CN104077768B - 一种鱼眼镜头径向畸变的标定方法及标定装置 - Google Patents
一种鱼眼镜头径向畸变的标定方法及标定装置 Download PDFInfo
- Publication number
- CN104077768B CN104077768B CN201410244246.3A CN201410244246A CN104077768B CN 104077768 B CN104077768 B CN 104077768B CN 201410244246 A CN201410244246 A CN 201410244246A CN 104077768 B CN104077768 B CN 104077768B
- Authority
- CN
- China
- Prior art keywords
- circular arc
- center
- group
- circle
- distortion
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例公开一种鱼眼镜头径向畸变的标定方法及标定装置,其中方法包括如下步骤:获取包含至少两组空间平行直线的标定图像;对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;根据拟合处理结果生成畸变标定模型,可以提高畸变标定模型的标定结果的准确率。
Description
技术领域
本发明涉及电子技术领域,尤其涉及一种鱼眼镜头径向畸变的标定方法及标定装置。
背景技术
随着电子科技的不断开发和完善,相机、手机等具备照相、摄像功能的终端设备已经被广泛的运用到人们的日常生活中,为了增加拍摄图像的表现方式,用户通常会使用一些特殊效果的镜头,例如:鱼眼镜头、移轴镜头、微距镜头等,增加了图像拍摄的效果及种类。
鱼眼镜头是一种极端的广角镜头,为使镜头达到最大的摄影视角,其前镜片的直径呈抛物状向镜头前部凸出,鱼眼镜头的视角力求达到或超出人眼所能看到的范围。因此,鱼眼镜头与人们眼中的真实世界的景象存在很大的差别。然而,鱼眼镜头所拍摄的图像存在多种类型的失真,其中径向失真被认为是影响图像质量的主要因素,由于传统的径向畸变的标定过程仅限于拟合单直线对应的圆弧来得到畸变参数,以生成畸变标定模型,导致该畸变标定模型的标定结果准确率低,无法很好的解决鱼眼镜头径向失真的问题。
发明内容
本发明实施例提供一种鱼眼镜头径向畸变的标定方法及标定装置,可以提高畸变标定模型的标定结果的准确率。
为了解决上述技术问题,本发明实施例第一方面提供了一种鱼眼镜头径向畸变的标定方法,可包括:
获取包含至少两组空间平行直线的标定图像;
对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
根据拟合处理结果生成畸变标定模型。
基于第一方面,在第一方面的第一种可行的实施方式中,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
基于第一方面或第一方面的第一种可行的实施方式,在第一方面的第二种可行的实施方式中,所述对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,包括:
采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
基于第一方面的第二种可行的实施方式,在第一方面的第三种可行的实施方式中,所述采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数,包括:
获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
基于第一方面的第二种可行的实施方式,在第一方面的第四种可行的实施方式中,所述根据拟合处理结果生成畸变标定模型,包括:
根据拟合处理结果获取畸变中心点坐标和畸变参数;
采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
基于第一方面的第四种可行的实施方式,在第一方面的第五种可行的实施方式中,所述根据拟合处理结果获取畸变中心点坐标和畸变参数,包括:
获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。
基于第一方面的第三种可行的实施方式,在第一方面的第六种可行的实施方式中,所述平方距离最小化方程为:
其中,m表示拟合第i条圆弧的点的个数,|Qi,joi|表示第i条圆弧上的点Qi,j与圆心oi之间的距离,ri表示第i条圆弧的半径,n表示一个圆心共线圆弧组中圆弧的条数,(px,py)表示所述两个公共交点M点和N点间连线的中点P点的坐标,(tx,ty)表示所述P点到所述M点或N点的向量,(k1…kn)表示n条圆弧中每条圆弧的比例系数;
所述预设的非线性优化算法为LM(Leven-Marquardt)算法。
基于第一方面的第五种可行的实施方式,在第一方面的第七种可行的实施方式中,假设任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
基于第一方面的第七种可行的实施方式,在第一方面的第八种可行的实施方式中,所述畸变标定模型为:
其中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。
本发明实施例第二方面提供了一种鱼眼镜头径向畸变的标定装置,可包括:
标定图像获取模块,用于获取包含至少两组空间平行直线的标定图像;
圆弧拟合模块,用于对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
模型生成模块,用于根据拟合处理结果生成畸变标定模型。
基于第二方面,在第二方面的第一种可行的实施方式中,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
基于第二方面或第二方面的第一种可行的实施方式,在第二方面的第二种可行的实施方式中,所述圆弧拟合模块包括:
参数系数计算单元,用于采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
结果获取单元,用于采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
基于第二方面的第二种可行的实施方式,在第二方面的第三种可行的实施方式中,所述参数系数计算单元包括:
方程获取子单元,用于获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
参数系数获取子单元,用于采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
基于第二方面的第二种可行的实施方式,在第二方面的第四种可行的实施方式中,所述模型生成模块包括:
坐标参数获取单元,用于根据拟合处理结果获取畸变中心点坐标和畸变参数;
模型生成单元,用于采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
基于第二方面的第四种可行的实施方式,在第二方面的第五种可行的实施方式中,所述坐标参数获取单元包括:
坐标获取子单元,用于获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
参数获取子单元,用于根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。
基于第二方面的第三种可行的实施方式,在第二方面的第六种可行的实施方式中,所述平方距离最小化方程为:
其中,m表示拟合第i条圆弧的点的个数,|Qi,joi|表示第i条圆弧上的点Qi,j与圆心oi之间的距离,ri表示第i条圆弧的半径,n表示一个圆心共线圆弧组中圆弧的条数,(px,py)表示所述两个公共交点M点和N点间连线的中点P点的坐标,(tx,ty)表示所述P点到所述M点或N点的向量,(k1…kn)表示n条圆弧中每条圆弧的比例系数;
所述预设的非线性优化算法为LM算法。
基于第二方面的第五种可行的实施方式,在第二方面的第七种可行的实施方式中,假设任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
基于第二方面的第七种可行的实施方式,在第二方面的第八种可行的实施方式中,所述畸变标定模型为:
其中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。
在本发明实施例中,通过获取包含至少两组空间平行直线的标定图像,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,并根据拟合处理结果生成畸变标定模型。通过采用至少两组空间平行直线,以及分别对至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,提高了畸变标定模型的标定结果的准确率;通过利用圆心共线性质,使得标定结果在存在较大噪声的情况下仍旧能够保持鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种鱼眼镜头径向畸变的标定方法的流程示意图;
图2是本发明实施例提供的另一种鱼眼镜头径向畸变的标定方法的流程示意图;
图3是本发明实施例提供的又一种鱼眼镜头径向畸变的标定方法的流程示意图;
图4是本发明实施例提供的圆心共线圆弧组在畸变图像上的举例示意图;
图5是本发明实施例提供的一种鱼眼镜头径向畸变的标定装置的结构示意图;
图6是本发明实施例提供的圆弧拟合模块的结构示意图;
图7是本发明实施例提供的参数系数计算单元的结构示意图;
图8是本发明实施例提供的模型生成模块的结构示意图;
图9是本发明实施例提供的坐标参数获取单元的结构示意图;
图10是本发明实施例提供的另一种鱼眼镜头径向畸变的标定装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将结合附图1-附图4,对本发明实施例提供的鱼眼镜头径向畸变的标定方法进行详细介绍。
请参见图1,为本发明实施例提供了一种鱼眼镜头径向畸变的标定方法的流程示意图。如图1所示,本发明实施例的所述方法包括以下步骤S101-步骤S103。
S101,获取包含至少两组空间平行直线的标定图像;
具体的,鱼眼镜头径向畸变的标定装置获取采用鱼眼镜头所拍摄的标定图像,所述标定图像可以包含至少两组空间平行直线,所述至少两组空间平行直线中每组空间平行直线均包含若干条直线。
S102,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
具体的,所述标定装置可以分别对所述至少两组空间平行直线中每一组空间平行直线进行操作。所述标定装置对每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,进一步的,所述标定装置采用预设的非线性优化算法,计算所述每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数,所述标定装置采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点。
其中,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
S103,根据拟合处理结果生成畸变标定模型;
具体的,所述标定装置根据各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点获取畸变中心点坐标和畸变参数,并采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
在本发明实施例中,通过获取包含至少两组空间平行直线的标定图像,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,并根据拟合处理结果生成畸变标定模型。通过采用至少两组空间平行直线,以及分别对至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,提高了畸变标定模型的标定结果的准确率;通过利用圆心共线性质,使得标定结果在存在较大噪声的情况下仍旧能够保持鲁棒性。
请参见图2,为本发明实施例提供了另一种鱼眼镜头径向畸变的标定方法的流程示意图。如图2所示,本发明实施例的所述方法包括以下步骤S201-步骤S205。
S201,获取包含至少两组空间平行直线的标定图像;
S202,采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
S203,采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
具体的,鱼眼镜头径向畸变的标定装置可以分别对所述至少两组空间平行直线中每一组空间平行直线进行操作。所述标定装置可以采用预设的非线性优化算法,计算每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数,进一步的,所述标定装置获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程,并采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
可以理解的是,每个圆心共线圆弧组都存在各自的公共参数和比例系数。所述标定装置可以根据各个圆心共线圆弧组的公共参数获取各个所述圆心共线圆弧组对应的两个公共交点,根据各个圆心共线圆弧组的比例系数获取各个圆心共线圆弧组中每条圆弧的参数化表示。
其中,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
S204,根据拟合处理结果获取畸变中心点坐标和畸变参数;
S205,采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型;
具体的,所述标定装置获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标,所述标定装置根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。所述标定装置可以根据所述畸变中点坐标和所述畸变参数生成畸变标定模型。
其中,本发明实施例的步骤S201可以参见图1所示实施例的步骤S101,在此不进行赘述。
在本发明实施例中,通过获取包含至少两组空间平行直线的标定图像,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,并根据拟合处理结果生成畸变标定模型。通过采用至少两组空间平行直线,以及分别对至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,提高了畸变标定模型的标定结果的准确率;通过利用圆心共线性质,使得标定结果在存在较大噪声的情况下仍旧能够保持鲁棒性。
请参见图3,为本发明实施例提供了又一种鱼眼镜头径向畸变的标定方法的流程示意图。如图3所示,本发明实施例的所述方法可以包括以下步骤S301-步骤S307。
S301,获取包含至少两组空间平行直线的标定图像;
具体的,鱼眼镜头径向畸变的标定装置获取采用鱼眼镜头所拍摄的标定图像,所述标定图像可以包含至少两组空间平行直线,所述至少两组空间平行直线中每组空间平行直线均包含若干条直线。
在本发明实施例中,所采用的畸变标定模型可以表示为(1)式:
(1)式中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。由于传统的径向畸变的畸变标定模型是基于畸变中心点作为图像中心的假设,对畸变参数λ进行求解,以生成该畸变标定模型,但是在通常情况下,畸变中心点并不位于图像中心,因此本发明实施例中将畸变中心点坐标(xd0,yd0)也作为未知参数进行求解。
在三维空间中,每一组空间平行直线中的任一直线方程可以表示为(2)式:
(2)式中,D=(dx,dy,dz)为单位方向矢量,(xi,yi,zi)为该直线经过的某一个三维空间点,t为一个比例因子,用来生成在这条直线上的不同点。由(2)式可知,一组空间平行直线可能会经过不同的点(xi,yi,zi),但一定具有相同的单位方向矢量D。
在理想透视投影下,该组空间平行直线被映射为理想透视图像上的一组直线,可以表示为(3)式:
(3)式中,f为理想透视相机的焦距。当经过的三维点(xi,yi,zi)不同时,这组空间平行直线投影到理想透视图像上所成的直线可能不再平行。
当t→±∞时,可得到这组空间平行直线的灭点在理想透视图像上的投影点,可以表示为(4)式:
由(4)式可知,在理想透视投影下,这组空间平行直线在理想透视图像上会相交于同一点(即是空间平行直线的灭点在理想透视图像上的投影点)。
将(1)式代入(4)式,并假设畸变中心即为图像的原点,则可得(5)式:
以及(6)式:
用(5)式除以(6)式,得:
(7)式表示在传统的径向畸变的畸变标定模型下,a和b具有相同的斜率,并且它们与图像坐标原点三点共线。将(7)式代入(6)式,可得(8)式:
这是一个关于yd的一元二次方程,其判别式为(9)式:
由于对于径向失真而言,有λ<0,因而Δ必然大于零,由此可得式(8)必然有2个实数解。从以上推导可知,在传统的径向畸变的畸变标定模型下,一组空间平行直线的灭点在畸变图像上会有2个投影点。由于一组空间平行直线在该模型下被映射成为一个圆心共线圆弧组,因此该圆心共线圆弧组中所有的圆弧会有2个公共交点。
需要说明的是,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
S302,获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
具体的,所述标定装置在拟合所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组时,所述标定装置获取该圆心共线圆弧组的平方距离最小化方程。
请一并参见图4,为本发明实施例提供了圆心共线圆弧组在畸变图像上的举例示意图。如图4所示,假设2个公共交点分别是M点和N点,假设M、N点连线的中点P在畸变图像上的坐标为(px,py),获取P点到N点或M点的向量,本发明实施例中采用P点到N点的向量,记为若这个圆心共线圆弧组中第i个圆弧的圆心位置是oi,则从P点出发到oi点的有向直线的单位向量可表示为(10)式:
(10)式中,表示与向量相垂直的向量,须满足 表示向量的模。由此可知,Poi o有二组解,分别是和
设定一个比例系数则圆心oi可以表示为(11)式:
假设该圆心共线圆弧组对应的共线圆组共有n条圆弧,则待求的未知变量的总数为(4+n),(4+n)中n表示有n个比例系数(k1…kn),4表示为n条圆弧所共有的公共参数,分别是表示P点位置的px和py,以及表示向量的tx和ty。
对于共线圆组中第i条圆弧,它的半径可表示为(12)式:
则在拟合该圆弧时,要求最小化的方程为(13)式:
(13)式中,m表示拟合该条圆弧的点的个数,|Qi,joi|为第i条圆弧上的点Qi,j与圆心oi之间的距离。
在一个圆心共线圆弧组中,这样的圆弧共有n条,因此平方距离最小化方程为(14)式:
S303,采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数;
具体的,所述预设的非线性优化算法优选为LM算法,所述标定装置采用所述预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
S304,采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
具体的,每个圆心共线圆弧组都存在各自的公共参数和比例系数。所述标定装置可以根据各个圆心共线圆弧组的公共参数获取各个所述圆心共线圆弧组对应的两个公共交点,根据各个圆心共线圆弧组的比例系数获取各个圆心共线圆弧组中每条圆弧的参数化表示。
S305,获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
具体的,所述标定装置获取各个圆心共线圆弧组对应的两个公共交点所组成的直线方程,例如:M点与N点在畸变图像中所确定的直线方程,若空间平行直线存在有W组,则对应的圆心共线圆弧组也有W个,则可以获得W条直线方程,对W条直线方程求交点坐标,并将该交点坐标确定为畸变中心点坐标。例如:W条直线方程得出的交点坐标为(xd0,yd0),则将(xd0,yd0)确定为畸变中心点坐标。
S306,根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数;
具体的,假设求得的任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
S307,采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型;
具体的,所述标定装置根据畸变中心点坐标可以确定rd的表达方式,假设畸变中心点坐标为c,则表达方式为:
rd=︱b-c︱
将所述表达方式以及畸变参数λ代入(1)式,生成畸变标定模型。
在本发明实施例中,通过获取包含至少两组空间平行直线的标定图像,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,并根据拟合处理结果生成畸变标定模型。通过采用至少两组空间平行直线、分别对至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,以及对畸变中心点坐标重新求取,提高了畸变标定模型的标定结果的准确率;通过利用圆心共线性质,使得标定结果在存在较大噪声的情况下仍旧能够保持鲁棒性。
下面将结合附图5和附图9,对本发明实施例提供的鱼眼镜头径向畸变的标定装置进行详细介绍。需要说明的是,附图5和附图9所示的标定装置,用于执行本发明图1-图4所示实施例的方法,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明图1-图4所示的实施例。
请参见图5,为本发明实施例提供了一种鱼眼镜头径向畸变的标定装置的结构示意图。如图5所示,本发明实施例的所述标定装置1可以包括:标定图像获取模块11、圆弧拟合模块12和模型生成模块13。
标定图像获取模块11,用于获取包含至少两组空间平行直线的标定图像;
具体实现中,所述标定图像获取模块11获取采用鱼眼镜头所拍摄的标定图像,所述标定图像可以包含至少两组空间平行直线,所述至少两组空间平行直线中每组空间平行直线均包含若干条直线。
在本发明实施例中,所采用的畸变标定模型可以表示为(1)式:
(1)式中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。由于传统的径向畸变的畸变标定模型是基于畸变中心点作为图像中心的假设,对畸变参数λ进行求解,以生成该畸变标定模型,但是在通常情况下,畸变中心点并不位于图像中心,因此本发明实施例中将畸变中心点坐标(xd0,yd0)也作为未知参数进行求解。
在三维空间中,每一组空间平行直线中的任一直线方程可以表示为(2)式:
(2)式中,D=(dx,dy,dz)为单位方向矢量,(xi,yi,zi)为该直线经过的某一个三维空间点,t为一个比例因子,用来生成在这条直线上的不同点。由(2)式可知,一组空间平行直线可能会经过不同的点(xi,yi,zi),但一定具有相同的单位方向矢量D。
在理想透视投影下,该组空间平行直线被映射为理想透视图像上的一组直线,可以表示为(3)式:
(3)式中,f为理想透视相机的焦距。当经过的三维点(xi,yi,zi)不同时,这组空间平行直线投影到理想透视图像上所成的直线可能不再平行。
当t→±∞时,可得到这组空间平行直线的灭点在理想透视图像上的投影点,可以表示为(4)式:
由(4)式可知,在理想透视投影下,这组空间平行直线在理想透视图像上会相交于同一点(即是空间平行直线的灭点在理想透视图像上的投影点)。
将(1)式代入(4)式,并假设畸变中心即为图像的原点,则可得(5)式:
以及(6)式:
用(5)式除以(6)式,得:
(7)式表示在传统的径向畸变的畸变标定模型下,a和b具有相同的斜率,并且它们与图像坐标原点三点共线。将(7)式代入(6)式,可得(8)式:
这是一个关于yd的一元二次方程,其判别式为(9)式:
由于对于径向失真而言,有λ<0,因而Δ必然大于零,由此可得式(8)必然有2个实数解。从以上推导可知,在传统的径向畸变的畸变标定模型下,一组空间平行直线的灭点在畸变图像上会有2个投影点。由于一组空间平行直线在该模型下被映射成为一个圆心共线圆弧组,因此该圆心共线圆弧组中所有的圆弧会有2个公共交点。
需要说明的是,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
圆弧拟合模块12,用于对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
具体实现中,所述圆弧拟合模块12可以分别对所述至少两组空间平行直线中每一组空间平行直线进行操作。所述圆弧拟合模块12对每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,进一步的,所述圆弧拟合模块12采用预设的非线性优化算法,计算所述每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数,所述圆弧拟合模块12采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点。
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
具体的,请一并参见图6,为本发明实施例提供了圆弧拟合模块的结构示意图。如图6所示,所述圆弧拟合模块12可以包括:
参数系数计算单元121,用于采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
结果获取单元122,用于采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
具体实现中,所述参数系数计算单元121可以分别对所述至少两组空间平行直线中每一组空间平行直线进行操作。所述参数系数计算单元121可以采用预设的非线性优化算法,计算每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数,进一步的,所述参数系数计算单元121获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程,并采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
可以理解的是,每个圆心共线圆弧组都存在各自的公共参数和比例系数。所述结果获取单元122可以根据各个圆心共线圆弧组的公共参数获取各个所述圆心共线圆弧组对应的两个公共交点,根据各个圆心共线圆弧组的比例系数获取各个圆心共线圆弧组中每条圆弧的参数化表示。
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
具体的,请一并参见图7,为本发明实施例提供了参数系数计算单元的结构示意图。如图7所示,所述参数系数计算单元121可以包括:
方程获取子单元1211,用于获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
具体实现中,所述方程获取子单元1211在拟合所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组时,所述方程获取子单元1211获取该圆心共线圆弧组的平方距离最小化方程。
请一并参见图4,为本发明实施例提供了圆心共线圆弧组在畸变图像上的举例示意图。如图4所示,假设2个公共交点分别是M点和N点,假设M、N点连线的中点P在畸变图像上的坐标为(px,py),获取P点到N点或M点的向量,本发明实施例中采用P点到N点的向量,记为若这个圆心共线圆弧组中第i个圆弧的圆心位置是oi,则从P点出发到oi点的有向直线的单位向量可表示为(10)式:
(10)式中,表示与向量相垂直的向量,须满足 表示向量的模。由此可知,Poi o有二组解,分别是和
设定一个比例系数则圆心oi可以表示为(11)式:
假设该圆心共线圆弧组对应的共线圆组共有n条圆弧,则待求的未知变量的总数为(4+n),(4+n)中n表示有n个比例系数(k1…kn),4表示为n条圆弧所共有的公共参数,分别是表示P点位置的px和py,以及表示向量的tx和ty。
对于共线圆组中第i条圆弧,它的半径可表示为(12)式:
则在拟合该圆弧时,要求最小化的方程为(13)式:
(13)式中,m表示拟合该条圆弧的点的个数,|Qi,joi|为第i条圆弧上的点Qi,j与圆心oi之间的距离。
在一个圆心共线圆弧组中,这样的圆弧共有n条,因此平方距离最小化方程为(14)式:
参数系数获取子单元1212,用于采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数;
具体实现中,所述预设的非线性优化算法优选为LM算法,所述参数系数获取子单元1212采用所述预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
模型生成模块13,用于根据拟合处理结果生成畸变标定模型;
具体实现中,所述模型生成模块13根据各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点获取畸变中心点坐标和畸变参数,并采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
具体的,请一并参见图8,为本发明实施例提供了模型生成模块的结构示意图。如图8所示,所述模型生成模块13可以包括:
坐标参数获取单元131,用于根据拟合处理结果获取畸变中心点坐标和畸变参数;
具体实现中,所述坐标参数获取单元131获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标,所述坐标参数获取单元131根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。
具体的,请一并参见图9,为本发明实施例提供了坐标参数获取单元的结构示意图。如图9所示,所述坐标参数获取单元131可以包括:
坐标获取子单元1311,用于获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
具体实现中,所述坐标获取子单元1311获取各个圆心共线圆弧组对应的两个公共交点所组成的直线方程,例如:M点与N点在畸变图像中所确定的直线方程,若空间平行直线存在有W组,则对应的圆心共线圆弧组也有W个,则可以获得W条直线方程,对W条直线方程求交点坐标,并将该交点坐标确定为畸变中心点坐标。例如:W条直线方程得出的交点坐标为(xd0,yd0),则将(xd0,yd0)确定为畸变中心点坐标。
参数获取子单元1312,用于根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数;
具体实现中,假设所述参数获取子单元1312获得的任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
模型生成单元132,用于采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型;
具体实现中,所述模型生成单元132可以根据所述畸变中点坐标和所述畸变参数生成畸变标定模型。
所述模型生成单元132根据畸变中心点坐标可以确定rd的表达方式,假设畸变中心点坐标为c,则表达方式为:
rd=︱b-c︱
所述模型生成单元132将所述表达方式以及畸变参数λ代入(1)式,生成畸变标定模型。
在本发明实施例中,通过获取包含至少两组空间平行直线的标定图像,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,并根据拟合处理结果生成畸变标定模型。通过采用至少两组空间平行直线、分别对至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,以及对畸变中心点坐标重新求取,提高了畸变标定模型的标定结果的准确率;通过利用圆心共线性质,使得标定结果在存在较大噪声的情况下仍旧能够保持鲁棒性。
请参见图10,为本发明实施例提供了另一种鱼眼镜头径向畸变的标定装置的结构示意图。如图10所示,所述标定装置1000可以包括:至少一个处理器1001,例如CPU,用户接口1003,至少一个网络接口1004,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图10所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及标定应用程序。
所述处理器1001可以用于调用存储器1005中存储的标定应用程序,并具体执行以下步骤:
获取包含至少两组空间平行直线的标定图像;
对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
根据拟合处理结果生成畸变标定模型。
在本发明实施例的一种可行的实施方式中所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
在本发明实施例的另一种可行的实施方式中,所述处理器1001在执行对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理时,具体执行以下步骤:
采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
在本发明实施例的又一种可行的实施方式中,所述处理器1001在执行采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数时,具体执行以下步骤:
获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
在本发明实施例的又一种可行的实施方式中,所述处理器1001在执行根据拟合处理结果生成畸变标定模型时,具体执行以下步骤:
根据拟合处理结果获取畸变中心点坐标和畸变参数;
采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
在本发明实施例的又一种可行的实施方式中,所述处理器1001在执行根据拟合处理结果获取畸变中心点坐标和畸变参数时,具体执行以下步骤:
获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。
在本发明实施例的又一种可行的实施方式中,所述平方距离最小化方程为:
其中,m表示拟合第i条圆弧的点的个数,|Qi,joi|表示第i条圆弧上的点Qi,j与圆心oi之间的距离,ri表示第i条圆弧的半径,n表示一个圆心共线圆弧组中圆弧的条数,(px,py)表示所述两个公共交点M点和N点间连线的中点P点的坐标,(tx,ty)表示所述P点到所述M点或N点的向量,(k1…kn)表示n条圆弧中每条圆弧的比例系数;
所述预设的非线性优化算法为LM算法。
在本发明实施例的又一种可行的实施方式中,假设任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
在本发明实施例的又一种可行的实施方式中,所述畸变标定模型为:
其中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。
在本发明实施例中,通过获取包含至少两组空间平行直线的标定图像,对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,并根据拟合处理结果生成畸变标定模型。通过采用至少两组空间平行直线、分别对至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,以及对畸变中心点坐标重新求取,提高了畸变标定模型的标定结果的准确率;通过利用圆心共线性质,使得标定结果在存在较大噪声的情况下仍旧能够保持鲁棒性。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可以用硬件实现,或固件实现,或它们的组合方式来实现。当使用软件实现时,可以将上述功能存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。以此为例但不限于:计算机可读介质可以包括RAM、ROM、或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。此外。任何连接可以适当的成为计算机可读介质。例如,如果软件是使用同轴电缆、光纤光缆、双绞线、数字用户线或者诸如红外线、无线电和微波之类的无线技术从网站、服务器或者其他远程源传输的,那么同轴电缆、光纤光缆、双绞线、数字用户线或者诸如红外线、无线和微波之类的无线技术包括在所属介质的定影中。如本发明所使用的,盘(Disk)和碟(disc)包括压缩光碟、激光碟、光碟、数字通用光碟、软盘和蓝光光碟,其中盘通常磁性的复制数据,而碟则用激光来光学的复制数据。上面的组合也应当包括在计算机可读介质的保护范围之内。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (16)
1.一种鱼眼镜头径向畸变的标定方法,其特征在于,包括:
获取包含至少两组空间平行直线的标定图像;
对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
根据拟合处理结果生成畸变标定模型;
其中,所述对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理,包括:
采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
2.根据权利要求1所述的方法,其特征在于,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
3.根据权利要求1所述的方法,其特征在于,所述采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数,包括:
获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
4.根据权利要求1所述的方法,其特征在于,所述根据拟合处理结果生成畸变标定模型,包括:
根据拟合处理结果获取畸变中心点坐标和畸变参数;
采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
5.根据权利要求4所述的方法,其特征在于,所述根据拟合处理结果获取畸变中心点坐标和畸变参数,包括:
获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。
6.根据权利要求3所述的方法,其特征在于,所述平方距离最小化方程为:
其中,m表示拟合第i条圆弧的点的个数,|Qi,joi|表示第i条圆弧上的点Qi,j与圆心oi之间的距离,ri表示第i条圆弧的半径,n表示一个圆心共线圆弧组中圆弧的条数,(px,py)表示所述两个公共交点M点和N点间连线的中点P点的坐标,(tx,ty)表示所述P点到所述M点或N点的向量,(k1…kn)表示n条圆弧中每条圆弧的比例系数;
所述预设的非线性优化算法为LM(Leven-Marquardt)算法。
7.根据权利要求5所述的方法,其特征在于,假设任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
8.根据权利要求7所述的方法,其特征在于,所述畸变标定模型为:
其中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。
9.一种鱼眼镜头径向畸变的标定装置,其特征在于,包括:
标定图像获取模块,用于获取包含至少两组空间平行直线的标定图像;
圆弧拟合模块,用于对所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组进行拟合处理;
模型生成模块,用于根据拟合处理结果生成畸变标定模型;
其中,所述圆弧拟合模块包括:
参数系数计算单元,用于采用预设的非线性优化算法,计算所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组的公共参数和比例系数;
结果获取单元,用于采用所述公共参数和所述比例系数计算获取拟合处理结果,所述拟合处理结果包括各个所述圆心共线圆弧组中每条圆弧的参数化表示以及各个所述圆心共线圆弧组对应的两个公共交点;
其中,所述公共参数包括所述两个公共交点间连线的中点坐标以及所述中点到所述两个公共交点中任一交点的向量,所述比例系数包括各个所述圆心共线圆弧组中每条圆弧对应的预设系数。
10.根据权利要求9所述的标定装置,其特征在于,所述至少两组空间平行直线中任一组空间平行直线在畸变图像上均映射为一个圆心共线圆弧组,所述任一组空间平行直线中任一直线在畸变图像上映射的圆心共线圆弧组中均存在对应的一条圆弧。
11.根据权利要求9所述的标定装置,其特征在于,所述参数系数计算单元包括:
方程获取子单元,用于获取所述至少两组空间平行直线中每一组空间平行直线在畸变图像上映射的圆心共线圆弧组对应的平方距离最小化方程;
参数系数获取子单元,用于采用预设的非线性优化算法对所述平方距离最小化方程进行计算,获取各个所述圆心共线圆弧组的公共参数和比例系数。
12.根据权利要求9所述的标定装置,其特征在于,所述模型生成模块包括:
坐标参数获取单元,用于根据拟合处理结果获取畸变中心点坐标和畸变参数;
模型生成单元,用于采用所述畸变中心点坐标和所述畸变参数生成畸变标定模型。
13.根据权利要求12所述的标定装置,其特征在于,所述坐标参数获取单元包括:
坐标获取子单元,用于获取各个圆心共线圆弧组对应的两个公共交点的直线方程,并将所有直线方程的交点坐标确定为畸变中心点坐标;
参数获取子单元,用于根据所述畸变中心点坐标和任一圆心共线圆弧组中任一圆弧的参数化表示,获取畸变参数。
14.根据权利要求11所述的标定装置,其特征在于,所述平方距离最小化方程为:
其中,m表示拟合第i条圆弧的点的个数,|Qi,joi|表示第i条圆弧上的点Qi,j与圆心oi之间的距离,ri表示第i条圆弧的半径,n表示一个圆心共线圆弧组中圆弧的条数,(px,py)表示所述两个公共交点M点和N点间连线的中点P点的坐标,(tx,ty)表示所述P点到所述M点或N点的向量,(k1…kn)表示n条圆弧中每条圆弧的比例系数;
所述预设的非线性优化算法为LM算法。
15.根据权利要求13所述的标定装置,其特征在于,假设任一圆心共线圆弧组中任一圆弧的参数化表示为所述畸变中心点坐标为(xd0,yd0),则所述畸变参数为:
其中,A、B和C为任一圆弧的参数化表示中的参数。
16.根据权利要求15所述的标定装置,其特征在于,所述畸变标定模型为:
其中,b=(xd,yd)为畸变图像坐标点,a=(xu,yu)为经过畸变校正后的图像坐标点,rd为b与畸变中心点坐标的欧氏距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244246.3A CN104077768B (zh) | 2014-06-04 | 2014-06-04 | 一种鱼眼镜头径向畸变的标定方法及标定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410244246.3A CN104077768B (zh) | 2014-06-04 | 2014-06-04 | 一种鱼眼镜头径向畸变的标定方法及标定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104077768A CN104077768A (zh) | 2014-10-01 |
CN104077768B true CN104077768B (zh) | 2017-04-19 |
Family
ID=51599010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410244246.3A Expired - Fee Related CN104077768B (zh) | 2014-06-04 | 2014-06-04 | 一种鱼眼镜头径向畸变的标定方法及标定装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077768B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408730B (zh) * | 2014-12-08 | 2018-08-07 | 北京市新技术应用研究所 | 鱼眼镜头的标定装置 |
CN105096269B (zh) * | 2015-07-21 | 2018-03-02 | 北京交通大学 | 基于畸变直线结构检测的图像径向畸变矫正的方法及*** |
CN108009981B (zh) * | 2017-09-26 | 2021-06-01 | 深圳市易成自动驾驶技术有限公司 | 畸变参数的寻优方法、装置及计算机可读存储介质 |
CN109102545A (zh) * | 2018-07-11 | 2018-12-28 | 大连理工大学 | 一种基于非度量的畸变校正方法 |
CN109215084A (zh) * | 2018-08-06 | 2019-01-15 | 杭州雄迈集成电路技术有限公司 | 一种用于畸变矫正中心点定位的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1507407A2 (en) * | 2003-08-13 | 2005-02-16 | Topcon Corporation | Electronic image pickup apparatus with image correction function and method thereof |
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 |
CN103617615A (zh) * | 2013-11-27 | 2014-03-05 | 华为技术有限公司 | 径向畸变参数获取方法及获取装置 |
-
2014
- 2014-06-04 CN CN201410244246.3A patent/CN104077768B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1507407A2 (en) * | 2003-08-13 | 2005-02-16 | Topcon Corporation | Electronic image pickup apparatus with image correction function and method thereof |
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 |
CN103617615A (zh) * | 2013-11-27 | 2014-03-05 | 华为技术有限公司 | 径向畸变参数获取方法及获取装置 |
Non-Patent Citations (2)
Title |
---|
Equidistant (fθ) fish-eye perspective with application in distortion centre estimation;Ciaran Hughes 等;《Image and Vision Computing》;20100331;第28卷(第3期);第3节,图7 * |
摄像机径向畸变校正和内参估计的单图标定方法;朱云芳;《光电工程》;20120930;第39卷(第9期);125-131 * |
Also Published As
Publication number | Publication date |
---|---|
CN104077768A (zh) | 2014-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104077768B (zh) | 一种鱼眼镜头径向畸变的标定方法及标定装置 | |
WO2020119684A1 (zh) | 一种3d导航语义地图更新方法、装置及设备 | |
CN106504188B (zh) | 用于立体视觉呈现的人眼观察图像的生成方法和装置 | |
CN108304075A (zh) | 一种在增强现实设备进行人机交互的方法与设备 | |
CN109064549B (zh) | 标志点检测模型生成方法及标志点检测方法 | |
WO2023284713A1 (zh) | 一种三维动态跟踪方法、装置、电子设备和存储介质 | |
CN107358633A (zh) | 一种基于三点标定物的多相机内外参标定方法 | |
CN107274338A (zh) | 用于深度图的低等待时间变形的***、方法和装置 | |
CN108225216A (zh) | 结构光***标定方法及装置、结构光***及移动设备 | |
CN110176030A (zh) | 一种无人机图像的自动配准方法、装置及电子设备 | |
JP2008311890A (ja) | 画像データ変換装置、及びこれを備えたカメラ装置 | |
EP3971839A1 (en) | Illumination rendering method and apparatus, storage medium, and electronic apparatus | |
CN106600665A (zh) | 一种相机动画路径生成方法和装置 | |
CN107707899B (zh) | 包含运动目标的多视角图像处理方法、装置及电子设备 | |
CN102385752B (zh) | 一种基于距离和色彩差异的立体匹配方法 | |
CN106997579A (zh) | 图像拼接的方法和装置 | |
CN110197149A (zh) | 耳部关键点检测方法、装置、存储介质及电子设备 | |
CN105530502A (zh) | 根据立体相机拍摄的图像帧生成视差图的方法和装置 | |
CN107316298A (zh) | 一种焊接间隙的实时测量方法、装置及电子设备 | |
CN112529006B (zh) | 全景图片的检测方法、装置、终端及存储介质 | |
CN107798675A (zh) | 显示图像中拖影的检测方法及装置 | |
CN105488764B (zh) | 鱼眼图像校正方法及装置 | |
CN106600691B (zh) | 多路二维视频图像在三维地理空间中融合校正方法、*** | |
KR101888837B1 (ko) | 스테레오 매칭 시스템의 전처리 장치 | |
CN115861145A (zh) | 一种基于机器视觉的图像处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170419 Termination date: 20200604 |
|
CF01 | Termination of patent right due to non-payment of annual fee |