CN106600649A - 一种基于二维标记码的相机自标定方法 - Google Patents
一种基于二维标记码的相机自标定方法 Download PDFInfo
- Publication number
- CN106600649A CN106600649A CN201611118239.4A CN201611118239A CN106600649A CN 106600649 A CN106600649 A CN 106600649A CN 201611118239 A CN201611118239 A CN 201611118239A CN 106600649 A CN106600649 A CN 106600649A
- Authority
- CN
- China
- Prior art keywords
- dimensional target
- image
- dimensional
- collecting device
- code
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于二维标记码的相机自标定方法,包括以下步骤:设置带有标记码的二维靶标;对二维靶标进行图像采集,获取具有标记码的二维靶标图像组;对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配;确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵;对图像采集装置的内参数矩阵和外参数矩阵进行优化;增加图像采集装置并计算出该图像采集装置的内外参数及三维点云。本发明通过设置具有标记码的二维靶标,对图像采集装置进行标定,解决传统标定技术中三维标靶的制作难、精确度要求高及自标定结果精度差的技术问题。
Description
技术领域
本发明涉及三维建模技术领域,具体涉及一种基于二维标记码的相机自标定方法。
背景技术
在基于照片三维重建的领域,如何由二维图像恢复目标物体三维空间几何形状以及相机运动参数一直是该领域的热点。目前常用的标定方法可以分为三类:传统标定方法、主动视觉方法和相机自标定方法。传统标定方法需要利用已知三维几何信息的标定物,得到的标定结果比较精确,但是需要高精度的三维标靶,制作难度大,成本也比较高;主动视觉标定方法需要已知相机某些运动信息,这类标定算法的优点是由于已知部分相机的运动信息,因此可以线性求解相机模型参数,算法鲁棒性较高,但操作复杂,在实际应用中很难精确移动相机;相机自标定方法是在某一静态场景对目标物体进行多次拍摄,或者多个相机对目标同时拍摄,利用图像序列之间的相互约束关系标定,有很广发的应用范围,但是精度较差。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,公开了一种基于二维标记码的相机自标定方法,解决传统标定技术中三维标靶的制作难、精度要求高,以及自标定方法结果精度差的技术问题。
本发明解决其技术问题所采用的技术方案是:一种基于二维标记码的相机自标定方法,其特征在于,包括以下步骤:
设置带有标记码的二维靶标;
对二维靶标进行图像采集,获取具有标记码的二维靶标图像组;
对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配;
确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵;
对图像采集装置的内参数矩阵和外参数矩阵进行优化;
增加图像采集装置并计算出该图像采集装置的内外参数及三维点云。
进一步地,所述对二维靶标进行多角度图像采集,获取具有标记码的二维靶标图像组;具体包括:通过图像采集装置对二维靶标进行多个图像的采集,形成具有标记码的二维靶标图像组。
进一步地,所述图像采集装置采用一个相机对二维靶标进行多角度拍摄获得具有标记码的二维靶标图像组。
进一步地,所述图像采集装置采用多个相机对二维靶标同时获得具有标记码的二维靶标图像组。
进一步地,所述对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配,具体包括:对二维靶标图像组中每个二维靶标图像上的标记码进行检测,获取每张二维靶标图像上标记码的编号以及标记码的四个角点坐标;并对具有相同标记码的二维靶标图像进行匹配。
进一步地,所述确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵,具体包括:选择所有二维靶标图像上标记码相匹配的数量最多的两张二维靶标图像,根据图像采集装置的初始内部参数及两张二维靶标图像上标记码匹配的角点坐标计算两张二维靶标图像的基础矩阵;对两张二维靶标图像的基础矩阵进行分解,获得图像采集装置的内参数矩阵以及外参数矩阵。
进一步地,所述对图像采集装置的内参数矩阵和外参数矩阵进行优化;具体为:采用分线性优化Levenberg Marquardt方法和最小角点重投影误差算法对内参数矩阵和外参数矩阵进行优化,得到优化后的相机内参数和外参数。
进一步地,所述增加图像采集装置并计算出该图像采集装置的内外参数及三维点云,具体包括,增加的图像采集装置获取对应的二维靶标图像组并确定二维靶标基础图像,得到该增加的图像采集装置的内参数、外参数以及该图像采集装置对应的标记码的三维点云。
本发明与现有技术相比具有以下优点:
本发明通过设置具有标记码的二维靶标,对图像采集装置进行标定,解决传统标定技术中三维标靶的制作难、精确度要求高及自标定结果精度差的技术问题。图像采集装置对二维靶标获取多个二维靶标图像,根据二维靶标图像上的标记码匹配数量,确定二维靶标基础图像,根据二维靶标基础图像中的标记码的角点坐标计算图像采集装置的参数信息,根据图像采集装置的初始内参数获得图像采集装置的内参数矩阵和外参数矩阵,然后对该图像采集装置的内参数矩阵和外参数矩阵进行优化,得到该图像采集装置的标定信息,然后增加图像采集装置,按照上述的步骤对增加的图像采集装置进行标定,直到最终完成所有图像采集装置的标定。
二维靶标为印制具有标识符的标记码,采用具有四个角点的方形标记码,便于对标记码的识别,标记码上设置唯一的标识符,实现对特征点的匹配,每个标记码采用内部编码的ID进行确定唯一的标识符,完全避免了错误匹配的特征点,提高标定***的鲁棒性。
附图说明
图1为本发明提出的一种基于二维标记码的相机自标定方法流程图。
具体实施方式
下面结合附图及实施例描述本发明具体实施方式:
参见图1,为本发明提出的一种基于二维标记码的相机自标定方法流程图。
如图1所示,一种基于二维标记码的相机自标定方法,其特征在于,包括以下步骤:
步骤101,设置带有标记码的二维靶标;
步骤102,对二维靶标进行图像采集,获取具有标记码的二维靶标图像组;
步骤103,对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配;
步骤104,确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵;
步骤105,对图像采集装置的内参数矩阵和外参数矩阵进行优化;
步骤106,增加图像采集装置并计算出该图像采集装置的内外参数及三维点云。
本发明实施例中通过设置具有标记码的二维靶标,对图像采集装置进行标定,解决传统标定技术中三维标靶的制作难、精确度要求高及自标定结果精度差的技术问题。图像采集装置对二维靶标获取多个二维靶标图像,根据二维靶标图像上的标记码匹配数量,确定二维靶标基础图像,根据二维靶标基础图像中的标记码的角点坐标计算图像采集装置的参数信息,根据图像采集装置的初始内参数获得图像采集装置的内参数矩阵和外参数矩阵,然后对该图像采集装置的内参数矩阵和外参数矩阵进行优化,得到该图像采集装置的标定信息,然后增加图像采集装置,按照上述的步骤对增加的图像采集装置进行标定,直到最终完成所有图像采集装置的标定。
标记码可以采用具有四个角的方形标记,该方形标记可以采用黑色填充,其内部设置便于识别的二进制的标识符,多个标记码组成二进制矩阵,采用黑色边框有利于在采集的图像中被快速检测,二进制标识符与标记码一一对应。
二维靶标是将多个标记码设置在一个平面上,采用均匀分布,可以改变标记码的填充色,相邻标记码之间设置空隙,便于标记码角点坐标的检测,优选的,在标记码的周围设置1cm的白色边框,这样相邻标记码之间即具有可以区分的间隔。
标记码上设置唯一的标识符,实现对特征点的匹配,每个标记码采用内部编码的ID进行确定唯一的标识符,完全避免了错误匹配的特征点,提高标定***的鲁棒性。
在步骤102中,所述对二维靶标进行多角度图像采集,获取具有标记码的二维靶标图像组;具体包括:通过图像采集装置对二维靶标进行多个图像的采集,形成具有标记码的二维靶标图像组。
在步骤102中,作为首次对二维标靶进行多角度图像采集的图像采集装置可以采用一个相机围绕靶标进行多个图像的采集,然后对采集的图像检测其标记码并进行匹配。
在步骤102中,作为首次对二维标靶进行多角度图像采集的图像采集装置可以采用两个相机对二维靶标进行同时拍摄多张具有标记码的二维靶标图像,作为后续步骤的可选择图像。
对于首次对二维标靶进行多角度图像采集不论采用一个相机进行多角度图像的采集,还是采用两个相机或多个相机对二维靶标进行二维靶标图像的采集,由于相机的初始参数为已知,根据选择的二维靶标图像信息以及相机的初始内参数可以确定相机的内参数矩阵和外参数矩阵,这样为后期相机参数的优化提供基础,同时可以计算出二维靶标上标记码的三维点云,这样为后续其他图像采集装置的标定提供基础,这样可以对多个待标定图像采集装置进行筛选,选择其他图像采集装置所拍摄的二维靶标图像与首次采用的图像采集装置获得的三维点云匹配数量最多的图像采集装置,按照上述方法计算该图像采集装置的内参是和外参数,并获得对应于该图像采集装置所拍摄到的标记码的三维点云;依次循环,直至完成所有图像采集装置的内外参数和所有标记码的三维点云。
在步骤103中,所述对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配,具体包括:对二维靶标图像组中每个二维靶标图像上的标记码进行检测,获取每张二维靶标图像上标记码的编号以及标记码的四个角点坐标;并对具有相同标记码的二维靶标图像进行匹配。
二维靶标上印制具有标识符的标记码,采用具有四个角点的方形标记码,便于对标记码的识别,同时标记码上设置唯一的标识符,便于对标记码进行匹配,提高标定精度。
在步骤104中,所述确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵,具体包括:选择所有二维靶标图像上标记码相匹配的数量最多的两张二维靶标图像,根据图像采集装置的初始内部参数及两张二维靶标图像上标记码匹配的角点坐标计算两张二维靶标图像的基础矩阵;对两张二维靶标图像的基础矩阵进行分解,获得图像采集装置的内参数矩阵以及外参数矩阵。
图像采集装置的内参数为图像采集装置的初始化参数,例如焦距、主点坐标等,通过图像采集装置的内参数信息及标记码坐标信息获得图像采集装置的内参数矩阵和外参数矩阵。
在步骤105中,所述对图像采集装置的内参数矩阵和外参数矩阵进行优化;具体为:采用分线性优化Levenberg Marquardt方法和最小角点重投影误差算法对内参数矩阵和外参数矩阵进行优化,得到优化后的相机内参数和外参数。
在步骤106中,所述增加图像采集装置并计算出该图像采集装置的内外参数及三维点云,具体包括,增加的图像采集装置获取对应的二维靶标图像组并确定二维靶标基础图像,得到该增加的图像采集装置的内参数、外参数以及该图像采集装置对应的标记码的三维点云。
本发明首先对一个图像采集装置或两个图像采集装置进行标定,然后依次增加图像采集装置,按照首次标定流程对增加的图像采集装置进行标定,从而获得所有图像采集装置的标定信息,并根据图像采集装置的标定信息对二维靶标的三维点云进行计算,得到二维靶标上标记码的三维点云,便于后期对图像数据的处理,例如对其他图像采集装置的标定及拍摄图像信息的处理。
上面结合附图对本发明优选实施方式作了详细说明,但是本发明不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解,本发明不限于特定的实施方式,本发明的范围由所附权利要求限定。
Claims (8)
1.一种基于二维标记码的相机自标定方法,其特征在于,包括:以下步骤:
设置带有标记码的二维靶标;
对二维靶标进行图像采集,获取具有标记码的二维靶标图像组;
对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配;
确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵;
对图像采集装置的内参数矩阵和外参数矩阵进行优化;
增加图像采集装置并计算出该图像采集装置的内外参数及三维点云。
2.根据权利要求1所述的一种基于二维标记码的相机自标定方法,其特征在于,所述对二维靶标进行多角度图像采集,获取具有标记码的二维靶标图像组;具体包括:通过图像采集装置对二维靶标进行多个图像的采集,形成具有标记码的二维靶标图像组。
3.根据权利要求2所述的一种基于二维标记码的相机自标定方法,其特征在于,所述图像采集装置采用一个相机对二维靶标进行多角度拍摄获得具有标记码的二维靶标图像组。
4.根据权利要求2所述的一种基于二维标记码的相机自标定方法,其特征在于,所述图像采集装置采用多个相机对二维靶标同时获得具有标记码的二维靶标图像组。
5.根据权利要求1所述的一种基于二维标记码的相机自标定方法,其特征在于,所述对二维靶标图像组中的标记码进行检测并对二维靶标图像进行匹配,具体包括:对二维靶标图像组中每个二维靶标图像上的标记码进行检测,获取每张二维靶标图像上标记码的编号以及标记码的四个角点坐标;并对具有相同标记码的二维靶标图像进行匹配。
6.根据权利要求1所述的一种基于二维标记码的相机自标定方法,其特征在于,所述确定二维靶标基础图像,并计算图像采集装置的内参数矩阵和外参数矩阵,具体包括:选择所有二维靶标图像上标记码相匹配的数量最多的两张二维靶标图像,根据图像采集装置的初始内部参数及两张二维靶标图像上标记码匹配的角点坐标计算两张二维靶标图像的基础矩阵;对两张二维靶标图像的基础矩阵进行分解,获得图像采集装置的内参数矩阵以及外参数矩阵。
7.根据权利要求1所述的一种基于二维标记码的相机自标定方法,其特征在于,所述对图像采集装置的内参数矩阵和外参数矩阵进行优化;具体为:采用分线性优化LevenbergMarquardt方法和最小角点重投影误差算法对内参数矩阵和外参数矩阵进行优化,得到优化后的相机内参数和外参数。
8.根据权利要求1所述的一种基于二维标记码的相机自标定方法,其特征在于,所述增加图像采集装置并计算出该图像采集装置的内外参数及三维点云,具体包括,增加的图像采集装置获取对应的二维靶标图像组并确定二维靶标基础图像,得到该增加的图像采集装置的内参数、外参数以及该图像采集装置对应的标记码的三维点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611118239.4A CN106600649A (zh) | 2016-12-07 | 2016-12-07 | 一种基于二维标记码的相机自标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611118239.4A CN106600649A (zh) | 2016-12-07 | 2016-12-07 | 一种基于二维标记码的相机自标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106600649A true CN106600649A (zh) | 2017-04-26 |
Family
ID=58597358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611118239.4A Pending CN106600649A (zh) | 2016-12-07 | 2016-12-07 | 一种基于二维标记码的相机自标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600649A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010084A (zh) * | 2017-11-20 | 2018-05-08 | 深圳市云之梦科技有限公司 | 一种深度摄像机重建及自动标定的方法、***、设备 |
CN108648237A (zh) * | 2018-03-16 | 2018-10-12 | 中国科学院信息工程研究所 | 一种基于视觉的空间定位方法 |
CN110049304A (zh) * | 2019-03-22 | 2019-07-23 | 嘉兴超维信息技术有限公司 | 一种稀疏相机阵列瞬时三维成像的方法及其装置 |
CN111064864A (zh) * | 2018-10-17 | 2020-04-24 | 杭州海康慧影科技有限公司 | 设置畸变校正参数的方法、装置和内窥镜*** |
CN111311690A (zh) * | 2020-02-19 | 2020-06-19 | 深圳蚂里奥技术有限公司 | 一种深度相机的标定方法、装置、终端及计算机存储介质 |
WO2023173972A1 (zh) * | 2022-03-18 | 2023-09-21 | 华为技术有限公司 | 一种相机内参标定的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727670A (zh) * | 2009-11-10 | 2010-06-09 | 西安交通大学 | 一种可变幅面多相机***柔性标定方法及装置 |
CN101866482A (zh) * | 2010-06-21 | 2010-10-20 | 清华大学 | 基于摄像设备自标定技术的全景图拼接方法和装置 |
CN101998136A (zh) * | 2009-08-18 | 2011-03-30 | 华为技术有限公司 | 单应矩阵的获取方法、摄像设备的标定方法及装置 |
-
2016
- 2016-12-07 CN CN201611118239.4A patent/CN106600649A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101998136A (zh) * | 2009-08-18 | 2011-03-30 | 华为技术有限公司 | 单应矩阵的获取方法、摄像设备的标定方法及装置 |
CN101727670A (zh) * | 2009-11-10 | 2010-06-09 | 西安交通大学 | 一种可变幅面多相机***柔性标定方法及装置 |
CN101866482A (zh) * | 2010-06-21 | 2010-10-20 | 清华大学 | 基于摄像设备自标定技术的全景图拼接方法和装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010084A (zh) * | 2017-11-20 | 2018-05-08 | 深圳市云之梦科技有限公司 | 一种深度摄像机重建及自动标定的方法、***、设备 |
CN108648237A (zh) * | 2018-03-16 | 2018-10-12 | 中国科学院信息工程研究所 | 一种基于视觉的空间定位方法 |
CN108648237B (zh) * | 2018-03-16 | 2022-05-03 | 中国科学院信息工程研究所 | 一种基于视觉的空间定位方法 |
CN111064864A (zh) * | 2018-10-17 | 2020-04-24 | 杭州海康慧影科技有限公司 | 设置畸变校正参数的方法、装置和内窥镜*** |
CN110049304A (zh) * | 2019-03-22 | 2019-07-23 | 嘉兴超维信息技术有限公司 | 一种稀疏相机阵列瞬时三维成像的方法及其装置 |
CN111311690A (zh) * | 2020-02-19 | 2020-06-19 | 深圳蚂里奥技术有限公司 | 一种深度相机的标定方法、装置、终端及计算机存储介质 |
CN111311690B (zh) * | 2020-02-19 | 2024-02-06 | 深圳蚂里奥技术有限公司 | 一种深度相机的标定方法、装置、终端及计算机存储介质 |
WO2023173972A1 (zh) * | 2022-03-18 | 2023-09-21 | 华为技术有限公司 | 一种相机内参标定的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600649A (zh) | 一种基于二维标记码的相机自标定方法 | |
KR102247409B1 (ko) | 카메라 캘리브레이션을 위한 타겟, 방법, 및 시스템 | |
CN104537659B (zh) | 双摄像机的自动标定方法和*** | |
CN100470590C (zh) | 相机标定方法及所用标定装置 | |
CN108765494B (zh) | 一种基于圆柱体标定物的多相机标定方法 | |
CN105469418B (zh) | 基于摄影测量的大视场双目视觉标定装置及方法 | |
CN104574415B (zh) | 一种基于单摄像机的目标空间定位方法 | |
CN109522935A (zh) | 一种对双目视觉测量***的标定结果进行评价的方法 | |
CN106600648A (zh) | 标定相机内参数和畸变系数的立体编码靶标及其标定方法 | |
CN105043250B (zh) | 一种基于至少两个公共标记点的双视角数据对齐方法 | |
CN111950426A (zh) | 目标检测方法、装置及运载工具 | |
CN102773862A (zh) | 用于室内移动机器人的快速精确定位***及其工作方法 | |
CN104217429A (zh) | 一种摄像机标定板的设计与检测方法 | |
KR20210116507A (ko) | 교정 방법, 위치 확정 방법, 장치, 전자 디바이스 및 저장매체 | |
CN110120099A (zh) | 定位方法、装置、识别跟踪***及计算机可读介质 | |
CN103400373A (zh) | 相机检校控制场人工标志像点坐标自动识别定位方法 | |
CN104376328B (zh) | 基于坐标的分布型编码标志识别方法及*** | |
CN110009692A (zh) | 用于相机标定的大型控制场人工标志点及其编码方法 | |
CN105654547A (zh) | 三维重建方法 | |
CN106651959A (zh) | 一种光场相机微透镜阵列几何参数的标定方法 | |
Feng et al. | A pattern and calibration method for single-pattern structured light system | |
CN101950409B (zh) | 一种基于象限的编码标记点设计方法 | |
CN113888641A (zh) | 一种基于机器视觉和深度学习的立木胸径测量方法 | |
CN103679695B (zh) | 一种3d四轮定位仪反射标靶及图像识别方法 | |
CN117132653A (zh) | 一种基于标靶的机器视觉位移测量方法、***及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170426 |
|
WD01 | Invention patent application deemed withdrawn after publication |