CN117392161A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN117392161A CN117392161A CN202311442461.XA CN202311442461A CN117392161A CN 117392161 A CN117392161 A CN 117392161A CN 202311442461 A CN202311442461 A CN 202311442461A CN 117392161 A CN117392161 A CN 117392161A
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- points
- corner
- acquiring
- 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 57
- 238000012216 screening Methods 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种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、装置、系统、计算机设备、存储介质和计算机程序产品。该方法包括:获取待检测图像;待检测图像包含相机标定板的相机标定板图像;获取待检测图像的二值化图像,并基于二值化图像,获取待检测图像对应的多个轮廓;在多个轮廓中获取相机标定板图像中的第一特征图案的第一轮廓和第二特征图案的第二轮廓;基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号。该方法中,可以避免现有标定板以及基于标定板进行相机标定过程中产生的透视畸变问题,提高了远距离相机标定中的准确性。
Description
技术领域
本申请涉及相机标定技术领域,特别是涉及一种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、装置、系统、计算机设备、存储介质和计算机程序产品。
背景技术
在双目或多目运动捕捉场景中,标定相机外参数矩阵时通常要求标定板平放在地板上。同时,为了可以让多个相机可以同时观察到标定板,要把标定板放到距离比较远的地方。目前最常用的标定板之一是棋盘格标定板,这种标定板包含许多黑白相间的正方形格子。因为距离相机比较远,所以标定板在图像上的成像非常小、标定板角点之间的距离也非常小。标定板平放在地板,那么相机成像平面和标定板几乎垂直,因此导致非常大的透视畸变,即标定板上正方形格子在图像上变成了不规则四边形。现有的标定板检测算法都要求标定板距离相机不能太远并且标定板和成像平面夹角不能太大,易导致非常大的透视畸变,存在准确性低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种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、装置、系统、计算机设备、存储介质和计算机程序产品。
第一方面,本申请提供了一种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,应用于相机标定系统,所述相机标定系统包含相机标定板;所述相机标定板包含第一特征图案和第二特征图案;所述第二特征图案位于所述第一特征图案区域内;所述第一特征图案包含多个角点;所述第二特征图案的中心点与所述第一特征图案的各所述角点的距离不相同。所述方法包括:
获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
在其中一个实施例中,所述基于所述二值化图像,获取所述待检测图像对应的多个轮廓,包括:对所述二值化图像进行边缘检测,得到所述待检测图像对应的多个连续轮廓线;将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
在其中一个实施例中,所述预设筛选条件包含第一预设筛选条件;所述第一预设筛选条件为连续轮廓线的轮廓区域凸度大于或者等于预设凸度阈值;所述将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓,包括:获取各所述连续轮廓线的轮廓区域凸度;将所述轮廓区域凸度大于或者等于预设凸度阈值的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
在其中一个实施例中,所述预设筛选条件包含第二预设筛选条件;所述第二预设筛选条件为连续轮廓线的长宽比小于预设长宽比阈值;所述将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓,包括:获取各所述连续轮廓线的长宽比;将所述长宽比小于预设长宽比阈值的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
在其中一个实施例中,所述在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓,包括:获取各所述轮廓的包含关系和平均亮度;根据所述包含关系和所述平均亮度,获取所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓。
在其中一个实施例中,所述根据所述包含关系和所述平均亮度,获取所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓,包括:根据各所述轮廓的包含关系,在所述多个轮廓中获取包含一条被包含轮廓的包含轮廓,并在所述包含轮廓的平均亮度与所述被包含轮廓的平均亮度的亮度差值大于预设亮度阈值的情况下,将所述包含轮廓确定为所述第一特征图案的第一轮廓,以及将所述被包含轮廓确定为所述第二特征图案的第二轮廓;所述包含轮廓为所述多个轮廓中的任意一个;所述被包含轮廓为所述多个轮廓中除所述包含轮廓之外的其余轮廓中的任意一个;所述包含轮廓的轮廓面积大于所述被包含轮廓的轮廓面积。
在其中一个实施例中,所述多个角点包含四个角点;所述基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,包括:获取所述第一轮廓的多个轮廓点,以及获取各所述轮廓点之间的距离;将所述距离最远的两个轮廓点确定为所述第一轮廓的两个候选轮廓点;将所述两个候选轮廓点的连接线段确定为所述第一轮廓的第一对角线;将距离所述第一对角线最远的两个轮廓点确定为所述第一轮廓的两个候选轮廓点;在所述第一轮廓的四个候选轮廓点满足预设条件的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点。
在其中一个实施例中,所述在所述第一轮廓的四个候选轮廓点满足预设条件的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点,包括:在所述四个候选轮廓点中获取所述第一轮廓的四组相邻轮廓点对;获取各所述相邻轮廓对的第一连接直线,以及获取各所述相邻轮廓对的第二连接直线;所述第一连接直线是直接连接各所述相邻轮廓对中的两个候选轮廓点得到的直线;所述第二连接直线是通过拟合各所述相邻轮廓对中的两个候选轮廓点之间的多个轮廓点得到的直线;在所述第一连接直线与所述第二连接直线的夹角余弦值大于预设偏差阈值的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点。
在其中一个实施例中,所述获取所述第一特征图案的各所述角点的角点编号,包括:获取各所述角点与所述第一轮廓的中心点的第一连接向量;获取所述第一轮廓点的中心点与所述第二轮廓点的中心点的第二连接向量;获取各所述第一连接向量与所述第二连接向量的夹角余弦值,并将所述夹角余弦值最大的第一连接向量对应的角点的角点编号确定为第一角点;根据所述第一角点,依次确定其余角点的角点编号;所述其余角点为所述四个角点中除所述第一角点之外的其他角点。
第二方面,本申请提供了一种用于远距离大透视畸变的标定板角点及角点编号确定装置,其特征在于,应用于相机标定系统,所述相机标定系统包含相机标定板;所述相机标定板包含第一特征图案和第二特征图案;所述第二特征图案位于所述第一特征图案区域内;所述第一特征图案包含多个角点;所述第二特征图案的中心点与所述第一特征图案的各所述角点的距离不相同。所述装置包括:
图像处理模块,用于获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
轮廓检测模块,用于获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
轮廓筛选模块,用于在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
角点确定模块,用于基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
第三方面,本申请还提供了一种计算机设备。所述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以下步骤:
获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
上述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、装置、系统、计算机设备、存储介质和计算机程序产品中,可以应用于相机标定系统,相机标定系统包含相机标定板;相机标定板包含第一特征图案和第二特征图案;第二特征图案位于第一特征图案区域内;第一特征图案包含多个角点;第二特征图案的中心点与第一特征图案的各角点的距离不相同。可以通过该相机标定系统中的待标定相机对该相机标定板进行拍摄,得到采集图像,并对该采集图像进行裁剪处理,得到包含相机标定板图像的待检测图像;接下来,可以对该待检测图像进行二值化处理,得到该待检测图像对应的二值化图像,并基于二值化图像,获取待检测图像对应的多个轮廓;进而,可以在多个轮廓中获取相机标定板图像中的第一特征图案的第一轮廓和第二特征图案的第二轮廓;从而,可以基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号。本申请实施例提供的该方法中,可以避免现有标定板以及基于标定板进行相机标定过程中产生的透视畸变问题,提高了远距离相机标定中的准确性。
附图说明
图1为一个实施例提供的一种相机标定系统的结构示意图;
图2为一个实施例提供的一种相机标定板的结构示意图;
图3为一个实施例提供的一种电子设备的内部结构图;
图4为一个实施例提供的一种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的流程示意图;
图5为一个实施例提供的一种确定第一特征图案的四个角点的流程示意图;
图6为一个实施例提供的一种用于远距离大透视畸变的标定板角点及角点编号确定装置的结构框图;
图7为一个实施例提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的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,可以应用于如图1所示的相机标定系统中。其中,该相机标定系统可以包含相机标定板110、待标定相机120和电子设备130。
该相机标定板110上设置有标定图案,该标定图案可以包含第一特征图案和第二特征图案;该第一特征图案可以包含该第二特征图案,第一特征图案包含多个角点;第二特征图案的中心点与第一特征图案的各角点的距离不相同。在一种可能的实现方式中,该第一特征图案和该第二特征图案可以是矩形,并且该第一特征图案和该第二特征图案的颜色或亮度为成像设备可分辨的两种颜色或亮度。例如,该第一特征图案为黑色,该第二特征图案为白色,或者,该第一特征图案为白色,该第二特征图案为黑色。如图2所示,该相机标定板可以由一个黑色矩形和一个白色矩形组成,该白色矩形位于该黑色矩形之内,该黑色矩形包含四个角点,该白色矩形的中心点到黑色矩形的各个角点的距离均不相同。
该待标定相机120包含一个或多个图像采集装置,该一个或多个图像采集装置用于采集相机标定板110的图像,获取采集图像,并进一步对该采集图像进行裁剪处理,得到该相机标定板110的待检测图像,该待检测图像可以包含该相机标定板图像。该采集图像的获取可以包括从不同角度采集的相机标定板的相机标定板图像。该图像采集装置可以是图像传感器也可以是光学镜头与图像传感器的组合。图像采集装置可以是能够在其视场内捕获物体的图像的任何图像传感装置,用于对相机标定板110进行曝光成像以得到原始图像。该图像传感器可以是CMOS(ComplementaryMetal Oxide Semiconductor,互补金属氧化物半导体)传感器,或者CCD(Charge-coupled Device,电荷耦合元件)传感器等等。该待标定相机120在获取该相机标定板的采集图像之后,可以将该采集图像发送至电子设备130。
电子设备130可以接收待标定相机120发送的采集图像,在一种可能的实现方式中,例如,在将相机标定板110平放在平面上进行拍摄该采集图像的情况下,该相机标定板成像于采集图像的下半部分,此时,可以对该采集图像进行裁剪,得到该待检测图像,该相机标定板图像可以占据该待检测图像的超过预设阈值的面积和/或范围。在另一种可能的实现方式中,也可以对采集图像进行图像处理,已排除其他物体成像所造成的光斑影响。待标定相机120可以与电子设备130通信并且将图像数据发送到电子设备130。待标定相机120还可以从电子设备130接收设置用于捕获图像的参数的命令信号。其中用于捕获图像的示例性参数可以包括用于设置曝光时间、孔径、图像分辨率/尺寸,视场(例如,放大和缩小)和/或图像的颜色空间(例如,彩色或黑白色)和/或用于执行相机的其他类型的已知功能的参数。待标定相机120和电子设备130可以经由网络连接,总线或其他类型的数据链路(例如,硬线,无线(例如Bluetooth TM)或本领域已知的其他连接)来连接。
电子设备130可以是嵌入式处理器、数字图像处理器、智能手机、计算机、平板电脑、笔记本等具有良好计算能力的实体。电子设备130可以被配置为从系统的其他部件接收和处理数据/信号。例如,在本申请实施例中,电子设备130可以从待标定相机接收和处理图像数据。电子设备130还可以将数据/信号发送到系统的其他组件,并且其他组件可以基于来自电子设备130的数据/信号来执行某些功能。如图3所示,在一些实施例中,电子设备130可以包括处理器131,存储器132和通信接口133。处理器131可以包括任何适当类型的通用或专用微处理器、数字信号处理器或微标定板。处理器131可以被配置为专用于标定检测的单独的处理器模块。或者,处理器131可以被配置为用于执行与标定检测无关的其他功能的共享处理器模块。在本申请实施例中,处理器131可以从待标定相机120接收采集图像并且可以对该采集图像进行裁剪,得到该待检测图像,该相机标定板图像可以占据该待检测图像的超过预设阈值的面积和/或范围;并且,处理器131还可以对该待检测图像进行二值化处理,获取该待检测图像的二值化图像,进而,基于该二值化图像虎丘该待检测图像的多个轮廓;处理器131还可以在多个轮廓中获取相机标定板图像中的第一特征图案的第一轮廓和第二特征图案的第二轮廓;进一步地,基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号。接下来,处理器131还可以基于待检测图像对待标定相机进行标定检测。
存储器132可以包括提供用于存储处理器可能需要操作的任何类型的信息的任何适当类型的大容量存储器。存储器可以是易失性或非易失性、磁性、半导体、磁带、光学、可擦除、不可擦除或其他类型的存储设备或有形(即,非暂时性)计算机可读介质,包括但不限于ROM,闪速存储器,动态RAM和静态RAM。存储器132可以被配置为存储可以由处理器131执行的且在本发明中公开的标定检测方法的一个或多个计算机程序。例如,存储器132可以被配置为存储可由处理器131执行的程序。存储器132还可以被配置为存储由处理器131使用的信息和数据。例如,存储器132可以被配置为存储包括相机标定板图像和它们对应的参数的查找表。如果获知包含相机标定板图像的待检测图像,处理器可以通过查询查找表来确定相机标定板的身份以及对应的相机标定板上每个标定点的物理位置信息。
电子设备130可以配置有显示设备。在一些实施例中,显示设备可以是计算机的一部分(例如笔记本电脑的屏幕等)。在一些实施例中,显示设备可以是与诸如独立标准电视,HDTV,数字电视或任何类型的终端(例如游戏主机)分离的显示设备(例如,LED,OLED或LCD)等。
在一个实施例中,如图4所示,提供了一种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,该方法包括以下步骤:
步骤S401,获取待检测图像。
其中,待检测图像是基于相机标定系统包含的待标定相机获取的采集图像得到;待检测图像包含相机标定板的相机标定板图像。
可以通过待标定相机的一个或多个图像采集装置对该相机标定板进行拍摄,得到针对该相机标定板的采集图像;进而,可以将该采集图像发送至电子设备。在一种可能的实现方式中,例如,在将相机标定板110平放在平面上进行拍摄该采集图像的情况下,该相机标定板成像于采集图像的下半部分,此时,电子设备可以对该采集图像进行裁剪,得到该待检测图像,该相机标定板图像可以占据该待检测图像的超过预设阈值的面积和/或范围。在另一种可能的实现方式中,也可以对采集图像进行图像处理,已排除其他物体成像所造成的光斑影响。
步骤S402,获取待检测图像的二值化图像,并基于二值化图像,获取待检测图像对应的多个轮廓。
在一种可能的实现方式中,可以对该待检测图像进行二值化处理,得到该待检测图像的二值化图像,具体地,可以首先确定一个临界灰度值阈值,以及获取该待检测图像的所有像素点的灰度值;进而,可以将灰度值大于该临界灰度值阈值的像素点的灰度值设置为灰度极大值(例如,255),将灰度值小于该临界灰度值阈值的像素点的灰度值设置为灰度极小值(例如,0);从而,可以得到该待检测图像的二值化图像,该二值化图像可以呈现出只有黑和白的视觉效果。
进一步地,可以基于轮廓提取算法,例如,Sobel算子、Canny算子等,对待检测图像进行轮廓提取,得到该待检测图像的多个轮廓。在一种可能的实现方式中,可以基于边缘检测算法对该待检测图像进行边缘检测,得到该待检测图像的边缘图像;对该边缘图像进行二值化处理,将该边缘图像中的边缘像素值设为1,非边缘像素值设为0;进而,对该二值化图像进行膨胀、腐蚀等操作,得到该待检测图像中的多个轮廓。在另一种可能的实现方式中,也可以基于区域分割方法获取该待检测图像的多个轮廓,通过图像分割算法将待检测图像分割成多个区域,对各个区域进行处理,得到该待检测图像的多个轮廓。
步骤S403,在多个轮廓中获取相机标定板图像中的第一特征图案的第一轮廓和第二特征图案的第二轮廓。
该待检测图像中可以包含相机标定板图像,该相机标定板图像包含第一特征图案和第二特征图案。对所述二值化图像进行边缘检测,得到所述待检测图像对应的多个连续轮廓线;进而,可以将多个轮廓的连续轮廓线中满足预设筛选条件的连续轮廓线确定为该待检测图像对应的轮廓,得到该多个轮廓,从而,可以在多个轮廓中筛选出该第一特征图案对应的第一轮廓,以及该第二特征图案对应的第二轮廓。该第一轮廓可以是该第一特征图案的轮廓线,该第二轮廓可以是该第二特征图案的轮廓线。在一种可能的实现方式中,由于该第二特征图案位于该第一特征图案之内,可以基于该第一特征图案和第二特征图案的包含关系,以及平均亮度,在该多个轮廓中获取该第一轮廓和第二轮廓。
步骤S404,基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号。
在一种可能的实现方式中,该第一特征图案和该第二特征图案可以是矩形,该第一特征图案可以是黑色矩形,该第二特征图案可以是白色矩形。该多个角点可以为该黑色矩形的四个端点。在这种情况下,可以基于第一轮廓拟合四边形,得到该四边形的四个端点,即角点。具体地,获取第一轮廓的多个轮廓点,以及获取各轮廓点之间的距离;将距离最远的两个轮廓点确定为第一轮廓的两个候选轮廓点;将两个候选轮廓点的连接线段确定为第一轮廓的第一对角线;将距离第一对角线最远的两个轮廓点确定为第一轮廓的两个候选轮廓点;在第一轮廓的四个候选轮廓点满足预设条件的情况下,将四个候选轮廓点确定为第一特征图案的四个角点,进而,在四个候选轮廓点中获取第一轮廓的四组相邻轮廓点对;获取各相邻轮廓对的第一连接直线,以及获取各相邻轮廓对的第二连接直线;第一连接直线是直接连接各相邻轮廓对中的两个候选轮廓点得到的直线;第二连接直线是通过拟合各相邻轮廓对中的两个候选轮廓点之间的多个轮廓点得到的直线;在第一连接直线与第二连接直线的夹角余弦值大于预设偏差阈值的情况下,将四个候选轮廓点确定为第一特征图案的四个角点。进一步地,可以获取各角点与第一轮廓的中心点的第一连接向量;获取第一轮廓点的中心点与第二轮廓点的中心点的第二连接向量;获取各第一连接向量与第二连接向量的夹角余弦值,并将夹角余弦值最大的第一连接向量对应的角点的角点编号确定为第一角点;根据第一角点,依次确定其余角点的角点编号;其余角点为四个角点中除第一角点之外的其他角点。
本实施例的方法中,可以应用于相机标定系统,相机标定系统包含相机标定板;相机标定板包含第一特征图案和第二特征图案;第二特征图案位于第一特征图案区域内;第一特征图案包含多个角点;第二特征图案的中心点与第一特征图案的各角点的距离不相同。可以通过该相机标定系统中的待标定相机对该相机标定板进行拍摄,得到采集图像,并对该采集图像进行裁剪处理,得到包含相机标定板图像的待检测图像;接下来,可以对该待检测图像进行二值化处理,得到该待检测图像对应的二值化图像,并基于二值化图像,获取待检测图像对应的多个轮廓;进而,可以在多个轮廓中获取相机标定板图像中的第一特征图案的第一轮廓和第二特征图案的第二轮廓;从而,可以基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号。本申请实施例提供的该方法中,可以避免现有标定板以及基于标定板进行相机标定过程中产生的透视畸变问题,提高了远距离相机标定中的准确性。
在一个实施例中,步骤S402,可以包括:
对二值化图像进行边缘检测,得到待检测图像对应的多个连续轮廓线;将多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为待检测图像对应的轮廓,得到多个轮廓。
可以基于轮廓提取算法,例如,Sobel算子、Canny算子等,对待检测图像进行轮廓提取,得到该待检测图像的多个连续轮线廓,接下来,可以多该多个连续轮廓线进行初步筛选,得到该多个轮廓。在一种可能的实现方式中,可以基于边缘检测算法对该待检测图像进行边缘检测,得到该待检测图像的边缘图像;对该边缘图像进行二值化处理,将该边缘图像中的边缘像素值设为1,非边缘像素值设为0;进而,对该二值化图像进行膨胀、腐蚀等操作,得到该待检测图像中的多个连续轮廓线,进而,基于预设筛选条件,对该多个连续轮廓线进行筛选,得到该待检测图像的多个轮廓。在另一种可能的实现方式中,也可以基于区域分割方法获取该待检测图像的多个轮廓,通过图像分割算法将待检测图像分割成多个区域,对各个区域进行处理,得到该待检测图像的多个连续轮廓线,进而,基于预设筛选条件,对该多个连续轮廓线进行筛选,得到该待检测图像的多个轮廓。该多个轮廓可以是比该多个连续轮廓线更接近第一轮廓和第二轮廓的轮廓线,更精确的轮廓线。
本实施例的方法中,可以经过轮廓检测算法得到该待检测图像的多个连续轮廓线,并且,可以进一步多该多个连续轮廓线进行筛选,得到该待检测图像的多个轮廓,提高了轮廓获取的精确性,也进一步提高了相机标定的精确性。
在一个实施例中,该预设筛选条件可以包含第一预设筛选条件;该第一预设筛选条件为连续轮廓线的轮廓区域凸度大于或者等于预设凸度阈值。获取该多个轮廓,可以包括:
获取各连续轮廓线的轮廓区域凸度;将轮廓区域凸度大于或者等于预设凸度阈值的连续轮廓线确定为待检测图像对应的轮廓,得到多个轮廓。
在本实施例中,该第一特征图案可以是黑色矩形,由此,该第一轮廓可以是四边形,而四边形属于凸多边形,在一种可能的实现方式中,可以根据各个连续轮廓线的凸度筛选过滤非凸区域的连续轮廓线。该连续轮廓线的凸度可以通过以下公式(1)进行计算:
其中,Sregion可以是各个连续轮廓线的轮廓区域的轮廓面积;Sconvex可以是各个连续轮廓线的轮廓凸包的面积;c可以是各个连续轮廓线的凸度。一般情况下,凸多边形的凸度是1。因为相机成像质量、面积计算的误差等因素的影响,凸度一般都会小于1。由此,可以设置合适的最小凸度阈值作为预设凸度阈值,过滤掉小于该预设凸度阈值的连续轮廓线,即将轮廓区域凸度大于或者等于预设凸度阈值的连续轮廓线确定为待检测图像对应的轮廓,得到多个轮廓。
在另一个实施例中,该预设筛选条件可以包含第二预设筛选条件;该第二预设筛选条件可以为连续轮廓线的长宽比小于预设长宽比阈值。获取该多个轮廓,可以包括:
获取各连续轮廓线的长宽比;将长宽比小于预设长宽比阈值的连续轮廓线确定为待检测图像对应的轮廓,得到多个轮廓。
通常,在待检测图像中的相机标定板图像中的第一特征图案和第二特征图案可能会由于大透视畸变的原因,变成不规则的四边形。在第一特征图案为黑色矩形,以及第二特征图案为白色矩形的情况下,大透视畸变之后的黑色矩形和白色矩形也不会是长条状,由此,在一种可能的实现方式中,可以基于各个连续轮廓线的长宽比,过滤掉为长条状的连续轮廓线。具体地,可以基于轮廓拟合椭圆,用椭圆的长半轴和短半轴的比例作为各个连续轮廓线的长宽比,进而,可以将长宽比小于预设长宽比阈值的连续轮廓线确定为待检测图像对应的轮廓,得到多个轮廓。这里以最小二乘椭圆拟合算法为例,可以基于椭圆方程,计算出各个连续轮廓线的长半轴和短半轴,将长半轴和短半轴的比值确定为各个连续轮廓线的长宽比。椭圆的方程可以参见以下公式(2):
Ax2+Bxy+Cy2+Dx+Ey+F=1,B2-4AC<0 (2)
其中,A到F都是椭圆的参数。
长半轴a和短半轴b的计算如以下公式(3):
其中,a可以是各个连续轮廓线的长半轴;b可以是各个连续轮廓线的短半轴。
当然,在一些其他的实施例中,也可以将以上两个实施例中提供的轮廓筛选方法进行组合使用,也可以采用其他的轮廓筛选方法,本申请对此不作限制。
本实施例的方法中,可以基于凸度和长宽比对该连续轮廓线进行进一步的筛选,得到该待检测图像的多个轮廓,提高了轮廓获取的精确性,也进一步提高了相机标定的精确性。
在一个实施例中,步骤S403,可以包括:
获取各轮廓的包含关系和平均亮度;根据包含关系和平均亮度,获取第一特征图案的第一轮廓和第二特征图案的第二轮廓。
该待检测图像中可以包含相机标定板图像,该相机标定板图像包含第一特征图案和第二特征图案。对所述二值化图像进行边缘检测,得到所述待检测图像对应的多个连续轮廓线;进而,可以将多个轮廓的连续轮廓线中满足预设筛选条件的连续轮廓线确定为该待检测图像对应的轮廓,得到该多个轮廓,从而,可以在多个轮廓中筛选出该第一特征图案对应的第一轮廓,以及该第二特征图案对应的第二轮廓。该第一轮廓可以是该第一特征图案的轮廓线,该第二轮廓可以是该第二特征图案的轮廓线。由于,该白色矩形位于该黑色矩形之内,并且该第一特征图案和该第二特征图案的颜色或亮度为成像设备可分辨的两种颜色或亮度,因此,在一种可能的实现方式中,由于该第二特征图案位于该第一特征图案之内,可以基于该第一特征图案和第二特征图案的包含关系,以及平均亮度,在该多个轮廓中获取该第一轮廓和第二轮廓。
根据各轮廓的包含关系,在多个轮廓中获取包含一条被包含轮廓的包含轮廓,并在包含轮廓的平均亮度与被包含轮廓的平均亮度的亮度差值大于预设亮度阈值的情况下,将包含轮廓确定为第一特征图案的第一轮廓,以及将被包含轮廓确定为第二特征图案的第二轮廓;包含轮廓为多个轮廓中的任意一个;被包含轮廓为多个轮廓中除包含轮廓之外的其余轮廓中的任意一个;包含轮廓的轮廓面积大于被包含轮廓的轮廓面积。
具体地,第一步,可以首先获取各个轮廓之间的包含关系。以第一待筛选轮廓和第二待筛选轮廓为例进行说明:
在多个轮廓中确定第一待筛选轮廓和第二待筛选轮廓。该第一待筛选轮廓为多个轮廓中的任意一个;该第二待筛选轮廓为多个轮廓中除第一待筛选轮廓之外的其余轮廓中的任意一个;该第一待筛选轮廓的轮廓面积大于第二待筛选轮廓的轮廓面积。
判断该第二待筛选轮廓的所有的像素点是否位于该第一待筛选轮廓之内。在一种可能的实现方式中,判断该第二待筛选轮廓的各个像素点是否位于该第一待筛选轮廓之内可以先找到轮廓的最小和最大x、y坐标,即轴对齐包围盒。如果这个点不在轴对齐包围盒内,这个点必然不被轮廓包围。如果这个点在轴对对齐包围盒内,以这个点为起点,作一条水平向右的射线。连接轮廓相邻的两个点,作一个多边形。如果射线和多边形相交的次数为偶数,那么这个点在轮廓外。如果射线和多边形相交的次数为奇数,那么这个点在轮廓内。由此,可以得出第一待筛选轮廓和第二待筛选轮廓的包含关系,该第一待筛选轮廓可以是包含轮廓,该第二待筛选轮廓可以是被包含轮廓。
第二步,在该第一待筛选轮廓包含该第二待筛选轮廓的情况下,可以计算该第一待筛选轮廓和该第二待筛选轮廓平均亮度。在一种可能的实现方式中,可以采用扫描线算法对该第一待筛选轮廓和该第二待筛选轮廓进行填充,就可以获得第一待筛选轮廓和该第二待筛选轮廓内所有的像素点,根据该像素点计算第一待筛选轮廓和该第二待筛选轮廓分别对应的平均亮度。该平均亮度可以通过以下公式(4)进行计算:
其中,|A|表示该第一待筛选轮廓的像素点个数;|C|分别表示该第二待筛选轮廓的像素点个数。f(Cj)表示点Cj的亮度;为该第一待筛选轮廓的平均亮度;/>为该第二待筛选轮廓的平均亮度。
本实施例的方法中,可以基于轮廓包含关系和平均亮度对该多个轮廓进行进一步的筛选,得到该第一轮廓和该第二轮廓,提高了轮廓获取的精确性,提好了角点确定的精确性,也进一步提高了相机标定的精确性。
在一个实施例中,步骤S404中的基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,可以包括:
步骤S501:获取第一轮廓的多个轮廓点,以及获取各轮廓点之间的距离。
在该第一特征图案为黑色矩形的情况下,该第一轮廓可以是四边形,可以将该四边形的轮廓线上的像素点确定为轮廓点。进而,在该第一轮廓的多个轮廓点中确定该四边形的四个角点。在一种可能的实现方式中,可以通过拟合四边形算法确定该四边形的四个角点。
步骤S502:将距离最远的两个轮廓点确定为第一轮廓的两个候选轮廓点。
步骤S503:将两个候选轮廓点的连接线段确定为第一轮廓的第一对角线。
步骤S504:将距离第一对角线最远的两个轮廓点确定为第一轮廓的两个候选轮廓点。
步骤S505:在第一轮廓的四个候选轮廓点满足预设条件的情况下,将四个候选轮廓点确定为第一特征图案的四个角点。
在一个实施例中,步骤S505,可以包括:
在四个候选轮廓点中获取第一轮廓的四组相邻轮廓点对;获取各相邻轮廓对的第一连接直线,以及获取各相邻轮廓对的第二连接直线;第一连接直线是直接连接各相邻轮廓对中的两个候选轮廓点得到的直线;第二连接直线是通过拟合各相邻轮廓对中的两个候选轮廓点之间的多个轮廓点得到的直线;在第一连接直线与第二连接直线的夹角余弦值大于预设偏差阈值的情况下,将四个候选轮廓点确定为第一特征图案的四个角点。
其中,可以在该四个候选轮廓点中获取该第一轮廓的四组相邻轮廓点对,各个相邻轮廓点对包含两个相邻的候选轮廓点;进而,可以直接连接该两个相邻的候选轮廓点,得到各个相邻轮廓点对对应的第一连接直线;以及,可以通过拟合各相邻轮廓对中的两个候选轮廓点之间的多个轮廓点得到各个相邻轮廓点对对应的第二连接直线;接下来,可以计算第一连接直线与第二连接直线的夹角余弦值,并在各个相邻轮廓点对的夹角余弦值大于预设偏差阈值的情况下,可以将各个将相邻轮廓点对包含的两个候选轮廓点确定为第一特征图案的两个角点,进而,可以将四个候选轮廓点确定为第一特征图案的四个角点。该夹角余弦值可以通过以下公式(5)计算得到:
其中,ta可以是预设偏差阈值,可以用于表示该第一轮廓中该第一连接直线和该第二连接直线的最小偏差。a1、b1可以是该第一连接直线的方程系数;a2、b2可以是该第二连接直线的方程系数。
本实施例的方法中,可以基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号,可以避免现有标定板以及基于标定板进行相机标定过程中产生的透视畸变问题,提高了远距离相机标定中的准确性。
在一个实施例中,步骤S404中的获取第一特征图案的各角点的角点编号,可以包括:
获取各角点与第一轮廓的中心点的第一连接向量;获取第一轮廓点的中心点与第二轮廓点的中心点的第二连接向量;获取各第一连接向量与第二连接向量的夹角余弦值,并将夹角余弦值最大的第一连接向量对应的角点的角点编号确定为第一角点;根据第一角点,依次确定其余角点的角点编号;其余角点为四个角点中除第一角点之外的其他角点。
在获取到该第一轮廓的四个角点之后,为了便于相机标定过程中物点与像点的匹配,可以对该四个角点进行编号。在一个可能的实现方式中,可以基于第一连接向量和第二连接向量的夹角余弦值的大小进行编号,该第一连接向量可以是各角点与第一轮廓的中心点的连接向量,可以是该第一轮廓的中心点指向各个角点的连接线;该第二连接向量第一轮廓点的中心点与第二轮廓点的中心点的连接向量,可以是由该第一轮廓点的中心点指向该第二轮廓点的中心点的连接线;将夹角余弦值最大的第一连接向量对应的角点的角点编号确定为第一角点,进而,可以按照顺时针的方向旋转依次确定第二角点、第三角点和第四角点。
本实施例的方法中,可以基于第一轮廓和第二轮廓,得到第一特征图案的多个角点,并获取第一特征图案的各角点的角点编号,可以避免现有标定板以及基于标定板进行相机标定过程中产生的透视畸变问题,提高了远距离相机标定中的准确性。
应该理解的是,虽然如上所述的各实施例所涉及的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,如上所述的各实施例所涉及的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。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的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的用于远距离大透视畸变的标定板角点及角点编号确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个用于远距离大透视畸变的标定板角点及角点编号确定装置实施例中的具体限定可以参见上文中对于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的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种用于远距离大透视畸变的标定板角点及角点编号确定装置,包括:图像处理模块601、轮廓检测模块602、轮廓筛选模块603和角点确定模块604,其中:
图像处理模块601,用于获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
轮廓检测模块602,用于获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
轮廓筛选模块603,用于在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
角点确定模块604,用于基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
另外,轮廓检测模块602,还用于:对所述二值化图像进行边缘检测,得到所述待检测图像对应的多个连续轮廓线;将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
在一个可能的实现方式中,所述预设筛选条件包含第一预设筛选条件;所述第一预设筛选条件为连续轮廓线的轮廓区域凸度大于或者等于预设凸度阈值;轮廓检测模块602,还用于:获取各所述连续轮廓线的轮廓区域凸度;将所述轮廓区域凸度大于或者等于预设凸度阈值的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
在另一个可能的实现方式中,所述预设筛选条件包含第二预设筛选条件;所述第二预设筛选条件为连续轮廓线的长宽比小于预设长宽比阈值;轮廓检测模块602,还用于:获取各所述连续轮廓线的长宽比;将所述长宽比小于预设长宽比阈值的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
轮廓筛选模块603,还用于:获取各所述轮廓的包含关系和平均亮度;根据所述包含关系和所述平均亮度,获取所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓。
轮廓筛选模块603,进一步用于:根据各所述轮廓的包含关系,在所述多个轮廓中获取包含一条被包含轮廓的包含轮廓,并在所述包含轮廓的平均亮度与所述被包含轮廓的平均亮度的亮度差值大于预设亮度阈值的情况下,将所述包含轮廓确定为所述第一特征图案的第一轮廓,以及将所述被包含轮廓确定为所述第二特征图案的第二轮廓;所述包含轮廓为所述多个轮廓中的任意一个;所述被包含轮廓为所述多个轮廓中除所述包含轮廓之外的其余轮廓中的任意一个;所述包含轮廓的轮廓面积大于所述被包含轮廓的轮廓面积。
在一个可能的实现方式中,所述多个角点包含四个角点;角点确定模块604,还用于:获取所述第一轮廓的多个轮廓点,以及获取各所述轮廓点之间的距离;将所述距离最远的两个轮廓点确定为所述第一轮廓的两个候选轮廓点;将所述两个候选轮廓点的连接线段确定为所述第一轮廓的第一对角线;将距离所述第一对角线最远的两个轮廓点确定为所述第一轮廓的两个候选轮廓点;在所述第一轮廓的四个候选轮廓点满足预设条件的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点。
角点确定模块604,进一步用于:在所述四个候选轮廓点中获取所述第一轮廓的四组相邻轮廓点对;获取各所述相邻轮廓对的第一连接直线,以及获取各所述相邻轮廓对的第二连接直线;所述第一连接直线是直接连接各所述相邻轮廓对中的两个候选轮廓点得到的直线;所述第二连接直线是通过拟合各所述相邻轮廓对中的两个候选轮廓点之间的多个轮廓点得到的直线;在所述第一连接直线与所述第二连接直线的夹角余弦值大于预设偏差阈值的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点。
进一步地,角点确定模块604,还用于:获取各所述角点与所述第一轮廓的中心点的第一连接向量;获取所述第一轮廓点的中心点与所述第二轮廓点的中心点的第二连接向量;获取各所述第一连接向量与所述第二连接向量的夹角余弦值,并将所述夹角余弦值最大的第一连接向量对应的角点的角点编号确定为第一角点;根据所述第一角点,依次确定其余角点的角点编号;所述其余角点为所述四个角点中除所述第一角点之外的其他角点。
上述用于远距离大透视畸变的标定板角点及角点编号确定装置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。
在一个实施例中,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7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和内存储器。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用于远距离大透视畸变的标定板角点及角点编号确定的相关数据。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一种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。
本领域技术人员可以理解,图7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。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(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。
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、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-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。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等。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 RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图像处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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。
以上所述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本申请专利范围的限制。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,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种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,其特征在于,应用于相机标定系统,所述相机标定系统包含相机标定板;所述相机标定板包含第一特征图案和第二特征图案;所述第二特征图案位于所述第一特征图案区域内;所述第一特征图案包含多个角点;所述第二特征图案的中心点与所述第一特征图案的各所述角点的距离不相同,所述方法包括:
获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
2.根据权利要求1所述的方法,其特征在于,所述基于所述二值化图像,获取所述待检测图像对应的多个轮廓,包括:
对所述二值化图像进行边缘检测,得到所述待检测图像对应的多个连续轮廓线;
将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
3.根据权利要求2所述的方法,其特征在于,所述预设筛选条件包含第一预设筛选条件;所述第一预设筛选条件为连续轮廓线的轮廓区域凸度大于或者等于预设凸度阈值;
所述将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓,包括:
获取各所述连续轮廓线的轮廓区域凸度;
将所述轮廓区域凸度大于或者等于预设凸度阈值的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
4.根据权利要求2所述的方法,其特征在于,所述预设筛选条件包含第二预设筛选条件;所述第二预设筛选条件为连续轮廓线的长宽比小于预设长宽比阈值;
所述将所述多个连续轮廓线中满足预设筛选条件的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓,包括:
获取各所述连续轮廓线的长宽比;
将所述长宽比小于预设长宽比阈值的连续轮廓线确定为所述待检测图像对应的轮廓,得到所述多个轮廓。
5.根据权利要求2所述的方法,其特征在于,所述在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓,包括:
获取各所述轮廓的包含关系和平均亮度;
根据所述包含关系和所述平均亮度,获取所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓。
6.根据权利要求5所述的方法,其特征在于,所述根据所述包含关系和所述平均亮度,获取所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓,包括:
根据各所述轮廓的包含关系,在所述多个轮廓中获取包含一条被包含轮廓的包含轮廓,并在所述包含轮廓的平均亮度与所述被包含轮廓的平均亮度的亮度差值大于预设亮度阈值的情况下,将所述包含轮廓确定为所述第一特征图案的第一轮廓,以及将所述被包含轮廓确定为所述第二特征图案的第二轮廓;所述包含轮廓为所述多个轮廓中的任意一个;所述被包含轮廓为所述多个轮廓中除所述包含轮廓之外的其余轮廓中的任意一个;所述包含轮廓的轮廓面积大于所述被包含轮廓的轮廓面积。
7.根据权利要求1所述的方法,其特征在于,所述多个角点包含四个角点;
所述基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,包括:
获取所述第一轮廓的多个轮廓点,以及获取各所述轮廓点之间的距离;
将所述距离最远的两个轮廓点确定为所述第一轮廓的两个候选轮廓点;
将所述两个候选轮廓点的连接线段确定为所述第一轮廓的第一对角线;
将距离所述第一对角线最远的两个轮廓点确定为所述第一轮廓的两个候选轮廓点;
在所述第一轮廓的四个候选轮廓点满足预设条件的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点。
8.根据权利要求7所述的方法,其特征在于,所述在所述第一轮廓的四个候选轮廓点满足预设条件的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点,包括:
在所述四个候选轮廓点中获取所述第一轮廓的四组相邻轮廓点对;
获取各所述相邻轮廓对的第一连接直线,以及获取各所述相邻轮廓对的第二连接直线;所述第一连接直线是直接连接各所述相邻轮廓对中的两个候选轮廓点得到的直线;所述第二连接直线是通过拟合各所述相邻轮廓对中的两个候选轮廓点之间的多个轮廓点得到的直线;
在所述第一连接直线与所述第二连接直线的夹角余弦值大于预设偏差阈值的情况下,将所述四个候选轮廓点确定为所述第一特征图案的四个角点。
9.根据权利要求8所述的方法,其特征在于,所述获取所述第一特征图案的各所述角点的角点编号,包括:
获取各所述角点与所述第一轮廓的中心点的第一连接向量;
获取所述第一轮廓点的中心点与所述第二轮廓点的中心点的第二连接向量;
获取各所述第一连接向量与所述第二连接向量的夹角余弦值,并将所述夹角余弦值最大的第一连接向量对应的角点的角点编号确定为第一角点;
根据所述第一角点,依次确定其余角点的角点编号;所述其余角点为所述四个角点中除所述第一角点之外的其他角点。
10.一种用于远距离大透视畸变的标定板角点及角点编号确定装置,其特征在于,应用于相机标定系统,所述相机标定系统包含相机标定板;所述相机标定板包含第一特征图案和第二特征图案;所述第二特征图案位于所述第一特征图案区域内;所述第一特征图案包含多个角点;所述第二特征图案的中心点与所述第一特征图案的各所述角点的距离不相同,所述装置包括:
图像处理模块,用于获取待检测图像;所述待检测图像是基于所述相机标定系统包含的待标定相机获取的采集图像得到;所述待检测图像包含所述相机标定板的相机标定板图像;
轮廓检测模块,用于获取所述待检测图像的二值化图像,并基于所述二值化图像,获取所述待检测图像对应的多个轮廓;
轮廓筛选模块,用于在所述多个轮廓中获取所述相机标定板图像中的所述第一特征图案的第一轮廓和所述第二特征图案的第二轮廓;
角点确定模块,用于基于所述第一轮廓和所述第二轮廓,得到所述第一特征图案的多个角点,并获取所述第一特征图案的各所述角点的角点编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311442461.XA CN117392161A (zh) | 2023-11-01 | 2023-11-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311442461.XA CN117392161A (zh) | 2023-11-01 | 2023-11-01 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117392161A true CN117392161A (zh) | 2024-01-12 |
Family
ID=89464609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311442461.XA Pending CN117392161A (zh) | 2023-11-01 | 2023-11-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392161A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993263A (zh) * | 2017-10-27 | 2018-05-04 | 深圳市易成自动驾驶技术有限公司 | 环视系统自动标定方法、汽车、标定装置及存储介质 |
CN110047109A (zh) * | 2019-03-11 | 2019-07-23 | 南京航空航天大学 | 一种基于自识别标记的相机标定板及其识别检测方法 |
CN111681284A (zh) * | 2020-06-09 | 2020-09-18 | 商汤集团有限公司 | 一种角点检测方法、装置、电子设备及存储介质 |
CN115511716A (zh) * | 2022-10-24 | 2022-12-23 | 桂林理工大学 | 一种基于标定板的多目全局地图拼接方法 |
CN115830049A (zh) * | 2022-07-18 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
-
2023
- 2023-11-01 CN CN202311442461.XA patent/CN117392161A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993263A (zh) * | 2017-10-27 | 2018-05-04 | 深圳市易成自动驾驶技术有限公司 | 环视系统自动标定方法、汽车、标定装置及存储介质 |
CN110047109A (zh) * | 2019-03-11 | 2019-07-23 | 南京航空航天大学 | 一种基于自识别标记的相机标定板及其识别检测方法 |
CN111681284A (zh) * | 2020-06-09 | 2020-09-18 | 商汤集团有限公司 | 一种角点检测方法、装置、电子设备及存储介质 |
CN115830049A (zh) * | 2022-07-18 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
CN115511716A (zh) * | 2022-10-24 | 2022-12-23 | 桂林理工大学 | 一种基于标定板的多目全局地图拼接方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360203B (zh) | 图像配准方法、图像配准装置及存储介质 | |
CN110717942B (zh) | 图像处理方法和装置、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 | |
US11430103B2 (en) | Method for image processing, non-transitory computer readable storage medium, and electronic device | |
CN109920004B (zh) | 图像处理方法、装置、标定物组合、终端设备及标定系统 | |
CN108257186B (zh) | 标定图像的确定方法及装置、摄像机及存储介质 | |
CN105339951A (zh) | 用于检测文档边界的方法 | |
JP2003244521A (ja) | 情報処理方法、装置および記録媒体 | |
CN109685853B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN107018407B (zh) | 信息处理装置、评价用图、评价系统、以及性能评价方法 | |
CN114697623B (zh) | 投影面选取和投影图像校正方法、装置、投影仪及介质 | |
US10091490B2 (en) | Scan recommendations | |
CN113989392A (zh) | 拼接摄像机的彩色棋盘格标定方法、装置及摄像机 | |
CN111598777A (zh) | 天空云图的处理方法、计算机设备和可读存储介质 | |
CN111383254A (zh) | 一种深度信息获取方法、系统及终端设备 | |
CN111885371A (zh) | 图像遮挡检测方法、装置、电子设备和计算机可读介质 | |
US20190340771A1 (en) | Method for detecting motion in a video sequence | |
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 | |
CN113902644A (zh) | 一种图像处理方法、装置、设备以及存储介质 | |
KR20150009842A (ko) | 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법 | |
CN112819738A (zh) | 红外图像融合方法、装置、计算机设备和存储介质 | |
RU2365998C2 (ru) | Способ формирования панорамных изображений | |
CN111242087A (zh) | 物体识别方法及装置 | |
CN113834638B (zh) | 视场角确定方法、装置、设备及存储介质 | |
CN112907704B (zh) | 一种图像融合方法、计算机设备以及装置 |
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 |