CN111735487B - 传感器、传感器标定方法与设备、存储介质 - Google Patents
传感器、传感器标定方法与设备、存储介质 Download PDFInfo
- Publication number
- CN111735487B CN111735487B CN202010420953.9A CN202010420953A CN111735487B CN 111735487 B CN111735487 B CN 111735487B CN 202010420953 A CN202010420953 A CN 202010420953A CN 111735487 B CN111735487 B CN 111735487B
- Authority
- CN
- China
- Prior art keywords
- sensor
- parameters
- calibration
- parameter
- initial
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了传感器、传感器标定方法与设备、存储介质。涉及测量领域,其中,以激光三角法测距传感器为例说明本方法,通过获取传感器的标定模型的初始参数,根据初始参数计算标定模型的标定参数,根据标定参数进行传感器的标定。通过建立传感器标定的标定模型,选取标定模型的初始参数,能够在满足光学参数的参数约束范围的情况下,根据初始参数得到合适的标定参数,对传感器进行标定设计,从而提高传感器测量***的测量精度,扩展传感器的适用范围。
Description
技术领域
本申请涉及测量领域,尤其是涉及传感器、传感器标定方法与设备、存储介质。
背景技术
传感器的光学参数会影响传感器的测量参数,例如灵敏度、测量范围和分辨率等测量参数,由于光学参数和测量参数之间的耦合关系是非线性关系,不能通过单一光学变量的变化来调控传感器的测量参数。相关技术中,研究人员在设计传感器的过程中,大多是通过大量的实验摸索和经验定律来确定传感器的光学结构,不能建立传感器标定的理论数学模型,并通过仿真过程准确获得某一个光学参数的对测量参数的影响。
相关技术中,通过粒子群算法进行传感器的参数标定,这种方式容易出现局部极值、早熟收敛或停滞现象,由于所有粒子仅仅向自身和邻域的历史最佳位置聚集,而没有参考其他参量之间的约束关系,影响激光三角法测距传感器的参数设计,不能获得较高的收敛速度与收敛精度。或者相关技术中,利用二维平面标定靶,通过交比不变性建立传感器特征点在各自靶标坐标系下的局部世界坐标,并以相机坐标系为中介,求出所有标定特征点在世界坐标系下的世界坐标,通过这种方法标定的传感器镜头平面与成像平面是平行的,不能获得较大的景深范围,并且成像放大倍率较小,成像***的分辨率不高。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出传感器标定方法,建立传感器标定的理论数学标定模型,通过该标定模型得到标定参数,对传感器进行标定,通过仿真过程准确获得某一个光学参数的对测量参数的影响。
第一方面,本申请的一个实施例提供了:传感器标定方法,包括:
获取所述传感器的标定模型的初始参数;
根据所述初始参数计算所述标定模型的标定参数;
根据所述标定参数进行所述传感器的标定。
进一步地,所述获取所述传感器的标定模型的初始参数,包括:
获取所述标定模型的灵敏度值的目标函数;
通过选取最大灵敏度值的方式对所述目标函数进行优化,根据优化结果得到所述初始参数。
进一步地,所述通过选取最大灵敏度值的方式对所述目标函数进行优化,根据优化结果得到所述初始参数,包括:
根据蒙特卡罗法在参数约束范围内生成所述目标函数的若干组随机参数;
根据所述若干组随机参数计算出所述目标函数的当前灵敏度值;
进行循环迭代,选取所述当前灵敏度值的最大值对应的随机参数作为所述初始参数。
进一步地,所述初始参数包括:透镜焦距和沙姆角度,根据所述透镜焦距和所述沙姆角度计算所述标定模型的标定参数。
进一步地,所述根据所述标定参数进行所述传感器的标定,包括:
根据所述标定参数得到第一最大似然函数;
根据所述第一最大似然函数对应的参数进行所述传感器的标定。
进一步地,传感器标定方法还包括:
根据传感器畸变参数进行畸变补偿得到优化参数;
根据所述优化参数进行所述传感器的标定。
进一步地,所述传感器畸变参数包括:径向畸变参数和切向畸变参数,所述根据传感器畸变参数进行畸变补偿得到所述优化参数,包括:
根据所述第一最大似然函数、所述径向畸变参数和所述切向畸变参数,得到第二最大似然函数;
根据所述第二最大似然函数得到优化参数。
本申请实施例至少具有如下有益效果:提高传感器测量***的测量精度,扩展传感器的适用范围。
第二方面,本申请的一个实施例提供了:传感器,所述传感器利用如第一方面任一项所述的传感器标定方法进行标定。
第三方面,本申请的一个实施例提供了:一种传感器标定方法设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如第一方面任一项所述的传感器标定方法。
第四方面,本申请的一个实施例提供了:一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面任一项所述的传感器标定方法。
本申请实施例的有益效果是:
本申请实施例通过获取传感器的标定模型的初始参数,根据初始参数计算标定模型的标定参数,根据标定参数进行传感器的标定。通过建立传感器标定的标定模型,选取标定模型的初始参数,能够在满足光学参数的参数约束范围的情况下,根据初始参数得到合适的标定参数,对传感器进行标定设计,从而提高传感器测量***的测量精度,扩展传感器的适用范围。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。在附图中:
图1是本申请实施例中传感器标定方法的一具体实施例激光三角法测距传感器成像结构示意图;
图2是本申请实施例中传感器标定方法的一具体实施例成像模型示意图;
图3是本申请实施例中传感器标定方法的一具体实施例流程示意图;
图4是本申请实施例中传感器标定方法的一具体实施例步骤S1的流程示意图。
具体实施方式
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对照附图说明本申请的具体实施方式。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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,并获得其他的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
激光三角测距法主要是通过一束激光以一定的入射角度照射被测目标,激光在目标表面发生反射和散射,在另一角度利用透镜对反射激光汇聚成像,光斑成像在CCD(Charge-coupled Device,感光耦合组件)位置传感器上。当被测物体沿激光方向发生移动时(或称为正向位移),传感器上的光斑将产生移动,其位移大小对应被测物体的移动距离,因此可由光斑位移距离计算出被测物体与基线的距离值,实现测距。由于入射光和反射光构成一个三角形,计算光斑位移时运用几何三角定理,因此该测量法被称为激光三角测距法。
相关技术中应用激光三角测距法的传感器被称为激光三角法测距传感器,这是一种常用的光学测距传感器,一般分为两种,一种是普通线结构光激光三角法传感器,这种传感器的成像面与镜头中心面平行,传感器***的成像景深较小,由于景深的限制难以在较大范围内获得目标的清晰图像,不能保证整个物面成像清晰。另一种是满足沙姆(Scheimflug)定律结构的光学测距传感器,可以在倾斜的像面上拍摄出完美对焦的图片,满足沙姆定律的结构可以增加成像景深,并提供较大的放大倍率和可视角度范围,同结构光源配合使用,构建较为精确的3D成像***。
本申请一实施例提供传感器标定方法,对基于沙姆定律结构的激光三角法测距传感器进行标定模型设定和标定。
如图1所示,为本申请一实施例的激光三角法测距传感器成像结构示意图。
从图中可见激光器100将激光打在被测物体表面,测量范围位于景深范围L3之间,即被测物***于景深范围L3之间,L3的范围由线段BC表示,A点为工作距离处的中心点,景深范围L3内的A、B、C三点投影在光敏器件200上,形成、、三点,经过A点和点的虚线表示凸透镜300的光轴,光轴与激光器100发射的激光器100发射激光的夹角为称为散射角度,记做,光敏器件200所在的直线与光轴的夹角为沙姆角度,记为,凸透镜300的中心为O,OA为物距,大小记为L1,为像距,大小记为L2。
图1中的激光三角法的成像结构满足沙姆定律。其成像平面A1、激光平面A2和镜头主平面A3相交于一条直线,这条直线被称作沙姆线A4。根据凸透镜300成像的模型能够得到倾斜成像的数学模型,进而得到本申请实施例中的标定模型。
如图2所示,为本申请一实施例中成像模型示意图,图中在以O点为坐标原点的相机坐标系中,假设直线r表示实际倾斜像面的法线,法线方向向量为,法线r分别与理想垂直像面、实际倾斜像面相交于、点,理想垂直像面和实际倾斜像面的坐标原点记为,和为实际倾斜像面的x,y轴的方向向量,由图中可知法线方向向量为的向量积,记为,为透镜焦距,和分别表示在相机坐标系中理想垂直像面绕实际倾斜像面的x,y轴的旋转角度。
如图3所示,为本申请实施例提供的传感器标定方法的流程示意图,如图3所示,该方法包括以下步骤:
S1:获取传感器的标定模型的初始参数。
S2:根据初始参数计算标定模型的标定参数。
S3:根据标定参数进行传感器的标定。
在一种实施方式中,步骤S1获取传感器的标定模型的初始参数,包括:
获取标定模型的灵敏度值的目标函数;
通过选取最大灵敏度值的方式对目标函数进行优化,根据优化结果得到初始参数。
例如,根据传感器的光学参数设定目标函数为:
请参阅图3,在一种实施方式中,对目标函数根据最大灵敏度值原则进行优化,根据优化结果得到初始参数具体包括:
根据蒙特卡罗法在参数约束范围内生成目标函数的若干组随机参数。
根据随机参数得到目标函数的当前灵敏度值。
进行循环迭代,选取当前灵敏度值的最大值对应的随机参数作为初始参数。
在一种实施方式中,参数约束范围即参数变量的取值范围,取值范围一般存在各种限制条件,这种限制条件可能是静态的,也可能是自变量的函数,具体由激光三角法测距传感器的实际使用设计需求而定。
在一种实施方式中,根据实际工程应用经验设定上述随机参数,例如根据设计经验可得,散射角度不能太大,在具体实施案例中设置散射角度的约束范围为;根据工业上常用的定焦工业镜头焦距设定透镜焦距,其可选的取值范围包括:16mm、25mm、35mm、50mm等,将这些焦距作为透镜焦距对应的随机参数;测量范围位于景深范围BC之间,即在测量范围内获得工作距离,测量范围根据被测物体的尺寸来选择,例如测量范围可以选为16mm。
另外,实际使用中还可以设置凸透镜的分辨率和量程范围等参数,例如选用大恒图像型号为:MER-2000-19U3M的工业相机作为光学传感器,其分辨率为:5496(H)×3672(V),像素尺寸为2.4μm×2.4μm,该型号工业相机具有高分辨率,低噪声等成像特性。
在一种实施方式中,根据随机参数得到目标函数的当前灵敏度值,具体是根据随机参数的组数设定循环次数,选择一组随机参数代入到目标函数中,得到这组随机参数对应的当前灵敏度值。
在一种实施方式中,迭代选取当前灵敏度值的最大值对应的参数作为初始参数,迭代的过程表示为:
对当前灵敏度值与设定的最大灵敏度值进行比较,如果当前灵敏度值大于最大灵敏度值,则将当前灵敏度值赋值给最大灵敏度值,记录当前对应的随机参数,并进入下一个循环。如果当前灵敏度值小于最大灵敏度值,则直接进入下一个循环,直至循环结束。即选取当前灵敏度值的最大值对应的参数作为初始参数。
在一种实施方式中,初始参数包括:透镜焦距和沙姆角度,根据透镜焦距和沙姆角度计算标定模型的标定参数。
可以理解的是,初始参数并不是唯一的,上述实施方式只是在其中一种参数约束范围内的最优解。之所以称之为最优解,有两个原因:1)对于蒙特卡罗法而言,多次的迭代重复实验最终会趋于收敛,但每一次的优化过程都不一相同,因此在有限次的试验中,选取取其中最贴合实际约束的一种解作为最优解,即上述初始参数。2)在上述一些具体实施方式中,举例介绍了一些参数约束范围(例如,散射角度不能太大,工业上常用的定焦工业镜头焦距是固定的,可以根据被测物体的尺寸来决定测量范围,选择的工业相机型号等),但是在实际中,不同的应用场景对应的参数约束范围会发生变化,因此上述给出的一组初始参数,只是针对于高精度、小量程和近工作距离的激光三角法测距传感器***的一种较优的初始参数,并不代表本申请的初始参数只能是上述的值。
在一种实施方式中,如图4所示,所述步骤S1包括以下步骤:
S11:获取标定模型的目标函数,该目标函数根据最大灵敏度值原则进行优化。
S16:判断随机参数循环是否结束,如果还没结束,则进入步骤S12,否则进入步骤S17。
通过步骤S17得到初始参数后,进入步骤S2计算标定模型的标定参数。
在一种实施方式中,设定的标定模型表示为:
其中,表示尺度因子,用于表示等式左右两边尺寸变换的关系,表示像素坐标系上的坐标点,表示世界坐标系上坐标点,表示内参矩阵,表示理想垂直像面到实际倾斜像面的旋转矩阵变化关系矩阵,表示理想垂直像面到实际倾斜像面的旋转矩阵,表示外参矩阵。
下面详细描述标定模型中各参数。
在一种实施方式中,、分别表示像素坐标系x,y轴方向上单个像素的实际物理尺寸,单位是mm,表示透镜焦距,、分别表示像素坐标系x,y轴方向上与实际物体尺寸之间的转换关系,即世界坐标系和像素坐标系之间单位的变换关系,像素坐标系中坐标轴的单位是像素(个),世界坐标系中坐标轴单位为mm。
在一种实施方式中,步骤S3包括以下步骤:
根据标定参数得到第一最大似然函数,根据第一最大似然函数进行非线性标定参数优化。
根据第一最大似然函数对应的参数进行传感器的标定。
例如,根据初始参数确定传感器的内外参对应的第一最大似然函数,表示为:
在一种实施方式中,本申请实施例中第一最大似然函数以重投影误差最小为准则进行设计,重投影误差指的是在像素坐标系中,初始像素坐标(即传感器采集到的图像)与标定靶标在世界坐标系的坐标通过重投影的方式(例如通过将世界坐标系代入成像数学模型方式,成像数学模型即本申请中标定模型),比较两者之间的像素差值,选取两者之间像素差值最小时的标定参数。
在一种实施方式中,传感器标定方法还包括:根据标定参数进行畸变补偿,得到优化参数。例如:
根据传感器畸变参数进行畸变补偿得到优化参数,其中畸变补偿包括:镜头畸变量补偿;
根据优化参数进行传感器的标定。
在一种实施方式中,传感器畸变参数包括:径向畸变参数和切向畸变参数,据传感器畸变参数进行畸变补偿得到优化参数具体包括:
根据第一最大似然函数、径向畸变参数和切向畸变参数,得到第二最大似然函数;
根据第二最大似然函数得到优化参数。
其中,第二最大似然函数表示为:
在一种实施方式中,径向畸变参数和切向畸变参数分别表示为:
在一种实施方式中,利用L-M最优化算法(Levenberg-Marquardt,莱文贝格-马夸特方法)求解第二最大似然函数进行非线性优化,得到优化参数,根据优化参数进行传感器的标定。
在一种实施方式中,本申请实施例的传感器标定方法包括以下步骤:
根据传感器的初始参数得到标定参数;
根据标定参数得到第一最大似然函数,对内外参进行非线性优化;
根据上述非线性优化结果,建立第二最大似然函数,进行畸变补偿得到优化参数;
根据第二最大似然函数对应的优化参数进行传感器的标定。
结合图1至图4,本申请实施例描述了如何在实际的参数约束条件下获得最佳的光学参数,并通过这些光学参数建立激光三角法测距传感器的标定模型,以描述激光三角法测距传感器的测距性能。利用在实际的参数约束条件能保证涉及的激光三角法测距传感器符合实际使用需求,并且根据最大灵敏度原则确立目标函数,保证该传感器的灵敏度性能。
通过建立标定模型,运用数学模型来简化激光三角法成像的物理过程,根据最佳光学参量,可得到更贴合实际参数约束条件的标定参数,在满足光学参量的参数约束范围条件下,根据蒙特卡罗法设计激光三角法测距传感器的初始参数,获得最大灵敏度条件下对应的标定模型的初始参数,根据标定模型,代入初始参数,得到传感器的内外参信息,并根据传感器畸变参数模型补偿镜头畸变量,优化标定参数得到优化之后的内外参数信息即优化参数。当标定模型的内参、外参以及畸变参数的优化过程越准确,该传感器的标定模型越符合实际使用需求,提高传感器测量***的测量精度,输出误差更小,扩展传感器的适用范围。
本申请另一实施例公开了一种传感器,该传感器利用如上述实施例中任一项所述的传感器标定方法进行标定,该传感器可以是激光三角法测距传感器。
另外,本申请还提供传感器标定设备,包括:
至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行如实施例一所述的方法。计算机程序即程序代码,当程序代码在传感器标定设备上运行时,程序代码用于使传感器标定设备执行本说明书上述实施例部分描述的传感器标定方法中的步骤。
另外,本申请还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,其中计算机可执行指令用于使计算机执行如上述实施例所述的方法。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以根据不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上各实施例仅用以说明本申请的技术方案,而非对其限制,尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,其均应涵盖在本申请的权利要求和说明书的范围当中。
Claims (6)
1.传感器标定方法,其特征在于,包括:
获取所述传感器的标定模型的初始参数;
根据所述初始参数计算所述标定模型的标定参数;
根据所述标定参数进行所述传感器的标定;
其中,所述获取所述传感器的标定模型的初始参数包括:
获取所述标定模型的灵敏度值的目标函数;
通过选取最大灵敏度值的方式对所述目标函数进行优化,根据优化结果得到所述初始参数;
所述通过选取最大灵敏度值的方式对所述目标函数进行优化,根据优化结果得到所述初始参数,包括:
根据蒙特卡罗法在参数约束范围内生成所述目标函数的若干组随机参数;
根据所述随机参数计算出所述目标函数的当前灵敏度值;
进行循环迭代,选取所述当前灵敏度值的最大值对应的随机参数作为所述初始参数;
所述根据所述标定参数进行所述传感器的标定,包括:
根据所述标定参数得到第一最大似然函数;
根据所述第一最大似然函数对应的参数进行所述传感器的标定;
所述初始参数包括:透镜焦距和沙姆角度,根据所述透镜焦距和所述沙姆角度计算所述标定模型的标定参数。
2.根据权利要求1所述的传感器标定方法,其特征在于,还包括:
根据传感器畸变参数进行畸变补偿得到优化参数;
根据所述优化参数进行所述传感器的标定。
3.根据权利要求2所述的传感器标定方法,其特征在于,所述传感器畸变参数包括:径向畸变参数和切向畸变参数,所述根据传感器畸变参数进行畸变补偿得到所述优化参数,包括:
根据所述第一最大似然函数、所述径向畸变参数和所述切向畸变参数,得到第二最大似然函数;
根据所述第二最大似然函数得到优化参数。
4.传感器,其特征在于,所述传感器利用如权利要求1至3任一项所述的传感器标定方法进行标定。
5.一种传感器标定设备,其特征在于,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至3任一项所述的传感器标定方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至3任一项所述的传感器标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010420953.9A CN111735487B (zh) | 2020-05-18 | 2020-05-18 | 传感器、传感器标定方法与设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010420953.9A CN111735487B (zh) | 2020-05-18 | 2020-05-18 | 传感器、传感器标定方法与设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111735487A CN111735487A (zh) | 2020-10-02 |
CN111735487B true CN111735487B (zh) | 2023-01-10 |
Family
ID=72647386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010420953.9A Active CN111735487B (zh) | 2020-05-18 | 2020-05-18 | 传感器、传感器标定方法与设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111735487B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112135125A (zh) * | 2020-10-28 | 2020-12-25 | 歌尔光学科技有限公司 | 相机内参测试方法、装置、设备及计算机可读存储介质 |
CN112967343B (zh) * | 2021-01-20 | 2023-01-06 | 深圳视觉龙智能传感器有限公司 | 一种实现2d相机引导2.5d贴装的算法 |
CN113109829B (zh) * | 2021-03-17 | 2023-06-30 | 北京控制工程研究所 | 一种同步扫描交会测量敏感器的标定方法 |
CN114355321B (zh) * | 2022-03-18 | 2022-07-05 | 深圳市欢创科技有限公司 | 激光雷达的标定方法、装置、***、激光雷达及机器人 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101150A1 (zh) * | 2015-12-14 | 2017-06-22 | 深圳先进技术研究院 | 结构光三维扫描***的标定方法及装置 |
CN107492127A (zh) * | 2017-09-18 | 2017-12-19 | 丁志宇 | 光场相机参数标定方法、装置、存储介质和计算机设备 |
CN107588785A (zh) * | 2017-09-12 | 2018-01-16 | 中国人民解放军国防科技大学 | 一种考虑像点误差的星敏感器内外参数简化标定方法 |
CN109691139A (zh) * | 2016-09-01 | 2019-04-26 | 安特卫普大学 | 确定个性化头部相关传递函数和耳间时间差函数的方法及用于执行该方法的计算机程序产品 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7015418B2 (en) * | 2002-05-17 | 2006-03-21 | Gsi Group Corporation | Method and system for calibrating a laser processing system and laser marking system utilizing same |
CN100583151C (zh) * | 2006-09-22 | 2010-01-20 | 东南大学 | 三维扫描***中双摄像机标定方法 |
CN100595515C (zh) * | 2007-01-16 | 2010-03-24 | 交通部公路科学研究所 | 脉冲式线激光道路断面车辙测试仪 |
CN101376058B (zh) * | 2007-08-28 | 2011-11-02 | 凌阳多媒体股份有限公司 | 具有悬空定位功能的坐标定位***及方法 |
US8334898B1 (en) * | 2011-07-26 | 2012-12-18 | ByteLight, Inc. | Method and system for configuring an imaging device for the reception of digital pulse recognition information |
CN103438810B (zh) * | 2013-08-12 | 2016-01-06 | 清华大学 | 一种宽幅柔性板厚度实时检测装置及方法 |
WO2015148604A1 (en) * | 2014-03-25 | 2015-10-01 | Massachusetts Institute Of Technology | Space-time modulated active 3d imager |
CN105699982B (zh) * | 2015-05-25 | 2018-06-29 | 北京雷动云合智能技术有限公司 | 双激光标定的高精度摄像头芯片多点测距装置及方法 |
CN105674896B (zh) * | 2016-01-29 | 2018-06-22 | 东莞市诺丽电子科技有限公司 | 基于三角测量的接触网几何参数动态检测方法 |
CN105806309B (zh) * | 2016-04-19 | 2019-05-24 | 上海交通大学 | 基于激光三角测距的机器人零位标定***与方法 |
CN106352801B (zh) * | 2016-10-17 | 2018-03-02 | 海伯森技术(深圳)有限公司 | 一种激光三角位移传感器及其非线性误差的修正方法 |
CN106682295A (zh) * | 2016-12-16 | 2017-05-17 | 清华大学 | 一种用于驾驶员实时安全特性评估的分析方法 |
CN106846411A (zh) * | 2016-12-24 | 2017-06-13 | 大连日佳电子有限公司 | 基于混合畸变模型的高精度摄像机标定装置 |
DE102017213362A1 (de) * | 2017-08-02 | 2019-02-07 | Siemens Aktiengesellschaft | Bewerten einer Kalibrierung eines Sensorsystems |
CN107941153B (zh) * | 2017-12-29 | 2020-04-10 | 厦门大学 | 一种激光测距优化标定的视觉*** |
US10663567B2 (en) * | 2018-05-04 | 2020-05-26 | Microsoft Technology Licensing, Llc | Field calibration of a structured light range-sensor |
CN110689581B (zh) * | 2018-07-06 | 2022-05-13 | Oppo广东移动通信有限公司 | 结构光模组标定方法、电子设备、计算机可读存储介质 |
CN109345467B (zh) * | 2018-08-14 | 2021-06-04 | 深圳市麦极客图像技术有限公司 | 成像畸变校正方法、装置、计算机设备及存储介质 |
CN109269422B (zh) * | 2018-11-16 | 2024-05-14 | 厦门大学 | 一种点激光位移传感器测量误差校对的实验方法及装置 |
CN109341546B (zh) * | 2018-11-16 | 2020-07-31 | 厦门大学 | 一种点激光位移传感器在任意安装位姿下的光束标定方法 |
CN109357631B (zh) * | 2018-11-30 | 2020-02-18 | 厦门大学 | 一种基于激光位移传感器的测量***中心标定方法 |
CN110375739B (zh) * | 2019-06-26 | 2021-08-24 | 中国科学院深圳先进技术研究院 | 一种移动端视觉融合定位方法、***及电子设备 |
-
2020
- 2020-05-18 CN CN202010420953.9A patent/CN111735487B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101150A1 (zh) * | 2015-12-14 | 2017-06-22 | 深圳先进技术研究院 | 结构光三维扫描***的标定方法及装置 |
CN109691139A (zh) * | 2016-09-01 | 2019-04-26 | 安特卫普大学 | 确定个性化头部相关传递函数和耳间时间差函数的方法及用于执行该方法的计算机程序产品 |
CN107588785A (zh) * | 2017-09-12 | 2018-01-16 | 中国人民解放军国防科技大学 | 一种考虑像点误差的星敏感器内外参数简化标定方法 |
CN107492127A (zh) * | 2017-09-18 | 2017-12-19 | 丁志宇 | 光场相机参数标定方法、装置、存储介质和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111735487A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111735487B (zh) | 传感器、传感器标定方法与设备、存储介质 | |
WO2019205299A1 (zh) | 视觉测量***结构参数标定和仿射坐标系构建方法与*** | |
Zhang et al. | A novel calibration approach to structured light 3D vision inspection | |
Douxchamps et al. | High-accuracy and robust localization of large control markers for geometric camera calibration | |
Jordt-Sedlazeck et al. | Refractive calibration of underwater cameras | |
JP5029618B2 (ja) | パターン投影法による3次元形状計測装置、方法およびプログラム | |
CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
US9137526B2 (en) | Image enhancement via calibrated lens simulation | |
CN103366360A (zh) | 信息处理设备和信息处理方法 | |
CN110425998B (zh) | 灰度图像耦合特征点高度的构件三维测量方法 | |
CN113920206B (zh) | 透视移轴相机的标定方法 | |
CN109325927B (zh) | 工业相机摄影测量图像亮度补偿方法 | |
TWI572846B (zh) | 全景影像三維深度估測系統及全景影像三維深度估測方法 | |
CN111650747B (zh) | 平行光管离焦像差实时校正方法及装置 | |
Legarda et al. | A new method for Scheimpflug camera calibration | |
JPH11355813A (ja) | カメラの内部パラメータ決定装置 | |
JP2018179577A (ja) | 位置計測装置 | |
CN117495975A (zh) | 一种变焦镜头的标定方法、装置及电子设备 | |
US20200088508A1 (en) | Three-dimensional information generating device and method capable of self-calibration | |
CN112070709A (zh) | 三维点云信息的采集方法、装置及电子设备 | |
Kedzierski et al. | Precise method of fisheye lens calibration | |
CN113012279B (zh) | 一种非接触三维成像测量方法、***及计算机可读存储介质 | |
JP6755737B2 (ja) | 距離測定装置、撮像装置、および距離測定方法 | |
US20200402260A1 (en) | Camera Calibration and/or Use of a Calibrated Camera | |
CN115239816A (zh) | 一种相机标定方法、***、电子设备及存储介质 |
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 |