CN110189380B - 标定数据的优化方法、结构光模组及存储介质 - Google Patents
标定数据的优化方法、结构光模组及存储介质 Download PDFInfo
- Publication number
- CN110189380B CN110189380B CN201910464954.0A CN201910464954A CN110189380B CN 110189380 B CN110189380 B CN 110189380B CN 201910464954 A CN201910464954 A CN 201910464954A CN 110189380 B CN110189380 B CN 110189380B
- Authority
- CN
- China
- Prior art keywords
- data
- structured light
- light module
- calibration data
- original
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Communication System (AREA)
Abstract
本申请实施例公开了一种标定数据的优化方法、结构光模组及存储介质,该标定数据的优化方法包括:在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数;响应优化指令,按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种标定数据的优化方法、结构光模组及存储介质。
背景技术
随着终端技术的不断发展,终端的拍摄功能也变得越来越丰富,例如,终端在通过结构光模组进行拍摄时,已经可以计算出目标场景的景深数据,能够更有效的进行图像的处理,优化成像效果,从而模拟各种单反相机的光学特效,极大地提升了用户体验。其中,在生产过程中,会对结构光模组的具体数据进行标定,以方便结构光模组根据出厂时的标定数据进行图像处理。
然而,终端在对结构光模组进行更换时,可能会造成结构光模组的变形,使实际数据和原始标定数据产生误差,降低了结构光的性能,使得结构光模组的拍摄精度较低,影响了拍摄效果和优化效果。
发明内容
本申请实施例提供了一种标定数据的优化方法、结构光模组及存储介质,可以有效地提高结构光的性能,提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
本申请实施例的技术方案是这样实现的:
本申请实施例提供了一种标定数据的优化方法,所述方法包括:
在接收优化指令之后,获取当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据;
根据所述内参数据、所述原始外参数据、所述当前散斑图以及所述参考散斑图,确定误差参数;
响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
可选的,所述获取当前散斑图,包括:
接收拍摄指令;
按照所述拍摄指令获得所述当前散斑图。
可选的,所述根据所述内参数据、所述原始外参数据、所述当前散斑图以及所述参考散斑图,确定误差参数,包括:
根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点;其中,所述第一散斑点和所述第二散斑点为不同散斑图中的、相同预设位置的散斑点;
按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点;
根据所述第一散斑点和所述第三散斑点,确定所述误差参数。
可选的,所述根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点,包括:
在所述当前散斑图中确定所述预设位置对应的所述第一散斑点;
按照所述预设位置在所述参考散斑图中确定所述第一散斑点对应的所述第二散斑点。
可选的,所述按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点,包括:
通过所述内参数据和所述原始外参数据对所述第二散斑点进行坐标变换,在所述当前散斑图中确定所述第二散斑点对应的所述第三散斑点。
可选的,所述按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据,包括:
将所述原始外参数据设定为优化变量,将所述误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据;
根据所述优化后的外参数据生成所述优化后的标定数据。
可选的,所述根据所述优化后的外参数据生成所述优化后的标定数据,包括:
将所述原始外参数据替换为所述优化后的外参数据,以获得优化后的标定数据。
可选的,所述获取原始标定数据,包括:
确定标识信息;
按照所述标识信息,在预设存储空间中读取所述原始标定数据。
可选的,所述按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据之后,所述方法还包括:
将所述优化后的标定数据存储至所述预设存储空间中。
本申请实施例提供了一种结构光模组,所述结构光模组包括:获取单元,确定单元以及优化单元,
所述获取单元,用于在接收优化指令之后,获取当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据;
所述确定单元,用于根据所述内参数据、所述原始外参数据、所述当前散斑图以及所述参考散斑图,确定误差参数;
所述优化单元,用于响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
可选的,所述确定单元,具体用于根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点;其中,所述第一散斑点和所述第二散斑点为不同散斑图中的、相同预设位置的散斑点;以及按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点;以及根据所述第一散斑点和所述第三散斑点,确定所述误差参数。
可选的,所述优化单元,具体用于将所述原始外参数据设定为优化变量,将所述误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据;以及根据所述优化后的外参数据生成所述优化后的标定数据。
可选的,所述获取单元,具体用于确定标识信息;以及按照所述标识信息,在预设存储空间中读取所述原始标定数据。
可选的,所述结构光模组还包括:存储单元,
所述存储单元,用于按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据之后,将所述优化后的标定数据存储至所述预设存储空间中。
本申请实施例提供了一种结构光模组,所述结构光模组包括处理器、存储有所述处理器可执行指令的存储器,当所述指令被所述处理器执行时,实现如上所述的标定数据的优化方法。
本申请实施例提供了一种计算机可读存储介质,其上存储有程序,应用于结构光模组中,所述程序被处理器执行时,实现如上所述的标定数据的优化方法。
本申请实施例提供了一种标定数据的优化方法、结构光模组及存储介质,结构光模组在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数;响应优化指令,按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。也就是说,在本申请的实施例中,当结构光模组接收优化指令之后,可以分别获取当前散斑图和出厂时的原始标定数据,然后根据当前散斑图和原始标定数据确定出结构光模组对应的实际数据和出厂时的原始标定数据之间的误差,即确定出误差参数,从而便可以进一步根据误差参数对结构光模组的原始标定数据中的外参数据进行优化,获得优化后的标定数据。因此,本申请实施例提出的标定数据的优化方法,在结构光模组由于变形导致的实际数据和出厂数据不一致时,可以通过对原始标定数据的优化,有效地提高结构光的性能,提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
附图说明
图1为结构光工作流程示意图;
图2为本申请实施例提出的一种标定数据的优化方法的实现流程示意图;
图3为第一散斑点示意图;
图4为第二散斑点示意图;
图5为第三散斑点示意图;
图6为云端存储标定数据的示意图;
图7为本申请实施例提出的结构光模组的组成结构示意图一;
图8为本申请实施例提出的结构光模组的组成结构示意图二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关申请相关的部分。
已知空间方向的投影光线的集合称为结构光(structured Light),主要分为点结构光、线结构光、多线结构光、面结构光、相位法结构光。具体地,结构光可以投射特定的光信息到物体表面,然后采集物体造成的光信号的变化,从而计算物体的位置和深度等信息,以复原物体的三维空间。常见的结构光模组可以包括发射装置、接收装置以及图像处理芯片。其中,发射装置用于发射经过特殊调制的不可见红外光至拍摄物体,如激光投影装置;接收装置用于接收由被拍摄物体反射回来的不可见红外光,如红外线互补金属氧化物半导体(Infrared Radiation Complementary Metal Oxide Semiconductor,IR CMOS);图像处理芯片用于计算获取被拍摄物体的空间信息,即被拍摄物体的3D信息,如专门应用的集成电路(Application Specific Integrated Circuit,ASIC)。进一步地,结构光模组还可以包括普通镜头,用于进行2D彩色图像的拍摄,从而可以将2D彩色图像和3D信息结合,经算法处理获得具备3D信息的彩色图片。图1为结构光工作流程示意图,如图1所示,在接收到拍摄指令后,终端中的结构光模组可以控制激光投影装置投射红外散斑场到3D物体表面,然后可以控制IR CMOS采集经过3D物体表面反射获得的散斑图,最后可以通过ASIC进行深度计算,输出3D物体对应的深度信息。
目前,在生产结构光模组时,会对结构光模组进行数据的标定,即每个结构光模组都对应有标定数据,以使结构光模组可以根据对应的标定数据进行图像处理,然而,终端在进行结构光模组的更换时,常常会出现结构光模组变形的情况,造成结构光模组的实际数据与出厂数据不一致的问题,这时,如果结构光模组仍然按照出厂时的标定数据进行图像处理,便会影响结构光模组的拍摄效果和优化效果,降低结构光模组的智能性。
本申请提出的一种标定数据的优化方法,当结构光模组完成安装之后,可以先获取当前散斑图,然后利用当前散斑图对结构光模组的原始标定数据进行优化,获得优化后的标定数据,从而可以使结构光模组解决由于光轴变化所导致的结构光性能下降的问题,进而可以有效地提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请一实施例提供了一种标定数据的优化方法,图2为本申请实施例提出的一种标定数据的优化方法的实现流程示意图,如图2所示,在本申请的实施例中,结构光模组优化标定数据的方法可以包括以下步骤:
步骤101、在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据。
在本申请的实施例中,结构光模组在接收优化指令之后,可以先获取当前散斑图和原始标定数据。
进一步地,在本申请的实施例中,终端完成结构光模组的更换后,结构光模组可以先接收优化指令,然后便可以获取对应的当前散斑图和原始标定数据。其中,结构光模组安装配置在终端中。
需要说明的是,在本申请的实施例中,终端可以为任何具备通信和存储功能的设备,例如:平板电脑、手机、电子阅读器、遥控器、个人计算机(Personal Computer,PC)、笔记本电脑、车载设备、网络电视、可穿戴设备等设备。
进一步地,在本申请的实施例中,终端可以配置有结构光模组。进一步地,终端可以先通过检测用户操作,判定已经完成了模组的更换处理后,便可以向结构光模组发送优化指令。具体地,终端可以对配置的结构光模组进行更换,将原有的结构光模组更换为新的结构光模组。例如,在进行售后时,终端可以通过用户的操作对配置的元件进行更换。其中,终端可以对结构光模组的连接状态进行实时检测,并根据检测结果判断是否完成了模组的更换处理,当判定已经完成了模组更换处理之后,终端便可以进一步向配置的结构光模组发送优化指令,相应地,结构光模组在接收到优化指令之后,便可以对当前散斑图和原始标定数据进行获取。
需要说明的是,在本申请的实施例中,结构光可以为红外光(InfraredRadiation,IR)。结构光模组可以包括结构光投射器和结构光传感器,结构光模组可以通过结构光投射器将光点、光缝、光栅、格网或斑纹投影到被测物体上,并可以通过结构光传感器获得被测物体的图像。
进一步地,在本申请的实施例中,结构光模组可以配置有存储器,其中,存储器可以用于对原始标定数据进行存储。
进一步地,在本申请的实施例中,终端可以设置有摄像头,摄像头可以具有RGB传感器,RGB传感器具有三色光R、G、B传感单元。具体地,结构光传感器可以设置于摄像头的RGB传感器中,如将每个G传感单元的一半替换为IR传感器,通过将任一种色彩传感单元中部分替换为结构光传感器,从而使得RGB传感器可以接收被测物体反射的结构光。
需要说明的是,在本申请的实施例中,结构光模组在接收优化指令之后,即终端将原有的结构光模组替换为新的结构光模组,并向结构光模组发送优化指令之后,结构光模组可以通过拍摄获得对应的当前散斑图。
进一步地,在本申请的实施例中,结构光模组在通过拍摄获得对应的当前散斑图时,可以先接收拍摄指令,然后可以根据拍摄指令采集当前散斑图。
需要说明的是,在本申请的实施例中,结构光模组可以对结构光进行编码,然后采用结构光投射器向外投射形成预置图像编码的结构光,采用结构光传感器采集经过被测物体编码反射后结构光,得到当前散斑图。
进一步地,在本申请的实施例中,结构光模组在接收优化指令之后,即结构光模组将原有的结构光模组替换为新的结构光模组,并向结构光模组发送优化指令之后,结构光模组可以先确定出对应的标识信息,然后通过标识信息读取存储的原始标定数据。
需要说明的是,在本申请的实施例中,原始标定数据中携带有结构光模组对应的参考散斑图、内参数据以及原始外参数据。具体地,原始标定数据是与结构光模组相对应的,但是,如果结构光模组产生了变形,那么原始标定数据便会与结构光模组对应的实际数据存在误差。
进一步地,在本申请的实施例中,原始数据中的内参数据可以包括结构光模组对应的透镜的焦距、光心、焦点、主点等参数。具体地,由于结构光模组对应的内参数据一经标定便不易改变,因此,在本申请中,可以认为原始标定数据中的内参数据为不变的。
需要说明的是,在本申请的实施中,原始数据中的外参数据可以包括结构光模组对应的一个旋转矩阵和一个平移矩阵,也就是说,外参数据可以包括(x,y,z)坐标系中三个方向上分别对应的旋转参数和平移参数。当结构光模组发生变形时,原始标定数据中的外参数据便会相应的改变,因此,在本申请提出的标定数据的优化方法可以针对外参数据进行优化。
进一步地,在本申请的实施例中,由于结构光模组配置有存储器,因此结构光模组可以将原始标定数据预先存储在存储器对应的预设存储空间中,具体地,原始标定数据可以和标识信息对应的存储在预设存储空间中,结构光模组便可以在确定出结构光模组对应的标识信息后,根据标识信息在预设存储空间中读取对应的原始标定数据。
需要说明的是,在本申请的实施例中,正是由于结构光模组配置有用于存储结构光模组对应的标识信息和原始标定数据的存储模块,因此,结构光模组可以直接按照标识信息从结构光模组配置的存储模块中读取原始标定数据。
步骤102、根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数。
在本申请的实施例中,结构光模组在获取当前散斑图和原始标定数据之后,便可以根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定出误差参数。
进一步地,在本申请的实施例中,误差参数可以表征结构光模组对应的实际数据和原始标定数据之间的差值。
需要说明的是,在本申请的实施例中,结构光模组可以先在当前散斑图和参考散斑图中,按照相同的预设位置分别确定出对应的第一散斑点和第二散斑点,然后按照内参数据和原始外参数据,在当前散斑图中的确定出第二散斑点对应的第三散斑点,从而便可以根据第一散斑点和第三散斑点进一步确定出误差参数。
进一步地,在本申请的实施例中,第一散斑点可以为当前散斑图中的散斑点,而第二散斑点可以为参考散斑图中的散斑点。
需要说明的是,在本申请的实施中,第三散斑点可以为当前散斑图中的、与第二散斑点相对应的散斑点。具体地,在本申请的实施例中,第一散斑点和第三散斑点在当前散斑图中既可以完全重合,也可以完全不重合,还可以部分重合,本申请不作具体限定。
进一步地,在本申请的实施例中,如果由于结构光模组的变形导致原始标定数据发生了改变,那么,参考散斑图中的第二散斑点在根据原始标定数据进行坐标变换,映射至当前散斑图中获得的第三散斑点便可能与第一散斑点存在误差,因此,结构光模组可以根据第三散斑点和第一散斑点对应的坐标确定出误差参数。
步骤103、按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。
在本申请的实施例中,结构光模组在根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数之后,便可以按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。
需要说明的是,在本申请的实施例中,正是由于原始标定数据中的内参数据一旦确定便可以认为不会改变,因此结构光模组在进行标定数据的优化时,可以假设结构光模组的内参数据较出厂时标定的状态是不变的,便可以基于误差参数对外参数据进行优化处理,从而获得优化后的外参数据,以进一步获得优化后的标定数据。
进一步地,在本申请的实施例中,结构光模组在基于误差参数对外参数据进行优化处理时,可以将结构光模组的原始外参数据作为优化变量,将误差参数作为优化结果,进行非线性优化,从而便可以获得优化后的外参数据。
需要说明的是,在本申请的实施例中,结构光模组在获得优化后的外参数据之后,还可以根据优化后的外参数据生成参考散斑图对应的、优化后的散斑图。
进一步地,在本申请的实施例中,结构光模组在基于误差参数进行非线性优化之后,便可以根据优化后的外参数据和/或优化后的散斑图对原始标定数据进行更新,从而便可以获得优化后的标定数据。
本申请实施例提出的一种标定数据的优化方法,结构光模组在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数;响应优化指令,按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。也就是说,在本申请的实施例中,当结构光模组接收优化指令之后,可以分别获取当前散斑图和出厂时的原始标定数据,然后根据当前散斑图和原始标定数据确定出结构光模组对应的实际数据和出厂时的原始标定数据之间的误差,即确定出误差参数,从而便可以进一步根据误差参数对结构光模组的原始标定数据中的外参数据进行优化,获得优化后的标定数据。因此,本申请实施例提出的标定数据的优化方法,在结构光模组由于变形导致的实际数据和出厂数据不一致时,可以通过对原始标定数据的优化,有效地提高结构光的性能,提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
基于上述实施例,在本申请的另一实施例中,结构光模组根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数的方法可以包括以下步骤:
步骤102a、根据当前散斑图和参考散斑图获取第一散斑点和第二散斑点;其中,第一散斑点和第二散斑点为不同散斑图中的、相同预设位置的散斑点。
在本申请的实施例中,结构光模组在获取当前散斑图和原始标定数据之后,可以先根据当前散斑图和参考散斑图获取第一散斑点和第二散斑点。具体地,第一散斑点和第二散斑点可以分别为当前散斑图和参考散斑图中的散斑点。
进一步地,在本申请的实施例中,结构光模组可以按照相同的预设位置,分别在当前散斑图和参考散斑图中对第一散斑点和第二散斑点进行确定。具体地,图3为第一散斑点示意图,图4为第二散斑点示意图,如图3所示,结构光模组可以按照预设位置在当前散斑图中确定对应的第一散斑点;同时,如图4所示,结构光模组还可以按照预设位置在参考散斑图中确定第二散斑点。由此可见,第一散斑点和第二散斑点是基于预设位置相对应的。
步骤102b、按照内参数据和原始外参数据获得第二散斑点对应的第三散斑点。
在本申请的实施例中,结构光模组在根据当前散斑图和参考散斑图获取第一散斑点和第二散斑点之后,便可以按照内参数据和原始外参数据,确定出第二散斑点对应的第三散斑点。
需要说明的是,在本申请的实施例中,结构光模组在确定出第二散斑点之后,可以对第二散斑点进行坐标变换,从而可以在当前散斑图中获得变换后的散斑点,即获得第三散斑点。
进一步地,在本申请的实施例中,结构光模组在对第二散斑点进行坐标变换时,可以按照原始标定数据中的内参数据和原始外参数据对第二散斑点进行坐标变换,从而可以将参考散斑图中的第二散斑点转换到当前散斑图中,在当前散斑图中获得第三散斑点。
步骤102c、根据第一散斑点和第三散斑点,确定误差参数。
在本申请的实施例中,结构光模组在按照内参数据和原始外参数据获得第二散斑点对应的第三散斑点之后,便可以根据第一散斑点和第三散斑点,确定出两者之间的误差参数。
进一步地,在本申请的实施例中,如果结构光模组对应的实际数据和原始标定数据不一致,那么当前散斑图中的第一散斑点和第三散斑点便不会完全重合,结构光模组便可以根据第一散斑点对应的坐标和第三散斑点对应的坐标,确定出第一散斑点和第三散斑点之间的差值,即确定出两者之间的误差参数。
需要说明的是,在本申请的实施例中,正是由于结构光模组的变形可能会导致原始标定数据发生相应的改变,因此,当参考散斑图中的第二散斑点在根据原始标定数据进行坐标变换,映射至当前散斑图之后,获得的第三散斑点便可能与第一散斑点不完全重合,进一步地,结构光模组便可以根据第三散斑点和第一散斑点获得误差参数。例如,图5为第三散斑点示意图,如图5所示,第一散斑点和第三散斑点均在当前散斑图中,且第一散斑点和第三散斑点不重合。
本申请实施例提出的一种标定数据的优化方法,结构光模组在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数;响应优化指令,按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。也就是说,在本申请的实施例中,当结构光模组接收优化指令之后,可以分别获取当前散斑图和出厂时的原始标定数据,然后根据当前散斑图和原始标定数据确定出结构光模组对应的实际数据和出厂时的原始标定数据之间的误差,即确定出误差参数,从而便可以进一步根据误差参数对结构光模组的原始标定数据中的外参数据进行优化,获得优化后的标定数据。因此,本申请实施例提出的标定数据的优化方法,在结构光模组由于变形导致的实际数据和出厂数据不一致时,可以通过对原始标定数据的优化,有效地提高结构光的性能,提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
基于上述实施例,在本申请的又一实施例中,结构光模组按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据的方法可以包括以下步骤:
步骤103a、将原始外参数据设定为优化变量,将误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据。
在本申请的实施例中,结构光模组在根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数之后,便可以将误差参数设定为优化结果,以基于误差参数进一步对原始外参数据进行优化,从而可以获得优化后的外参数据。
需要说明的是,在本申请的实施例中,结构光模组在进行标定数据的优化时,可以假设结构光模组对应的原始标定数据中的内参数据是不变的,即内参数据仍然保持原始标定数据中的出厂状态,然后结构光模组便可以基于误差参数对外参数据进行非线性优化处理。具体地,结构光模组在进行非线性优化时,可以将结构光模组的原始外参数据作为优化变量,将误差参数作为优化结果。
进一步地,在本申请的实施例中,结构光模组在将原始外参数据设定为优化变量,将误差参数设定为优化结果,获取优化后的外参数据时,可以通过多种方式进行非线性优化,具体地,结构光模组可以通过最速下降法、牛顿法、高斯牛顿法、列文伯格-马夸尔特算法等,不申请不作具体限定。
步骤103b、根据优化后的外参数据生成优化后的标定数据。
在本申请的实施例中,结构光模组在将原始外参数据设定为优化变量,将误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据之后,便可以进一步根据优化后的外参数据生成优化后的标定数据。
进一步地,在本申请的实施例中,结构光模组在根据优化后的外参数据生成优化后的标定数据时,可以根据优化后的外参数据对原始标定数据进行更新,具体地,结构光模组可以将原始外参数据替换为优化后的外参数据,从而便以获得优化后的标定数据。也就是说,与原始标定数据相比,优化后的标定数据中,内参数据没有改变,而原始外参数据被优化后的外参数据替换。
需要说明的是,在本申请的实施例中,结构光模组在获得优化后的外参数据之后,还可以根据优化后的外参数据生成优化后的散斑图,然后按照优化后的散斑图对参考散斑图进行更新,以进一步获得优化后的标定数据。
在本申请的实施例中,进一步地,结构光模组获取标定数据的方法可以包括以下步骤:
步骤201、确定标识信息。
在本申请的实施例中,结构光模组在接收优化指令之后,可以先确定出对应的标识信息,具体地,标识信息可以表征结构光模组的标示。
需要说明的是,在本申请的实施例中,在出厂时,每一个结构光模组都对应设置有一一对应的标识信息,其中,标识信息可以为身份标识ID、编号等。
步骤202、按照标识信息,在预设存储空间中读取结构光模组对应的原始标定数据。
在本申请的实施例中,结构光模组在确定对应的标识信息之后,便可以按照标识信息,在预设存储空间中读取标识信息对应的原始标定数据。
需要说明的是,在本申请的实施中,结构光模组对应的原始标定数据可以预先存储在预设存储空间中。其中,预设存储空间可以用于存储结构光模组对应的相关数据。
进一步地,在本申请的实施例中,一般情况下,结构光模组可以在出厂时的标识数据存储云端中,当需要获取结构光模组出厂时的标识数据时,结构光模组可以对云端进行访问,读取与结构光模组对应的相关数据。例如,图6为云端存储标定数据的示意图,如图6所示,出厂的结构光模组均设置有一一对应的标识信息,如模组ID,结构光模组可以将模组ID和标定数据上传至云端进行存储,当终端完成模组的更换后,新的结构光模组确定出对应的模组ID,然后以该模组ID为参考从云端下载结构光模组出厂时的标定数据。可见,现有技术中,通过云端对结构光模组出厂时的标定数据进行保存时,由于每个国家的云端器并不是相通的,如果产品在全球上市的话,需要在每个国家或者地区建立专门的云端并配置相应的管理服务,增加售后成本及复杂度。而在本申请中,结构光模组可以配置有存储模块,其中,存储模块用于存储结构光模组对应的标识信息和原始标定数据,因此,结构光模组可以直接按照标识信息从结构光模组配置的存储模块中读取原始标定数据。
需要说明的是,在本申请的实施例中,结构光模组配置的存储模块可以为带电可擦可编程只读存储器(Electrically Erasable Programmable read only memory,EEPROM)。其中,EEPROM是一种掉电后数据不丢失的存储芯片。可以在电脑上或专用设备上擦除已有信息,重新编程。相比之下,在本申请的实施例中,正是由于结构光模组将原始标定数据存储至存储模块对应的预设存储空间中,因此结构光模组可以直接从配置的存储模块的预设存储空间获取对应的原始标定数据,而不需要再对云端进行访问,从而简化了数据获取的流程,提高了便捷性。
进一步地,在本申请的实施例中,结构光模组在按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据之后,可以直接将优化后的标定数据存储至预设存储空间中。也就是说,结构光模组在对原始标定数据进行优化,获得优化后的标定数据之后,可以直接将优化后的标定数据存储至结构光模组配置的存储器中。
本申请实施例提出的一种标定数据的优化方法,结构光模组在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数;响应优化指令,按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。也就是说,在本申请的实施例中,当结构光模组接收优化指令之后,可以分别获取当前散斑图和出厂时的原始标定数据,然后根据当前散斑图和原始标定数据确定出结构光模组对应的实际数据和出厂时的原始标定数据之间的误差,即确定出误差参数,从而便可以进一步根据误差参数对结构光模组的原始标定数据中的外参数据进行优化,获得优化后的标定数据。因此,本申请实施例提出的标定数据的优化方法,在结构光模组由于变形导致的实际数据和出厂数据不一致时,可以通过对原始标定数据的优化,有效地提高结构光的性能,提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
基于上述实施例,在本申请的再一实施例中,图7为本申请实施例提出的结构光模组的组成结构示意图一,如图7所示,本申请实施例提出的结构光模组1可以包括获取单元11,确定单元12,优化单元13以及存储单元14。
所述获取单元11,用于在接收优化指令之后,获取当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据。
所述确定单元12,用于根据所述内参数据、所述原始外参数据、所述当前散斑图以及所述参考散斑图,确定误差参数。
所述优化单元13,用于响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
进一步地,在本申请的实施例中,所述获取单元11,具体用于接收拍摄指令;以及按照所述拍摄指令获得所述当前散斑图。
进一步地,在本申请的实施例中,所述确定单元12,具体用于根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点;其中,所述第一散斑点和所述第二散斑点为不同散斑图中的、相同预设位置的散斑点;以及按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点;以及根据所述第一散斑点和所述第三散斑点,确定所述误差参数。
进一步地,在本申请的实施例中,所述确定单元12,还具体用于在所述当前散斑图中确定所述预设位置对应的所述第一散斑点;以及按照所述预设位置在所述参考散斑图中确定所述第一散斑点对应的所述第二散斑点。
进一步地,在本申请的实施例中,所述确定单元12,还具体用于通过所述内参数据和所述原始外参数据对所述第二散斑点进行坐标变换,在所述当前散斑图中确定所述第二散斑点对应的所述第三散斑点。
进一步地,在本申请的实施例中,所述优化单元13,具体用于将所述原始外参数据设定为优化变量,将所述误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据;以及根据所述优化后的外参数据生成所述优化后的标定数据。
进一步地,在本申请的实施例中,所述优化单元13,还具体用于将所述原始外参数据替换为所述优化后的外参数据,以获得优化后的标定数据。
进一步地,在本申请的实施例中,所述获取单元11,还具体用于确定标识信息;以及按照所述标识信息,在预设存储空间中读取所述原始标定数据。
进一步地,在本申请的实施例中,所述存储单元14,用于所述按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据之后,将所述优化后的标定数据存储至所述预设存储空间中。
图8为本申请实施例提出的结构光模组的组成结构示意图二,如图8所示,本申请实施例提出的结构光模组1还可以包括处理器15、存储有处理器15可执行指令的存储器16,进一步地,结构光模组1还可以包括通信接口17,和用于连接处理器15、存储器16以及通信接口17的总线18。
在本申请的实施例中,上述处理器15可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgRAMmable Logic Device,PLD)、现场可编程门阵列(Field ProgRAMmable GateArray,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。结构光模组1还可以包括存储器16,该存储器16可以与处理器15连接,其中,存储器16用于存储可执行程序代码,该程序代码包括计算机操作指令,存储器16可能包含高速RAM存储器,也可能还包括非易失性存储器,例如,至少两个磁盘存储器。
在本申请的实施例中,总线18用于连接通信接口17、处理器15以及存储器16以及这些器件之间的相互通信。
在本申请的实施例中,存储器16,用于存储指令和数据。
进一步地,在本申请的实施例中,上述处理器15,用于在接收优化指令之后,获取当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据所述内参数据、所述原始外参数据、所述当前散斑图以及所述参考散斑图,确定误差参数;响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
在实际应用中,上述存储器16可以是易失性存储器(volatile memory),例如随机存取存储器(Random-Access Memory,RAM);或者非易失性存储器(non-volatile memory),例如只读存储器(Read-Only Memory,ROM),快闪存储器(flash memory),硬盘(Hard DiskDrive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器15提供指令和数据。
另外,在本实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提出的一种结构光模组,结构光模组在接收优化指令之后,获取当前散斑图和原始标定数据;其中,原始标定数据中携带参考散斑图、内参数据以及原始外参数据;根据内参数据、原始外参数据、当前散斑图以及参考散斑图,确定误差参数;响应优化指令,按照原始外参数据和误差参数进行优化处理,获得优化后的标定数据。也就是说,在本申请的实施例中,当结构光模组接收优化指令之后,可以分别获取当前散斑图和出厂时的原始标定数据,然后根据当前散斑图和原始标定数据确定出结构光模组对应的实际数据和出厂时的原始标定数据之间的误差,即确定出误差参数,从而便可以进一步根据误差参数对结构光模组的原始标定数据中的外参数据进行优化,获得优化后的标定数据。因此,本申请实施例提出的标定数据的优化方法,在结构光模组由于变形导致的实际数据和出厂数据不一致时,可以通过对原始标定数据的优化,有效地提高结构光的性能,提升结构光模组的拍摄精度,保证结构光模组的拍摄效果和优化效果。
本申请实施例提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如上所述的标定数据的优化方法。
具体来讲,本实施例中的一种标定数据的优化方法对应的程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种标定数据的优化方法对应的程序指令被一电子设备读取或被执行时,包括如下步骤:
在接收优化指令之后,获取当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据;
根据所述内参数据、所述原始外参数据、所述当前散斑图以及所述参考散斑图,确定误差参数;
响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的实现流程示意图和/或方框图来描述的。应理解可由计算机程序指令实现流程示意图和/或方框图中的每一流程和/或方框、以及实现流程示意图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (14)
1.一种标定数据的优化方法,其特征在于,所述方法应用于结构光模组;所述方法包括:
所述结构光模组在接收优化指令之后,获取所述结构光模组的当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据;
根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点;其中,所述第一散斑点和所述第二散斑点为不同散斑图中的、相同预设位置的散斑点;
按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点;
根据所述第一散斑点和所述第三散斑点,确定误差参数;其中,所述误差参数表征所述结构光模组对应的实际数据和原始标定数据之间的差值;
所述结构光模组响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
2.根据权利要求1所述的方法,其特征在于,所述获取所述结构光模组的当前散斑图,包括:
接收拍摄指令;
按照所述拍摄指令获得所述当前散斑图。
3.根据权利要求1所述的方法,其特征在于,所述根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点,包括:
在所述当前散斑图中确定所述预设位置对应的所述第一散斑点;
按照所述预设位置在所述参考散斑图中确定所述第一散斑点对应的所述第二散斑点。
4.根据权利要求1所述的方法,其特征在于,所述按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点,包括:
通过所述内参数据和所述原始外参数据对所述第二散斑点进行坐标变换,在所述当前散斑图中确定所述第二散斑点对应的所述第三散斑点。
5.根据权利要求1所述的方法,其特征在于,所述按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据,包括:
将所述原始外参数据设定为优化变量,将所述误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据;
根据所述优化后的外参数据生成所述优化后的标定数据。
6.根据权利要求5所述的方法,其特征在于,所述根据所述优化后的外参数据生成所述优化后的标定数据,包括:
将所述原始外参数据替换为所述优化后的外参数据,以获得优化后的标定数据。
7.根据权利要求1所述的方法,其特征在于,所述获取所述结构光模组的原始标定数据,包括:
确定标识信息;
按照所述标识信息,在预设存储空间中读取所述原始标定数据。
8.根据所述权利要求7所述的方法,其特征在于,所述按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据之后,所述方法还包括:
将所述优化后的标定数据存储至所述预设存储空间中。
9.一种结构光模组,其特征在于,所述结构光模组包括:获取单元,确定单元以及优化单元,
所述获取单元,用于所述结构光模组在接收优化指令之后,获取所述结构光模组的当前散斑图和原始标定数据;其中,所述原始标定数据中携带参考散斑图、内参数据以及原始外参数据;
所述确定单元,用于根据所述当前散斑图和所述参考散斑图获取第一散斑点和第二散斑点;其中,所述第一散斑点和所述第二散斑点为不同散斑图中的、相同预设位置的散斑点;以及按照所述内参数据和所述原始外参数据获得所述第二散斑点对应的第三散斑点;以及根据所述第一散斑点和所述第三散斑点,确定误差参数;其中,所述误差参数表征所述结构光模组对应的实际数据和原始标定数据之间的差值;
所述优化单元,用于所述结构光模组响应所述优化指令,按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据。
10.根据权利要求9所述的结构光模组,其特征在于,
所述优化单元,具体用于将所述原始外参数据设定为优化变量,将所述误差参数设定为优化结果,进行非线性优化,获得优化后的外参数据;以及根据所述优化后的外参数据生成所述优化后的标定数据。
11.根据权利要求9所述的结构光模组,其特征在于,
所述获取单元,具体用于确定标识信息;以及按照所述标识信息,在预设存储空间中读取所述原始标定数据。
12.根据权利要求11所述的结构光模组,其特征在于,所述结构光模组还包括:存储单元,
所述存储单元,用于按照所述原始外参数据和所述误差参数进行优化处理,获得优化后的标定数据之后,将所述优化后的标定数据存储至所述预设存储空间中。
13.一种结构光模组,其特征在于,所述结构光模组包括处理器、存储有所述处理器可执行指令的存储器,当所述指令被所述处理器执行时,实现如权利要求1-8任一项所述的方法。
14.一种计算机可读存储介质,其上存储有程序,应用于结构光模组中,其特征在于,所述程序被处理器执行时,实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910464954.0A CN110189380B (zh) | 2019-05-30 | 2019-05-30 | 标定数据的优化方法、结构光模组及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910464954.0A CN110189380B (zh) | 2019-05-30 | 2019-05-30 | 标定数据的优化方法、结构光模组及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189380A CN110189380A (zh) | 2019-08-30 |
CN110189380B true CN110189380B (zh) | 2021-12-07 |
Family
ID=67719080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910464954.0A Active CN110189380B (zh) | 2019-05-30 | 2019-05-30 | 标定数据的优化方法、结构光模组及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189380B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986154A (zh) * | 2020-07-20 | 2020-11-24 | 深圳奥比中光科技有限公司 | 一种光学信息检测方法、装置及设备 |
CN112184811B (zh) * | 2020-09-22 | 2022-11-04 | 合肥的卢深视科技有限公司 | 单目空间结构光***结构校准方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102589476A (zh) * | 2012-02-13 | 2012-07-18 | 天津大学 | 高速扫描整体成像三维测量方法 |
CN103868524A (zh) * | 2013-12-23 | 2014-06-18 | 西安新拓三维光测科技有限公司 | 一种基于散斑图案的单目测量***标定方法及装置 |
CN105160680A (zh) * | 2015-09-08 | 2015-12-16 | 北京航空航天大学 | 一种基于结构光的无干扰深度相机的设计方法 |
CN106595528A (zh) * | 2016-11-10 | 2017-04-26 | 华中科技大学 | 一种基于数字散斑的远心显微双目立体视觉测量方法 |
CN107194972A (zh) * | 2017-05-16 | 2017-09-22 | 成都通甲优博科技有限责任公司 | 一种摄像机标定方法及*** |
CN108629841A (zh) * | 2018-05-08 | 2018-10-09 | 深圳大学 | 一种基于激光散斑多视点三维数据测量方法及*** |
CN108759699A (zh) * | 2018-03-27 | 2018-11-06 | 西安交通大学 | 一种大视场砌体结构材料三维全场变形的测量方法及*** |
CN109544620A (zh) * | 2018-10-31 | 2019-03-29 | Oppo广东移动通信有限公司 | 图像处理方法和装置、计算机可读存储介质和电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279982B (zh) * | 2013-05-24 | 2016-06-22 | 中国科学院自动化研究所 | 鲁棒的快速高深度分辨率的散斑三维重建方法 |
CN105957096A (zh) * | 2016-06-20 | 2016-09-21 | 东南大学 | 一种用于三维数字图像相关的相机外参标定方法 |
CN107517346B (zh) * | 2017-07-31 | 2020-08-07 | Oppo广东移动通信有限公司 | 基于结构光的拍照方法、装置及移动设备 |
CN108257187B (zh) * | 2018-02-06 | 2020-09-04 | 杭州蓝芯科技有限公司 | 一种相机-投影仪***标定方法 |
CN109714536B (zh) * | 2019-01-23 | 2021-02-23 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备及计算机可读存储介质 |
-
2019
- 2019-05-30 CN CN201910464954.0A patent/CN110189380B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102589476A (zh) * | 2012-02-13 | 2012-07-18 | 天津大学 | 高速扫描整体成像三维测量方法 |
CN103868524A (zh) * | 2013-12-23 | 2014-06-18 | 西安新拓三维光测科技有限公司 | 一种基于散斑图案的单目测量***标定方法及装置 |
CN105160680A (zh) * | 2015-09-08 | 2015-12-16 | 北京航空航天大学 | 一种基于结构光的无干扰深度相机的设计方法 |
CN106595528A (zh) * | 2016-11-10 | 2017-04-26 | 华中科技大学 | 一种基于数字散斑的远心显微双目立体视觉测量方法 |
CN107194972A (zh) * | 2017-05-16 | 2017-09-22 | 成都通甲优博科技有限责任公司 | 一种摄像机标定方法及*** |
CN108759699A (zh) * | 2018-03-27 | 2018-11-06 | 西安交通大学 | 一种大视场砌体结构材料三维全场变形的测量方法及*** |
CN108629841A (zh) * | 2018-05-08 | 2018-10-09 | 深圳大学 | 一种基于激光散斑多视点三维数据测量方法及*** |
CN109544620A (zh) * | 2018-10-31 | 2019-03-29 | Oppo广东移动通信有限公司 | 图像处理方法和装置、计算机可读存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110189380A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10337861B2 (en) | Image generating device for generating depth map with phase detection pixel | |
CN110335211B (zh) | 深度图像的校正方法、终端设备以及计算机存储介质 | |
CN110278382B (zh) | 一种聚焦方法、装置、电子设备及存储介质 | |
CN108924426B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110189380B (zh) | 标定数据的优化方法、结构光模组及存储介质 | |
CN108028887A (zh) | 一种终端的拍照对焦方法、装置及设备 | |
CN110446164B (zh) | 移动终端定位方法、装置、移动终端和服务器 | |
US20210029345A1 (en) | Method of generating three-dimensional model, device for generating three-dimensional model, and storage medium | |
CN111601097B (zh) | 基于双投射器的双目立体匹配方法、装置、介质和设备 | |
CN114862828A (zh) | 光斑搜索方法装置、计算机可读介质和电子设备 | |
CN109996005B (zh) | 一种聚焦校正方法及装置 | |
CN113489970B (zh) | 云台相机的校正方法和装置、存储介质及电子装置 | |
WO2021022989A1 (zh) | 标定参数的获取方法、装置、处理器及电子设备 | |
US11166005B2 (en) | Three-dimensional information acquisition system using pitching practice, and method for calculating camera parameters | |
CN109120846B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US20220091241A1 (en) | Electronic device and method for compensating for depth error according to modulation frequency | |
CN114966578A (zh) | 基于拍摄设备的雷达外参标定方法、装置和计算机设备 | |
CN109584313B (zh) | 摄像头标定方法、装置、计算机设备和存储介质 | |
CN109379521B (zh) | 摄像头标定方法、装置、计算机设备和存储介质 | |
CN112532858A (zh) | 一种图像处理方法、图像采集方法及相关装置 | |
JP2019201346A (ja) | 画像センサ | |
KR20200036264A (ko) | 자동 초점 방법 및 이를 수행하는 전자 장치 | |
TWI826185B (zh) | 外部參數判定方法及影像處理裝置 | |
CN110900607B (zh) | 一种机器人控制方法及装置 | |
US20220178681A1 (en) | Identification method, projection method and identification system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |