KR102167828B1 - 왜곡 영상을 보정하는 방법 및 장치 - Google Patents
왜곡 영상을 보정하는 방법 및 장치 Download PDFInfo
- Publication number
- KR102167828B1 KR102167828B1 KR1020190069720A KR20190069720A KR102167828B1 KR 102167828 B1 KR102167828 B1 KR 102167828B1 KR 1020190069720 A KR1020190069720 A KR 1020190069720A KR 20190069720 A KR20190069720 A KR 20190069720A KR 102167828 B1 KR102167828 B1 KR 102167828B1
- Authority
- KR
- South Korea
- Prior art keywords
- optical axis
- focal length
- target
- point
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003287 optical effect Effects 0.000 claims abstract description 100
- 230000006870 function Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G06T5/006—
-
- G06K9/4604—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/571—Depth or shape recovery from multiple images from focus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Geometry (AREA)
Abstract
렌즈에 의해 왜곡된 영상을 보정하기 위해, 카메라의 광축 및 초점 거리가 이용된다. 카메라의 실제 사용 과정 또는 렌즈의 제조 과정에서 발생하는 광축 및 초점 거리의 변화에 의해 영상이 적절하게 보정되지 않을 수 있다. 광축 및 초점 거리를 계산하기 위해 타겟 영상 내의 패턴이 검출되고, 패턴에 기초하여 타겟 영상 내에 기준 선 및 타겟 점이 설정되며, 기준 선 및 타겟 점에 기초하여 타겟 영상을 생성한 카메라의 광축 및 초점 거리가 계산된다.
Description
아래의 실시예들은 왜곡된 영상을 보정하기 위한 방법 및 장치에 관한 것으로, 보다 상세하게는 렌즈에 의해 왜곡된 영상을 보정하기 위한 방법 및 장치에 의한 것이다.
렌즈 왜곡 상수와 핀-홀(pin-hole) 모델을 활용한 광축 계산 방법은 자율 주행 자동차 및 기타 영상 인식에 있어서 필수적이면서 가장 민감한 부분 중에 하나인 광축 파라미터를 찾아주는 방법에 관한 것이다. 기존의 광축을 계산하는 방법은 물리적인 보조 시스템(예를 들어, 지그)을 사용하거나, 또는 왜곡된 영상의 타원 곡선들의 교차점을 찾아 광축을 계산한다. 전자는 그 물리적인 시스템이 비싼 측면과 임베디드 시스템에 내장 할 수 없다는 단점이 있고, 렌즈와 패턴이 정확히 직교하고 있어야함으로 이에 대한 불확실성이 존재하고, 물리적인 지그가 필요하다는 단점이 있다.
일 실시예는 카메라 또는 렌즈의 광축을 계산하는 방법 및 장치를 제공할 수 있다.
다른 일 실시예는 카메라 또는 렌즈의 광축에 기초하여 왜곡 영상을 보정하는 방법 및 장치를 제공할 수 있다.
일 측면에 따른, 왜곡 영상을 보정하는 방법은, 참조 패턴을 촬영함으로써 생성된 타겟 영상을 수신하는 단계, 상기 타겟 영상 내의 패턴을 검출하는 단계, 상기 패턴에 기초하여 상기 타겟 영상 내에 기준 선 및 적어도 하나의 타겟 점을 설정하는 단계, 상기 기준 선 및 상기 타겟 점에 기초하여 타겟 영상을 생성한 카메라의 광축 및 초점 거리를 계산하는 단계, 및 상기 계산된 광축 및 상기 초점 거리에 기초하여 상기 타겟 영상을 보정하는 단계를 포함한다.
상기 타겟 영상 내의 패턴을 검출하는 단계는, 상기 타겟 영상 내의 하나 이상의 특징 점들을 검출하는 단계, 및 상기 검출된 특징 점들에 기초하여 상기 패턴을 검출하는 단계를 포함할 수 있다.
상기 패턴에 기초하여 상기 타겟 영상 내에 기준 선 및 적어도 하나의 타겟 점을 설정하는 단계는, 상기 특징 점들에 기초하여 제1 특징 점 세트를 생성하는 단계, 상기 제1 특징 점 세트 내의 특징 점들 중 최 외각에 위치하는 두 개의 특징 점들에 기초하여 상기 기준 선을 설정하는 단계, 및 상기 제1 특징 점 세트 내의 어느 하나를 상기 타겟 점으로 설정하는 단계를 포함할 수 있다.
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는, 테일러 급수로 표현되는 렌즈의 왜곡 모델을 생성하는 단계, 및 상기 왜곡 모델에 기초하여 상기 광축 및 상기 초점 거리를 계산하는 단계를 포함할 수 있다.
상기 왜곡 모델에 기초하여 상기 광축 및 상기 초점 거리를 계산하는 단계는, 상기 렌즈에 미리 설정된 Ru 값 및 Rd 값에 기초하여 상기 광축 및 상기 초점 거리를 계산하는 단계를 포함하고, 상기 Ru 값은 상기 렌즈에 의한 왜곡이 없는 경우 하나의 점이 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타내고, 상기 Rd 값은 상기 렌즈에 의한 왜곡이 있는 경우 상기 하나의 점이 상기 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타낼 수 있다.
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는, 렌즈의 참조 왜곡 모델을 로드하는 단계, 상기 렌즈에 미리 설정된 Ru 값 및 Rd 값을 이용하여 참조 왜곡 모델을 조정하는 단계 - 상기 Ru 값은 상기 렌즈에 의한 왜곡이 없는 경우 하나의 점이 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타내고, 상기 Rd 값은 상기 렌즈에 의한 왜곡이 있는 경우 상기 하나의 점이 상기 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타냄 -, 상기 조정된 참조 왜곡 모델에 기초하여 상기 타겟 점의 위치를 변환하는 타겟 함수를 생성하는 단계, 참조 광축 및 참조 초점 거리에 기초하여 상기 타겟 함수를 이용하여 상기 기준 선 및 상기 타겟 점의 위치를 변환하는 단계, 위치가 변환된 상기 타겟 점 및 상기 기준 선 간의 거리를 계산하는 단계, 및 상기 계산된 거리가 미리 설정된 임계치 미만인 경우 상기 참조 광축 및 상기 참조 초점 거리를 상기 광축 및 상기 초점 거리로 결정하는 단계를 포함할 수 있다.
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는, 상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계를 더 포함할 수 있다.
상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계는, Levenberg-Marquard 알고리즘을 이용하여 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계를 포함할 수 있다.
다른 일 측면에 따른, 왜곡 영상을 보정하는 방법을 수행하는 전자 장치는, 왜곡 영상을 보정하는 프로그램이 기록된 메모리, 및 상기 프로그램을 수행하는 프로세서를 포함하고, 상기 프로그램은, 참조 패턴을 촬영함으로써 생성된 타겟 영상을 수신하는 단계, 상기 타겟 영상 내의 패턴을 검출하는 단계, 상기 패턴에 기초하여 상기 타겟 영상 내에 기준 선 및 적어도 하나의 타겟 점을 설정하는 단계, 상기 기준 선 및 상기 타겟 점에 기초하여 타겟 영상을 생성한 카메라의 광축 및 초점 거리를 계산하는 단계, 및 상기 계산된 광축 및 상기 초점 거리에 기초하여 상기 타겟 영상을 보정하는 단계를 포함한다.
상기 전자 장치는, 상기 타겟 영상을 생성하는 카메라를 더 포함할 수 있다.
상기 타겟 영상 내의 패턴을 검출하는 단계는, 상기 타겟 영상 내의 하나 이상의 특징 점들을 검출하는 단계, 및 상기 검출된 특징 점들에 기초하여 상기 패턴을 검출하는 단계를 포함할 수 있다.
상기 패턴에 기초하여 상기 타겟 영상 내에 기준 선 및 적어도 하나의 타겟 점을 설정하는 단계는, 상기 특징 점들에 기초하여 제1 특징 점 세트를 생성하는 단계, 상기 제1 특징 점 세트 내의 특징 점들 중 최 외각에 위치하는 두 개의 특징 점들에 기초하여 상기 기준 선을 설정하는 단계, 및 상기 제1 특징 점 세트 내의 어느 하나를 상기 타겟 점으로 설정하는 단계를 포함할 수 있다.
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는, 렌즈의 참조 왜곡 모델을 로드하는 단계, 상기 렌즈에 미리 설정된 Ru 값 및 Rd 값을 이용하여 참조 왜곡 모델을 조정하는 단계 - 상기 Ru 값은 상기 렌즈에 의한 왜곡이 없는 경우 하나의 점이 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타내고, 상기 Rd 값은 상기 렌즈에 의한 왜곡이 있는 경우 상기 하나의 점이 상기 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타냄 -, 상기 조정된 참조 왜곡 모델에 기초하여 상기 타겟 점의 위치를 변환하는 타겟 함수를 생성하는 단계, 참조 광축 및 참조 초점 거리에 기초하여 상기 타겟 함수를 이용하여 상기 기준 선 및 상기 타겟 점의 위치를 변환하는 단계, 위치가 변환된 상기 타겟 점 및 상기 기준 선 간의 거리를 계산하는 단계, 및 상기 계산된 거리가 미리 설정된 임계치 미만인 경우 상기 참조 광축 및 상기 참조 초점 거리를 상기 광축 및 상기 초점 거리로 결정하는 단계를 포함할 수 있다.
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는, 상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계를 더 포함할 수 있다.
상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계는, Levenberg-Marquard 알고리즘을 이용하여 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계를 포함할 수 있다.
상기 전자 장치는 차량에 포함될 수 있다.
카메라 또는 렌즈의 광축을 계산하는 방법 및 장치가 제공될 수 있다.
카메라 또는 렌즈의 광축에 기초하여 왜곡 영상을 보정하는 방법 및 장치가 제공될 수 있다.
도 1은 일 예에 따른 카메라의 렌즈의 종류에 따라 생성된 영상들을 도시한다.
도 2는 일 실시예에 따른 왜곡 영상을 보정하는 전자 장치의 구성도이다.
도 3은 일 실시예에 따른 왜곡 영상을 보정하는 방법의 흐름도이다.
도 4는 일 예에 따른 왜곡 영상 내의 패턴 및 패턴에 기초하여 설정되는 기준 선 및 타겟 점을 도시한다.
도 5는 일 예에 따른 광축 및 초점 거리를 계산하는 방법의 흐름도이다.
도 6은 일 예에 따른 타겟 함수를 이용하여 위치가 변환된 기준 선 및 타겟 점을 도시한다.
도 2는 일 실시예에 따른 왜곡 영상을 보정하는 전자 장치의 구성도이다.
도 3은 일 실시예에 따른 왜곡 영상을 보정하는 방법의 흐름도이다.
도 4는 일 예에 따른 왜곡 영상 내의 패턴 및 패턴에 기초하여 설정되는 기준 선 및 타겟 점을 도시한다.
도 5는 일 예에 따른 광축 및 초점 거리를 계산하는 방법의 흐름도이다.
도 6은 일 예에 따른 타겟 함수를 이용하여 위치가 변환된 기준 선 및 타겟 점을 도시한다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 예에 따른 카메라의 렌즈의 종류에 따라 생성된 영상들을 도시한다.
카메라(110)를 이용하여 장면(120)(예를 들어, 패턴)을 촬영하는 경우, 카메라(110)의 렌즈의 종류에 따라 생성되는 영상이 상이할 수 있다. 예를 들어, 핀-홀(pin-hole) 렌즈를 사용하여 생성된 핀-홀 영상(130)은 장면(120)을 왜곡하지 않고 나타낼 수 있다. 다른 예로, 어안 렌즈와 같은 광각 렌즈를 사용하여 생성된 어안 렌즈 영상(140)은 장면(140)을 왜곡하여 나타낼 수 있다.
차량용 카메라로 많이 사용되는 광각 카메라의 렌즈(예를 들어, 어안 렌즈)를 이용하여 영상을 촬영하는 경우, 촬영된 영상에는 렌즈의 중심을 기준으로 가까운 곳을 지나는 광선 보다 멀리 지나는 광선이 더 많이 휘어지는 현상에 의해 발생하는 방사 왜곡(술통 왜곡)과, 카메라 제조 과정에서 렌즈와 영상 평면이 평행을 이루지 못해 발생하는 접선 왜곡이 나타날 수 있다. 이러한 렌즈를 이용하여 촬영한 영상은 이하에서 왜곡 영상 또는 보정이 필요한 타겟 영상으로 명명된다.
이러한 초광각 렌즈를 이용하는 카메라는 렌즈에 의해 발생하는 왜곡을 보정 하기 위해 FOV(Field of View) 모델을 사용할 수 있으나, 이러한 FOV 모델을 사용하는 경우 왜곡 중심 설정에 오류가 발생할 수 있다. FOV는 시야로서 카메라 렌즈를 부착하여 보이는 영상을 촬영하였을 경우 그 촬영한 영상의 영역(사이즈)을 나타내는 것이다.
그러나, FOV 모델에 의한 왜곡 보정의 경우 렌즈의 광축을 별도로 추정 또는 계산하지 않기 때문에, 영상의 중심 점과 렌즈의 광축 간의 오차가 커질 경우 왜곡 보정의 정확도가 떨어질 수 있다.
아래에서 도 2 내지 도 6을 참조하여 렌즈의 광축을 계산하고, 계산된 광축에 기초하여 왜곡 영상을 보정하는 방법에 대해, 상세히 설명된다.
도 2는 일 실시예에 따른 왜곡 영상을 보정하는 전자 장치의 구성도이다.
왜곡 영상을 보정하는 전자 장치(200)는 통신부(210), 프로세서(220) 및 메모리(230)를 포함한다. 일 실시예에 따르면, 전자 장치(200)는 차량에 포함될 수 있다. 예를 들어, 차량은 자율 주행 차량 및 ADAS(Advanced Driver Assistance Systems)을 지원하는 차량일 수 있다.
통신부(210)는 프로세서(220) 및 메모리(230)와 연결되어 데이터를 송수신한다. 통신부(210)는 외부의 다른 장치와 연결되어 데이터를 송수신할 수 있다. 이하에서 "A"를 송수신한다라는 표현은 "A를 나타내는 정보(information) 또는 데이터"를 송수신하는 것을 나타낼 수 있다.
통신부(210)는 전자 장치(200) 내의 회로망(circuitry)으로 구현될 수 있다. 예를 들어, 통신부(210)는 내부 버스(internal bus) 및 외부 버스(external bus)를 포함할 수 있다. 다른 예로, 통신부(210)는 전자 장치(200)와 외부의 장치를 연결하는 요소일 수 있다. 외부의 다른 장치는 차량의 전자 장치일 수 있다. 통신부(210)는 인터페이스(interface)일 수 있다. 통신부(210)는 외부의 장치로부터 데이터를 수신하여, 프로세서(220) 및 메모리(230)에 데이터를 전송할 수 있다.
프로세서(220)는 통신부(210)가 수신한 데이터 및 메모리(230)에 저장된 데이터를 처리한다. "프로세서"는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
프로세서(220)는 메모리(예를 들어, 메모리(230))에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(220)에 의해 유발된 인스트럭션들을 실행한다.
메모리(230)는 통신부(210)가 수신한 데이터 및 프로세서(220)가 처리한 데이터를 저장한다. 예를 들어, 메모리(230)는 프로그램(또는 어플리케이션, 소프트웨어)을 저장할 수 있다. 저장되는 프로그램은 렌즈의 광축을 계산하고, 광축에 기초하여 왜곡 영상을 보정하도록 코딩되어 프로세서(220)에 의해 실행 가능한 신텍스(syntax)들의 집합일 수 있다.
일 측면에 따르면, 메모리(230)는 하나 이상의 휘발성 메모리, 비휘발성 메모리 및 RAM(Random Access Memory), 플래시 메모리, 하드 디스크 드라이브 및 광학 디스크 드라이브를 포함할 수 있다.
메모리(230)는 전자 장치(200)를 동작 시키는 명령어 세트(예를 들어, 소프트웨어)를 저장한다. 전자 장치(200)를 동작 시키는 명령어 세트는 프로세서(220)에 의해 실행된다.
도시되지는 않았지만, 전자 장치(200)는 영상을 생성하는 카메라를 더 포함할 수 있다. 카메라는 광각 렌즈를 사용하여 장면을 촬영함으로써 영상을 생성한다. 생성된 영상은 왜곡 영상일 수 있다.
통신부(210), 프로세서(220) 및 메모리(230)에 대해, 아래에서 도 3 내지 6을 참조하여 상세히 설명된다.
도 3은 일 실시예에 따른 왜곡 영상을 보정하는 방법의 흐름도이다.
아래의 단계들(310 내지 350)은 도 2를 참조하여 전술된 전자 장치(200에 의해 수행된다.
단계(310)에서, 전자 장치(200)는 타겟 영상을 수신한다. 예를 들어, 전자 장치(200)는 카메라로부터 타겟 영상을 수신할 수 있다. 사용자는 카메라를 사용하여 참조 패턴이 나타나는 장면을 촬영할 수 있다. 참조 패턴은 균일한 무늬를 갖는 체커 패턴(checker pattern)일 수 있다.
단계(320)에서, 전자 장치(200)는 타겟 영상 내의 패턴을 검출한다. 카메라의 렌즈에 의해 참조 패턴이 왜곡되어 타겟 영상 내에 나타날 수 있다.
예를 들어, 전자 장치(200)는 타겟 영상 내의 하나 이상의 특징 점들을 검출하고, 검출된 특징 점들에 기초하여 패턴을 검출할 수 있다. 패턴을 검출하는 방법에 대해, 아래에서 도 4를 참조하여 상세히 설명된다. 특징 점은 타겟 영상 내의 좌표로 검출될 수 있다.
단계(330)에서, 전자 장치(200)는 검출된 패턴에 기초하여 타겟 영상 내에 기준 선 및 적어도 하나의 타겟 점을 설정한다. 예를 들어, 전자 장치(200)는 검출된 특징 점들에 기초하여 제1 특징 점 세트를 생성하고, 제1 특징 점 세트 내의 특징 점들 중 최 외각에 위치하는 두 개의 특징 점들에 기초하여 기준 선을 설정하며, 제1 특징 점 세트 내의 어느 하나를 타겟 점으로 설정할 수 있다. 기준 선 및 타겟 점을 설정하는 방법에 대해, 아래에서 도 4를 참조하여 상세히 설명된다.
단계(340)에서, 전자 장치(200)는 기준 선 및 타겟 점에 기초하여 카메라의 광축 및 초점 거리를 계산한다. 예를 들어, 전자 장치(200)는 테일러 급수로 표현되는 렌즈의 왜곡 모델을 생성하고, 왜곡 모델에 기초하여 광축 및 상기 초점 거리를 계산할 수 있다. 렌즈에 미리 설정된 Ru 값 및 Rd 값에 기초하여 광축 및 초점 거리가 계산될 수 있다. Ru 값은 렌즈에 의한 왜곡이 없는 경우 하나의 점이 영상 평면에 투영될 때, 광축과 투영된 점 사이의 거리를 나타내다. Rd 값은 렌즈에 의한 왜곡이 있는 경우 하나의 점이 영상 평면에 투영될 때, 광축과 투영된 점 사이의 거리를 나타낸다.
전자 장치(200)는 기준 선 및 타겟 점에 기초하여 카메라의 광축 및 초점 거리를 계산하는 방법에 대해, 아래에서 도 5 및 6을 참조하여 상세히 설명된다.
단계(350)에서, 전자 장치(200)는 계산된 광축 및 초점 거리에 기초하여 타겟 영상을 보정한다. 예를 들어, 보정된 타겟 영상은 핀-홀 렌즈에 의해 촬영된 영상과 유사할 수 있다.
도 4는 일 예에 따른 왜곡 영상 내의 패턴 및 패턴에 기초하여 설정되는 기준 선 및 타겟 점을 도시한다.
일 측면에 따르면, 전자 장치(200)는 타겟 영상(140) 내의 복수의 특징 점들을 검출한다. 예를 들어, 격자 무늬의 꼭지점이 특징 점으로 검출될 수 있다. 예를 들어, 특징 점들(411 내지 415)이 검출된 경우, 특징 점들(411 내지 415)을 포함하는 격자들이 패턴(410)으로 검출될 수 있다.
다른 일 측면에 따르면, 전자 장치(200)는 타겟 영상(140) 내에서 열 방향 또는 행 방향으로 배치되는 격자들을 패턴으로 검출한다. 예를 들어, 패턴(410) 및 패턴(410) 내의 특징 점들(411 내지 415)이 검출될 수 있다. 패턴(410)에 포함되는 특징 점들(411 내지 415)은 제1 특징 점 세트로 명명될 수 있다. 복수의 패턴들이 열 방향 또는 행 방향으로 검출될 수 있으나, 간결한 설명을 위해 하나의 패턴(410)에 대한 처리 과정을 아래에서 설명한다.
특징 점들(411 내지 415) 중 최 외각에 위치하는 두 개의 특징 점(411 및 415)들에 기초하여 기준 선(420)이 설정될 수 있다. 기준 선(420)은 왜곡 영상 내에서 특징 점들(411 및 415)을 직선으로 연결한 선일 수 있다. 특징 점들(412, 413, 및 414) 중 어느 하나가 타겟 점으로 설정될 수 있다. 예를 들어, 특징 점(413)이 타겟 점으로 설정될 수 있다.
도 5는 일 예에 따른 광축 및 초점 거리를 계산하는 방법의 흐름도이다.
일 측면에 따른, 도 3을 참조하여 전술된 단계(340)는 아래의 단계들(510 내지 570)을 포함한다.
단계(510)에서, 전자 장치(200)는 렌즈의 참조 왜곡 모델을 로드한다. 참조 왜곡 모델은 테일러 급수로 표현될 수 있다. 참조 왜곡 모델은 아래의 [수학식 1]로 표현된다.
[수학식 1]
[수학식 1]에서, Ru 및 Rd는 미리 설정될 수 있다. 예를 들어, Ru 및 Rd는 렌즈의 제조 사로부터 전달된 값일 수 있다.
단계(520)에서, 전자 장치(200)는 Ru 및 Rd를 이용하여 참조 왜곡 모델을 조정한다. 전자 장치(200)는 다항 회귀(polynomial regression)를 이용하여 다항식의 계수들(C0 내지 C6)을 계산할 수 있다. 참조 왜곡 모델은 6차 이상으로 다항식으로 나타날 수 있다. 참조 왜곡 모델의 조정은 다항식의 계수들을 계산하는 것일 수 있다.
단계(530)에서, 전자 장치(200)는 조정된 참조 왜곡 모델에 기초하여 타겟 함수를 생성한다. 참고 왜곡 모델은 광축 및 영상 평면의 어느 한 점 간의 거리를 기반으로 하고 있으므로, 영상 좌표에 기초하는 변환 함수가 필요하다. 타겟 함수는 왜곡 영상 내의 점의 위치를 왜곡되지 않은 영상으로 변환하는 함수일 수 있다. 타겟 함수(undist(x, y))의 (x, y)는 왜곡되지 않은 영상 내의 좌표를 의미한다. x는 아래의 [수학식 2]로 표현되고, y는 아래의 [수학식 3]으로 표현된다.
[수학식 2]
[수학식 3]
[수학식 2], [수학식 3]에서 F는 미리 설정되거나 조정되는 초점 거리(참조 초점 거리)이고, Pp는 픽셀 피치(즉, 한 픽셀이 의미하는 물리적인 센서 상에서 가지는 크기) 에 관한 값이고, Cx는 광축에 의해 결정되는 왜곡 영상의 x축 중심 좌표이고, Cy는 광축에 의해 결정되는 왜곡 영상의 y축 중심 좌표이고, Ix는 왜곡 영상 내의 타겟 점(I)의 x축 좌표이고, Iy는 왜곡 영상 내의 타겟 점(I)의 y축 좌표이다.
단계(540)에서, 전자 장치(200)는 참조 광축 및 참조 초점 거리에 기초하여 타겟 함수를 이용하여 기준 선 및 타겟 점의 위치를 변환한다. 왜곡 영상 내의 타겟 점(I)의 좌표가 타겟 함수를 통해 왜곡되지 않은 영상 내의 좌표로 변환될 수 있다.
단계(550)에서, 전자 장치(200)는 위치가 변환된 타겟 점 및 기준 선 간의 거리를 계산한다. 거리는 타겟 점으로부터 기준 선으로의 직교 거리일 수 있다. 상기의 거리는 잔차(residual)일 수 있다. 타겟 점 및 기준 선 간의 거리에 대해, 아래에서 도 6을 참조하여 상세히 설명된다.
단계(560)에서, 전자 장치(200)는 계산된 거리가 임계치 미만인 여부를 판단한다. 계산된 거리가 임계치 미만인 경우, 계산에 이용된 참조 광축 및 참조 초점 거리가 최종적인 광축 및 초점 거리로 결정될 수 있다.
단계(570)에서, 계산된 거리가 임계치 이상인 경우, 참조 광축 및 참조 초점 거리를 조정한다. 계산된 거리가 감소하도록 참조 광축 및 참조 초점 거리가 조정될 수 있다. 예를 들어, Levenberg-Marquard 알고리즘을 이용하여 참조 광축 및 참조 초점 거리가 조정될 수 있다. 즉, [수학식 2], [수학식 3]의 F, Cx, 및 Cx의 값이 조정될 수 있다.
조정된 F, Cx, 및 Cx를 이용하여 단계(540)가 재 수행될 수 있다.
도 6은 일 예에 따른 타겟 함수를 이용하여 위치가 변환된 기준 선 및 타겟 점을 도시한다.
타겟 함수에 의해 위치가 변환된 왜곡 영상 내에 검출된 특징 점들(411 내지 415)이 기준 선(420) 상에 위치하도록 광축 및 초점 거리가 계산될 수 있다.
예를 들어, 타겟 함수에 의해 기준 선(420) 및 특징 점들(411 내지 415)이 기준 선(620) 및 특징 점들(611 내지 615)으로 변환될 수 있다. 광축 및 초점 거리 중 적어도 하나가 적절하게 설정 또는 계산되지 않은 경우, 특징 점들(611 내지 615) 중 일부의 특징 점들(612 내지 614)이 기준 선(620) 상에 위치하지 않을 수 있다.
이 경우, 광축 및 초점 거리 중 적어도 하나가 조정될 수 있다. 조정을 반복함으로써 광축 및 초점 거리가 적절하게 조정될 수 있다. 광축 및 초점 거리가 적절하게 조정된 경우, 기준 선(640) 상에 특징 점들(631 내지 635)이 위치될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
200: 전자 장치
210: 통신부
220: 프로세서
230: 메모리
210: 통신부
220: 프로세서
230: 메모리
Claims (17)
- 참조 패턴을 촬영함으로써 생성된 타겟 영상을 수신하는 단계;
상기 타겟 영상 내의 복수의 특징 점들을 검출하는 단계;
상기 복수의 특징 점들에 기초하여 제1 특징 점 세트를 생성하는 단계;
상기 제1 특징 점 세트 내의 특징 점들 중 최 외각에 위치하는 두 개의 특징 점들을 연결하는 기준 선을 설정하는 단계;
상기 제1 특징 점 세트 내의 특징 점들 중 적어도 하나의 타겟 점을 설정하는 단계;
렌즈에 미리 설정된 Ru 값 및 Rd 값을 이용하여 생성된 테일러 급수로 표현되는 상기 렌즈의 왜곡 모델에 기초하여 상기 타겟 영상을 생성한 카메라의 광축 및 초점 거리를 계산하는 단계 - 상기 Ru 값은 상기 렌즈에 의한 왜곡이 없는 경우 하나의 점이 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타내고, 상기 Rd 값은 상기 렌즈에 의한 왜곡이 있는 경우 상기 하나의 점이 상기 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타냄 -; 및
상기 계산된 광축 및 상기 초점 거리에 기초하여 상기 타겟 영상을 보정하는 단계
를 포함하고,
상기 카메라의 광축 및 초점 거리를 계산하는 단계는,
상기 왜곡 모델에 기초하여 상기 타겟 점의 위치를 변환하는 타겟 함수를 생성하는 단계;
참조 광축 및 참조 초점 거리에 기초하여 상기 타겟 함수를 이용하여 상기 기준 선 및 상기 타겟 점의 위치를 변환하는 단계;
위치가 변환된 상기 타겟 점 및 상기 기준 선 간의 거리를 계산하는 단계; 및
상기 계산된 거리가 미리 설정된 임계치 미만인 경우 상기 참조 광축 및 상기 참조 초점 거리를 상기 광축 및 상기 초점 거리로 결정하는 단계
를 포함하고,
상기 타겟 함수는 아래의 [수학식 1] 및 [수학식 2]로 표현되고,
[수학식 1]
[수학식 2]
상기 [수학식 1] 및 [수학식 2]에서 F는 조정되는 초점 거리이고, Pp는 픽셀 피치에 관한 값이고, Cx 및 Cy는 광축에 의해 결정되는 상기 타겟 영상의 x축 중심 좌표 및 y축 중심 좌표이고, Ix 및 Iy는 상기 타겟 영상 내의 상기 타겟 점의 x축 좌표 및 y축 좌표이고, x 및 y는 왜곡되지 않은 영상 내에서의 상기 타겟 점의 x축 좌표 및 y축 좌표를 의미하는,
왜곡 영상 보정 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는,
상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계
를 더 포함하는,
왜곡 영상 보정 방법.
- 제7항에 있어서,
상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계는,
Levenberg-Marquard 알고리즘을 이용하여 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계
를 포함하는,
왜곡 영상 보정 방법.
- 제1항, 제7항 및 제8항 중 어느 한 항의 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
- 왜곡 영상을 보정하는 방법을 수행하는 전자 장치는,
왜곡 영상을 보정하는 프로그램이 기록된 메모리; 및
상기 프로그램을 수행하는 프로세서
를 포함하고,
상기 프로그램은,
참조 패턴을 촬영함으로써 생성된 타겟 영상을 수신하는 단계;
상기 타겟 영상 내의 복수의 특징 점들을 검출하는 단계;
상기 복수의 특징 점들에 기초하여 제1 특징 점 세트를 생성하는 단계;
상기 제1 특징 점 세트 내의 특징 점들 중 최 외각에 위치하는 두 개의 특징 점들을 연결하는 기준 선을 설정하는 단계;
상기 제1 특징 점 세트 내의 특징 점들 중 적어도 하나의 타겟 점을 설정하는 단계;
렌즈에 미리 설정된 Ru 값 및 Rd 값을 이용하여 생성된 테일러 급수로 표현되는 상기 렌즈의 왜곡 모델에 기초하여 상기 타겟 영상을 생성한 카메라의 광축 및 초점 거리를 계산하는 단계 - 상기 Ru 값은 상기 렌즈에 의한 왜곡이 없는 경우 하나의 점이 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타내고, 상기 Rd 값은 상기 렌즈에 의한 왜곡이 있는 경우 상기 하나의 점이 상기 영상 평면에 투영될 때, 상기 광축과 상기 투영된 점 사이의 거리를 나타냄 -; 및
상기 계산된 광축 및 상기 초점 거리에 기초하여 상기 타겟 영상을 보정하는 단계
를 수행하고,
상기 카메라의 광축 및 초점 거리를 계산하는 단계는,
상기 왜곡 모델에 기초하여 상기 타겟 점의 위치를 변환하는 타겟 함수를 생성하는 단계;
참조 광축 및 참조 초점 거리에 기초하여 상기 타겟 함수를 이용하여 상기 기준 선 및 상기 타겟 점의 위치를 변환하는 단계;
위치가 변환된 상기 타겟 점 및 상기 기준 선 간의 거리를 계산하는 단계; 및
상기 계산된 거리가 미리 설정된 임계치 미만인 경우 상기 참조 광축 및 상기 참조 초점 거리를 상기 광축 및 상기 초점 거리로 결정하는 단계
를 포함하고,
상기 타겟 함수는 아래의 [수학식 1] 및 [수학식 2]로 표현되고,
[수학식 1]
[수학식 2]
상기 [수학식 1] 및 [수학식 2]에서 F는 조정되는 초점 거리이고, Pp는 픽셀 피치에 관한 값이고, Cx 및 Cy는 광축에 의해 결정되는 상기 타겟 영상의 x축 중심 좌표 및 y축 중심 좌표이고, Ix 및 Iy는 상기 타겟 영상 내의 상기 타겟 점의 x축 좌표 및 y축 좌표이고, x 및 y는 왜곡되지 않은 영상 내에서의 상기 타겟 점의 x축 좌표 및 y축 좌표를 의미하는,
전자 장치.
- 제10항에 있어서,
상기 타겟 영상을 생성하는 카메라
를 더 포함하는,
전자 장치.
- 삭제
- 삭제
- 삭제
- 제10항에 있어서,
상기 기준 선 및 상기 타겟 점에 기초하여 상기 카메라의 광축 및 상기 초점 거리를 계산하는 단계는,
상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계
를 더 포함하는,
전자 장치.
- 제15항에 있어서,
상기 계산된 거리가 미리 설정된 임계치 이상인 경우 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계는,
Levenberg-Marquard 알고리즘을 이용하여 상기 참조 광축 및 상기 참조 초점 거리를 조정하는 단계
를 포함하는,
전자 장치.
- 제10항에 있어서,
상기 전자 장치는 차량에 포함되는,
전자 장치.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190069720A KR102167828B1 (ko) | 2019-06-13 | 2019-06-13 | 왜곡 영상을 보정하는 방법 및 장치 |
JP2021564326A JP7361414B2 (ja) | 2019-06-13 | 2020-01-15 | 歪曲映像を補正する方法及び装置 |
PCT/KR2020/000709 WO2020251129A1 (ko) | 2019-06-13 | 2020-01-15 | 왜곡 영상을 보정하는 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190069720A KR102167828B1 (ko) | 2019-06-13 | 2019-06-13 | 왜곡 영상을 보정하는 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102167828B1 true KR102167828B1 (ko) | 2020-10-20 |
Family
ID=73025281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190069720A KR102167828B1 (ko) | 2019-06-13 | 2019-06-13 | 왜곡 영상을 보정하는 방법 및 장치 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7361414B2 (ko) |
KR (1) | KR102167828B1 (ko) |
WO (1) | WO2020251129A1 (ko) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110068375A (ko) * | 2009-12-16 | 2011-06-22 | (주) 에투시스템 | 어안 렌즈를 구비하는 카메라 모듈에 의해 획득된 영상의 왜곡 보정을 위한 파라미터 조정 방법 |
US20130322698A1 (en) * | 2010-10-01 | 2013-12-05 | Saab Ab | Method and an apparatus for image-based navigation |
KR20150002995A (ko) * | 2013-06-28 | 2015-01-08 | (주) 세인 | Fov왜곡 보정 모델에 2d패턴을 적용한 왜곡중심 보정 방법 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006059270A (ja) * | 2004-08-23 | 2006-03-02 | Medeikku Engineering:Kk | 画像の歪み補正方法 |
JP4236202B2 (ja) * | 2005-10-25 | 2009-03-11 | 日揮プランテック株式会社 | モデリング装置およびカメラパラメータの計算方法 |
KR101249791B1 (ko) * | 2011-05-23 | 2013-04-03 | 아진산업(주) | 차량 어라운드 뷰 영상 생성 방법 |
KR20120134962A (ko) * | 2011-06-04 | 2012-12-12 | 제노젠(주) | 패턴시트 상의 좌표패턴으로부터 좌표를 인식하는 방법 |
JP6088944B2 (ja) * | 2013-08-30 | 2017-03-01 | 日立建機株式会社 | 作業機械の周囲監視装置 |
JP6473769B2 (ja) * | 2017-02-24 | 2019-02-20 | 国立大学法人東京工業大学 | 補正量演算装置、補正装置及び補正量演算方法 |
-
2019
- 2019-06-13 KR KR1020190069720A patent/KR102167828B1/ko active IP Right Grant
-
2020
- 2020-01-15 JP JP2021564326A patent/JP7361414B2/ja active Active
- 2020-01-15 WO PCT/KR2020/000709 patent/WO2020251129A1/ko active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110068375A (ko) * | 2009-12-16 | 2011-06-22 | (주) 에투시스템 | 어안 렌즈를 구비하는 카메라 모듈에 의해 획득된 영상의 왜곡 보정을 위한 파라미터 조정 방법 |
US20130322698A1 (en) * | 2010-10-01 | 2013-12-05 | Saab Ab | Method and an apparatus for image-based navigation |
KR20150002995A (ko) * | 2013-06-28 | 2015-01-08 | (주) 세인 | Fov왜곡 보정 모델에 2d패턴을 적용한 왜곡중심 보정 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7361414B2 (ja) | 2023-10-16 |
WO2020251129A1 (ko) | 2020-12-17 |
JP2022534659A (ja) | 2022-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10504242B2 (en) | Method and device for calibrating dual fisheye lens panoramic camera, and storage medium and terminal thereof | |
JP6394005B2 (ja) | 投影画像補正装置、投影する原画像を補正する方法およびプログラム | |
CN109151301B (zh) | 包括相机模块的电子装置 | |
US20180150949A1 (en) | Image Processing Device | |
JP6682336B2 (ja) | カメラシステム、及びカメラ本体 | |
JP5961945B2 (ja) | 画像処理装置、その画像処理装置を有するプロジェクタ及びプロジェクタシステム、並びに、画像処理方法、そのプログラム、及び、そのプログラムを記録した記録媒体 | |
KR102545667B1 (ko) | 인공 신경망을 이용한 이미지 처리 방법 및 이를 지원하는 전자 장치 | |
CN112819896B (zh) | 传感器的标定方法及装置、存储介质和标定系统 | |
WO2019171984A1 (ja) | 信号処理装置、信号処理方法、及び、プログラム | |
JP2016100698A (ja) | 校正装置、校正方法、プログラム | |
CN107492080B (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
EP3506204B1 (en) | Image processing system, method and program therefor | |
US9158183B2 (en) | Stereoscopic image generating device and stereoscopic image generating method | |
KR102297683B1 (ko) | 복수의 카메라들을 캘리브레이션하는 방법 및 장치 | |
CN111337010B (zh) | 可移动设备的定位方法、定位装置及电子设备 | |
KR102167828B1 (ko) | 왜곡 영상을 보정하는 방법 및 장치 | |
JP2017032280A (ja) | 角度算出システム、角度算出装置、プログラム、および角度算出方法 | |
JP4855278B2 (ja) | カメラパラメータ取得装置 | |
CN116681732B (zh) | 一种基于复眼形态视觉的目标运动识别方法及系统 | |
US11024015B2 (en) | Image processing apparatus and distortion correction coefficient calculation method | |
JP7297606B2 (ja) | 画像処理装置 | |
US10868962B2 (en) | Image capturing apparatus performing image stabilization, control method thereof, and storage medium | |
CN111353945B (zh) | 鱼眼图像校正方法、装置及存储介质 | |
KR20200033601A (ko) | 영상 처리 장치 및 방법 | |
KR20200032442A (ko) | 자기보정이 가능한 3차원 정보 생성 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |