CN117765098A - 一种相机辅助标定方法、系统、设备及存储介质 - Google Patents
一种相机辅助标定方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117765098A CN117765098A CN202410194496.4A CN202410194496A CN117765098A CN 117765098 A CN117765098 A CN 117765098A CN 202410194496 A CN202410194496 A CN 202410194496A CN 117765098 A CN117765098 A CN 117765098A
- Authority
- CN
- China
- Prior art keywords
- calibration
- camera
- coordinate system
- matrix
- rendering
- 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 67
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 102
- 238000009877 rendering Methods 0.000 claims abstract description 81
- 238000010276 construction Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 230000036544 posture Effects 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 28
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 17
- 239000013598 vector Substances 0.000 description 9
- 230000003190 augmentative effect Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 239000012634 fragment Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000012482 calibration solution Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种相机辅助标定方法、系统、设备及存储介质，涉及相机标定领域，方法包括获取相机初始内参数；根据标定板利用仿真技术确定标定板的标定姿态；根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵；根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果；根据所述渲染结果对相机进行标定，得到相机标定结果。本发明能提高标定的准确性并减少标定过程中的工作量。
Description
技术领域
本发明涉及相机标定领域，特别是涉及一种相机辅助标定方法、系统、设备及存储介质。
背景技术
在三维视觉系统中，三维物体的各种信息都是通过相机获取的图像信息中得到的。在这个过程中，确定空间点和相机像素点之间的关系，必须依靠相机标定。许多三维计算机视觉算法的性能直接取决于这种标定的质量。相机标定是计算机视觉领域中的一个重要问题。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。
相机标定方法一般分为传统相机标定法以及相机自标定法，由于相机自标定法的标定精度低，鲁棒性差，无法建立起高精度的相机模型，故增强现实设备中一般采用传统相机标定法。传统相机标定法借助了一些尺寸已知且具有特定规律的标志点，通过空间中某点的三维位置与像平面上对应点的相互关系，解算出相机的相对几何位姿关系，以及相机的内参与畸变系数。目前使用最广泛的是张正友标定法。张正友标定法使用了一个黑白的平面棋盘格，从不同位置与角度拍摄多组图片，通过这些图片求解相机的参数，再进行非线性优化，但是标定精度偏低，操作复杂，标定消耗时间长等明显缺陷。因此，寻求一种高效、准确、易操作的相机标定方法成为了当前研究的热点。
相机标定是计算机视觉和计算机图形学领域中的重要任务，用于估计相机的内部参数和外部姿态，以实现准确的图像测量和三维重构。传统的相机标定方法需要在标定过程中进行精确的测量和计算。然而，这种方法繁琐且容易出错。
随着增强现实技术的不断发展，增强现实技术已经被广泛应用于游戏、教育、医疗、制造等领域。增强现实技术可以更精确地定位和追踪用户位置和姿态，从而实现更真实的虚拟信息叠加。增强现实技术结合了虚拟信息与真实世界的交互，可以在现实环境中叠加虚拟信息，提供更加直观、沉浸式的交互体验。
通过上述分析，传统的标定技术存在的问题及缺陷为：标定时间消耗大，鲁棒性差，无法快速完成标定。传统相机标定法中，张正友标定法的标定精度偏低，无法适用复杂场景。传统的相机标定方法需要手动测量标定板上的特征点，操作繁琐，标定成本高。
因此有必要设计一种基于增强现实的相机标定方法，以解决上述传统相机标定面临的技术问题。
发明内容
本发明的目的是提供一种相机辅助标定方法、系统、设备及存储介质，可提高标定的准确性并减少标定过程中的工作量。
为实现上述目的，本发明提供了如下方案：
一种相机辅助标定方法，包括：
获取相机初始内参数；
根据标定板利用仿真技术确定标定板的标定姿态；
根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵；
根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果；
根据所述渲染结果对相机进行标定，得到相机标定结果。
可选地，根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标，具体包括：
根据模型矩阵对所述标定板的标定姿态进行转换，得到世界坐标系下的顶点坐标；
利用观察矩阵将世界坐标系下的顶点坐标转换至相机坐标系下；
根据投影矩阵对相机坐标系下的顶点坐标进行二维转换，得到像平面坐标系下的顶点坐标；所述投影矩阵是根据所述相机初始内参数构造的。
可选地，根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果，具体包括：
将所述像平面坐标系下的顶点坐标进行屏幕映射，得到渲染结果；所述渲染结果包括标定板各顶点在渲染窗口中的像素坐标。
可选地，根据所述渲染结果对相机进行标定，得到相机标定结果，具体包括：
将所述标定板与所述渲染结果贴合；
切换不同标定板姿态并采集标定板图像；
根据所述标定板图像进行相机标定，得到相机标定结果。
本发明还提供一种相机辅助标定系统，包括：
获取模块，用于获取相机初始内参数；
仿真模块，用于根据标定板利用仿真技术确定标定板的标定姿态；
坐标系转换模块，用于根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵；
渲染模块，用于根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果；
标定模块，用于根据所述渲染结果对相机进行标定，得到相机标定结果。
可选地，坐标系转换模块具体包括：
世界坐标系转换单元，用于根据模型矩阵对所述标定板的标定姿态进行转换，得到世界坐标系下的顶点坐标；
相机坐标系转换单元，用于利用观察矩阵将世界坐标系下的顶点坐标转换至相机坐标系下；
二维转换单元，用于根据投影矩阵对相机坐标系下的顶点坐标进行二维转换，得到像平面坐标系下的顶点坐标；所述投影矩阵是根据所述相机初始内参数构造的。
可选地，渲染模块具体包括：
渲染单元，用于将所述像平面坐标系下的顶点坐标进行屏幕映射，得到渲染结果；所述渲染结果包括标定板各顶点在渲染窗口中的像素坐标。
可选地，标定模块具体包括：
贴合单元，用于将所述标定板与所述渲染结果贴合；
切换单元，用于切换不同标定板姿态并采集标定板图像；
标定单元，用于根据所述标定板图像进行相机标定，得到相机标定结果。
本发明还提供一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如所述的方法。
本发明还提供一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如所述的方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明先确定标定板的标定姿态，再对标定姿态进行坐标系转换，从而得到像平面坐标系下的顶点坐标。利用像平面坐标系下的顶点坐标进行虚拟标定信息渲染，最后将标定板和虚拟标定信息对齐后即可完成相机标定。直接通过渲染结果进行标定能够提高标定的准确性并减少标定过程中的工作量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的相机辅助标定方法示意图；
图2为叠加标定板渲染结果的相机采集图像；
图3为采集的不同姿态的标定板图像；
图4为相机标定过程标志点提取结果图；
图5为本发明提供的相机辅助标定方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种相机辅助标定方法、系统、设备及存储介质，可提高标定的准确性并减少标定过程中的工作量。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图5所示，本发明提供的一种相机辅助标定方法，包括：
步骤101：获取相机初始内参数。
准备棋盘格标定板并固定在平面板上，固定相机于实验平台上，将计算机与相机连接并启动相机。准备相机初始内参数，可参考相机产品手册或历史标定结果，或采集4-5个姿态的靶标图像经标定得到粗略内参数标定结果，用于构造渲染过程使用的投影矩阵。
步骤102：根据标定板利用仿真技术确定标定板的标定姿态。
标定板姿态确定包括：
根据相机靶面尺寸、镜头焦距、工作距离等确定标定板合适尺寸。
标定板在标定过程中应始终令所有标志点位于相机测量空间中，相机测量空间由相机镜头视场角和镜头的景深范围共同确定。
选择一组标定板的位姿使其均匀分布在相机的测量空间中，共11组标定姿态：首先将标定板中心点与相机光轴距光心工作距离处的点重合，标定板中心轴与相机Z轴夹角分别取{0，-30°，+30°}，标定板中心轴与相机X轴夹角分别取{0，-30°，+30°}，以上共3×3=9中位姿；另外增加2个标定姿态即标定板中心轴和相机光轴重合，标定板平面分别与相机镜头的前景深和后景深面重合。
规定相机坐标系为，沿相机光轴向前为Z轴正方向，竖直向下为Y轴正方向，X轴方向可由Y×Z得到，符合右手系规则。
步骤103：根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵。利用OpenGL进行矩阵构造，将不同标定姿态下的标定板顶点坐标转化为像平面坐标系下的顶点坐标。标定姿态是一个标定姿态集合，其中每个标定姿态对应一个矩阵，即模型矩阵。
步骤103具体包括：根据模型矩阵对所述标定板的标定姿态进行转换，得到世界坐标系下的顶点坐标；利用观察矩阵将世界坐标系下的顶点坐标转换至相机坐标系下；根据投影矩阵对相机坐标系下的顶点坐标进行二维转换，得到像平面坐标系下的顶点坐标；所述投影矩阵是根据所述相机初始内参数构造的。
标定板顶点坐标转换包括：利用模型矩阵进行转换，从标定板模型坐标系O-XpYpZp转换到世界坐标系O-XwYwZw，再通过观察矩阵从世界坐标系O-XwYwZw转换到相机坐标系O-XcYcZc，再通过投影矩阵转换到二维的像平面坐标系O-XY。
其中，projection，view，/>分别为投影矩阵、观察矩阵和模型矩阵；position为标定板顶点坐标（标定板模型坐标系），position的值与标定板姿态无关，仅与标定板标志点的行数、列数与点间距有关；norm_imagePt为像平面坐标系中的像点，/>维度坐标均归一化至区间[-1，1]，任何落在范围外的坐标都会被丢弃/裁剪，不会显示在渲染窗口上。vec4(position， 1)表示position3×1对应的齐次坐标。norm_imagePt是/>的齐次坐标向量。
投影矩阵和相机内参数与渲染图像横纵分辨率及设定的成像深度范围有关。M矩阵与标定板摆放的位置姿态有关，N个标定板摆放位姿对应N个M矩阵。每给出一个位姿的M矩阵，都能得到一组像平面坐标系下的标定板顶点坐标，经过OpenGL渲染管线，可以得到该位姿下标定板的渲染图像。
M矩阵为4×4的矩阵，可写成如下分块矩阵的形式，其中为3×3的旋转矩阵，/>为3×1的平移向量。
为减少存储空间，将转换为3×1的旋转向量进行存储，其中旋转向量的模为旋转角度θ（弧度制），旋转向量对应的单位向量K表示旋转轴的方向向量。通过Rodrigues公式将3×1的旋转向量转换为3×3的旋转矩阵/>：
其中I表示的单位矩阵；观察矩阵将顶点的世界空间坐标转化为相机坐标；使用OpenGL中glm库的LookAt函数，可以完成观察矩阵的计算，获得所需的视角和观察效果，实际上是以观察者为原点重新定义的三维空间。由于本发明中世界坐标系与相机坐标系重合，因此观察矩阵取单位阵，对应LookAt函数的参数为：pos=(0，0，0)T，target=(0，0，1)T，up=(0，-1，0)T。T为矩阵转置。
构造投影矩阵的方法如下：相机初始内参数用矩阵A表示，fx，fy分别表示x方向和y方向的归一化焦距，cx，cy分别表示主点位置的x坐标和y坐标。
计算得到完整的投影矩阵：
其中，w和h分别为图像在横、纵方向的像素数，f和n分别为远裁剪面和近裁剪面的位置。在Projection矩阵构造过程中使用的相机初始内参数，可参考产品手册中给出的标定值或历史标定结果，若无上述参考值，则可以通过采集4-5个不同姿态的标定板图像利用基于平面标定板的相机标定方法对相机内参进行粗略标定得出。
通过投影矩阵projection、观察矩阵view和模型矩阵M将标定板顶点坐标转换至像平面坐标系。
根据预先设计标定板的11组位姿，转化为对应的一系列M矩阵，并根据运行渲染程序将标定板渲染到相机画面中，标定板应在相机画面中完整可见，引导标定人员手持标定板并将其对准相机画面中的虚拟标定板，各位姿采集一张图像，并进行存储。标定试验的相机画面如图3所示。
步骤104：根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果。利用OpenGL顶点着色器和片段着色器实现标定板纹理的渲染。
步骤104具体包括：将所述像平面坐标系下的顶点坐标进行屏幕映射，得到渲染结果；所述渲染结果包括标定板各顶点在渲染窗口中的像素坐标。
标定板姿态渲染包括：将标定板顶点即norm_imagePt的x，y坐标值进行屏幕映射，最终得到标定板各顶点在渲染窗口中的像素坐标/>。屏幕映射取决于最终要渲染到的窗体分辨率，通过屏幕映射得到屏幕空间的坐标。在OpenGL中，屏幕空间ViewPort左下角的像素坐标是(0，0)，右上角是(pixelWidth，pixelHeight)。得到渲染窗口像素坐标的过程是直接调用OpenGL中的视口变换接口得到的。
映射方式为：
使用OpenGL图像编程接口实现标定板图形的渲染（模拟相机真实采集效果）。工作流程分为以下几个步骤：
（1）定义图形数据：首先，如图4所示，以各标志点为顶点将标定板划分为多个三角面片，将标定板上各标志点顶点坐标数据（标定板坐标系）存储在顶点缓冲对象（VertexBuffer Object，VBO）中；将三角面片顶点索引数据存储在索引缓冲对象（Element BufferObject， EBO）中。
（2）定义着色器程序：着色器是运行在图形处理器（GPU）上的程序，用于控制图形的渲染过程，按照图形渲染管线处理流程主要包括顶点着色器（Vertex Shader）和片元着色器（Fragment Shader）程序，顶点着色器用于处理顶点数据，将3D的顶点数据转换为2D坐标，片元着色器用于计算2D坐标处像素的颜色值。其中，顶点着色器中需传入上述计算的projection\view\M矩阵与顶点缓冲数据。片元着色器设定标定板渲染所用颜色。渲染过程需要输入的是投影矩阵、观察矩阵、模型矩阵和标定板模型坐标系下顶点position。norm_imagePt和屏幕像素坐标，都是通过渲染管线来完成的。
（3）渲染图形：在图形数据和着色器程序都准备好之后，调用OpenGL接口渲染图形。在渲染过程中，OpenGL根据状态设置和着色器程序处理顶点数据，生成图形，并将图形绘制到帧缓冲（Frame Buffer）内存区域中。
（4）显示图形：将帧缓冲的内容显示到屏幕上。通过交换前后帧缓冲（在双缓冲模式下）或者直接复制帧缓冲的内容到屏幕上。最终在屏幕指定窗口中得到叠加标定板渲染结果的相机采集图像，如附图3所示。
步骤105：根据所述渲染结果对相机进行标定，得到相机标定结果。
步骤105具体包括：将所述标定板与所述渲染结果贴合；切换不同标定板姿态并采集标定板图像；根据所述标定板图像进行相机标定，得到相机标定结果。其中，采集的不同姿态的标定板图像如图3所示，图3中L1.bmp表示正面第一仰视姿态的标定板图像，图3中L2.bmp表示正面第二仰视姿态的标定板图像，图3中L3.bmp表示正面平视姿态的标定板图像，图3中L4.bmp表示正面第三仰视姿态的标定板图像，图3中L5.bmp表示右下方第二仰视姿态的标定板图像，图3中L6.bmp表示右下方第一仰视姿态的标定板图像，图3中L7.bmp表示左下方第三仰视姿态的标定板图像，图3中L8.bmp表示左下方第一仰视姿态的标定板图像，图3中L9.bmp表示左下方第二仰视姿态的标定板图像，图3中L10.bmp表示右下方第三仰视姿态的标定板图像，其中第一仰视姿态的角度小于第二仰视姿态的角度，第二仰视姿态的角度小于第三仰视姿态的角度。叠加标定板渲染结果的相机采集图像如图2所示。
使用MATLAB中的Camera Calibration进行标定，精确计算相机的内部参数、外部参数、畸变参数。
本发明能够提供一种便捷、准确的相机标定解决方案。利用增强现实技术将虚拟的标定信息叠加到相机拍摄的实时图像中，用户只需对准标定板和虚拟标定信息进行对齐，并使用相机进行拍摄；再利用MATLAB中的Camera Calibration工具箱进行标定，通过图像处理和计算机视觉算法，系统能够自动检测标定板的位置和姿态，并计算出相机的标定参数。
实验证明，本发明可以有效减少由于标定板姿态的不合理而引起的误差，具有较高的准确性并且可以减少标定过程中工作量。相较于传统的标定方法，它极大地简化了标定过程，降低了用户的操作难度，并提供了一种直观、可视化的标定方法。
综上所述，本发明提供的相机辅助标定方法在相机标定领域具有广阔的应用前景。它为相机标定提供了一种新颖、高效的解决方案，有望在计算机视觉、增强现实和虚拟现实等领域得到广泛应用。
本发明还提供一种相机辅助标定系统，包括：
获取模块，用于获取相机初始内参数。
仿真模块，用于根据标定板利用仿真技术确定标定板的标定姿态。
坐标系转换模块，用于根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵。
渲染模块，用于根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果。
标定模块，用于根据所述渲染结果对相机进行标定，得到相机标定结果。
作为一种可选地实施方式坐标系转换模块具体包括：
世界坐标系转换单元，用于根据模型矩阵对所述标定板的标定姿态进行转换，得到世界坐标系下的顶点坐标。
相机坐标系转换单元，用于利用观察矩阵将世界坐标系下的顶点坐标转换至相机坐标系下。
二维转换单元，用于根据投影矩阵对相机坐标系下的顶点坐标进行二维转换，得到像平面坐标系下的顶点坐标；所述投影矩阵是根据所述相机初始内参数构造的。
作为一种可选地实施方式渲染模块具体包括：
渲染单元，用于将所述像平面坐标系下的顶点坐标进行屏幕映射，得到渲染结果；所述渲染结果包括标定板各顶点在渲染窗口中的像素坐标。
作为一种可选地实施方式标定模块具体包括：
贴合单元，用于将所述标定板与所述渲染结果贴合。
切换单元，用于切换不同标定板姿态并采集标定板图像。
标定单元，用于根据所述标定板图像进行相机标定，得到相机标定结果。
本发明还提供一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如所述的方法。
本发明还提供一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如所述的方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种相机辅助标定方法，其特征在于，包括：
获取相机初始内参数；
根据标定板利用仿真技术确定标定板的标定姿态；
根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵；
根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果；
根据所述渲染结果对相机进行标定，得到相机标定结果。
2.根据权利要求1所述的相机辅助标定方法，其特征在于，根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标，具体包括：
根据模型矩阵对所述标定板的标定姿态进行转换，得到世界坐标系下的顶点坐标；
利用观察矩阵将世界坐标系下的顶点坐标转换至相机坐标系下；
根据投影矩阵对相机坐标系下的顶点坐标进行二维转换，得到像平面坐标系下的顶点坐标；所述投影矩阵是根据所述相机初始内参数构造的。
3.根据权利要求1所述的相机辅助标定方法，其特征在于，根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果，具体包括：
将所述像平面坐标系下的顶点坐标进行屏幕映射，得到渲染结果；所述渲染结果包括标定板各顶点在渲染窗口中的像素坐标。
4.根据权利要求1所述的相机辅助标定方法，其特征在于，根据所述渲染结果对相机进行标定，得到相机标定结果，具体包括：
将所述标定板与所述渲染结果贴合；
切换不同标定板姿态并采集标定板图像；
根据所述标定板图像进行相机标定，得到相机标定结果。
5.一种相机辅助标定系统，其特征在于，包括：
获取模块，用于获取相机初始内参数；
仿真模块，用于根据标定板利用仿真技术确定标定板的标定姿态；
坐标系转换模块，用于根据所述标定板的标定姿态利用构造矩阵进行坐标系转换，得到像平面坐标系下的顶点坐标；所述构造矩阵是通过所述相机初始内参数确定的；所述构造矩阵包括模型矩阵、投影矩阵和观察矩阵；
渲染模块，用于根据所述像平面坐标系下的顶点坐标进行虚拟标定信息渲染得到渲染结果；
标定模块，用于根据所述渲染结果对相机进行标定，得到相机标定结果。
6.根据权利要求5所述的相机辅助标定系统，其特征在于，坐标系转换模块具体包括：
世界坐标系转换单元，用于根据模型矩阵对所述标定板的标定姿态进行转换，得到世界坐标系下的顶点坐标；
相机坐标系转换单元，用于利用观察矩阵将世界坐标系下的顶点坐标转换至相机坐标系下；
二维转换单元，用于根据投影矩阵对相机坐标系下的顶点坐标进行二维转换，得到像平面坐标系下的顶点坐标；所述投影矩阵是根据所述相机初始内参数构造的。
7.根据权利要求5所述的相机辅助标定系统，其特征在于，渲染模块具体包括：
渲染单元，用于将所述像平面坐标系下的顶点坐标进行屏幕映射，得到渲染结果；所述渲染结果包括标定板各顶点在渲染窗口中的像素坐标。
8.根据权利要求5所述的相机辅助标定系统，其特征在于，标定模块具体包括：
贴合单元，用于将所述标定板与所述渲染结果贴合；
切换单元，用于切换不同标定板姿态并采集标定板图像；
标定单元，用于根据所述标定板图像进行相机标定，得到相机标定结果。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至4中任意一项所述的方法。
10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194496.4A CN117765098A (zh) | 2024-02-22 | 2024-02-22 | 一种相机辅助标定方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194496.4A CN117765098A (zh) | 2024-02-22 | 2024-02-22 | 一种相机辅助标定方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117765098A true CN117765098A (zh) | 2024-03-26 |
Family
ID=90320442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410194496.4A Pending CN117765098A (zh) | 2024-02-22 | 2024-02-22 | 一种相机辅助标定方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117765098A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801379A (zh) * | 2019-01-21 | 2019-05-24 | 视辰信息科技(上海)有限公司 | 通用的增强现实眼镜及其标定方法 |
| CN109920000A (zh) * | 2019-03-04 | 2019-06-21 | 杭州师范大学 | 一种基于多相机协同的无死角的增强现实方法 |
| CN110782499A (zh) * | 2019-10-23 | 2020-02-11 | Oppo广东移动通信有限公司 | 一种增强现实设备的标定方法、标定装置及终端设备 |
| CN111246189A (zh) * | 2018-12-06 | 2020-06-05 | 上海千杉网络技术发展有限公司 | 虚拟屏幕投影实现方法、装置及电子设备 |
| CN113259642A (zh) * | 2021-05-12 | 2021-08-13 | 华强方特（深圳）科技有限公司 | 一种影片视角调节方法及系统 |
| CN113793392A (zh) * | 2021-09-27 | 2021-12-14 | 浙江大华技术股份有限公司 | 一种相机参数标定方法及装置 |
| CN114399580A (zh) * | 2022-01-18 | 2022-04-26 | 腾讯科技（深圳）有限公司 | 一种图像渲染方法、装置、设备、存储介质及程序产品 |
| CN114943772A (zh) * | 2022-03-31 | 2022-08-26 | 中国人民解放军海军工程大学 | 一种增强现实视觉显示器中的相机标定方法、系统及应用 |
| CN115345942A (zh) * | 2022-07-28 | 2022-11-15 | 中央广播电视总台 | 空间标定方法、装置、计算机设备和存储介质 |
| CN117078762A (zh) * | 2022-05-09 | 2023-11-17 | 海信电子科技（深圳）有限公司 | 一种虚拟现实设备、相机标定装置及方法 |
-
2024
- 2024-02-22 CN CN202410194496.4A patent/CN117765098A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111246189A (zh) * | 2018-12-06 | 2020-06-05 | 上海千杉网络技术发展有限公司 | 虚拟屏幕投影实现方法、装置及电子设备 |
| CN109801379A (zh) * | 2019-01-21 | 2019-05-24 | 视辰信息科技(上海)有限公司 | 通用的增强现实眼镜及其标定方法 |
| CN109920000A (zh) * | 2019-03-04 | 2019-06-21 | 杭州师范大学 | 一种基于多相机协同的无死角的增强现实方法 |
| CN110782499A (zh) * | 2019-10-23 | 2020-02-11 | Oppo广东移动通信有限公司 | 一种增强现实设备的标定方法、标定装置及终端设备 |
| CN113259642A (zh) * | 2021-05-12 | 2021-08-13 | 华强方特（深圳）科技有限公司 | 一种影片视角调节方法及系统 |
| CN113793392A (zh) * | 2021-09-27 | 2021-12-14 | 浙江大华技术股份有限公司 | 一种相机参数标定方法及装置 |
| CN114399580A (zh) * | 2022-01-18 | 2022-04-26 | 腾讯科技（深圳）有限公司 | 一种图像渲染方法、装置、设备、存储介质及程序产品 |
| CN114943772A (zh) * | 2022-03-31 | 2022-08-26 | 中国人民解放军海军工程大学 | 一种增强现实视觉显示器中的相机标定方法、系统及应用 |
| CN117078762A (zh) * | 2022-05-09 | 2023-11-17 | 海信电子科技（深圳）有限公司 | 一种虚拟现实设备、相机标定装置及方法 |
| CN115345942A (zh) * | 2022-07-28 | 2022-11-15 | 中央广播电视总台 | 空间标定方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107945267B (zh) | 一种用于人脸三维模型纹理融合的方法和设备 | |
| CN111062873B (zh) | 一种基于多对双目相机的视差图像拼接与可视化方法 | |
| EP1596330B1 (en) | Estimating position and orientation of markers in digital images | |
| EP3067861B1 (en) | Determination of a coordinate conversion parameter | |
| US7657065B2 (en) | Marker placement information estimating method and information processing device | |
| JP4599184B2 (ja) | 指標配置計測方法、指標配置計測装置 | |
| US5982378A (en) | System and method for modeling a three dimensional object | |
| US8229208B2 (en) | Transprojection of geometry data | |
| CN107564089A (zh) | 三维图像处理方法、装置、存储介质和计算机设备 | |
| EP2546806A2 (en) | Image based rendering for AR - enabling user generation of 3D content | |
| CN110838164B (zh) | 基于物体点深度的单目图像三维重建方法、系统及装置 | |
| CN108629810B (zh) | 双目相机的标定方法、装置及终端 | |
| CN109920000B (zh) | 一种基于多相机协同的无死角的增强现实方法 | |
| JP2002236909A (ja) | 画像データ処理方法およびモデリング装置 | |
| Fischer et al. | A hybrid tracking method for surgical augmented reality | |
| CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
| CN113786228A (zh) | 一种基于ar增强现实的辅助穿刺导航系统 | |
| CN110766800B (zh) | 基于空间三点对齐的重建模型注册方法 | |
| CN111553969A (zh) | 一种基于梯度域的纹理映射方法、介质、终端和装置 | |
| CN117765098A (zh) | 一种相机辅助标定方法、系统、设备及存储介质 | |
| CN115311133A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| JP4810403B2 (ja) | 情報処理装置、情報処理方法 | |
| CN111899293A (zh) | Ar应用中的虚实遮挡处理方法 | |
| CN115761407A (zh) | 一种工业通用零件6d位姿数据集的构建方法 | |
| CN117671133A (zh) | 一种基于单目rgb图像去遮挡下的双手3d重建方法 |
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 |