CN117788601A - 图像采集设备的标定方法、装置、系统以及存储介质 - Google Patents
图像采集设备的标定方法、装置、系统以及存储介质 Download PDFInfo
- Publication number
- CN117788601A CN117788601A CN202311807612.7A CN202311807612A CN117788601A CN 117788601 A CN117788601 A CN 117788601A CN 202311807612 A CN202311807612 A CN 202311807612A CN 117788601 A CN117788601 A CN 117788601A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate information
- calibration
- information
- reference point
- 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
- 230000009466 transformation Effects 0.000 claims abstract description 152
- 108091026890 Coding region Proteins 0.000 claims abstract description 62
- 238000000605 extraction Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 12
- 238000003062 neural network model Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本公开提供了一种图像采集设备的标定方法、装置、系统以及存储介质,其中的方法包括:获取通过图像采集设备对定位标识采集的标定图像;基于第一初步定位图案的第一坐标信息、标定图像中的第二初步定位图案的第二坐标信息、确定投影变换关系信息;根据投影变换关系信息、标定图像中的第二精确定位参考点和第二编码区域,以及第一编码区域和第一精确定位参考点,确定图像采集设备和目标物品之间的目标位姿变换关系。本公开的定位标识的大小以及定位标识中的标定信息可以根据应用场景进行调整,可以适应不同目标物品的形态以及尺寸,应用灵活性强;解算位姿变换关系的计算量较小并且受环境的影响小,能够提高位姿变换关系的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像采集设备的标定方法、装置、系统以及存储介质。
背景技术
随着计算机技术、数字图像处理的迅速发展,机器视觉技术在多种领域都有着广泛的应用,相机标定是机器视觉技术中的一个基本问题。例如,机械臂可以广泛应用于各种场景,机器视觉技术成为机械臂应用领域中的重要技术;通过机械臂抓取平面上不同位置的物体,使用相机对物体进行拍照,通过相机与物体之间的位姿变换关系可以获得物体的坐标。在相关技术中,在机器视觉技术中对相机进行标定,通常以棋盘格、圆点标定板等作为标定物,通过相机对标定物进行拍照,获得标定物图像,基于标定物图像求解相机与物体之间的位姿变换关系,用以对相机进行标定。但是,将棋盘格、圆点标定板等作为标定物,其尺寸较大,应用灵活性差,在狭小空间内应用不方便,并且,解算位姿变换关系的计算量大,获得的位姿变换关系的准确性受环境的影响较大,影响位姿变换关系求解的正确率。
发明内容
有鉴于此,本发明要解决的一个技术问题是提供一种图像采集设备的标定方法、装置、系统以及存储介质。
根据本公开的第一方面,提供一种图像采集设备的标定方法,包括:获取通过图像采集设备对定位标识采集的标定图像;其中,在目标物品上设置所述定位标识,所述定位标识中设置的标定信息包括:第一初步定位图案、第一编码区域和第一精确定位参考点;基于所述第一初步定位图案的第一坐标信息、所述标定图像中的第二初步定位图案的第二坐标信息、确定所述标定图像与所述定位标识之间的投影变换关系信息;根据所述投影变换关系信息、所述标定图像中的第二精确定位参考点和第二编码区域,以及所述第一编码区域和所述第一精确定位参考点,确定所述图像采集设备和所述目标物品之间的目标位姿变换关系。
可选地,所述确定所述图像采集设备和所述目标物品之间的目标位姿变换关系包括:根据所述投影变换关系信息和所述第一编码区域,从所述标定图像中提取与所述第二编码区域相对应的编码值;基于所述投影变换关系信息、所述第一精确定位参考点的第三坐标信息、以及所述第二精确定位参考点的第四坐标信息,确定所述图像采集设备和所述定位标识之间的待选位姿变换关系;根据所述编码值和所述待选位姿变换关系,确定所述目标位姿变换关系。
可选地,所述根据所述编码值和所述待选位姿变换关系,确定所述目标位姿变换关系包括:在所述编码值与所述定位标识的标准编码值相同的情况下,将所述待选位姿变换关系作为所述目标位姿变换关系。
可选地,所述根据所述投影变换关系信息和所述第一编码区域,从所述标定图像中提取与所述第二编码区域相对应的编码值包括:基于所述投影变换关系信息,对所述第一编码区域的坐标信息进行转换处理,获得所述第二编码区域的坐标信息;根据所述第二编码区域的坐标信息,在所述标定图像中提取与所述第二编码区域相对应的编码识别图像;从所述编码识别图像中提取所述编码值。
可选地,所述从所述编码识别图像中提取所述编码值包括:使用编码提取模型并基于所述编码识别图像,获得所述编码值。
可选地,所述第一精确定位参考点和所述第二精确定位参考点的数量为多个;所述基于所述投影变换关系信息、所述第一精确定位参考点的第三坐标信息、以及所述第二精确定位参考点的第四坐标信息,确定所述图像采集设备和所述定位标识之间的待选位姿变换关系包括:基于所述投影变换关系信息,对所述第四坐标信息进行转换处理,获得所述第二精确定位参考点在所述定位标识中的转换坐标信息;根据所述转换坐标信息,在多个第一精确定位参考点中选取目标精确定位参考点;通过匹配算法并根据所述第四坐标信息和所述目标精确定位参考点的第三坐标信息,确定所述待选位姿变换关系。
可选地,所述根据所述转换坐标信息,在多个第一精确定位参考点中选取目标精确定位参考点包括:确定所述转换坐标信息与各个第一精确定位参考点的第三坐标信息之间的距离;将与所述距离的最小值对应的第一精确定位参考点,确定为所述目标精确定位参考点。
可选地,使用坐标获取模型并根据所述标定图像,获得所述第二坐标信息和所述第四坐标信息。
可选地,所述基于所述第一初步定位图案的第一坐标信息、所述标定图像中的第二初步定位图案的第二坐标信息、确定所述标定图像与所述定位标识之间的投影变换关系信息包括:通过匹配算法并根据所述第一坐标信息和所述第二坐标信息,确定所述投影变换关系信息。
可选地,所述获取通过图像采集设备对定位标识采集的标定图像包括:获取所述图像采集设备对定位标识采集的初始图像;对所述初始图像进行预处理,获得预处理图像;使用图像提取模型并根据所述预处理图像,获得所述标定图像。
可选地,所述图像采集设备包括:单目相机;所述目标位姿变换关系包括:旋转矩阵和位移矩阵。
根据本公开的第二方面,提供一种图像采集设备的标定装置,包括:图像获取模块,用于获取通过图像采集设备对定位标识采集的标定图像;其中,在目标物品上设置所述定位标识,所述定位标识中的标定信息包括:第一初步定位图案、第一编码区域和第一精确定位参考点;投影变换确定模块,用于基于所述第一初步定位图案的第一坐标信息、所述标定图像中的第二初步定位图案的第二坐标信息、确定所述标定图像与所述定位标识之间的投影变换关系信息;位姿变换确定模块,用于根据所述投影变换关系信息、所述标定图像中的第二精确定位参考点和第二编码区域,以及所述第一编码区域和所述第一精确定位参考点,确定所述图像采集设备和所述目标物品之间的目标位姿变换关系。
根据本公开的第三方面,提供一种图像采集设备的标定装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如上所述的方法。
根据本公开的第四方面,一种图像采集设备的标定系统,包括:图像采集设备;以及如上的图像采集设备的标定装置。
根据本公开的第五方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如上所述的方法。
本公开的图像采集设备的标定方法、装置、系统以及存储介质,通过定位标识中的初步定位图案的坐标信息、标定图像中的初步定位图案的坐标信息,确定投影变换关系信息;根据投影变换关系信息、标定图像中的精确定位参考点和编码区域,以及定位标识中的编码区域和精确定位参考点,确定位姿变换关系;定位标识的大小以及定位标识中的标定信息可以根据应用场景进行调整,可以适应不同目标物品的形态以及尺寸,应用灵活性强;解算位姿变换关系的计算量较小并且受环境的影响小,能够提高位姿变换关系的准确性。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。下面结合具体的实施例,并参照附图,对本公开的上述和其它目的和优点做进一步的描述。在附图中,相同的或对应的技术特征或部件将采用相同或对应的附图标记来表示。
图1为根据本公开的图像采集设备的标定方法的一个实施例的流程示意图;
图2A为本公开的图像采集设备的应用场景示意图;图2B为定位标识的一个实施例的示意图;
图3A为根据本公开的图像采集设备的标定方法的一个实施例中的获得标定图像的流程示意图;图3B为获得标定图像的示意图;
图4A为根据本公开的图像采集设备的标定方法的一个实施例中的确定投影变换关系的流程示意图;图4B为获得标定图像中的第二初步定位图案的第二坐标信息的示意图;
图5为根据本公开的图像采集设备的标定方法的一个实施例中的确定目标位姿变换关系的流程示意图;
图6A为根据本公开的图像采集设备的标定方法的一个实施例中的确定编码值的流程示意图;图6B为确定编码值的示意图;
图7A为根据本公开的图像采集设备的标定方法的一个实施例中的确定待选位姿变换关系的流程示意图;图7B为提取标定图像中的第二精确定位参考点的第四坐标信息的示意图;
图8A为根据本公开的图像采集设备的标定装置的一个实施例的模块示意图;图8B为根据本公开的图像采集设备的标定装置的一个实施例中的位姿变换确定模块的模块示意图;
图9为根据本公开的图像采集设备的标定装置的另一个实施例的模块示意图。
具体实施方式
在下文中将结合附图对本公开的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实施例的所有特征。然而,应该了解,在对实施例进行实施的过程中必须做出很多特定于实施方式的设置,以便实现开发人员的具体目标,例如,符合与设备及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
此外,为了避免因不必要的细节而模糊了本公开,在附图中仅仅示出了与至少根据本公开的方案密切相关的处理步骤和/或设备结构,而省略了与本公开关系不大的其他细节。还应注意,在附图中相似的附图标记和字母指示相似的项目,并且因此一旦一个项目在一个附图中被定义,则对于随后的附图无需再对其进行论述。
图1为根据本公开的图像采集设备的标定方法的一个实施例的流程示意图,如图1所示:
步骤101,获取通过图像采集设备对定位标识采集的标定图像。
在一些实施例中,图像采集设备可以为多种设备,例如为单目相机等。定位标识可以为多种标识,定位标识可以设置在目标物品上。
目标物体可以为多种物体。例如,如图2A所示,目标物体可以为机械臂、工作抓取区域内的物品等,定位标识可以为纸质或其他材质,定位标识设置在目标物品上。在对相机进行标定时,在机械臂、工作抓取区域内的物品等上贴有纸质的定位标识,在机械臂、工作抓取区域内的物品等正常工作时,不需要贴纸质的定位标识。
在定位标识中可以设置多种标定信息。例如,如图2B所示,在定位标识23上设置的标定信息包括第一初步定位图案21、第一编码区域24和第一精确定位参考点22等。第一初步定位图案21可以为多种图案,例如为圆形图案等;第一精确定位参考点22可以为角点等;第一编码区域24内可以设置多种编码值,例如,编码值为PAA等。
步骤102,基于第一初步定位图案的第一坐标信息、标定图像中的第二初步定位图案的第二坐标信息、确定标定图像与定位标识之间的投影变换关系信息。
在一些实施例中,第一初步定位图案可以为定位标识中的圆形图案等,第一初步定位图案的第一坐标信息可以为定位标识中的第一初步定位图案在世界坐标系下的三维坐标信息,可以使用多种测量设备获得第一初步定位图案的第一坐标信息。
第二初步定位图案可以为标定图像中的圆形图案等,第二初步定位图案的第二坐标信息可以为第二初步定位图案在标定图像的像素坐标系中的二维坐标信息,可以采用多种方法获得第二初步定位图案的第二坐标信息。
基于第一初步定位图案的第一坐标信息、第二初步定位图案的第二坐标信息,可以使用多种方法确定标定图像与定位标识之间的投影变换关系信息,投影变换关系信息可以为投影变换关系矩阵等。
步骤103,根据投影变换关系信息、标定图像中的第二精确定位参考点和第二编码区域,以及第一编码区域和第一精确定位参考点,确定图像采集设备和目标物品之间的目标位姿变换关系。
在一些实施例中,第一精确定位参考点可以为定位标识中的角点等,第一编码区域可以为定位标识中的、设置有编码值的区域。第二精确定位参考点可以为标定图像中的角点等,第二编码区域可以为标定图像中的、设置有编码值的图像区域。
可以使用多种方法确定图像采集设备和目标物品之间的目标位姿变换关系,目标位姿变换关系包括图像采集设备的外参,图像采集设备的外参包括旋转矩阵、平移矩阵等。
上述实施例中的图像采集设备的标定方法,通过定位标识中的初步定位图案的坐标信息、标定图像中的初步定位图案的坐标信息,确定投影变换关系信息;根据投影变换关系信息、标定图像中的精确定位参考点和编码区域,以及定位标识中的编码区域和精确定位参考点,确定位姿变换关系;定位标识的大小以及定位标识中的标定信息可以根据应用场景进行调整,可以适应不同目标物品的形态以及尺寸,能够适用于狭小空间等多种场景,应用灵活性强;解算位姿变换关系的计算量较小并且受环境的影响小能够提高位姿变换关系的准确性,可以提高用户的使用感受。
图3A为根据本公开的图像采集设备的标定方法的一个实施例中的获得标定图像的流程示意图,如图3A所示:
步骤301,获取图像采集设备对定位标识采集的初始图像。
步骤302,对初始图像进行预处理,获得预处理图像。
在一些实施例中,控制单目相机等图像采集设备,对在机械臂、工作抓取区域内的物品等上设置的定位标识进行拍照,获得初始图像。对初始图像进行的预处理可以为缩放、滤波、去噪等多种处理,获得经过预处理的预处理图像。
步骤303,使用图像提取模型并根据预处理图像,获得标定图像。
在一些实施例中,图像提取模型可以为多种训练好的神经网络模型,神经网络模型可以为yoloV5、yoloV8等多种网络模型。将预处理图像输入图像提取模型,可以获得图像提取模型输出的标定图像。例如,如图3B所示,将进行了缩放、滤波、去噪等多种预处理的相机图像(预处理图像)输入图像提取模型,可以获得图像提取模型输出的标定图像31。通过图像提取模型获得标定图像,可以提高获得标定图像的准确性。
图4A为根据本公开的图像采集设备的标定方法的一个实施例中的确定投影变换关系的流程示意图,如图4A所示:
步骤401,使用坐标获取模型并根据标定图像,获得第二坐标信息。
在一些实施例中,坐标获取模型与图像提取模型可以为同一神经网络模型,在将预处理图像输入此神经网络模型后,可以获得标定图像,同时可以获得第二初步定位图案的第二坐标信息。
坐标获取模型可以为独立模型,坐标获取模型可以为多种训练好的神经网络模型,神经网络模型可以为yoloV5、yoloV8等多种网络模型。将标定图像输入坐标获取模型,坐标获取模型输出第二初步定位图案的第二坐标信息,第二初步定位图案的第二坐标信息可以为第二初步定位图案在标定图像的像素坐标系中的二维坐标信息。
如图4A所示,第二初步定位图案可以为标定图像中的多个圆形图案等,将标定图像输入坐标获取模型,获得坐标获取模型输出的多个圆形图案等的第二坐标信息,二维坐标信息可以为多个圆形图案的圆心在标定图像的像素坐标系中的二维坐标信息。
步骤402,通过匹配算法并根据第一坐标信息和第二坐标信息,确定投影变换关系信息,
在一些实施例中,匹配算法可以为多种算法,例如为PnP(Perspective-n-Point)算法等。当已知n个三维空间点及其对应的二维坐标时,通过PnP算法可以确定投影变换关系。
使用现有的PnP算法并根据定位标识中的第一初步定位图案在世界坐标系下的三维坐标信息、第二初步定位图案在标定图像的像素坐标系中的二维坐标信息,确定标定图像的像素坐标系与世界坐标系之间的投影变换矩阵,作为投影变换关系信息。
图5为根据本公开的图像采集设备的标定方法的一个实施例中的确定目标位姿变换关系的流程示意图,如图5所示:
步骤501,根据投影变换关系信息和第一编码区域,从标定图像中提取与第二编码区域相对应的编码值。
步骤502,基于投影变换关系信息、第一精确定位参考点的第三坐标信息、以及第二精确定位参考点的第四坐标信息,确定图像采集设备和定位标识之间的待选位姿变换关系。
步骤503,根据编码值和待选位姿变换关系,确定目标位姿变换关系。
在一些实施例中,根据编码值和待选位姿变换关系,确定目标位姿变换关系可以使用多种方法。例如,定位标识的标准编码值为在定位标识的编码区域内的编码值,如图2B所示,定位标识的标准编码值为PAA。
在编码值与定位标识的标准编码值相同的情况下,将待选位姿变换关系作为目标位姿变换关系。待选位姿变换关系包括图像采集设备的坐标系与世界坐标系之间的旋转矩阵、位移矩阵等。
从标定图像中提取与第二编码区域相对应的编码值可以采用多种方法。图6A为根据本公开的图像采集设备的标定方法的一个实施例中的确定编码值的流程示意图,如图6A所示:
步骤601,基于投影变换关系信息,对第一编码区域的坐标信息进行转换处理,获得第二编码区域的坐标信息。
在一些实施例中,定位标识中的第一编码区域的坐标信息可以为定位标识中的第一编码区域在世界坐标系下的坐标信息。定位标识中的第一编码区域的坐标信息为在世界坐标系下的三维坐标信息,为预先获得的已知值,第一编码区域的坐标信息可以采用多种测量方法获得。
投影变换关系信息为投影变换矩阵,基于投影变换矩阵对第一编码区域在世界坐标系下的三维坐标信息进行转换处理,获得标定图像中的第二编码区域的坐标信息,标定图像中的第二编码区域的坐标信息可以为标定图像中的第二编码区域在标定图像的像素坐标系下的坐标信息。
例如,定位标识中的第一编码区域为矩形,第一编码区域在世界坐标系下的坐标信息包括:第一编码区域的四个顶点在世界坐标系下的三维坐标信息。基于投影变换矩阵对第一编码区域的四个顶点在世界坐标系下的三维坐标信息进行转换处理,获得第二编码区域的四个顶点在标定图像的像素坐标系下的二维坐标信息,即第二编码区域的坐标信息包括第二编码区域的四个顶点在标定图像的像素坐标系下的二维坐标信息。
步骤602,根据第二编码区域的坐标信息,在标定图像中提取与第二编码区域相对应的编码识别图像。
在一些实施例中,根据标定图像中的第二编码区域在标定图像的像素坐标系下的二维坐标信息,可以在标定图像中提取与第二编码区域相对应的编码识别图像。
例如,根据第二编码区域的四个顶点在标定图像的像素坐标系下的坐标信息,在标定图像中提取与第二编码区域相对应的矩形区域图像,作为编码识别图像。如图6B所示,可以在标定图像61中提取与第二编码区域相对应的编码识别图像62。
步骤603,从编码识别图像中提取编码值。
在一些实施例中,从编码识别图像中提取编码值可以采用多种方法。例如,可以使用编码提取模型并基于编码识别图像,获得编码值。编码提取模型可以为多种训练好的神经网络模型,神经网络模型可以为yoloV5、yoloV8等多种网络模型。将编码识别图像输入编码提取模型,编码提取模型输出编码值。如图6B所示,将编码识别图像62输入编码提取模型,编码提取模型输出编码值为GKL。
确定图像采集设备和定位标识之间的待选位姿变换关系可以采用多种方法。图7A为根据本公开的图像采集设备的标定方法的一个实施例中的确定待选位姿变换关系的流程示意图,如图7A所示:
步骤701,基于投影变换关系信息,对第四坐标信息进行转换处理,获得第二精确定位参考点在定位标识中的转换坐标信息。
在一些实施例中,可以使用多种方法确定标定图像中的第二精确定位参考点的第四坐标信息。例如,使用坐标获取模型并根据标定图像,获得标定图像中的第二精确定位参考点的第四坐标信息。
坐标获取模型与图像提取模型可以为同一神经网络模型,在将预处理图像输入此神经网络模型,在将预处理图像输入此神经网络模型后,可以获得标定图像,同时可以获得第二精确定位参考点的第四坐标信息。
也可以将标定图像输入坐标获取模型,坐标获取模型输出第二精确定位参考点的第四坐标信息,第二精确定位参考点的第四坐标信息可以为第二精确定位参考点在标定图像的像素坐标系中的二维坐标信息。如图7B所示,第二精确定位参考点可以为标定图像中的多个角点等,第二精确定位参考点的第四坐标信息为多个角点在标定图像的像素坐标系中的二维坐标信息。
第二精确定位参考点在定位标识中的转换坐标信息为将第二精确定位参考点投影在定位标识中,对应的投影点在世界坐标系下的三维坐标信息。例如,投影变换关系信息为投影变换矩阵,基于投影变换矩阵对第二精确定位参考点在标定图像的像素坐标系中的二维坐标信息进行转换处理,获得第二精确定位参考点在定位标识中的转换坐标信息,转换坐标信息为第二精确定位参考点在定位标识中的对应点在世界坐标系下的三维坐标信息。
步骤702,根据转换坐标信息,在多个第一精确定位参考点中选取目标精确定位参考点。
在一个实施例中,第一精确定位参考点和第二精确定位参考点的数量为多个。获得第二精确定位参考点在定位标识中的转换坐标信息,根据转换坐标信息,可以采用多种方法在多个第一精确定位参考点中选取目标精确定位参考点。
可以确定第二精确定位参考点在定位标识中的转换坐标信息与各个第一精确定位参考点的第三坐标信息之间的距离,距离可以为欧式距离等;将与距离的最小值对应的第一精确定位参考点,确定为目标精确定位参考点。
例如,第一精确定位参考点可以为定位标识中的角点,第二精确定位参考点可以为标定图像中的角点,第一精确定位参考点和第二精确定位参考点的数量都为4个。
确定一个第二精确定位参考点在定位标识中的转换坐标信息分别与4个第一精确定位参考点的第三坐标信息之间的欧式距离等,在4个欧式距离中选取欧式距离的最小值,将与欧式距离的最小值对应的第一精确定位参考点,作为此第二精确定位参考点的目标精确定位参考点。基于相同的方法,可以获得剩余3个第二精确定位参考点在定位标识中的目标精确定位参考点,可以准确的确定第二精确定位参考点与目标精确定位参考点的一一对应关系。
步骤703,通过匹配算法并根据第四坐标信息和目标精确定位参考点的第三坐标信息,确定待选位姿变换关系。
匹配算法可以为多种算法,例如为PnP算法等。使用现有的PnP算法并根据定位标识中的目标精确定位参考点在世界坐标系下的三维坐标信息(第三坐标信息)、第二精确定位参考点在标定图像的像素坐标系中的二维坐标信息(第四坐标信息),确定图像采集设备的坐标系与世界坐标系之间的旋转矩阵和位移矩阵,作为待选位姿变换关系。
在一些实施例中,在对单目相机进行标定时,在机械臂上贴有纸质的定位标识,在定位标识上设置的标定信息包括多个第一初步定位图案、一个第一编码区域和对多个第一精确定位参考点等。第一初步定位图案为圆形图案等;第一精确定位参考点为角点等;第一编码区域内的编码值为PAA等。
控制单目相机对在机械臂上设置的定位标识进行拍照,获得初始图像。对初始图像进行缩放、滤波、去噪等处理,获得经过预处理的预处理图像。将预处理图像输入图像提取模型,可以获得图像提取模型输出的标定图像。
第二初步定位图案为标定图像中的多个圆形图案,将标定图像输入坐标获取模型,坐标获取模型输出多个圆形图案的第二坐标信息,第二坐标信息可以为多个圆形图案的圆心在标定图像的像素坐标系中的二维坐标信息。
使用PnP算法并根据定位标识中的多个圆形图案在世界坐标系下的三维坐标信息(可以通过多种测量方法获得)、标定图像中的多个圆形图案在标定图像的像素坐标系中的二维坐标信息,确定标定图像的像素坐标系与世界坐标系之间的投影变换矩阵,作为投影变换关系信息。
定位标识中的第一编码区域为矩形,第一编码区域在世界坐标系下的坐标信息为第一编码区域的四个顶点在世界坐标系下的坐标信息。基于投影变换矩阵对第一编码区域的四个顶点在世界坐标系下的坐标信息进行转换处理,获得标定图像中的第二编码区域的四个顶点在标定图像的像素坐标系下的二维坐标信息。
根据第二编码区域的四个顶点在标定图像的像素坐标系下的二维坐标信息,在标定图像中提取与第二编码区域相对应的矩形区域图像,作为编码识别图像;将编码识别图像输入编码提取模型,编码提取模型输出编码值,编码值为GKL。
第二精确定位参考点为标定图像中的4个角点,将标定图像输入坐标获取模型,坐标获取模型输出此4个角点的第四坐标信息,第四坐标信息可以为4个角点在标定图像的像素坐标系中的二维坐标信息。
基于投影变换矩阵对标定图像中的4个角点在标定图像的像素坐标系中的二维坐标信息进行转换处理,获得标定图像中的4个角点在定位标识中的转换坐标信息,转换坐标信息为世界坐标系下的三维坐标信息。
确定标定图像中的1个角点在定位标识中的转换坐标信息分别与定位标识中的4个角点的第三坐标信息(可以通过多种测量方法获得)之间的欧式距离,在4个欧式距离中选取欧式距离的最小值,将与欧式距离的最小值对应的定位标识中的1个角点,作为标定图像中的此角点的目标精确定位参考点。基于相同的方法,可以获得标定图像中剩余的3个角点在定位标识中的目标精确定位参考点。
使用PnP算法并根据定位标识中的目标精确定位参考点在世界坐标系下的三维坐标信息(第三坐标信息)、标定图像中对应的角点在标定图像的像素坐标系中的二维坐标信息(第四坐标信息),确定相机坐标系与世界坐标系之间的旋转矩阵和位移矩阵,作为待选位姿变换关系。
定位标识的标准编码值可以为“GKL”,当编码提取模型输出的编码值“GKL”与标准编码值“GKL”相同的情况下,将待选位姿变换关系作为目标位姿变换关系;通过目标位姿变换关系,可以将单目相机采集的像素坐标转化为机械臂的空间坐标,用以对机械臂进行控制处理。
上述实施例中的图像采集设备的标定方法,定位标识的大小以及定位标识中的标定信息可以根据应用场景进行调整,可以适应不同目标物品的形态以及尺寸,能够适用于狭小空间等多种场景,应用灵活性强;可以通过神经网络模型获得信息,可以提高信息获得的准确性;解算位姿变换关系的计算量较小并且受环境的影响小,能够提高位姿变换关系的准确性。
在一些实施例中,如图8A所示,本公开提供一种图像采集设备的标定装置80,包括图像获取模块81、投影变换确定模块82和位姿变换确定模块83。图像获取模块81获取通过图像采集设备对定位标识采集的标定图像。投影变换确定模块82基于第一初步定位图案的第一坐标信息、标定图像中的第二初步定位图案的第二坐标信息、确定标定图像与定位标识之间的投影变换关系信息。
位姿变换确定模块83根据投影变换关系信息、标定图像中的第二精确定位参考点和第二编码区域,以及第一编码区域和第一精确定位参考点,确定图像采集设备和目标物品之间的目标位姿变换关系。
例如,图像获取模块81获取图像采集设备对定位标识采集的初始图像,对初始图像进行预处理,获得预处理图像;图像获取模块81使用图像提取模型并根据预处理图像,获得标定图像。
投影变换确定模块82使用坐标获取模型并根据标定图像,获得第二坐标信息。投影变换确定模块82通过匹配算法并根据第一坐标信息和第二坐标信息,确定投影变换关系信息。
在一些实施例中,如图8B所示,位姿变换确定模块83包括:编码处理单元831、位姿获得单元832和位姿确定单元832。编码处理单元831根据投影变换关系信息和第一编码区域,从标定图像中提取与第二编码区域相对应的编码值;位姿获得单元832基于投影变换关系信息、第一精确定位参考点的第三坐标信息、以及第二精确定位参考点的第四坐标信息,确定图像采集设备和定位标识之间的待选位姿变换关系;位姿确定单元833根据编码值和待选位姿变换关系,确定目标位姿变换关系。例如,位姿确定单元833在编码值与定位标识的标准编码值相同的情况下,将待选位姿变换关系作为目标位姿变换关系。
编码处理单元831基于投影变换关系信息,对第一编码区域的坐标信息进行转换处理,获得第二编码区域的坐标信息;编码处理单元831根据第二编码区域的坐标信息,在标定图像中提取与第二编码区域相对应的编码识别图像;编码处理单元831从编码识别图像中提取编码值。例如,编码处理单元833使用编码提取模型并基于编码识别图像,获得编码值。
位姿获得单元832基于投影变换关系信息,对第四坐标信息进行转换处理,获得第二精确定位参考点在定位标识中的转换坐标信息;位姿获得单元832根据转换坐标信息,在多个第一精确定位参考点中选取目标精确定位参考点;位姿获得单元832通过匹配算法并根据第四坐标信息和目标精确定位参考点的第三坐标信息,确定待选位姿变换关系。
位姿获得单元832使用坐标获取模型并根据标定图像,获得第四坐标信息。位姿获得单元832确定转换坐标信息与各个第一精确定位参考点的第三坐标信息之间的距离;将与距离的最小值对应的第一精确定位参考点,确定为目标精确定位参考点。
在一个实施例中,如图9所示,图像采集设备的标定装置可包括存储器91、处理器92、通信接口93以及总线94。存储器91用于存储指令,处理器92耦合到存储器91,处理器92被配置为基于存储器91存储的指令执行实现上述的图像采集设备的标定方法。
存储器91可以为高速RAM存储器、非易失性存储器(non-volatile memory)等,存储器91也可以是存储器阵列。存储器91还可能被分块,并且块可按一定的规则组合成虚拟卷。处理器92可以为中央处理器CPU,或专用集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本公开的图像采集设备的标定方法的一个或多个集成电路。
在一些实施例中,本公开提供一种图像采集设备的标定系统,包括:图像采集设备、如上任一实施例中的图像采集设备的标定装置。
在一个实施例中,本公开提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上任一个实施例中的方法。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列举)可以包括:具有一个或者多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的方法中的步骤。
上述实施例中的图像采集设备的标定方法、装置、系统以及存储介质,通过定位标识中的初步定位图案的坐标信息、标定图像中的初步定位图案的坐标信息,确定投影变换关系信息;根据投影变换关系信息、标定图像中的精确定位参考点和编码区域,以及定位标识中的编码区域和精确定位参考点,确定位姿变换关系;定位标识的大小以及定位标识中的标定信息可以根据应用场景进行调整,可以适应不同目标物品的形态以及尺寸,能够适用于狭小空间等多种场景,应用灵活性强;可以通过神经网络模型获得信息,可以提高信息获得的准确性;解算位姿变换关系的计算量较小并且受环境的影响小,位姿变换关系求解的正确率高,能够提高位姿变换关系的准确性,可以提高用户的使用感受。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员应当理解,上述实施例仅是说明性的而不限制本公开的范围。本领域技术人员应该理解,上述实施例可以被组合、修改或替换而不脱离本公开的范围和实质。
Claims (15)
1.一种图像采集设备的标定方法,包括:
获取通过图像采集设备对定位标识采集的标定图像;其中,在目标物品上设置所述定位标识,所述定位标识中设置的标定信息包括:第一初步定位图案、第一编码区域和第一精确定位参考点;
基于所述第一初步定位图案的第一坐标信息、所述标定图像中的第二初步定位图案的第二坐标信息、确定所述标定图像与所述定位标识之间的投影变换关系信息;
根据所述投影变换关系信息、所述标定图像中的第二精确定位参考点和第二编码区域,以及所述第一编码区域和所述第一精确定位参考点,确定所述图像采集设备和所述目标物品之间的目标位姿变换关系。
2.如权利要求1所述的方法,其中,所述确定所述图像采集设备和所述目标物品之间的目标位姿变换关系包括:
根据所述投影变换关系信息和所述第一编码区域,从所述标定图像中提取与所述第二编码区域相对应的编码值;
基于所述投影变换关系信息、所述第一精确定位参考点的第三坐标信息、以及所述第二精确定位参考点的第四坐标信息,确定所述图像采集设备和所述定位标识之间的待选位姿变换关系;
根据所述编码值和所述待选位姿变换关系,确定所述目标位姿变换关系。
3.如权利要求2所述的方法,其中,所述根据所述编码值和所述待选位姿变换关系,确定所述目标位姿变换关系包括:
在所述编码值与所述定位标识的标准编码值相同的情况下,将所述待选位姿变换关系作为所述目标位姿变换关系。
4.如权利要求2所述的方法,其中,所述根据所述投影变换关系信息和所述第一编码区域,从所述标定图像中提取与所述第二编码区域相对应的编码值包括:
基于所述投影变换关系信息,对所述第一编码区域的坐标信息进行转换处理,获得所述第二编码区域的坐标信息;
根据所述第二编码区域的坐标信息,在所述标定图像中提取与所述第二编码区域相对应的编码识别图像;
从所述编码识别图像中提取所述编码值。
5.如权利要求4所述的方法,所述从所述编码识别图像中提取所述编码值包括:
使用编码提取模型并基于所述编码识别图像,获得所述编码值。
6.如权利要求2所述的方法,其中,所述第一精确定位参考点和所述第二精确定位参考点的数量为多个;所述基于所述投影变换关系信息、所述第一精确定位参考点的第三坐标信息、以及所述第二精确定位参考点的第四坐标信息,确定所述图像采集设备和所述定位标识之间的待选位姿变换关系包括:
基于所述投影变换关系信息,对所述第四坐标信息进行转换处理,获得所述第二精确定位参考点在所述定位标识中的转换坐标信息;
根据所述转换坐标信息,在多个第一精确定位参考点中选取目标精确定位参考点;
通过匹配算法并根据所述第四坐标信息和所述目标精确定位参考点的第三坐标信息,确定所述待选位姿变换关系。
7.如权利要求6所述的方法,所述根据所述转换坐标信息,在多个第一精确定位参考点中选取目标精确定位参考点包括:
确定所述转换坐标信息与各个第一精确定位参考点的第三坐标信息之间的距离;
将与所述距离的最小值对应的第一精确定位参考点,确定为所述目标精确定位参考点。
8.如权利要求2所述的方法,还包括:
使用坐标获取模型并根据所述标定图像,获得所述第二坐标信息和所述第四坐标信息。
9.如权利要求1所述的方法,所述基于所述第一初步定位图案的第一坐标信息、所述标定图像中的第二初步定位图案的第二坐标信息、确定所述标定图像与所述定位标识之间的投影变换关系信息包括:
通过匹配算法并根据所述第一坐标信息和所述第二坐标信息,确定所述投影变换关系信息。
10.如权利要求1所述的方法,其中,所述获取通过图像采集设备对定位标识采集的标定图像包括:
获取所述图像采集设备对定位标识采集的初始图像;
对所述初始图像进行预处理,获得预处理图像;
使用图像提取模型并根据所述预处理图像,获得所述标定图像。
11.如权利要求1至10中任一所述的方法,其中,
所述图像采集设备包括:单目相机;所述目标位姿变换关系包括:旋转矩阵和位移矩阵。
12.一种图像采集设备的标定装置,包括:
图像获取模块,用于获取通过图像采集设备对定位标识采集的标定图像;其中,在目标物品上设置所述定位标识,所述定位标识中的标定信息包括:第一初步定位图案、第一编码区域和第一精确定位参考点;
投影变换确定模块,用于基于所述第一初步定位图案的第一坐标信息、所述标定图像中的第二初步定位图案的第二坐标信息、确定所述标定图像与所述定位标识之间的投影变换关系信息;
位姿变换确定模块,用于根据所述投影变换关系信息、所述标定图像中的第二精确定位参考点和第二编码区域,以及所述第一编码区域和所述第一精确定位参考点,确定所述图像采集设备和所述目标物品之间的目标位姿变换关系。
13.一种图像采集设备的标定装置,包括:
存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至11中任一项所述的方法。
14.一种图像采集设备的标定系统,包括:
图像采集设备;以及如权利要求12或13所述的图像采集设备的标定装置。
15.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如权利要求1至11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311807612.7A CN117788601A (zh) | 2023-12-26 | 2023-12-26 | 图像采集设备的标定方法、装置、系统以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311807612.7A CN117788601A (zh) | 2023-12-26 | 2023-12-26 | 图像采集设备的标定方法、装置、系统以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117788601A true CN117788601A (zh) | 2024-03-29 |
Family
ID=90380935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311807612.7A Pending CN117788601A (zh) | 2023-12-26 | 2023-12-26 | 图像采集设备的标定方法、装置、系统以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117788601A (zh) |
-
2023
- 2023-12-26 CN CN202311807612.7A patent/CN117788601A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675487B (zh) | 基于多角度二维人脸的三维人脸建模、识别方法及装置 | |
WO2022170844A1 (zh) | 一种视频标注方法、装置、设备及计算机可读存储介质 | |
CN111145270B (zh) | 基于光学动捕的大空间环境下多相机标定方法及相关设备 | |
CN110689584A (zh) | 多相机环境中主动式刚体的位姿定位方法及相关设备 | |
US20060269143A1 (en) | Image recognition apparatus, method and program product | |
Tamas et al. | Targetless calibration of a lidar-perspective camera pair | |
JP2016103230A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN114119864A (zh) | 一种基于三维重建与点云匹配的定位方法和装置 | |
CN111563924B (zh) | 图像深度确定方法及活体识别方法、电路、设备和介质 | |
JP2019057227A (ja) | テンプレート作成装置、物体認識処理装置、テンプレート作成方法及びプログラム | |
CN110689577A (zh) | 单相机环境中主动式刚体的位姿定位方法及相关设备 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN112200056B (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN110926330A (zh) | 图像处理装置和图像处理方法 | |
JP2007249592A (ja) | 3次元物体認識システム | |
CN112633084A (zh) | 人脸框确定方法、装置、终端设备及存储介质 | |
JP2018151830A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN114608521B (zh) | 单目测距方法及装置、电子设备和存储介质 | |
WO2022218161A1 (zh) | 用于目标匹配的方法、装置、设备及存储介质 | |
JP5704909B2 (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
US11189053B2 (en) | Information processing apparatus, method of controlling information processing apparatus, and non-transitory computer-readable storage medium | |
CN111882657A (zh) | 三维重建的尺度恢复方法、装置、系统和计算机设备 | |
CN112102404B (zh) | 物体检测追踪方法、装置及头戴显示设备 | |
KR101673144B1 (ko) | 부분 선형화 기반의 3차원 영상 정합 방법 | |
CN117788601A (zh) | 图像采集设备的标定方法、装置、系统以及存储介质 |
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 |