CN117437303B - 一种标定相机外参的方法及系统 - Google Patents
一种标定相机外参的方法及系统 Download PDFInfo
- Publication number
- CN117437303B CN117437303B CN202311739413.7A CN202311739413A CN117437303B CN 117437303 B CN117437303 B CN 117437303B CN 202311739413 A CN202311739413 A CN 202311739413A CN 117437303 B CN117437303 B CN 117437303B
- Authority
- CN
- China
- Prior art keywords
- initial
- point cloud
- point
- camera
- photo
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 230000009466 transformation Effects 0.000 claims abstract description 27
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 26
- 230000001172 regenerating effect Effects 0.000 claims abstract description 11
- 230000001131 transforming effect Effects 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process 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
- G06T7/77—Determining position or orientation of objects or cameras using statistical 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种标定相机外参的方法及系统,获取相机拍摄的照片以及场景的点云数据;获取相机初始位置和初始正对点,创建初始投影矩阵并将点云数据投影到二维平面,获得初始投影平面;获取点云和照片中的两组特征点,将初始投影平面变换到照片中,获得初始投影结果,对初始仿射变换矩阵进行修正,然后重新生成初始投影结果;根据初始投影结果对相机初始位置和相机初始正对点进行修正。本发明利用少量人工,对部分特征点进行判断和操作,从而对相机外参进行快速标定,解决了相机外参难以准确标定的问题。由于只需要借助人工找到一些特征点的对应关系,就可以实现相机外参的准确标定,所以可以在保证准确的同时有效节省人力成本和提升标定速度。
Description
技术领域
本发明涉及一种标定相机外参的方法及系统,属于信息技术、计算机图形学等技术领域。
背景技术
三维点云数据能具体描述物体的几何形状和空间位置,但是由于其数据量非常庞大,需要有特定的设备和技术对空间进行扫描才能生成,所以通常难以实时更新,不适用于对某一空间场景进行监控。二维照片由摄像头等设备获取,可以快速地更新,能够对某一空间场景进行监控,但是由于二维照片不包含纵深信息,通常难以根据二维照片判断空间中某个物体的位置或者判断两个物体之间的距离。如果将三维点云数据和二维照片结合起来,计算二维照片中物体在三维点云数据中的位置,则可以实时获取和更新空间场景中,物体的三维信息。为了实现这一点,需要确定相机的参数信息,在三维点云数据中,根据相机参数生成与真实照片对应的图片,从而建立起三维点云数据和二维照片的对应关系。比如在输电通道场景中,在获得输电通道的照片和点云数据之后,如果能找到杆塔和输电线的点云与照片的对应关系,则可以根据该对应关系推测出场景照片中其他物体的位置。
然而,相机的参数信息通常无法通过在扫描点云数据的时候获得,通过人工也难以根据二维照片简单判断出相机的准确参数信息。二维照片中通常不包含很多特征明显的物体,即使有一些物体的特征可以准确匹配,由于纵深信息的不确定,通常无法确保空间中其他所有物体都能精确匹配,所以通过自动化的方式也难以获取相机的准确参数信息。
发明内容
发明目的:针对现有技术中存在的问题与不足,本发明提供一种标定相机外参的方法及系统,解决标定相机参数时遇到的人工成本高和自动化方式难以获取精确结果的问题。
技术方案:一种标定相机外参的方法,包括如下步骤:
步骤1:获取目标相机拍摄的照片,照片中包括输电线和杆塔。
步骤2:获取目标相机所在场景的目标点云数据,其中,所述目标相机所在场景包括所述输电线和所述杆塔,所述目标点云数据包括所述输电线点云和所述杆塔点云。
步骤3:获取所述目标相机的初始位置和所述目标相机的初始正对点,根据所述目标相机初始正对点和所述目标相机的初始位置创建初始投影矩阵,根据所述初始投影矩阵将点云数据投影到二维平面,获得初始投影平面。
步骤4:获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取所述目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2。计算所述点云特征点C 1和所述点云特征点C 2在所述初始投影平面的坐标位置,根据点云特征点C 1和点云特征点C 2在初始投影平面的坐标位置以及照片特征点P 1和照片特征点P 2计算所述初始投影屏幕和所述照片之间的初始仿射变换矩阵。
步骤5:根据所述初始仿射变换矩阵将所述初始投影平面变换到所述照片中,获得初始投影结果,其中,所述点云特征点C 1在所述初始投影结果中对应的位置与所述照片特征点P 1重合,所述点云特征点C 2在所述初始投影结果中对应的位置与所述照片特征点P 2重合。
步骤6:根据初始投影结果对所述初始仿射变换矩阵进行修正,然后重新生成初始投影结果。
步骤7:根据所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正。
为实现并优化上述技术方案,采取的具体措施还包括:
进一步的,所述获取所述目标相机的初始位置和所述目标相机的初始正对点,包括:
步骤301:获取所述输电线点云两端的两个点。
步骤302:取目标杆塔处的端点为所述目标相机初始正对点,另一个端点为所述相机的初始位置。
进一步的,获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取所述目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2,包括:
步骤401:选取所述目标相机初始正对点附近(如10米)两个不同的点,分别作为点云特征点C 1和点云特征点C 2。
步骤402:选取照片上任意两个点,分别作为照片特征点P 1和照片特征点P 2。
进一步的,所述根据初始投影结果对所述初始仿射变换矩阵进行修正,然后重新生成初始投影结果,包括:
步骤601:任意选择所述初始投影平面的投影特征点Q 1和投影特征点Q 2,由人工找到所述投影特征点Q 1和所述投影特征点Q 2在所述照片中对应的坐标位置,对所述照片特征点P 1和所述照片特征点P 2进行更新。
步骤602:根据所述投影特征点Q 1和所述投影特征点Q 2,和更新后的所述照片特征点P 1和所述照片特征点P 2对所述初始仿射变换矩阵进行更新,并重新生成初始投影结果。
步骤603:反向推导所述投影特征点Q 1和所述投影特征点Q 2在所述点云中的对应位置,对所述点云特征点C 1和所述点云特征点C 2进行更新。
进一步的,所述反向推导所述投影特征点Q 1和所述投影特征点Q 2在所述点云中的对应位置,对所述点云特征点C 1和所述点云特征点C 2进行更新,包括:
步骤6031:计算所述点云特征点C 1到所述目标相机初始位置的距离一。
步骤6032:获取所述目标相机初始位置和所述投影特征点Q 1的连线,在所述连线上,找到相对于所述目标相机位置,与所述投影点一在同一个方向,且到所述目标相机位置与所述距离一相等的点O,将所述点云特征点C 1替换为该点O。
步骤6033,对点云特征点C 2重复上面步骤6031-步骤6032两步操作。
进一步的,所述根据所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正,包括:
步骤701:在初始投影结果中,所述杆塔点云的投影与所述目标照片中的杆塔重合,由人工判断其他参照物对齐情况,手动调整所述目标相机位置,直到投影与照片完全重合。
步骤702:在调整所述目标相机位置的过程中,自动对所述目标相机初始正对点进行调整,使相机正对点的投影一直在照片中心。
步骤703:重新生成所述初始投影结果,并按所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正的步骤进行执行,直到所述初始投影结果满足预设停止条件。
进一步的,所述在调整所述目标相机位置的过程中,自动对所述目标相机正对点进行调整,包括:
步骤7021:根据所述目标相机位置和所述目标相机正对点,反向推导所述照片中心位置在所述点云中的位置。
步骤7022:获取所述目标相机位置和所述照片中心位置在所述点云中的位置的连线,计算所述目标相机正对点在所述连线上的锤点,并用该锤点更新所述目标相机正对点。
一种标定相机外参的系统,包括如下模块:
模块一:获取目标相机拍摄的照片,照片中包括输电线和杆塔。
模块二:获取目标相机所在场景的目标点云数据,其中,所述目标相机所在场景包括所述输电线和所述杆塔,所述目标点云数据包括所述输电线点云和所述杆塔点云。
模块三:获取所述目标相机的初始位置和所述目标相机的初始正对点,根据所述目标相机初始正对点和所述目标相机的初始位置创建初始投影矩阵,根据所述初始投影矩阵将点云数据投影到二维平面,获得初始投影平面。
模块四:获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取所述目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2。计算所述点云特征点C 1和所述点云特征点C 2在所述初始投影平面的坐标位置,根据点云特征点C 1和点云特征点C 2在初始投影平面的坐标位置以及照片特征点P 1和照片特征点P 2计算所述初始投影屏幕和所述照片之间的初始仿射变换矩阵。
模块五:根据所述初始仿射变换矩阵将所述初始投影平面变换到所述照片中,获得初始投影结果,其中,所述点云特征点C 1在所述初始投影结果中对应的位置与所述照片特征点P 1重合,所述点云特征点C 2在所述初始投影结果中对应的位置与所述照片特征点P 2重合。
模块六:根据初始投影结果对所述初始仿射变换矩阵进行修正,然后重新生成初始投影结果。
模块七:根据所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正。
标定相机外参的系统的实现方法和上述方法相同,不再赘述。
一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述计算机程序时实现如上所述的标定相机外参的方法。
一种计算机可读存储介质,该计算机可读存储介质存储有执行如上所述的标定相机外参的方法的计算机程序。
有益效果:与现有技术相比,本发明能够利用人工根据少量特征进行判断和调整,实现快速且准确的根据二维照片和三维点云数据进行相机外参标定的方法,解决了人工难以简单判断相机准确外参、自动化方式难以精确标定相机外参的问题。
附图说明
图1为本发明提供的标定相机外参方法的一种流程示意图;
图2为本发明提供的获取目标相机初始位置和角度信息的流程示意图;
图3为本发明提供的在输电通道场景中标定相机外参方法的实例图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,本发明实施例提供的一种标定相机外参的方法,包括:
步骤1,获取目标相机拍摄的照片。
其中,本发明实施例中的目标相机为待标定外参的相机,照片是通过该待标定外参相机采集的照片。为了通过目标相机拍摄的照片帮助标定目标相机的外参,该目标相机拍摄的照片需要包含可供参考的对象,例如,当本发明实施例的目标相机安装在输电线的杆塔上时,参考对象可以是目标相机所能拍摄到的杆塔、建筑以及高压线。
步骤2,获取目标相机所在场景的目标点点云数据。
其中,目标点云数据可以是通过无人机等点云数据采集装置在目标相机所在场景采集到的点云数据,点云数据可以包含上述参考对象的整体或者一部分的点云数据。例如,当本发明实施例的目标相机所在的场景为架设在杆塔上的高压线输电通道时,点云数据中可以包括杆塔、建筑以及高压线等的点云数据。
步骤3,获取目标相机初始位置和初始正对点,创建初始投影矩阵,生成点云数据的初始投影平面。
其中,目标相机的初始位置和初始正对点由目标点云的一些特征明显的点确定。目标相机的初始位置表示了相机的安装位置信息,目标相机的初始正对点表示了相机的角度信息,此时这两个信息只是估计值。初始投影矩阵由目标相机初始位置和初始正对点确定,是将目标点云数据投影到二维平面的矩阵,投影到二维平面生成的结果为初始投影平面。例如,当本发明实施例的目标相机安装在输电线的杆塔上时,如图2所示,目标相机的初始位置和初始正对点可以由目标点云中,高压线点云的两个端点确定。
步骤4,获取点云特征点C 1、点云特征点C 2、照片特征点P 1、照片特征点P 2,创建初始仿射变换矩阵,将初始投影平面变换到照片上,获得初始投影结果。
其中,点云特征点C 1和点云特征点C 2为目标相机初始正对点附近的两个点,一个例子中,本发明实施例中的点云特征点C 1为目标相机初始正对点右上方3米处的一个点,点云特征点C 2位目标相机初始正对点左下方3米处的一个点。其中,照片特征点P 1和照片特征点P 2为所述照片上任意两个点,一个例子中,本发明实施例中的照片特征点P 1为照片中心点左上方20个像素点处的一个点,照片特征点P 2为照片中心右下方20个像素点处的一个点。根据上述初始投影矩阵,可以将点云特征点C 1和点云特征点C 2投影到初始投影平面,获得投影特征点Q 1和投影特征点Q 2。将投影特征点Q 1与照片特征点P 1对应,投影特征点Q 2与照片特征点P 2对应,可以创建初始仿射变换矩阵。初始仿射变换矩阵可以将投影平面变换到目标照片上,获得初始投影结果。
步骤5,根据初始投影结果对初始仿射变换矩阵进行修正,然后重新生成初始投影结果。其中如图3所示,根据初始结果对仿射变换矩阵进行修正,可以根据上述初始投影结果中,选中任意两个点投影特征点Q 1和投影特征点Q 2,并找到它们在照片中对应的位置,对照片特征点P 1和照片特征点P 2进行更新,进而重新将上述初始投影平面变换到照片中,从而重新生成初始投影结果。一个例子中,本发明实施例中,重新生成的初始投影结果中,杆塔点云的投影和照片中的杆塔基本重合。
步骤6,根据初始投影结果对目标相机初始位置和目标相机初始正对点进行修正。其中,根据初始投影结果对目标相机初始位置和目标相机初始正对点进行修正,由于杆塔点云的投影和照片中的杆塔基本重合,所以可以根据其他参照物,对相机位置进行调整。如图3所示,一个例子中,本发明实施例中,相对于杆塔,离相机更近的参照物,如果它们点云的投影在照片中影像的左边,则将相机初始位置向左调整,如果它们点云的投影比照片中的影像大,则将相机初始位置向远离杆塔方向调整。其中,对目标相机正对点的修正,可以根据初始投影结果中,照片中心点的位置与相机初始位置来修正目标相机正对点的位置。通过上述初始仿射变换的逆变换,计算照片中心点在初始投影平面的位置,将相机初始位置与照片中心点在初始投影平面的位置连成一条直线,在这条直线上找到相机初始正对点的锤点,用该锤点对相机初始正对点进行更新。
标定相机外参的系统,包括如下模块:
模块一:获取目标相机拍摄的照片,目标相机为待标定外参的相机,照片是通过该待标定外参相机采集的照片。为了通过目标相机拍摄的照片帮助标定目标相机的外参,该目标相机拍摄的照片需要包含可供参考的对象,例如,当本发明实施例的目标相机安装在输电线的杆塔上时,参考对象可以是目标相机所能拍摄到的杆塔、建筑以及高压线。
模块二:获取目标相机所在场景的目标点云数据,其中,目标点云数据可以是通过无人机等点云数据采集装置在目标相机所在场景采集到的点云数据,点云数据可以包含上述参考对象的整体或者一部分的点云数据。例如,当本发明实施例的目标相机所在的场景为架设在杆塔上的高压线输电通道时,点云数据中可以包括杆塔、建筑以及高压线等的点云数据。
模块三:获取目标相机的初始位置和所述目标相机的初始正对点,根据目标相机初始正对点和目标相机的初始位置创建初始投影矩阵,根据初始投影矩阵将点云数据投影到二维平面,获得初始投影平面。
模块四:获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2。计算点云特征点C 1和点云特征点C 2在初始投影平面的坐标位置,根据照片特征点P 1和所述照片特征点P 2计算初始投影屏幕和照片之间的初始仿射变换矩阵。
模块五:根据初始仿射变换矩阵将初始投影平面变换到所述照片中,获得初始投影结果,其中,点云特征点C 1在所述初始投影结果中对应的位置与所述照片特征点P 1重合,点云特征点C 2在初始投影结果中对应的位置与照片特征点P 2重合。
模块六:根据初始投影结果对初始仿射变换矩阵进行修正,然后重新生成初始投影结果。
模块七:根据初始投影结果对相机初始位置和所述相机初始正对点进行修正。
显然,本领域的技术人员应该明白,上述的本发明实施例的标定相机外参的方法各步骤或标定相机外参的系统各模块可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
Claims (9)
1.一种标定相机外参的方法,其特征在于,包括如下步骤:
步骤1:获取目标相机拍摄的照片,照片中包括输电线和杆塔;
步骤2:获取目标相机所在场景的目标点云数据,其中,所述目标相机所在场景包括所述输电线和所述杆塔,所述目标点云数据包括所述输电线点云和所述杆塔点云;
步骤3:获取所述目标相机的初始位置和所述目标相机的初始正对点,根据所述目标相机初始正对点和所述目标相机的初始位置创建初始投影矩阵,根据所述初始投影矩阵将点云数据投影到二维平面,获得初始投影平面;
步骤4:获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取所述目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2;计算所述点云特征点C 1和所述点云特征点C 2在所述初始投影平面的坐标位置,根据点云特征点C 1和点云特征点C 2在初始投影平面的坐标位置以及照片特征点P 1和照片特征点P 2计算所述初始投影平面和所述照片之间的初始仿射变换矩阵;
步骤5:根据所述初始仿射变换矩阵将所述初始投影平面变换到所述照片中,获得初始投影结果,其中,所述点云特征点C 1在所述初始投影结果中对应的位置与所述照片特征点P 1重合,所述点云特征点C 2在所述初始投影结果中对应的位置与所述照片特征点P 2重合;
步骤6:根据初始投影结果对所述初始仿射变换矩阵进行修正,然后重新生成初始投影结果;
步骤7:根据所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正;
所述获取所述目标相机的初始位置和所述目标相机的初始正对点,包括:
步骤301:获取所述输电线点云两端的两个点;
步骤302:取目标杆塔处的端点为所述目标相机初始正对点,另一个端点为所述相机的初始位置。
2.根据权利要求1所述的标定相机外参的方法,其特征在于,获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取所述目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2,包括:
步骤401:选取所述目标相机初始正对点附近的两个点,分别作为点云特征点C 1和点云特征点C 2;
步骤402:选取照片上任意两个点,分别作为照片特征点P 1和照片特征点P 2。
3.根据权利要求1所述的标定相机外参的方法,其特征在于,所述根据初始投影结果对所述初始仿射变换矩阵进行修正,然后重新生成初始投影结果,包括:
步骤601:任意选择所述初始投影平面的投影特征点Q 1和投影特征点Q 2,由人工找到所述投影特征点Q 1和所述投影特征点Q 2在所述照片中对应的坐标位置,对所述照片特征点P 1和所述照片特征点P 2进行更新;
步骤602:根据所述投影特征点Q 1和所述投影特征点Q 2,和更新后的所述照片特征点P 1和所述照片特征点P 2对所述初始仿射变换矩阵进行更新,并重新生成初始投影结果;
步骤603:反向推导所述投影特征点Q 1和所述投影特征点Q 2在所述点云中的对应位置,对所述点云特征点C 1和所述点云特征点C 2进行更新。
4.根据权利要求3所述的标定相机外参的方法,其特征在于,所述反向推导所述投影特征点Q 1和所述投影特征点Q 2在所述点云中的对应位置,对所述点云特征点C 1和所述点云特征点C 2进行更新,包括:
步骤6031:计算所述点云特征点C 1到所述目标相机初始位置的距离一;
步骤6032:获取所述目标相机初始位置和所述投影特征点Q 1的连线,在所述连线上,找到相对于所述目标相机位置,与所述投影特征点Q 1在同一个方向,且到所述目标相机位置与所述距离一相等的点O,将所述点云特征点C 1替换为该点O;
步骤6033,对点云特征点C 2重复上面步骤6031-步骤6032两步操作。
5.根据权利要求1所述的标定相机外参的方法,其特征在于,所述根据所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正,包括:
步骤701:在初始投影结果中,所述杆塔点云的投影与所述照片中的杆塔重合,由人工判断其他参照物对齐情况,手动调整所述目标相机位置,直到投影与照片完全重合;
步骤702:在调整所述目标相机位置的过程中,自动对所述目标相机初始正对点进行调整,使相机正对点的投影一直在照片中心;
步骤703:重新生成所述初始投影结果,并按所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正的步骤进行执行,直到所述初始投影结果满足预设停止条件。
6.根据权利要求5所述的标定相机外参的方法,其特征在于,所述在调整所述目标相机位置的过程中,自动对所述目标相机正对点进行调整,其特征在于,包括:
步骤7021:根据所述目标相机位置和所述目标相机正对点,反向推导所述照片中心位置在所述点云中的位置;
步骤7022:获取所述目标相机位置和所述照片中心位置在所述点云中的位置的连线,计算所述目标相机正对点在所述连线上的锤点,并用该锤点更新所述目标相机正对点。
7.一种标定相机外参的系统,其特征在于,包括如下模块:
模块一:获取目标相机拍摄的照片,照片中包括输电线和杆塔;
模块二:获取目标相机所在场景的目标点云数据,其中,所述目标相机所在场景包括所述输电线和所述杆塔,所述目标点云数据包括所述输电线点云和所述杆塔点云;
模块三:获取所述目标相机的初始位置和所述目标相机的初始正对点,根据所述目标相机初始正对点和所述目标相机的初始位置创建初始投影矩阵,根据所述初始投影矩阵将点云数据投影到二维平面,获得初始投影平面;
模块四:获取所述杆塔点云上的两个点,作为点云特征点C 1和点云特征点C 2,获取所述目标相机拍摄照片中的两个位置,作为照片特征点P 1和照片特征点P 2;计算所述点云特征点C 1和所述点云特征点C 2在所述初始投影平面的坐标位置,根据点云特征点C 1和点云特征点C 2在初始投影平面的坐标位置以及所述照片特征点P 1和所述照片特征点P 2计算所述初始投影平面和所述照片之间的初始仿射变换矩阵;
模块五:根据所述初始仿射变换矩阵将所述初始投影平面变换到所述照片中,获得初始投影结果,其中,所述点云特征点C 1在所述初始投影结果中对应的位置与所述照片特征点P 1重合,所述点云特征点C 2在所述初始投影结果中对应的位置与所述照片特征点P 2重合;
模块六:根据初始投影结果对所述初始仿射变换矩阵进行修正,然后重新生成初始投影结果;
模块七:根据所述初始投影结果对所述相机初始位置和所述相机初始正对点进行修正;
所述获取所述目标相机的初始位置和所述目标相机的初始正对点,包括:
步骤301:获取所述输电线点云两端的两个点;
步骤302:取目标杆塔处的端点为所述目标相机初始正对点,另一个端点为所述相机的初始位置。
8.一种计算机设备,其特征在于:该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述计算机程序时实现如权利要求1-6中任一项所述的标定相机外参的方法。
9.一种计算机可读存储介质,其特征在于:该计算机可读存储介质存储有执行如权利要求1-6中任一项所述的标定相机外参的方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311739413.7A CN117437303B (zh) | 2023-12-18 | 2023-12-18 | 一种标定相机外参的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311739413.7A CN117437303B (zh) | 2023-12-18 | 2023-12-18 | 一种标定相机外参的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117437303A CN117437303A (zh) | 2024-01-23 |
CN117437303B true CN117437303B (zh) | 2024-02-23 |
Family
ID=89555610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311739413.7A Active CN117437303B (zh) | 2023-12-18 | 2023-12-18 | 一种标定相机外参的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437303B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118396839A (zh) * | 2024-05-31 | 2024-07-26 | 江苏尚诚能源科技有限公司 | 一种对齐三维点云投影与图片的方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109343061A (zh) * | 2018-09-19 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 传感器标定方法、装置、计算机设备、介质和车辆 |
CN109945841A (zh) * | 2019-03-11 | 2019-06-28 | 南京航空航天大学 | 一种无编码点的工业摄影测量方法 |
CN114693807A (zh) * | 2022-04-18 | 2022-07-01 | 国网江苏省电力有限公司泰州供电分公司 | 一种输电线路图像与点云的映射数据重构方法及系统 |
CN115236693A (zh) * | 2022-07-22 | 2022-10-25 | 上海西井信息科技有限公司 | 轨道侵限检测方法、装置、电子设备和存储介质 |
CN115272482A (zh) * | 2022-07-20 | 2022-11-01 | 杭州海康威视数字技术股份有限公司 | 一种相机外参标定方法及存储介质 |
CN115359130A (zh) * | 2022-10-19 | 2022-11-18 | 北京格镭信息科技有限公司 | 雷达和相机的联合标定方法、装置、电子设备及存储介质 |
CN115546314A (zh) * | 2022-10-11 | 2022-12-30 | 杜霖 | 传感器外参校准方法和装置、设备及存储介质 |
CN115661262A (zh) * | 2022-10-19 | 2023-01-31 | 南方科技大学 | 内外参标定方法、装置及电子设备 |
CN116736259A (zh) * | 2023-07-20 | 2023-09-12 | 北京东土科技股份有限公司 | 一种用于塔吊自动驾驶的激光点云坐标标定的方法及装置 |
CN116934863A (zh) * | 2022-04-06 | 2023-10-24 | 中移智行网络科技有限公司 | 一种相机外参确定方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11609574B2 (en) * | 2018-11-13 | 2023-03-21 | FLIR Belgium BVBA | Extrinsic sensor calibration systems and methods |
-
2023
- 2023-12-18 CN CN202311739413.7A patent/CN117437303B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109343061A (zh) * | 2018-09-19 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 传感器标定方法、装置、计算机设备、介质和车辆 |
CN109945841A (zh) * | 2019-03-11 | 2019-06-28 | 南京航空航天大学 | 一种无编码点的工业摄影测量方法 |
CN116934863A (zh) * | 2022-04-06 | 2023-10-24 | 中移智行网络科技有限公司 | 一种相机外参确定方法、装置及电子设备 |
CN114693807A (zh) * | 2022-04-18 | 2022-07-01 | 国网江苏省电力有限公司泰州供电分公司 | 一种输电线路图像与点云的映射数据重构方法及系统 |
CN115272482A (zh) * | 2022-07-20 | 2022-11-01 | 杭州海康威视数字技术股份有限公司 | 一种相机外参标定方法及存储介质 |
CN115236693A (zh) * | 2022-07-22 | 2022-10-25 | 上海西井信息科技有限公司 | 轨道侵限检测方法、装置、电子设备和存储介质 |
CN115546314A (zh) * | 2022-10-11 | 2022-12-30 | 杜霖 | 传感器外参校准方法和装置、设备及存储介质 |
CN115359130A (zh) * | 2022-10-19 | 2022-11-18 | 北京格镭信息科技有限公司 | 雷达和相机的联合标定方法、装置、电子设备及存储介质 |
CN115661262A (zh) * | 2022-10-19 | 2023-01-31 | 南方科技大学 | 内外参标定方法、装置及电子设备 |
CN116736259A (zh) * | 2023-07-20 | 2023-09-12 | 北京东土科技股份有限公司 | 一种用于塔吊自动驾驶的激光点云坐标标定的方法及装置 |
Non-Patent Citations (3)
Title |
---|
On-the-Fly Camera and Lidar Calibration;Balázs Nagy等;《remote sensing》;20200402;1-22 * |
基于双目视觉的输电线舞动重建方法研究;张浩亚;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20210915(第09期);C042-428 * |
基于标定板关键点的激光雷达与相机外参标定方法;覃兴胜等;《激光与光电子学进展》;20220228;第59卷(第4期);0428001-2-0428001-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN117437303A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523597B (zh) | 相机外参的标定方法和装置 | |
CN117437303B (zh) | 一种标定相机外参的方法及系统 | |
CN112949478B (zh) | 基于云台相机的目标检测方法 | |
CN111145271B (zh) | 相机参数的精确度的确定方法、装置、存储介质及终端 | |
CN109360239B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
CN109215118B (zh) | 一种基于图像序列的增量式运动结构恢复优化方法 | |
CN112308925A (zh) | 可穿戴设备的双目标定方法、设备及存储介质 | |
CN111461963A (zh) | 一种鱼眼图像拼接方法及装置 | |
CN110599586A (zh) | 一种半稠密场景重建方法、装置、电子设备及存储介质 | |
CN115018920A (zh) | 一种相机阵列标定方法、装置、电子设备及存储介质 | |
CN115880344A (zh) | 一种双目立体匹配数据集视差真值获取方法 | |
CN116051489A (zh) | 鸟瞰图视角特征图处理方法、装置、电子设备及存储介质 | |
CN115965697A (zh) | 基于沙姆定律的投影仪标定方法、标定系统及装置 | |
CN117237544B (zh) | 一种训练数据的生成方法、装置、电子设备及存储介质 | |
CN112634372B (zh) | 一种实时的双目相机矫正方法、装置及存储介质 | |
KR20150097251A (ko) | 다중 영상간 대응점을 이용한 카메라 정렬 방법 | |
CN114445583A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN110619664B (zh) | 基于激光图案辅助的摄像机距离姿态计算方法及服务器 | |
CN109859313B (zh) | 3d点云数据获取方法、装置、3d数据生成方法及系统 | |
CN111696141A (zh) | 一种三维全景扫描采集方法、设备及存储设备 | |
CN111489439B (zh) | 一种三维线图重建方法、装置和电子设备 | |
CN113706391B (zh) | 无人机航拍图像实时拼接方法、系统、设备及存储介质 | |
CN111768448A (zh) | 一种基于多相机检测的空间坐标系标定方法 | |
KR20110133677A (ko) | 3d 영상 처리 장치 및 그 방법 | |
CN113450417B (zh) | 标定参数优化方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |