CN117953073A - 深度摄像头的校准参数确定方法、装置及电子设备 - Google Patents
深度摄像头的校准参数确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117953073A CN117953073A CN202211338772.7A CN202211338772A CN117953073A CN 117953073 A CN117953073 A CN 117953073A CN 202211338772 A CN202211338772 A CN 202211338772A CN 117953073 A CN117953073 A CN 117953073A
- Authority
- CN
- China
- Prior art keywords
- point
- observation
- depth camera
- determining
- point position
- 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 56
- 238000012937 correction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开公开了一种深度摄像头的校准参数确定方法、装置及电子设备,涉及无人驾驶领域、3D重建等技术领域。具体实现方案为:获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置;根据第一实际位置和第一观测位置,以及第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差;根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。由此,通过获取相邻点位的观测误差确定深度摄像头的校准参数,从而提高了深度摄像头的校准参数的准确度。
Description
技术领域
本公开涉及无人驾驶领域、3D重建等技术领域,尤其涉及一种深度摄像头的校准参数确定方法、装置及电子设备。
背景技术
随着无人驾驶领域、3D重建等领域的发展,面临着需要平面建模的问题。相关技术中,使用深度摄像头获取深度图来进行平面建模,但由于深度摄像头在成像时的限制,导致平面建模的误差比较大。
发明内容
本公开提供了一种用于深度摄像头的校准参数确定方法、装置及电子设备。
根据本公开的一方面,提供了一种深度摄像头的校准参数确定方法,包括:获取在相同水平面上沿直线排列的至少两个点位;针对所述至少两个点位中任意相邻的第一点位和第二点位,获取所述深度摄像头设置于所述第二点位时检测所述第一点位得到的第一观测位置,以及获取深度摄像头设置于所述第一点位时检测所述第二点位得到的第二观测位置;根据所述第一点位的第一实际位置和所述第一观测位置,以及根据所述第二点位的第二实际位置和所述第二观测位置,确定所述第一点位相对所述第二点位的观测误差;根据所述至少两个点位中任意相邻点位的所述观测误差,确定所述深度摄像头的校准参数。
根据本公开的另一方面,提供了一种深度图的修正方法,包括:获取深度摄像头拍摄的深度图;获取上述实施例确定的所述深度摄像头的校准参数;根据所述校准参数,对所述深度图进行修正。
根据本公开的另一方面,提供了一种深度摄像头的校准参数确定装置,包括:第一获取模块,用于获取在相同水平面上沿直线排列的至少两个点位;第二获取模块,用于针对所述至少两个点位中任意相邻的第一点位和第二点位,获取所述深度摄像头设置于所述第二点位时检测所述第一点位得到的第一观测位置,以及获取深度摄像头设置于所述第一点位时检测所述第二点位得到的第二观测位置;第一确定模块,用于根据所述第一点位的第一实际位置和所述第一观测位置,以及根据所述第二点位的第二实际位置和所述第二观测位置,确定所述第一点位相对所述第二点位的观测误差;第二确定模块,用于基于所述至少两个点位中任意相邻点位的所述观测误差,确定所述深度摄像头的校准参数。
根据本公开的另一方面,提供了一种深度图的修正装置,包括:第三获取模块,用于获取深度摄像头拍摄的深度图;第四获取模块,用于获取上述实施例确定的所述深度摄像头的校准参数;修正模块,用于根据所述校准参数,对所述深度图进行修正。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开的深度摄像头的校准参数确定或者深度图的修正方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开实施例公开的深度摄像头的校准参数确定或者深度图的修正方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本公开的深度摄像头的校准参数确定或者深度图的修正方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置;根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差;根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。由此,通过获取相邻点位的观测误差确定深度摄像头的校准参数,从而提高了深度摄像头的校准参数的准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据一示例性实施例示出的一种深度摄像头的校准参数确定方法的流程图;
图2是根据一示例性实施例示出的沿直线排列的至少两个点位的示意图;
图3是根据一示例性实施例示出的另一种深度摄像头的校准参数确定方法的流程图;
图4根据一示例性实施例示出的首个点位和参考点位的示意图;
图5是根据一示例性实施例示出的一种深度图的修正方法的流程图;
图6根据一示例性实施例示出的修正后的深度图的示意图;
图7是根据一示例性实施例示出的优化后的深度图的示意图;
图8是根据一示例性实施例示出的一种深度摄像头的校准参数确定装置的结构示意图;
图9是根据一示例性实施例示出的一种深度图的修正装置的结构示意图;
图10是根据一示例性实施例示出的一种的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着无人驾驶领域、3D重建等领域的发展,面临着需要平面建模的问题。相关技术中,使用深度摄像头获取深度图来进行平面建模,但由于深度摄像头在成像时的限制,导致平面建模的误差比较大。
下面参考附图描述本公开实施例的深度摄像头的校准参数确定方法、装置及电子设备。
为此,本公开提出了一种深度摄像头的校准参数确定方法,通过获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置;根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差;根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。由此,通过获取相邻点位的观测误差确定深度摄像头的校准参数,从而提高了深度摄像头的校准参数的准确度。
图1是根据一示例性实施例示出的一种深度摄像头的校准参数确定方法的流程图。其中,需要说明的是,本实施例的深度摄像头的校准参数确定方法由深度摄像头的校准参数确定装置执行,该深度摄像头的校准参数确定装置可以由软件和/或硬件实现,该深度摄像头的校准参数确定装置可以配置在电子设备中,其中,该电子设备可以包括但不限于终端设备、服务器等,该实施例对电子设备不作具体限定。
如图1所示,该深度摄像头的校准参数确定方法包括以下步骤:
步骤101,获取在相同水平面上沿直线排列的至少两个点位。
在示例性实施例中,根据深度摄像头待校准的距离范围,以设定间距在相同水平面上确定沿直线排列的至少两个点位。
其中,深度摄像头的校准参数确定装置在执行步骤101的过程为:首先确定深度摄像头的拍摄范围,根据水平面在深度摄像头内的成像曲线确定成像曲线待校准的距离范围,如图2所示,X轴表示目标点位到深度摄像头的距离,Y轴表示成像深度,“Range”表示深度摄像头待校准的距离范围,“Step”表示设定间距。
如图2所示,将X轴以设定间距等分,等分线与成像曲线的交点即为以设定间距同一直线上排列的至少两个点位。
步骤102,针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置。
在示例性实施例中,选择任意相邻的两个点位确定为第一点位和第二点位,将深度摄像头设置于第一点位检测第二点位的位置,得到第二点位的第二观测位置;将深度摄像头设置于第二点位检测第一点位的位置,得到第一点位的第一观测位置。
其中,第一观测位置和第二观测位置为深度摄像头坐标系下得到的第一点位和第二点位的坐标。
步骤103,根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差。
在示例性实施例中,获取世界坐标系下第二点位的第二实际位置,将第二实际位置与第二观测位置进行比较;获取世界坐标系下第一点位的第一实际位置,将第一实际位置与第一观测位置进行比较,得到实际位置与观测位置之间的转换关系,根据两者之间的转换关系得到第一观测位置相对第二观测位置的误差,即为第一点位相对第二点位的观测误差。
在示例性实施例中,第一实际位置与第一观测位置之间的存在如公式(1)的转换关系:
第一实际位置=R1*第一观测位置+T1(1)
第二实际位置与第二观测位置之间存在如公式(2)的转换关系:
步骤104,根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。
在示例性实施例中,校准参数是相对距离与观测误差之间的对应关系。
在示例性实施例中,先确定第一点位和第二点位之间的相对距离,相对距离为第一点位相对于第二点位实际位置的距离偏差,根据第一点位相对第二点位的观测误差,和第一点位相对第二点位的相对距离,确定深度摄像头的校准参数。在本公开中,根据第一点位相对于第二点位的观测误差和相对距离,得到深度摄像头的校准参数为Set,Set={R1T1}。
本公开实施例提出的深度摄像头的校准参数确定方法,通过获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置;根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差;根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。由此,通过获取相邻点位的观测误差确定深度摄像头的校准参数,从而提高了深度摄像头的校准参数的准确度。
图3是根据一示例性实施例示出的另一种深度摄像头的校准参数确定方法的流程图,该方法包括步骤301-307:
步骤301,获取在相同水平面上沿直线排列的至少两个点位。
步骤302,针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置。
步骤303,根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差。
步骤304,从至少两个点位中确定处于一端的首个点位。
在示例性实施例中,从至少两个点位中确定位于待校准的距离范围两端的点位,从两端的点位选取其中一个点位作为首个点位。例如,如图4所示,选取A点作为首个点位。
步骤305,针对至少两个点位中除首个点位之外的任一参考点位,根据参考点位与首个点位之间各点位相对相邻点位的观测误差,确定参考点位相对首个点位的观测误差。
在示例性实施例中,将首个点位与参考点位之间各点位相对前一相邻点位的观测误差进行累乘,以得到参考点位相对首个点位的观测误差。例如,将B点作为参考点位,将A点和B点之间的各个点位相对前一相邻点位的观测误差进行累乘,得到B点相对于A点的观测误差。
步骤306,根据参考点位与首个点位之间的相对距离,以及参考点位相对首个点位的观测误差,拟合确定相对距离与观测误差之间的对应关系。
在示例性实施例中,由于选取的点位在相同水平面的同一直线上,参考点位与首个点位之间的相对距离即为图4中的两个点位在X轴的数值差,再根据参考点位相对首个点位的观测误差,由此即可拟合相对距离与观测误差之间的曲线,得到相对距离与观测误差之间的对应关系。
根据A点与B点之间各点位相对前一相邻点位的相对距离和观测误差,则A点与B点之间的相对距离与观测误差之间的对应关系为:
其中,R表示从深度摄像头坐标系转换为世界坐标系的转换矩阵,T表示深度摄像头坐标系的原点在世界坐标系下的坐标,N为A点至B点之间的点位的个数减一。
步骤307,将相对距离与观测误差之间的对应关系,确定为深度摄像头的校准参数。
在示例性实施例中,将Set值确定为深度摄像头的校准参数,在校准参数确定后,根据深度摄像头的校准参数对成像曲线进行调整。
其中,需要说明的是,步骤301、步骤302和步骤303的详细说明,可以参考本公开中其他实施例中的说明,此处不再进行详细介绍。
综上,通过获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置;根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差;针对至少两个点位中除首个点位之外的任一参考点位,根据参考点位与首个点位之间各点位相对相邻点位的观测误差,确定参考点位相对首个点位的观测误差;根据参考点位与首个点位之间的相对距离,以及参考点位相对首个点位的观测误差,拟合确定相对距离与观测误差之间的对应关系;将相对距离与观测误差之间的对应关系,确定为深度摄像头的校准参数。由此,通过获取相邻点位的观测误差确定深度摄像头的校准参数,从而提高了深度摄像头的校准参数的准确度。
本公开提出一种深度图的修正方法,如图5所示,该深度图的修正方法包括步骤501-503。其中,需要说明的是,本实施例的深度图的修正方法由深度图的修正装置执行,该深度图的修正装置可以由软件和/或硬件实现,该深度图的修正装置可以配置在电子设备中,其中,该电子设备可以包括但不限于终端设备、服务器等,该实施例对电子设备不作具体限定。
步骤501,获取深度摄像头拍摄的深度图。
步骤502,获取确定的深度摄像头的校准参数。
在示例性实施例中,获取深度摄像头的校准参数的过程为:通过获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的两个点位,获取两个点位之间的观测误差;根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。
步骤503,根据校准参数,对深度图进行修正。
在示例性实施例中,根据深度图中至少一个像素点对应的深度,确定至少一个像素点相对深度摄像头的距离;根据至少一个像素点相对深度摄像头的距离,查询相对距离与观测误差之间的对应关系,确定深度图中至少一个像素点对应的观测误差;根据深度图中至少一个像素点对应的观测误差,对深度图中至少一个像素点的观测位置进行修正。
在示例性实施例中,校准参数是相对距离与观测误差之间的对应关系。根据校准参数对深度图进行修正后的示意图如图6所示,上方的曲线表示深度摄像头拍摄的深度图曲线,下方的曲线表示对深度图修正后的深度图曲线,可以看出,修正后的深度图的各个像素点的深度变化不大。
其中,由于修正后的深度图曲线不是连续变化的,所以在对深度图进行修正后需要进行优化,使得深度图的至少一个像素点是连续的,图7中,曲线a表示深度摄像头拍摄的深度图曲线,曲线b表示根据校准参数修正后的深度图曲线,曲线c表示优化后的深度图曲线,和曲线b相比,曲线c是连续变化的且观测误差更小。
综上,本公开实施例的深度图的修正方法,通过获取深度摄像头拍摄的深度图;获取上述实施例确定的深度摄像头的校准参数;根据校准参数,对深度图进行修正。由此,根据深度摄像头的校准参数对深度图进行修正,从而降低了深度图中像素点的观测误差,减小了根据深度图进行平面建模的误差。
图8是根据一示例性实施例示出的一种深度摄像头的校准参数确定装置的结构示意图;
如图8所示,深度摄像头的校准参数确定装置800包括:第一获取模块810、第二获取模块820、第一确定模块830和第二确定模块840。
第一获取模块810,用于获取在相同水平面上沿直线排列的至少两个点位。
第二获取模块820,用于针对所述至少两个点位中任意相邻的第一点位和第二点位,获取所述深度摄像头设置于所述第二点位时检测所述第一点位得到的第一观测位置,以及获取深度摄像头设置于所述第一点位时检测所述第二点位得到的第二观测位置。
第一确定模块830,用于根据所述第一点位的第一实际位置和所述第一观测位置,以及根据所述第二点位的第二实际位置和所述第二观测位置,确定所述第一点位相对所述第二点位的观测误差。
第二确定模块840,用于基于所述至少两个点位中任意相邻点位的所述观测误差,确定所述深度摄像头的校准参数。
在本公开实施例中,所述第二确定模块840,具体用于从所述至少两个点位中确定处于一端的首个点位;针对所述至少两个点位中除所述首个点位之外的任一参考点位,根据所述参考点位与所述首个点位之间各点位相对相邻点位的所述观测误差,确定所述参考点位相对所述首个点位的观测误差;根据所述参考点位与所述首个点位之间的相对距离,以及所述参考点位相对所述首个点位的观测误差,拟合确定相对距离与观测误差之间的对应关系;将所述相对距离与观测误差之间的对应关系,确定为所述深度摄像头的校准参数。
在本公开实施例中,所述第二确定模块840,具体用于将所述首个点位与所述参考点位之间各点位相对前一相邻点位的观测误差进行累乘,以得到所述参考点位相对所述首个点位的观测误差。
在本公开实施例中,所述第一获取模块810,具体用于根据所述深度摄像头待校准的距离范围,以设定间距在相同水平面上确定沿直线排列的至少两个点位。
本公开实施例提出的深度摄像头的校准参数确定装置,通过获取在相同水平面上沿直线排列的至少两个点位;针对至少两个点位中任意相邻的第一点位和第二点位,获取深度摄像头设置于第二点位时检测第一点位得到的第一观测位置,以及获取深度摄像头设置于第一点位时检测第二点位得到的第二观测位置;根据第一点位的第一实际位置和第一观测位置,以及根据第二点位的第二实际位置和第二观测位置,确定第一点位相对第二点位的观测误差;根据至少两个点位中任意相邻点位的观测误差,确定深度摄像头的校准参数。由此,通过获取相邻点位的观测误差确定深度摄像头的校准参数,从而提高了深度摄像头的校准参数的准确度。
图9是根据一示例性实施例示出的一种深度图的修正装置的结构示意图;深度图的修正装置900,包括:第三获取模块910、第四获取模块920和修正模块930。
第三获取模块910,用于获取深度摄像头拍摄的深度图。
第四获取模块920,用于获取上述实施例确定的所述深度摄像头的校准参数。
修正模块930,用于根据所述校准参数,对所述深度图进行修正。
在本公开实施例中,所述修正模块930,具体用于根据所述深度图中至少一个像素点对应的深度,确定所述至少一个像素点相对所述深度摄像头的距离;根据所述至少一个像素点相对所述深度摄像头的距离,查询所述相对距离与观测误差之间的对应关系,确定所述深度图中所述至少一个像素点对应的观测误差;根据所述深度图中所述至少一个像素点对应的观测误差,对所述深度图中所述至少一个像素点的观测位置进行修正。
本公开实施例的深度图的修正装置,通过获取深度摄像头拍摄的深度图;获取上述实施例确定的深度摄像头的校准参数;根据校准参数,对深度图进行修正。由此,根据深度摄像头的校准参数对深度图进行修正,从而降低了深度图中像素点的观测误差,减小了根据深度图进行平面建模的误差。
其中,需要说明的是,上述对深度摄像头的校准参数确定方法和深度图的修正方法的解释说明也适用于本实施例中的深度摄像头的校准参数确定装置和深度图的修正装置,该实施例对此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)1002中的计算机程序或者从存储单元808加载到RAM(Random AccessMemory,随机访问/存取存储器)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。I/O(Input/Output,输入/输出)接口805也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如深度摄像头的校准参数确定方法或者深度图的修正方法。例如,在一些实施例中,深度摄像头的校准参数确定方法或者深度图的修正方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的深度摄像头的校准参数确定方法或者深度图的修正方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行深度摄像头的校准参数确定方法或者深度图的修正方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode-Ray Tube,阴极射线管)或者LCD(Liquid Crystal Display,液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (11)
1.一种深度摄像头的校准参数确定方法,包括:
获取在相同水平面上沿直线排列的至少两个点位;
针对所述至少两个点位中任意相邻的第一点位和第二点位,获取所述深度摄像头设置于所述第二点位时检测所述第一点位得到的第一观测位置,以及获取深度摄像头设置于所述第一点位时检测所述第二点位得到的第二观测位置;
根据所述第一点位的第一实际位置和所述第一观测位置,以及根据所述第二点位的第二实际位置和所述第二观测位置,确定所述第一点位相对所述第二点位的观测误差;
根据所述至少两个点位中任意相邻点位的所述观测误差,确定所述深度摄像头的校准参数。
2.根据权利要求1所述的方法,其中,所述根据所述至少两个点位中任意相邻点位的所述观测误差,确定所述深度摄像头的校准参数,包括:
从所述至少两个点位中确定处于一端的首个点位;
针对所述至少两个点位中除所述首个点位之外的任一参考点位,根据所述参考点位与所述首个点位之间各点位相对相邻点位的所述观测误差,确定所述参考点位相对所述首个点位的观测误差;
根据所述参考点位与所述首个点位之间的相对距离,以及所述参考点位相对所述首个点位的观测误差,拟合确定相对距离与观测误差之间的对应关系;
将所述相对距离与观测误差之间的对应关系,确定为所述深度摄像头的校准参数。
3.根据权利要求2所述的方法,其中,所述根据所述参考点位与所述首个点位之间各点位相对相邻点位的所述观测误差,确定所述参考点位相对所述首个点位的观测误差,包括:
将所述首个点位与所述参考点位之间各点位相对前一相邻点位的观测误差进行累乘,以得到所述参考点位相对所述首个点位的观测误差。
4.根据权利要求1-3任一项所述的方法,其中,所述获取在相同水平面上沿直线排列的至少两个点位,包括:
根据所述深度摄像头待校准的距离范围,以设定间距在相同水平面上确定沿直线排列的至少两个点位。
5.一种深度图的修正方法,包括:
获取深度摄像头拍摄的深度图;
获取如权利要求1-4任一项所述方法确定的所述深度摄像头的校准参数;
根据所述校准参数,对所述深度图进行修正。
6.根据权利要求5所述的方法,其中,所述校准参数是相对距离与观测误差之间的对应关系;
所述根据所述校准参数,对所述深度图进行修正,包括:
根据所述深度图中至少一个像素点对应的深度,确定所述至少一个像素点相对所述深度摄像头的距离;
根据所述至少一个像素点相对所述深度摄像头的距离,查询所述相对距离与观测误差之间的对应关系,确定所述深度图中所述至少一个像素点对应的观测误差;
根据所述深度图中所述至少一个像素点对应的观测误差,对所述深度图中所述至少一个像素点的观测位置进行修正。
7.一种深度摄像头的校准参数确定装置,包括:
第一获取模块,用于获取在相同水平面上沿直线排列的至少两个点位;
第二获取模块,用于针对所述至少两个点位中任意相邻的第一点位和第二点位,获取所述深度摄像头设置于所述第二点位时检测所述第一点位得到的第一观测位置,以及获取深度摄像头设置于所述第一点位时检测所述第二点位得到的第二观测位置;
第一确定模块,用于根据所述第一点位的第一实际位置和所述第一观测位置,以及根据所述第二点位的第二实际位置和所述第二观测位置,确定所述第一点位相对所述第二点位的观测误差;
第二确定模块,用于基于所述至少两个点位中任意相邻点位的所述观测误差,确定所述深度摄像头的校准参数。
8.一种深度图的修正装置,包括:
第三获取模块,用于获取深度摄像头拍摄的深度图;
第四获取模块,用于获取如权利要求1-4任一项所述方法确定的所述深度摄像头的校准参数;
修正模块,用于根据所述校准参数,对所述深度图进行修正。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338772.7A CN117953073A (zh) | 2022-10-28 | 2022-10-28 | 深度摄像头的校准参数确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338772.7A CN117953073A (zh) | 2022-10-28 | 2022-10-28 | 深度摄像头的校准参数确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117953073A true CN117953073A (zh) | 2024-04-30 |
Family
ID=90799032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211338772.7A Pending CN117953073A (zh) | 2022-10-28 | 2022-10-28 | 深度摄像头的校准参数确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117953073A (zh) |
-
2022
- 2022-10-28 CN CN202211338772.7A patent/CN117953073A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4027299A2 (en) | Method and apparatus for generating depth map, and storage medium | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN112652036B (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
US20220327740A1 (en) | Registration method and registration apparatus for autonomous vehicle | |
CN115273071A (zh) | 一种物体识别方法、装置、电子设备及存储介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN113029136A (zh) | 定位信息处理的方法、设备、存储介质及程序产品 | |
CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
CN114723894B (zh) | 一种三维坐标获取方法、装置及电子设备 | |
CN116205889A (zh) | 偏移检测方法、装置、电子设备及存储介质 | |
CN114299192B (zh) | 定位建图的方法、装置、设备和介质 | |
EP3968285A2 (en) | Model training method and apparatus, keypoint positioning method and apparatus, device and medium | |
CN113537309B (zh) | 一种对象识别方法、装置及电子设备 | |
CN117953073A (zh) | 深度摄像头的校准参数确定方法、装置及电子设备 | |
CN114812576A (zh) | 地图匹配方法、装置及电子设备 | |
CN115147561A (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
CN114066980A (zh) | 对象检测方法、装置、电子设备及自动驾驶车辆 | |
CN112784739B (zh) | 模型的训练方法、关键点定位方法、装置、设备和介质 | |
CN113012281B (zh) | 人体模型的确定方法、装置、电子设备及存储介质 | |
CN112966059B (zh) | 针对定位数据的数据处理方法、装置、电子设备和介质 | |
CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 | |
CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |