CN103177439A - 一种基于黑白格角点匹配的自动标定方法 - Google Patents

一种基于黑白格角点匹配的自动标定方法 Download PDF

Info

Publication number
CN103177439A
CN103177439A CN2012104863580A CN201210486358A CN103177439A CN 103177439 A CN103177439 A CN 103177439A CN 2012104863580 A CN2012104863580 A CN 2012104863580A CN 201210486358 A CN201210486358 A CN 201210486358A CN 103177439 A CN103177439 A CN 103177439A
Authority
CN
China
Prior art keywords
point
image
black
coordinate
angle 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.)
Granted
Application number
CN2012104863580A
Other languages
English (en)
Other versions
CN103177439B (zh
Inventor
胡元峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huizhou Foryou General Electronics Co Ltd
Original Assignee
Huizhou Foryou General Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huizhou Foryou General Electronics Co Ltd filed Critical Huizhou Foryou General Electronics Co Ltd
Priority to CN201210486358.0A priority Critical patent/CN103177439B/zh
Publication of CN103177439A publication Critical patent/CN103177439A/zh
Application granted granted Critical
Publication of CN103177439B publication Critical patent/CN103177439B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种基于黑白格角点匹配的自动标定方法，采用黑白格的标定布作为标定模板以及改进的harris角点检测算法分别检测图像的角点并建立角点之间的位置关系形成角点网格；对图片进行畸变校正和拼接；并计算无畸变图像中的角点坐标与最终的虚拟全景鸟瞰视图中角点真实坐标的单应性矩阵；根据虚拟鸟瞰摄像机的位置和单应性矩阵进行视角变换，求出该坐标系中的图像点与原始图像点之间的对应关系，生成查找表。本发明针对改进Harris角点检测算法简单而实用，同时可以很好的实现对角点位置关系的判断，形成正确的角点网格；采用查表的方式来实现标定以后输出视图的生成，速度快，很好的满足了实时性的要求。

Description

一种基于黑白格角点匹配的自动标定方法
技术领域
本发明涉及数字图像处理与计算机视觉技术，特别地，涉及全景泊车***的摄像机标定方法。
背景技术
我国是一个交通事故严重的国家，每年的死亡人数和致死率都不容乐观。减少交通事故不仅要在主观上增强安全意识，客观上更要提高汽车本身安全驾驶的可靠性。现存的各式各样的辅助驾驶工具就是为了解决这个问题。汽车安全保障***大体可以分为被动和主动***，前者主要包括安全带、安全气囊等，虽然能降低事故伤亡程度，但并不能防止事故的发生。后者则主要利用各类传感器如，超声波、雷达、红外热传感器和摄像机等。它们能够为驾驶员决策提供障碍物等路况信息。同时，主动安全保障***也构成了智能交通***的重要组成部分。在上述所有的方法中，摄像机具有低成本、易维护和高集成性等优点，因此得到了广泛的应用。
随着图像处理和计算机视觉的快速发展，越来越多的先进技术被应用到汽车电子领域。传统的基于图像的辅助驾驶，只在汽车车尾安装倒车摄像头，只能覆盖汽车周围有限的区域，而车两侧和前方的视觉盲区无疑增加了安全驾驶的隐患。为了扩大驾驶员的视野范围，就必须感知汽车四周360°环境，这就需要多个视觉传感器之间信息融合和配准。多个视觉传感器之间的相互位置和姿态关系参数从特定的测量传感器获得，这就使融合配准的结果严重依赖于精确的位置和姿态参数。
发明内容
本发明针对汽车的全景摄像辅助***，本发明提供一种的能够获得车身周围的虚拟鸟瞰全景图的设计方案。
一种基于黑白格角点匹配的自动标定方法，包括以下步骤：
（1）采用黑白格的标定布作为标定模板，对摄像机采集到的汽车的前后左右四个方向的黑白格图像采用改进的harris角点检测算法分别检测图像的角点； 
（2） 对（1）中检测到的四幅图像通过黑白格匹配算法计算黑白格内部角点并建立角点之间的位置关系，形成角点网格；
（3） 根据（2）中得到的角点网格计算四个畸变图像的畸变中心点；
（4） 根据（3）中求出的畸变图像的畸变中心点、焦距以及镜头模型进行图像的畸变校正，把四幅图像校正为无畸变的图像；
（5） 根据车长、车宽以及实际视野的大小来计算最终输出视图的大小，并根据最终输出视图的大小计算四幅无畸变图像的角点在虚拟鸟瞰全景图中的相对坐标以及在虚拟鸟瞰全景图视图中拼接与融合后的真实坐标位置；
（6） 根据（4）中得到的无畸变的图像，求出无畸变图像中的角点坐标与（5）中得到的虚拟鸟瞰全景图中角点真实坐标的单应性矩阵；
（7） 根据虚拟鸟瞰摄像机的位置和（6）中的单应性矩阵进行视角变换，把四幅图像变换到以虚拟鸟瞰摄像机作为原点的虚拟鸟瞰摄像机的坐标系；
（8） 根据（7）中的虚拟鸟瞰摄像机的坐标系，求出该坐标系中的图像点与原始图像点之间的对应关系，生成查找表。
所述改进harris角点检测改进算法为：
 （1）采用水平梯度算子
Figure 2012104863580100002DEST_PATH_IMAGE001
，
垂直梯度算子
Figure 3823DEST_PATH_IMAGE002
，
求得每个像素的水平梯度和垂直梯度和
Figure 63921DEST_PATH_IMAGE004
，并生成矩阵
Figure 2012104863580100002DEST_PATH_IMAGE005
，其中·
（2）对
Figure 574241DEST_PATH_IMAGE008
，
Figure 2012104863580100002DEST_PATH_IMAGE009
 以及
Figure 374838DEST_PATH_IMAGE010
分别通过二阶高斯滤波函数
进行高斯滤波，其中
Figure 910730DEST_PATH_IMAGE012
为
Figure 175490DEST_PATH_IMAGE008
，
Figure 887270DEST_PATH_IMAGE009
 以及中的元素的标准差， 
Figure 2012104863580100002DEST_PATH_IMAGE013
和
Figure 875265DEST_PATH_IMAGE014
是高斯模板中的元素的坐标和模板中心元素的坐标的差值。分别对，
Figure 948318DEST_PATH_IMAGE009
 和
Figure 661191DEST_PATH_IMAGE010
三个矩阵进行高斯滤波之后，再组成新矩阵。
（3）计算原图像上每个像素点的兴趣值，即R值：
Figure 479498DEST_PATH_IMAGE016
，
每个像素点对应的矩阵
Figure 951806DEST_PATH_IMAGE015
对应的两个特征值。
（4）建立一个与图像同等大小的全零矩阵result来保存角点结果，依次搜索所有点对应的矩阵
Figure 515642DEST_PATH_IMAGE015
的特征值，看是否两个都大于一定的阈值，满足条件的点在result中赋值为1。
（5）设定一个特定大小的窗口，让窗口在图像上移动，一个窗口中可能存在多个上一步中求出的角点，选择其中使得R的值最小的点作为角点，其余赋值为0。
所述黑白格匹配算法为：
（1）对图像进行高斯滤波，其中高斯模板为：
Figure 2012104863580100002DEST_PATH_IMAGE017
；
（2）根据检测到角点的坐标，在每个角点坐标分别在x方向和y方向的坐标值加上一个预设的数值，若加上预设的数值后坐标值x方向或y方向的坐标值小于0或者大于图像的最大坐标，则表示该角点为图像边缘角点，应该被舍去。
（3）以黑白格内部或者边缘角点为圆心，以相邻两个角点之间距离的一半为半径分别做圆，绕圆一周，若圆周的颜色变化不为两次或四次，则将对应的角点去除。
（4）通过判断角点之间的位置关系、角度关系、距离关系、黑白格规律等几步判断来找出角点之间的相对位置。
（5）通过所有角点之间位置邻近关系的判定，形成角点网格。
所述的黑白格规律为：针对角点1和角点2，取角点1和角点2的连接线为长，并取该连接线的一半为宽分别在连接线的两侧做矩形，并为两个矩形分别作对角线，若两矩形的对角线与除连接线外相对应的长的颜色分别一致，则角点1和角点2相邻，否则为不相邻。
所述计算四个畸变图像的畸变中心点通过拟合圆的方式计算，方法如下：
（1）把角点网格的每行和每列分别通过最小二乘法拟合圆。
（2）依次取两个行拟合的圆和两个列拟合的圆来求鱼眼镜头的畸变中心点。
（3）将求出的所有畸变中心点取平均值作为最终的畸变中心点。
所述畸变校正的方法为：
Figure 574865DEST_PATH_IMAGE018
其中
Figure 2012104863580100002DEST_PATH_IMAGE019
是待校正图像
Figure 882350DEST_PATH_IMAGE020
上的一点，
Figure 2012104863580100002DEST_PATH_IMAGE021
是点a在校正后的图像的相对应的一点，
Figure 2012104863580100002DEST_PATH_IMAGE023
是点
Figure 150093DEST_PATH_IMAGE021
到
Figure 696612DEST_PATH_IMAGE024
图像中心的欧式距离。是
Figure 40744DEST_PATH_IMAGE026
的光心，
Figure 2012104863580100002DEST_PATH_IMAGE027
是摄像头的焦距，镜头投影模型为
Figure 989108DEST_PATH_IMAGE028
，
Figure 2012104863580100002DEST_PATH_IMAGE029
是点
Figure 894747DEST_PATH_IMAGE019
的入射角。
Figure 928562DEST_PATH_IMAGE030
是
Figure 640167DEST_PATH_IMAGE022
的中心点。
所述单应性矩阵的求解方法为：
建立虚拟鸟瞰摄像机角点坐标
Figure 2012104863580100002DEST_PATH_IMAGE031
与无畸变图像的角点坐标
Figure 147765DEST_PATH_IMAGE032
的单应性矩阵L：
建立虚拟鸟瞰摄像机角点坐标
Figure 224305DEST_PATH_IMAGE031
与无畸变图像的角点坐标的单应性矩阵L公式：
    ，
Figure 431350DEST_PATH_IMAGE034
；
当拍摄的区域为水平面时，
Figure 2012104863580100002DEST_PATH_IMAGE035
，则
Figure 291990DEST_PATH_IMAGE036
，
Figure 2012104863580100002DEST_PATH_IMAGE037
；
其中
Figure 539432DEST_PATH_IMAGE038
是L中的元素，可根据四幅畸变校正后的图像的角点网格坐标与虚拟鸟瞰全景图的坐标的位置关系计算得出。
所述视角变换的方法为：
Figure 2012104863580100002DEST_PATH_IMAGE039
，
根据上式计算无畸变图像的角点坐标系中的点
Figure 795443DEST_PATH_IMAGE040
进行视觉变换后虚拟鸟瞰摄像机角点的水平面坐标系
Figure 2012104863580100002DEST_PATH_IMAGE041
。
所述查找表格的生成方法为，虚拟鸟瞰全景图的每个点根据单应性矩阵可计算出改点在畸变校正之后的点的坐标，再经过畸变校正的逆变换计算出该点在原始的畸变图像中的坐标，并依此关系生成查找表格。
综上所述，本发明具有以下有益效果：（1）本发明可以达到很好的角点提取效果，针对Harris角点检测算法的不足，提出了一种简单而实用的改进算法；（2）采用寻找角点关系的算法，可以很好的实现对角点位置关系的判断，形成正确的角点网格；（3）本发明采用查表的方式来实现标定以后输出视图的生成，速度快，很好的满足了实时性的要求。
附图说明
图1为本发明所述基于黑白格角点匹配的自动标定方法的整体流程示意图；
图2为本发明所述用于坐标标定的黑白格标定模板示意图；
图3为鱼眼镜头拍摄的鱼眼图像；
图4为畸变校正之后的图像；
图5为黑白格边缘角点判断示意图；
图6为黑白格规律示意图。
具体实施方式
为了让本领域的技术人员能够更好地了解本发明的技术方案，下面结合附图对本发明作进一步的阐述。
如图1所示，本发明揭示了一种基于黑白格角点匹配的自动标定方法，包括以下步骤：（1）采用黑白格的标定布作为标定模板（如图2所示），对采集到的汽车的前后左右四个方向的黑白格图像进行黑白格角点检测，角点检测运用改进的harris角点检测算法。
（2） 对（1）中检测到的四幅图像通过黑白格匹配算法计算黑白格内部角点并建立角点之间的位置关系，形成角点网格。
（3） 根据（2）中得到的角点网格计算四个畸变图像的畸变中心点。
（4） 根据（3）中求出的畸变图像的畸变中心点、焦距以及镜头模型进行图像的畸变校正，把四幅图像校正为无畸变的图像。
（5） 根据车长、车宽以及实际视野的大小来计算最终输出视图的大小（即下述的虚拟鸟瞰全景图），并根据最终输出视图的大小计算四幅图像的角点在虚拟鸟瞰全景图中的相对坐标以及在虚拟鸟瞰全景图视图中拼接与融合后的真实坐标位置。
（6） 根据（4）中得到的无畸变的图像，求出无畸变图像中的角点坐标与（5）中得到的虚拟鸟瞰全景图中角点真实坐标的单应性矩阵。
    （7） 根据虚拟鸟瞰摄像机的位置和（6）中的单应性矩阵进行视角变换，把四幅图像变换到以虚拟鸟瞰摄像机作为原点的虚拟鸟瞰摄像机的坐标系；
（8） 根据（7）中的虚拟鸟瞰摄像机的坐标系，求出该坐标系中的图像点与原始图像点之间的对应关系，生成查找表。
鱼眼摄像机拍摄的鱼眼图像如图3所示，运用harris角点检测算法对鱼眼图像进行处理，首先采用水平梯度算子
Figure 786533DEST_PATH_IMAGE001
，
垂直梯度算子
Figure 563996DEST_PATH_IMAGE002
，
求得每个像素的水平梯度和垂直梯度和
Figure 540360DEST_PATH_IMAGE004
，并生成矩阵：
Figure 568096DEST_PATH_IMAGE005
，其中·
Figure 117206DEST_PATH_IMAGE007
。
接着，对
Figure 896943DEST_PATH_IMAGE008
， 以及
Figure 44208DEST_PATH_IMAGE010
分别通过二阶高斯滤波函数
，
进行高斯滤波，其中
Figure 510535DEST_PATH_IMAGE012
为数据的标准差， 
Figure 709435DEST_PATH_IMAGE013
和是模板中的元素的坐标和模板中心元素的坐标的差值。分别对
Figure 309361DEST_PATH_IMAGE008
，
Figure 1373DEST_PATH_IMAGE009
 和三个矩阵进行高斯滤波之后，再组成新矩阵
Figure 465033DEST_PATH_IMAGE015
。
    设
Figure 2012104863580100002DEST_PATH_IMAGE043
和
Figure 65516DEST_PATH_IMAGE044
具体某个像素对应的矩阵
Figure 244824DEST_PATH_IMAGE015
的两个特征值，由KLT角点检测算法可知，当和
Figure 723210DEST_PATH_IMAGE044
都大于某个阈值的时候，就可以确定该点为角点。建立一个与图像同等大小的全零矩阵result来保存角点结果，依次搜索所有点对应的矩阵
Figure 38785DEST_PATH_IMAGE015
的特征值，看是否两个都大于一定的阈值，满足条件的点在result中赋值为1。
但由于黑白棋盘格的特殊性，只有在黑白格的交点处才存在角点，于是必须将不必要的角点或伪角点去除，为了获得真正的角点，首先计算原图像上每个像素点的兴趣值，即R值：
，
设定一个特定大小的窗口，让窗口在图像上移动，一个窗口中可能存在多个上一步骤中求出的角点，选择其中使得R的值最小的点做为角点，其余赋值为0，则此时result矩阵中值为1的元素对应的像素点为真正的角点。
角点检测完成之后，对检测出来的角点进行角点匹配，并形成角点网格。
首先对图像进行高斯滤波，使其模糊化，目的是使数字图像中黑白格交界处的边界不那么明显，有利于后续处理。高斯模板为：
。
接着根据检测到的角点的坐标，在每个角点坐标分别在x方向和y方向加上10，如果x方向或y方向小于0或者大于图像的最大坐标，则表示该角点为图像边缘角点，应该被舍去。如图5所示，以黑白格内部或者边缘角点为圆心，以两个角点之间距离的一半为半径做圆，绕此圆一周，则黑白格内部的角点会经历四次颜色变化，黑白格边缘的角点会经历两次颜色变化。判断其是否属于黑白格内部或者边缘角点，若不属于则将该角点去除掉。
通过判断角点之间的位置关系、角度关系、距离关系、黑白格规律等几步判断来找出角点之间的相对位置。其中，如图6所示，黑白格规律为：针对角点1和角点2，取角点1和角点2的连接线为长，并取该连接线的一半为宽分别在连接线的两侧做矩形，并为两个矩形分别作对角线，若两矩形的对角线与除连接线外相对应的长的颜色分别一致，则角点1和角点2相邻，否则为不相邻。
通过所有角点之间位置邻近关系的判定，形成角点网格，形成角点网格之后，再通过拟合圆来求图像的畸变中心点，具体步骤如下：
把角点网格的每行和每列分别通过最小二乘法拟合圆，然后依次取两个行拟合的圆和两个列拟合的圆来求鱼眼镜头的畸变中心点，并取所有畸变中心点取平均值作为最终的畸变中心点。
此时，根据畸变中心点对畸变图像进行畸变校正。假设畸变校正之前图像的任意坐标为
Figure 56496DEST_PATH_IMAGE046
,校正之后图像
Figure 828143DEST_PATH_IMAGE022
的点
Figure 716465DEST_PATH_IMAGE046
相对应一点的坐标为
Figure DEST_PATH_IMAGE047
，畸变中心点的坐标为（即
Figure 325355DEST_PATH_IMAGE026
的光心）。畸变校正的过程就是找出两个坐标系之间的关系，然后通过双线性插值来求出畸变校正之后图像的过程。其方法如下：
，
其中，
Figure 205587DEST_PATH_IMAGE050
是点
Figure DEST_PATH_IMAGE051
到
Figure 581204DEST_PATH_IMAGE052
图像中心的欧式距离。是摄像头的焦距，镜头投影模型为
Figure DEST_PATH_IMAGE053
，
Figure 412074DEST_PATH_IMAGE054
是点
Figure 964671DEST_PATH_IMAGE046
的入射角。是
Figure 827585DEST_PATH_IMAGE052
的中心点。
如上式所示，首先计算坐标
Figure 51893DEST_PATH_IMAGE056
到畸变图像中心点的距离，通过
Figure 316652DEST_PATH_IMAGE058
求出入射角
Figure 273107DEST_PATH_IMAGE054
。
通过镜头模型求出畸变图像中与对应的点
Figure 149851DEST_PATH_IMAGE056
到畸变图像中心点的距离
Figure DEST_PATH_IMAGE059
。由以上可得到
Figure 269117DEST_PATH_IMAGE052
和
Figure 724369DEST_PATH_IMAGE060
的对应关系
Figure DEST_PATH_IMAGE061
从而可得到畸变校正之后的图像，如图4所示（本图由实物拍摄而得，有少许形变，但并不影响表达）。
要生成将四幅图融合成一幅虚拟鸟瞰全景图，就必须根据车长、车宽以及实际视野的大小来计算最终输出视图（即虚拟鸟瞰全景图）的大小，并由此计算出四幅图像的角点在虚拟鸟瞰全景图视图中的相对坐标以及在虚拟鸟瞰全景图视图中拼接与融合后的真实坐标位置。
根据生成的虚拟鸟瞰全景图建立虚拟鸟瞰摄像机的坐标系
Figure 296296DEST_PATH_IMAGE062
，再与畸变校正后的图像
Figure DEST_PATH_IMAGE063
（此处坐标系为），依据虚拟鸟瞰全景图中的角点的坐标与畸变校正之后图像的角点坐标之间的关系可以求出畸变校正之后图像与虚拟鸟瞰全景图之间的单应性矩阵，根据DLT算法有：
Figure 529187DEST_PATH_IMAGE033
，，
当拍摄的区域为水平面时，可认为
Figure 214563DEST_PATH_IMAGE035
，则：
Figure 522048DEST_PATH_IMAGE036
，
Figure 678223DEST_PATH_IMAGE037
，
其中是L中的元素，可根据四幅畸变校正后的图像的角点网格坐标与虚拟鸟瞰全景图的坐标的位置关系得到一个八元一次方程组，再使用最小二乘法求解此方程组的最优解，解出单应性矩阵L。
所述视角变换的方法为：
，
根据上式计算无畸变图像的角点坐标系中的点
Figure 365928DEST_PATH_IMAGE040
进行视觉变换后虚拟鸟瞰摄像机角点的水平面坐标系
Figure 376609DEST_PATH_IMAGE041
。
虚拟鸟瞰全景图的某个点
Figure 2012104863580100002DEST_PATH_IMAGE065
由单应性矩阵可计算出点
Figure 282248DEST_PATH_IMAGE065
在畸变校正之后的点的坐标
Figure 316063DEST_PATH_IMAGE066
，再经过畸变校正的逆变换计算出点
Figure 27667DEST_PATH_IMAGE065
在原始的畸变图像中的坐标点
Figure DEST_PATH_IMAGE067
。根据上述方法可以生成虚拟鸟瞰全景图与原始的畸变图像的像素点对应关系的查找表格，这样就完成了最终的***标定，在进行虚拟的全景鸟瞰图的显示时就可以根据查找表格直接找出虚拟鸟瞰全景图与原始的畸变图像的图像像素之间的对应关系，然后通过双线性插值来生成视图，这样就可以形成一幅完整的虚拟鸟瞰全景图。
本实施例只是本发明的较优实施方式，需要说明的是，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (9)

1.一种基于黑白格角点匹配的自动标定方法，其特征在于：包括以下步骤：
（1）采用黑白格的标定布作为标定模板，对摄像机采集到的汽车的前后左右四个方向的黑白格图像采用改进的harris角点检测算法分别检测图像的角点； 
（2） 对（1）中检测到的四幅图像通过黑白格匹配算法计算黑白格内部角点并建立角点之间的位置关系，形成角点网格；
（3） 根据（2）中得到的角点网格计算四个畸变图像的畸变中心点；
（4） 根据（3）中求出的畸变图像的畸变中心点、焦距以及镜头模型进行图像的畸变校正，把四幅图像校正为无畸变的图像；
（5） 根据车长、车宽以及实际视野的大小来计算最终输出视图的大小，并根据最终输出视图的大小计算四幅无畸变的图像的角点在虚拟鸟瞰全景图中的相对坐标以及在虚拟鸟瞰全景图视图中拼接与融合后的真实坐标位置；
（6） 根据（4）中得到的无畸变的图像，求出无畸变图像中的角点坐标与（5）中得到的虚拟鸟瞰全景图中角点真实坐标的单应性矩阵；
（7） 根据虚拟鸟瞰摄像机的位置和（6）中的单应性矩阵进行视角变换，把四幅无畸变的图像变换到以虚拟鸟瞰摄像机作为原点的虚拟鸟瞰摄像机的坐标系；
（8） 根据（7）中的虚拟鸟瞰摄像机的坐标系，求出该坐标系中的图像点与原始图像点之间的对应关系，生成查找表。
2.根据权利要求1所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述改进的harris角点检测算法为：
 （1）采用水平梯度算子
Figure 539217DEST_PATH_IMAGE001
，
垂直梯度算子
Figure 678075DEST_PATH_IMAGE002
，
求得每个像素的水平梯度和垂直梯度
Figure 825285DEST_PATH_IMAGE003
和，并生成矩阵
，其中
Figure 494666DEST_PATH_IMAGE006
·
Figure 627707DEST_PATH_IMAGE007
（2）对
Figure 244896DEST_PATH_IMAGE008
，
Figure 146993DEST_PATH_IMAGE009
 以及
Figure 627653DEST_PATH_IMAGE010
分别通过二阶高斯滤波函数
Figure 247990DEST_PATH_IMAGE011
进行高斯滤波，其中
Figure 901825DEST_PATH_IMAGE012
为
Figure 596111DEST_PATH_IMAGE008
，
Figure 77034DEST_PATH_IMAGE009
 以及
Figure 919088DEST_PATH_IMAGE010
中的元素的标准差， 和
Figure 253303DEST_PATH_IMAGE014
是高斯模板中的元素的坐标和模板中心元素的坐标的差值；分别对
Figure 75765DEST_PATH_IMAGE008
，
Figure 906581DEST_PATH_IMAGE009
 和三个矩阵进行高斯滤波之后，再组成新矩阵
Figure 898993DEST_PATH_IMAGE015
；
（3）计算原图像上每个像素点的兴趣值，即R值：
Figure 892357DEST_PATH_IMAGE016
，
其中
Figure 709003DEST_PATH_IMAGE017
和
Figure 21516DEST_PATH_IMAGE018
是每个像素点对应的矩阵
Figure 607218DEST_PATH_IMAGE015
对应的两个特征值；
（4）建立一个与图像同等大小的全零矩阵result来保存角点结果，依次搜索所有像素对应的矩阵
Figure 37062DEST_PATH_IMAGE015
的特征值，看是否两个都大于一定的阈值，满足条件的点在result中赋值为1；
（5）设定一个特定大小的窗口，让窗口在图像上移动，一个窗口中可能存在多个上一步中求出的角点，选择其中使得R的值最小的点作为角点，其余赋值为0。
3.根据权利要求1所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述黑白格匹配算法为
（1）对图像进行高斯滤波，其中高斯模板为：
；
（2）根据检测到的角点的坐标，在每个角点坐标分别在x方向和y方向的坐标值加上一个预设的数值，若加上预设的数值后坐标值x方向或y方向的坐标值小于0或者大于图像的最大坐标，则表示该角点为图像边缘角点，应该被舍去；
（3）以黑白格内部或者边缘角点为圆心，以相邻两个角点之间距离的一半为半径分别做圆，绕圆一周，若圆周的颜色变化不为两次或四次，则将对应的角点去除；
（4）通过判断角点之间的位置关系、角度关系、距离关系、黑白格规律等几步判断来找出角点之间的相对位置；
（5）通过所有角点之间位置邻近关系的判定，形成角点网格。
4.根据权利要求3所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述的黑白格规律为：针对角点1和角点2，取角点1和角点2的连接线为长，并取该连接线的一半为宽分别在连接线的两侧做矩形，并为两个矩形分别作对角线，若两矩形的对角线与除连接线外相对应的长的颜色分别一致，则角点1和角点2相邻，否则为不相邻。
5.根据权利要求1所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述计算四个畸变图像的畸变中心点通过拟合圆的方式计算，方法如下：
（1）把角点网格的每行和每列分别通过最小二乘法拟合圆；
（2）依次取两个行拟合的圆和两个列拟合的圆来求畸变中心点；
（3）将求出的所有畸变中心点取平均值作为最终的畸变中心点。
6.根据权利要求1所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述畸变校正的方法为：
Figure 678445DEST_PATH_IMAGE020
其中
Figure 885698DEST_PATH_IMAGE021
是待校正图像
Figure 283181DEST_PATH_IMAGE022
上的一点，
Figure 74419DEST_PATH_IMAGE023
是点a在校正后的图像
Figure 215551DEST_PATH_IMAGE024
的相对应的一点，
Figure 713528DEST_PATH_IMAGE025
是点到图像中心的欧式距离；
Figure 6734DEST_PATH_IMAGE027
是
Figure 421535DEST_PATH_IMAGE028
的光心，
Figure 927865DEST_PATH_IMAGE029
是摄像头的焦距，镜头投影模型为
Figure 365800DEST_PATH_IMAGE030
，
Figure 848734DEST_PATH_IMAGE031
是点
Figure 383620DEST_PATH_IMAGE021
的入射角；
Figure 559387DEST_PATH_IMAGE032
是
Figure 48399DEST_PATH_IMAGE024
的中心点。
7.根据权利要求1所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述单应性矩阵的求解方法为：
建立虚拟鸟瞰摄像机角点坐标
Figure 335024DEST_PATH_IMAGE033
与无畸变图像的角点坐标
Figure 396521DEST_PATH_IMAGE034
的单应性矩阵L公式：
    
Figure 743189DEST_PATH_IMAGE035
，；
令拍摄的区域为水平面，此时
Figure 809813DEST_PATH_IMAGE037
，则
Figure 53712DEST_PATH_IMAGE038
，
Figure 243385DEST_PATH_IMAGE039
；
其中
Figure 205525DEST_PATH_IMAGE040
是L中的元素，可根据四幅畸变校正后的图像的角点网格坐标与虚拟鸟瞰全景图的坐标的位置关系计算得出。
8.根据权利要求1和权利要求7所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述视角变换的方法为：
Figure 771636DEST_PATH_IMAGE041
，
根据上式计算无畸变图像的角点坐标系中的点进行视觉变换后虚拟鸟瞰摄像机角点的水平面坐标系
Figure 59977DEST_PATH_IMAGE043
。
9.根据权利要求1所述的一种基于黑白格角点匹配的自动标定方法，其特征在于，所述查找表格的生成方法为，虚拟鸟瞰全景图的每个点根据单应性矩阵可计算出改点在畸变校正之后的点的坐标，再经过畸变校正的逆变换计算出该点在原始的畸变图像中的坐标，并依此关系生成查找表格。
CN201210486358.0A 2012-11-26 2012-11-26 一种基于黑白格角点匹配的自动标定方法 Expired - Fee Related CN103177439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210486358.0A CN103177439B (zh) 2012-11-26 2012-11-26 一种基于黑白格角点匹配的自动标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210486358.0A CN103177439B (zh) 2012-11-26 2012-11-26 一种基于黑白格角点匹配的自动标定方法

Publications (2)

Publication Number Publication Date
CN103177439A true CN103177439A (zh) 2013-06-26
CN103177439B CN103177439B (zh) 2015-10-28

Family

ID=48637269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210486358.0A Expired - Fee Related CN103177439B (zh) 2012-11-26 2012-11-26 一种基于黑白格角点匹配的自动标定方法

Country Status (1)

Country Link
CN (1) CN103177439B (zh)

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489165A (zh) * 2013-10-01 2014-01-01 中国人民解放军国防科学技术大学 一种面向视频拼接的小数查找表生成方法
CN103679729A (zh) * 2013-12-17 2014-03-26 中国人民解放军第二炮兵工程大学 基于彩色标定板的全自动摄像机参数标定方法
CN103824288A (zh) * 2014-02-17 2014-05-28 哈尔滨工业大学 一种针对透镜阵列的阵列图像配准模板
CN103871071A (zh) * 2014-04-08 2014-06-18 北京经纬恒润科技有限公司 一种用于全景泊车***的摄像头外参标定方法
CN103955928A (zh) * 2014-04-28 2014-07-30 华为技术有限公司 一种确定曲面镜头畸变参数的方法、装置以及电子设备
CN103996191A (zh) * 2014-05-09 2014-08-20 东北大学 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN104008548A (zh) * 2014-06-04 2014-08-27 无锡观智视觉科技有限公司 一种用于车载环视***摄像头参数标定的特征点抽取方法
CN104091322A (zh) * 2014-05-06 2014-10-08 无锡日联科技有限公司 叠片锂离子电池的检测方法
CN104596484A (zh) * 2015-01-30 2015-05-06 黄河水利委员会黄河水利科学研究院 一种黄河凌汛期流凌密度测量方法
CN105321160A (zh) * 2014-05-27 2016-02-10 穆阳 三维立体全景泊车的多摄像头标定方法
CN105447871A (zh) * 2015-12-04 2016-03-30 北京和众视野科技有限公司 定焦成像***的畸变校正算法
CN105466523A (zh) * 2014-09-12 2016-04-06 航天信息股份有限公司 基于单摄像机图像的堆粮高度的测量方法和装置
CN105791655A (zh) * 2014-12-19 2016-07-20 宁波舜宇光电信息有限公司 一种计算摄像模组的镜头畸变的方法
CN105809701A (zh) * 2016-03-25 2016-07-27 成都易瞳科技有限公司 全景视频姿态标定方法
CN105818746A (zh) * 2015-01-05 2016-08-03 上海纵目科技有限公司 环视高级辅助驾驶***的标定方法及***
CN106373091A (zh) * 2016-09-05 2017-02-01 山东省科学院自动化研究所 全景泊车中鸟瞰图像的自动拼接方法、***及车辆
CN106412441A (zh) * 2016-11-04 2017-02-15 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
CN106651957A (zh) * 2016-10-19 2017-05-10 大连民族大学 基于模板的单目视觉目标空间定位方法
CN108108088A (zh) * 2016-11-24 2018-06-01 深圳市优朋普乐传媒发展有限公司 一种确定像素点位置的方法及终端
CN108122259A (zh) * 2017-12-20 2018-06-05 厦门美图之家科技有限公司 双目摄像头标定方法、装置、电子设备及可读存储介质
CN108629811A (zh) * 2018-04-04 2018-10-09 广州市安晓科技有限责任公司 一种汽车环视全景的自动标定方法及***
CN108830810A (zh) * 2018-06-07 2018-11-16 辽宁工业大学 一种基于正交投影的鱼眼镜头图像畸变矫正方法
CN109242910A (zh) * 2018-08-21 2019-01-18 电子科技大学 一种基于任意已知平面形状的单目相机自标定方法
CN109509200A (zh) * 2018-12-26 2019-03-22 深圳市繁维医疗科技有限公司 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质
CN109840897A (zh) * 2017-11-28 2019-06-04 深圳市航盛电子股份有限公司 车辆全景图像校正方法和车辆全景***
CN110414448A (zh) * 2019-07-31 2019-11-05 北京三快在线科技有限公司 图像处理方法、装置、电子设备及存储介质
CN110458788A (zh) * 2015-04-03 2019-11-15 康耐视公司 单应性校正
CN110827346A (zh) * 2019-11-05 2020-02-21 易视腾科技股份有限公司 获取固定平面与其摄像头成像之间映射关系的方法
CN110942482A (zh) * 2019-10-14 2020-03-31 深圳市德赛微电子技术有限公司 一种镜头快速自标定方法及其电子设备
CN110956585A (zh) * 2019-11-29 2020-04-03 深圳市英博超算科技有限公司 全景图像拼接方法、装置以及计算机可读存储介质
CN111353952A (zh) * 2020-01-21 2020-06-30 佛山科学技术学院 一种消除图像畸变校正后黑色边界的方法
CN111739090A (zh) * 2020-08-21 2020-10-02 歌尔光学科技有限公司 视场的位置确定方法及装置和计算机可读存储介质
CN111833405A (zh) * 2020-07-27 2020-10-27 北京大华旺达科技有限公司 基于机器视觉的标定识别方法及装置
CN111917984A (zh) * 2020-08-13 2020-11-10 上海航天测控通信研究所 一种虚拟云台及控制方法
CN112399172A (zh) * 2019-08-13 2021-02-23 威达斯高级驾驶辅助设备有限公司 校准多个摄像机的方法及装置
CN112541369A (zh) * 2020-12-14 2021-03-23 合肥高维数据技术有限公司 一种信息码识别方法及***
CN112802109A (zh) * 2021-02-07 2021-05-14 的卢技术有限公司 一种汽车鸟瞰全景图生成方法
CN110769223B (zh) * 2018-12-27 2021-09-28 成都极米科技股份有限公司 投影图像的调整方法、装置及可读存储介质
CN113570517A (zh) * 2021-07-20 2021-10-29 杨建弘 用于零件二维图形校正的方法、零件测量方法及***
CN114693708A (zh) * 2022-04-20 2022-07-01 太原理工大学 一种锚网孔同行列中心点匹配方法及***

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952311B (zh) * 2017-03-02 2020-04-07 山东省科学院自动化研究所 基于全景拼接数据映射表的辅助泊车***及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324749A (zh) * 2008-07-24 2008-12-17 上海交通大学 在纹理平面上进行投影显示的方法
CN101650828A (zh) * 2009-09-07 2010-02-17 东南大学 摄像机标定中减少圆形目标定位随机误差的方法
CN101814186A (zh) * 2010-02-04 2010-08-25 上海交通大学 利用曲线拟合校正摄像机径向畸变的方法
CN102663734A (zh) * 2012-03-15 2012-09-12 天津理工大学 鱼眼镜头的标定及鱼眼图像的畸变矫正方法
CN102750697A (zh) * 2012-06-08 2012-10-24 华为技术有限公司 一种参数标定方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324749A (zh) * 2008-07-24 2008-12-17 上海交通大学 在纹理平面上进行投影显示的方法
CN101650828A (zh) * 2009-09-07 2010-02-17 东南大学 摄像机标定中减少圆形目标定位随机误差的方法
CN101814186A (zh) * 2010-02-04 2010-08-25 上海交通大学 利用曲线拟合校正摄像机径向畸变的方法
CN102663734A (zh) * 2012-03-15 2012-09-12 天津理工大学 鱼眼镜头的标定及鱼眼图像的畸变矫正方法
CN102750697A (zh) * 2012-06-08 2012-10-24 华为技术有限公司 一种参数标定方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
林俊义等: "《双目立体视觉摄像机标定及精度分析》", 《华侨大学学报》, vol. 22, no. 4, 31 July 2011 (2011-07-31) *
贾莹: "《基于Harris角点检测算法的图像拼接技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 9, 1 September 2010 (2010-09-01) *

Cited By (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489165A (zh) * 2013-10-01 2014-01-01 中国人民解放军国防科学技术大学 一种面向视频拼接的小数查找表生成方法
CN103489165B (zh) * 2013-10-01 2016-04-06 中国人民解放军国防科学技术大学 一种面向视频拼接的小数查找表生成方法
CN103679729A (zh) * 2013-12-17 2014-03-26 中国人民解放军第二炮兵工程大学 基于彩色标定板的全自动摄像机参数标定方法
CN103824288A (zh) * 2014-02-17 2014-05-28 哈尔滨工业大学 一种针对透镜阵列的阵列图像配准模板
CN103871071A (zh) * 2014-04-08 2014-06-18 北京经纬恒润科技有限公司 一种用于全景泊车***的摄像头外参标定方法
CN103955928B (zh) * 2014-04-28 2017-02-01 华为技术有限公司 一种确定曲面镜头畸变参数的方法、装置以及电子设备
CN103955928A (zh) * 2014-04-28 2014-07-30 华为技术有限公司 一种确定曲面镜头畸变参数的方法、装置以及电子设备
CN104091322A (zh) * 2014-05-06 2014-10-08 无锡日联科技有限公司 叠片锂离子电池的检测方法
CN104091322B (zh) * 2014-05-06 2017-06-16 无锡日联科技有限公司 叠片锂离子电池的检测方法
CN103996191A (zh) * 2014-05-09 2014-08-20 东北大学 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN103996191B (zh) * 2014-05-09 2016-10-26 东北大学 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法
CN105321160B (zh) * 2014-05-27 2019-03-22 穆阳 三维立体全景泊车的多摄像头标定方法
CN105321160A (zh) * 2014-05-27 2016-02-10 穆阳 三维立体全景泊车的多摄像头标定方法
CN104008548A (zh) * 2014-06-04 2014-08-27 无锡观智视觉科技有限公司 一种用于车载环视***摄像头参数标定的特征点抽取方法
CN104008548B (zh) * 2014-06-04 2017-04-19 无锡维森智能传感技术有限公司 一种用于车载环视***摄像头参数标定的特征点抽取方法
CN105466523A (zh) * 2014-09-12 2016-04-06 航天信息股份有限公司 基于单摄像机图像的堆粮高度的测量方法和装置
CN105466523B (zh) * 2014-09-12 2019-09-17 航天信息股份有限公司 基于单摄像机图像的堆粮高度的测量方法和装置
CN105791655A (zh) * 2014-12-19 2016-07-20 宁波舜宇光电信息有限公司 一种计算摄像模组的镜头畸变的方法
CN105818746A (zh) * 2015-01-05 2016-08-03 上海纵目科技有限公司 环视高级辅助驾驶***的标定方法及***
CN104596484A (zh) * 2015-01-30 2015-05-06 黄河水利委员会黄河水利科学研究院 一种黄河凌汛期流凌密度测量方法
CN110458788B (zh) * 2015-04-03 2023-10-10 康耐视公司 单应性校正***、方法及计算机可读存储介质
CN110458788A (zh) * 2015-04-03 2019-11-15 康耐视公司 单应性校正
CN105447871A (zh) * 2015-12-04 2016-03-30 北京和众视野科技有限公司 定焦成像***的畸变校正算法
CN105809701A (zh) * 2016-03-25 2016-07-27 成都易瞳科技有限公司 全景视频姿态标定方法
CN106373091B (zh) * 2016-09-05 2019-05-07 山东省科学院自动化研究所 全景泊车中鸟瞰图像的自动拼接方法、***及车辆
CN106373091A (zh) * 2016-09-05 2017-02-01 山东省科学院自动化研究所 全景泊车中鸟瞰图像的自动拼接方法、***及车辆
CN106651957A (zh) * 2016-10-19 2017-05-10 大连民族大学 基于模板的单目视觉目标空间定位方法
CN106651957B (zh) * 2016-10-19 2019-07-30 大连民族大学 基于模板的单目视觉目标空间定位方法
CN106412441A (zh) * 2016-11-04 2017-02-15 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
CN106412441B (zh) * 2016-11-04 2019-09-27 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
CN108108088A (zh) * 2016-11-24 2018-06-01 深圳市优朋普乐传媒发展有限公司 一种确定像素点位置的方法及终端
CN109840897A (zh) * 2017-11-28 2019-06-04 深圳市航盛电子股份有限公司 车辆全景图像校正方法和车辆全景***
CN108122259A (zh) * 2017-12-20 2018-06-05 厦门美图之家科技有限公司 双目摄像头标定方法、装置、电子设备及可读存储介质
CN108629811A (zh) * 2018-04-04 2018-10-09 广州市安晓科技有限责任公司 一种汽车环视全景的自动标定方法及***
CN108629811B (zh) * 2018-04-04 2021-08-20 广州市安晓科技有限责任公司 一种汽车环视全景的自动标定方法及***
CN108830810A (zh) * 2018-06-07 2018-11-16 辽宁工业大学 一种基于正交投影的鱼眼镜头图像畸变矫正方法
CN109242910A (zh) * 2018-08-21 2019-01-18 电子科技大学 一种基于任意已知平面形状的单目相机自标定方法
CN109242910B (zh) * 2018-08-21 2021-10-08 电子科技大学 一种基于任意已知平面形状的单目相机自标定方法
CN109509200B (zh) * 2018-12-26 2023-09-29 深圳市繁维医疗科技有限公司 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质
CN109509200A (zh) * 2018-12-26 2019-03-22 深圳市繁维医疗科技有限公司 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质
CN110769223B (zh) * 2018-12-27 2021-09-28 成都极米科技股份有限公司 投影图像的调整方法、装置及可读存储介质
CN110414448A (zh) * 2019-07-31 2019-11-05 北京三快在线科技有限公司 图像处理方法、装置、电子设备及存储介质
CN112399172A (zh) * 2019-08-13 2021-02-23 威达斯高级驾驶辅助设备有限公司 校准多个摄像机的方法及装置
CN112399172B (zh) * 2019-08-13 2024-06-04 Nc&有限公司 校准多个摄像机的方法及装置
CN110942482A (zh) * 2019-10-14 2020-03-31 深圳市德赛微电子技术有限公司 一种镜头快速自标定方法及其电子设备
CN110827346B (zh) * 2019-11-05 2023-11-24 易视腾科技股份有限公司 获取固定平面与其摄像头成像之间映射关系的方法
CN110827346A (zh) * 2019-11-05 2020-02-21 易视腾科技股份有限公司 获取固定平面与其摄像头成像之间映射关系的方法
CN110956585A (zh) * 2019-11-29 2020-04-03 深圳市英博超算科技有限公司 全景图像拼接方法、装置以及计算机可读存储介质
CN111353952B (zh) * 2020-01-21 2023-05-05 佛山科学技术学院 一种消除图像畸变校正后黑色边界的方法
CN111353952A (zh) * 2020-01-21 2020-06-30 佛山科学技术学院 一种消除图像畸变校正后黑色边界的方法
CN111833405B (zh) * 2020-07-27 2023-12-08 北京大华旺达科技有限公司 基于机器视觉的标定识别方法及装置
CN111833405A (zh) * 2020-07-27 2020-10-27 北京大华旺达科技有限公司 基于机器视觉的标定识别方法及装置
CN111917984A (zh) * 2020-08-13 2020-11-10 上海航天测控通信研究所 一种虚拟云台及控制方法
CN111739090B (zh) * 2020-08-21 2020-12-04 歌尔光学科技有限公司 视场的位置确定方法及装置和计算机可读存储介质
CN111739090A (zh) * 2020-08-21 2020-10-02 歌尔光学科技有限公司 视场的位置确定方法及装置和计算机可读存储介质
CN112541369B (zh) * 2020-12-14 2022-08-05 合肥高维数据技术有限公司 一种信息码识别方法及***
CN112541369A (zh) * 2020-12-14 2021-03-23 合肥高维数据技术有限公司 一种信息码识别方法及***
CN112802109A (zh) * 2021-02-07 2021-05-14 的卢技术有限公司 一种汽车鸟瞰全景图生成方法
CN112802109B (zh) * 2021-02-07 2024-05-10 的卢技术有限公司 一种汽车鸟瞰全景图生成方法
CN113570517A (zh) * 2021-07-20 2021-10-29 杨建弘 用于零件二维图形校正的方法、零件测量方法及***
CN114693708A (zh) * 2022-04-20 2022-07-01 太原理工大学 一种锚网孔同行列中心点匹配方法及***
CN114693708B (zh) * 2022-04-20 2024-04-02 太原理工大学 一种锚网孔同行列中心点匹配方法及***

Also Published As

Publication number Publication date
CN103177439B (zh) 2015-10-28

Similar Documents

Publication Publication Date Title
CN103177439B (zh) 一种基于黑白格角点匹配的自动标定方法
Hamada et al. Surround view based parking lot detection and tracking
CN102930544B (zh) 一种车载摄像机的参数标定***
US9225942B2 (en) Imaging surface modeling for camera modeling and virtual view synthesis
CN103231708B (zh) 一种基于双目视觉的智能车辆避障方法
CN101726855B (zh) 基于立方体投影对鱼眼图像畸变校正方法
CN109087251B (zh) 一种车载全景图像显示方法及***
KR101592740B1 (ko) 차량용 광각카메라의 영상 왜곡 보정 장치 및 방법
CN102005039B (zh) 基于泰勒级数模型的鱼眼相机立体视觉深度测量方法
CN106994936A (zh) 一种3d全景泊车辅助***
CN103136720A (zh) 车载360度全景拼接方法
CN107993263A (zh) 环视***自动标定方法、汽车、标定装置及存储介质
CN103871071A (zh) 一种用于全景泊车***的摄像头外参标定方法
CN102609977A (zh) 基于深度融合和曲面演变的多视点三维重建方法
CN102081798B (zh) 一种鱼眼立体相机对的极线校正方法
CN107146255A (zh) 全景图像误差校正方法及装置
CN111243034A (zh) 一种全景辅助泊车标定方法、装置、设备及存储介质
CN107622513A (zh) 一种拼缝标定点检测装置及环视***自动标定方法
CN113516711A (zh) 相机位姿估计技术
CN104282010A (zh) 车辆多鱼眼摄像机360度俯视图像拼接曲线标定方法
CN113869422B (zh) 多相机目标匹配方法、***、电子设备及可读存储介质
GB2513703B (en) Method and apparatus for three-dimensional imaging of at least a partial region of a vehicle environment
CN101980292A (zh) 一种基于正八边形模板的车载摄像机内参数的标定方法
CN112802109B (zh) 一种汽车鸟瞰全景图生成方法
CN111860270B (zh) 一种基于鱼眼相机的障碍物检测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20151028

Termination date: 20191126

CF01 Termination of patent right due to non-payment of annual fee