方法、画像位置計測装置および画像位置計測プログラム | |
| CN112419428B (zh) | 手术机器人红外相机标定方法 |
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 |