CN111915610A - 基于工业相机的镜头畸变测试方法、装置、设备及介质 - Google Patents
基于工业相机的镜头畸变测试方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111915610A CN111915610A CN202011059960.7A CN202011059960A CN111915610A CN 111915610 A CN111915610 A CN 111915610A CN 202011059960 A CN202011059960 A CN 202011059960A CN 111915610 A CN111915610 A CN 111915610A
- Authority
- CN
- China
- Prior art keywords
- distortion
- image
- projection
- industrial camera
- matrix
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 134
- 239000011159 matrix material Substances 0.000 claims abstract description 142
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000010998 test method Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于工业相机的镜头畸变测试方法、装置、设备及介质。所述方法包括如下步骤:在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。本发明通过工业相机进行镜头畸变测试,提高了畸变测试的准确性和效率,减少了人力资源的浪费。
Description
技术领域
本发明涉及工业相机镜头测试技术领域,尤其涉及基于工业相机的镜头畸变测试方法、装置、设备及介质。
背景技术
随着工业技术的快速发展,人们对投影镜头的要求越来越高。
当前投影镜头制作工艺的问题,投影镜头与实际的画面往往存在一定的差异,也就是说现有的投影镜头投出得画面存在畸变,由于各种投影模组特性的不同,其投影镜头产生的畸变也会不同。因此,投影镜头的生产厂家需要对投影模组中投影镜头投出图像进行畸变测试,要求投影镜头畸变越小越好,当前投影镜头畸变测试一般采用人工手动测量的方式计算畸变,手工测试投影镜头畸变对人力资源的消耗较大,且人工投影镜头畸变测试耗时长效率低,且容易出现测试误差准确率低。
发明内容
本发明的主要目的在于提出一种基于工业相机的镜头畸变测试方法、装置、设备及介质,旨在当前投影镜头通过人工进行畸变测试时,人力资源方法严重,测试效率和准确率低的技术问题。
为实现上述目的,本发明提供一种基于工业相机的镜头畸变测试方法,所述基于工业相机的镜头畸变测试方法包括如下步骤:
在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;
通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;
获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;
根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
可选地,所述获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像的步骤之前,所述方法包括:
通过工业相机从目标角度拍摄预设标定图像,获得至少两个标定拍摄图像;
对所述标定拍摄图像进行角点检测,获得所述标定拍摄图像中各个交点的坐标信息;
按照所述各个交点的坐标信息进行标定操作,获得所述工业相机的内参矩阵和畸变矩阵。
可选地,所述获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像的步骤,包括:
获取所述工业相机关联的内参矩阵和畸变矩阵,计算所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵;
提取所述二值化图像的图像特征数据,将所述图像特征数据乘以所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵,获得反畸变图像。
可选地,所述根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变的步骤,包括:
对所述反畸变图像进行角点检测,获得所述反畸变图像的角点坐标,所述角点坐标包括第一角点坐标和第二角点坐标,所述第一角点坐标包括第一角点横坐标和第一角点纵坐标,所述第二角点坐标包括第二角点横坐标和第二角点纵坐标;
将所述反畸变图像的角点坐标带入预设畸变计算公式,获得所述投影镜头的横向畸变与纵向畸变,其中,所述预设畸变计算公式包括:
可选地,所述在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像的步骤,包括:
在接收到畸变测试请求时,获取环境光亮度;
在所述环境光亮度小于预设亮度阈值时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像。
可选地,所述根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变的步骤之后,所述方法包括:
在所述横向畸变大于预设第一畸变阈值和/或所述纵向畸变大于预设第二畸变阈值时,标记所述投影模组,并输出所述投影模组不符合生产规则的提示。
可选地,所述根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变的步骤之后,所述方法还包括:
将所述投影镜头的横向畸变与纵向畸变输入到预设报告模板中生成所述投影镜头的畸变测试报告。
此外,为实现上述目的,本发明还提供一种基于工业相机的镜头畸变测试装置,所述基于工业相机的镜头畸变测试装置包括:
请求接收模块,用于在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;
图像拍摄模块,用于通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;
反畸处理模块,用于获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;
畸变确定模块,用于根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
此外,为实现上述目的,本发明还提供一种基于工业相机的镜头畸变测试设备,所述基于工业相机的镜头畸变测试设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风险决策对应的计算机程序,所述风险决策对应的计算机程序被所述处理器执行时实现如上所述的基于工业相机的镜头畸变测试方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有风险决策对应的计算机程序,所述风险决策对应的计算机程序被处理器执行时实现如上所述的基于工业相机的镜头畸变测试方法的步骤。
本发明提供一种基于工业相机的镜头畸变测试方法、装置、设备及介质,本发明中在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。本发明中预先确定工业相机关联的内参矩阵和畸变矩阵,然后通过工业相机进行镜头畸变测试,提高了畸变测试的准确性和效率,减少了人力资源的浪费。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明基于工业相机的镜头畸变测试方法第一实施例中计算工业相机的内参矩阵和畸变矩阵的流程示意图;
图3为本发明基于工业相机的镜头畸变测试方法第一实施例的流程示意图;
图4为本发明基于工业相机的镜头畸变测试装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。本发明实施例基于工业相机的镜头畸变测试设备可以是PC机或服务器设备,如图1所示,该基于工业相机的镜头畸变测试设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,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。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(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,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1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、用户接口模块以及风险决策对应的计算机程序。
在图1所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的风险决策对应的计算机程序,并执行下述基于工业相机的镜头畸变测试方法中的操作。
基于上述硬件结构,提出本发明基于工业相机的镜头畸变测试方法实施例,包括:
在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;
通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;
获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;
根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
本实施例中基于工业相机的镜头畸变测试方法应用于基于工业相机的镜头畸变测试设备,以下简称镜头畸变测试设备,镜头畸变测试设备可以是投影厂商对投影镜头的测试设备,镜头畸变测试设备可以是终端或者服务器,镜头畸变测试设备与工业相机通信连接,镜头畸变测试设备可以控制待检测的投影模组执行投影操作。
在本发明基于工业相机的镜头畸变测试方法第一实施例执行之前,镜头畸变测试设备预先计算工业相机的内参矩阵和畸变矩阵,参照图2,具体地,包括:
步骤S01,通过工业相机从目标角度拍摄预设标定图像,获得至少两个标定拍摄图像;
步骤S02,对所述标定拍摄图像进行角点检测,获得所述标定拍摄图像中各个交点的坐标信息;
步骤S03,按照所述各个交点的坐标信息进行标定操作,获得所述工业相机的内参矩阵和畸变矩阵。
即,镜头畸变测试设备通过工业相机从目标角度(目标角度可以根据具体场景灵活设置,例如,目标角度可以是30度、60度、90度、120度、150度和180度)拍摄预设标定图像(预设标定图像是指预先设定的每一个定点和每一条边指定一个符号的标定图),获得至少两个标定拍摄图像;镜头畸变测试设备对标定拍摄图像进行角点检测,获得标定拍摄图像中各个交点的坐标信息;其中,本实施例中角点检测是指镜头畸变测试设备对标定图像中各个交点进行检测,例如,预设标定图像中各个黑色像素单元与白色像素单元交点的坐标进行监测,获取各个交点的坐标信息,镜头畸变测试设备按照各个交点的坐标信息进行标定操作,获得工业相机的内参矩阵和畸变矩阵。
镜头畸变测试设备进行标定操作是指从世界坐标系(世界坐标系用户定义的三维世界的坐标系,为了描述目标物在真实世界里的位置)转换为相机坐标系(相机坐标系是指在相机上建立的坐标系,为了从相机的角度描述物***置而定义,作为沟通世界坐标系和图像/像素坐标系的中间一环),再由相机坐标系转换为图像坐标系(图像坐标系是为了描述成像过程中物体从相机坐标系到图像坐标系的投影透射关系而引入,方便进一步得到像素坐标系下的坐标)的转化操作,获得工业相机内参矩阵和畸变矩阵。
其中,工业相机具有高的图像稳定性、高传输能力和高抗干扰能力等,工业相机大多是基于CCD(Charge Coupled Device,CCD图像传感器,CCD集光电转换及电荷存贮、电荷转移、信号读取于一体,是典型的固体成像器件。CCD的突出特点是以电荷作为信号,通过光电转换形成电荷包,而后在驱动脉冲的作用下转移、放大输出图像信号,CCD相机由光学镜头、时序及同步信号发生器、垂直驱动器、模拟/数字信号处理电路组成,CCD作为一种功能器件,与真空管相比,具有无灼伤、无滞后、低电压工作、低功耗等优点)或CMOS(Complementary Metal Oxide Semiconductor CMOS图像传感器,CMOS图像传感器将光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上,还具有局部像素的编程随机访问的优点,CMOS图像传感器以其良好的集成性、低功耗、高速传输和宽动态范围等特点在高分辨率和高速场合得到了广泛的应用)芯片的相机。
例如,镜头畸变测试设备利用工业相机分别从不同角度拍摄标定图像,获得拍摄角度不同标定拍摄图像多于6张,利用opencv(opencv,又称Open Source Computer VisionLibrary,开源计算机视觉库,基于BSD许可开源发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作***上,opencv由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法)的角点检测计算出每张图像中各个角点的坐标位置,利用opencv的相机标定功能,计算得出该相机的内参矩阵以及畸变矩阵。
本实施例中镜头畸变测试设备预先计算工业相机的内参矩阵以及畸变矩阵,以利用工业相机对投影镜头的畸变进行测试,以减少人工的测试操作,提高投影镜头畸变测试效率。
参照图3,图3为本发明基于工业相机的镜头畸变测试方法第一实施例的流程示意图,在本实施例中所述基于工业相机的镜头畸变测试方法包括:
步骤S10,在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像。
镜头畸变测试设备接收畸变测试请求,其中,畸变测试请求触发的方式不作具体限定,镜头畸变测试设备接收到畸变测试请求时,镜头畸变测试设备控制启动待测试的投影模组,通过投影模组中的投影镜头进行投影操作,形成投影图像。
步骤S20,通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像。
镜头畸变测试设备控制工业相机拍摄投影图像,获得投影拍摄图像,镜头畸变测试设备对投影拍摄图像进行二值化处理,获得二值化图像,其中,二值化处理是指根据投影拍摄图像选定阈值,并根据选定的阈值将投影拍摄图像的灰度转化为0或者255,本实施例中阈值选取方式不作具体限定,二值化的算法分为固定阈值和自适应阈值。例如,镜头畸变测试设备通过常用的二值化方法则有:双峰法、P参数法和迭代法等确定阈值。
本实施例中镜头畸变测试设备对投影拍摄图像进行二值化处理,获得二值化图像,然后对二值化图像进行分析以确定投影镜头的畸变,以使得投影镜头的畸变测试更加快速和准确。
步骤S30,获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像。
镜头畸变测试设备获取工业相机关联的内参矩阵和畸变矩阵,镜头畸变测试设备根据内参矩阵和畸变矩阵对二值化图像进行反畸处理,获得反畸变图像,具体地:
步骤a1,获取所述工业相机关联的内参矩阵和畸变矩阵,计算所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵;
步骤a2,提取所述二值化图像的图像特征数据,将所述图像特征数据乘以所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵,获得反畸变图像。
镜头畸变测试设备获取工业相机关联的内参矩阵和畸变矩阵,镜头畸变测试设备求取内参矩阵的逆矩阵和畸变矩阵的逆矩阵;镜头畸变测试设备提取二值化图像的图像特征数据,其中,图像特征数据是指二值化图像中各个特征点对应坐标的矩阵,镜头畸变测试设备将图像特征数据乘以内参矩阵的逆矩阵和畸变矩阵的逆矩阵,获得反畸变图像。
本实施例中镜头畸变测试设备根据工业相机关联的内参矩阵和畸变矩阵对二值化图像进行反畸处理,以排除工业相机拍摄镜头带来的图像畸变,从而确定投影镜头产生的图像畸变。
步骤S40,根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
镜头畸变测试设备根据反畸变图像的角点坐标(角点坐标是指反畸变图像中四个角的坐标),确定投影镜头的横向畸变与纵向畸变,即,镜头畸变测试设备获取反畸变图像中投影区域四个角点以及四个边长中心点的坐标,镜头畸变测试设备计算四个边长的距离以及投影长宽带入预设畸变计算公式,得出光机的横向畸变与纵向畸变。具体地:
步骤b1,对所述反畸变图像进行角点检测,获得所述反畸变图像的角点坐标,所述角点坐标包括第一角点坐标和第二角点坐标,所述第一角点坐标包括第一角点横坐标和第一角点纵坐标,所述第二角点坐标包括第二角点横坐标和第二角点纵坐标;
步骤b2,将所述反畸变图像的角点坐标带入预设畸变计算公式,获得所述投影镜头的横向畸变与纵向畸变,其中,所述预设畸变计算公式包括:
本实施例中在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。本发明中预先确定工业相机关联的内参矩阵和畸变矩阵,然后通过工业相机进行镜头畸变测试,提高了畸变测试的准确性和效率,减少了人力资源的浪费。
进一步地,基于本发明基于工业相机的镜头畸变测试方法第一实施例,提出本发明基于工业相机的镜头畸变测试方法第二实施例。
本实施例是第一实施例中步骤S10的细化,本实施例与第一实施例的区别在于:
在接收到畸变测试请求时,获取环境光亮度;
在所述环境光亮度小于预设亮度阈值时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像。
即,为了保证畸变测试测试结果更加准确,镜头畸变测试设备在接收到畸变测试请求时,镜头畸变测试设备获取亮度传感器检测到的环境光亮度,镜头畸变测试设备将环境光亮度与预设亮度阈值(预设亮度阈值可以根据具体场景设置,例如,本实实施例中预设亮度阈值设置为0)进行比较,在环境光亮度大于或等于预设亮度阈值时,镜头畸变测试设备提示降低测试环境的亮度,在环境光亮度小于预设亮度阈值时,镜头畸变测试设备控制启动投影模组,通过投影模组中的投影镜头投影形成投影图像,其中,投影图像可以是白光图像,这样可以减少图像噪声,同时只需要简单地检测投影图像的四个角点就可以快速地计算投影镜头畸变。
进一步地,基于本发明基于工业相机的镜头畸变测试方法上述实施例,提出本发明基于工业相机的镜头畸变测试方法第三实施例。
本实施例是第一实施例中步骤S40之后的步骤,本实施例与上述实施例的区别在于:
在所述横向畸变大于预设第一畸变阈值和/或所述纵向畸变大于预设第二畸变阈值时,标记所述投影模组,并输出所述投影模组不符合生产规则的提示。
镜头畸变测试设备将计算得到的横向畸变与预设第一畸变阈值进行比较,将计算得到的横向畸变与预设第二畸变阈值进行比较,其中,预设第一畸变阈值和预设第二畸变阈值可以根据具体场景灵活设置,预设第一畸变阈值和预设第二畸变阈值可以相同也可以不同,在横向畸变大于预设第一畸变阈值和/或纵向畸变大于预设第二畸变阈值时,镜头畸变测试设备标记投影模组,镜头畸变测试设备输出投影模组不符合生产规则的提示。
本实施例中镜头畸变测试设备快速地标记不符合规格的投影模组,减少后期人工的工作量,使得投影模组的测试效率进一步提高。
进一步地,基于本发明基于工业相机的镜头畸变测试方法上述实施例,提出本发明基于工业相机的镜头畸变测试方法第四实施例。
本实施例是第一实施例中步骤S40之后的步骤,本实施例与上述实施例的区别在于:
将所述投影镜头的横向畸变与纵向畸变输入到预设报告模板中生成所述投影镜头的畸变测试报告。
镜头畸变测试设备将投影镜头的横向畸变与纵向畸变输入到预设报告模板(预设报告模板是指预先设置的畸变测试空白模板)中生成投影镜头的畸变测试报告,本实施例中镜头畸变测试设备生成畸变测试报告,方便用户查看一个批次的投影模组的合格率。
参照图4,本发明还提供一种基于工业相机的镜头畸变测试装置,所述基于工业相机的镜头畸变测试装置包括:
请求接收模块10,用于在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;
图像拍摄模块20,用于通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;
反畸处理模块30,用于获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;
畸变确定模块40,用于根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
在一实施例中,所述基于工业相机的镜头畸变测试装置,包括:
图像拍摄模块,用于通过工业相机从目标角度拍摄预设标定图像,获得至少两个标定拍摄图像;
角点检测模块,用于对所述标定拍摄图像进行角点检测,获得所述标定拍摄图像中各个交点的坐标信息;
矩阵获取模块,用于按照所述各个交点的坐标信息进行标定操作,获得所述工业相机的内参矩阵和畸变矩阵。
在一实施例中,所述反畸处理模块30,包括:
矩阵求逆单元,用于获取所述工业相机关联的内参矩阵和畸变矩阵,计算所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵;
提取计算单元,用于提取所述二值化图像的图像特征数据,将所述图像特征数据乘以所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵,获得反畸变图像。
在一实施例中,所述畸变确定模块30,包括:
交底检测单元,用于对所述反畸变图像进行角点检测,获得所述反畸变图像的角点坐标,所述角点坐标包括第一角点坐标和第二角点坐标,所述第一角点坐标包括第一角点横坐标和第一角点纵坐标,所述第二角点坐标包括第二角点横坐标和第二角点纵坐标;
数据带入单元,用于将所述反畸变图像的角点坐标带入预设畸变计算公式,获得所述投影镜头的横向畸变与纵向畸变,其中,所述预设畸变计算公式包括:
在一实施例中,所述请求接收模块10,包括:
亮度获取单元,用于在接收到畸变测试请求时,获取环境光亮度;
启动投影单元,用于在所述环境光亮度小于预设亮度阈值时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像。
在一实施例中,所述基于工业相机的镜头畸变测试装置,包括:
标记提示模块,用于在所述横向畸变大于预设第一畸变阈值和/或所述纵向畸变大于预设第二畸变阈值时,标记所述投影模组,并输出所述投影模组不符合生产规则的提示。
在一实施例中,所述基于工业相机的镜头畸变测试装置,包括:
报告生成模块,用于将所述投影镜头的横向畸变与纵向畸变输入到预设报告模板中生成所述投影镜头的畸变测试报告。
其中,在所述处基于工业相机的镜头畸变测试装置被执行时所实现的方法可参照本发明基于工业相机的镜头畸变测试方法各个实施例,此处不再赘述。
本实施例中在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。本发明通过工业相机进行镜头畸变测试,提高了畸变测试的准确性和效率,减少了人力资源的浪费。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有风险决策对应的计算机程序,所述风险决策对应的计算机程序被处理器执行时实现如上所述的基于工业相机的镜头畸变测试方法的步骤。
其中,在所述处理器上运行的风险决策对应的计算机程序被执行时所实现的方法可参照本发明基于工业相机的镜头畸变测试方法各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于工业相机的镜头畸变测试方法,其特征在于,所述基于工业相机的镜头畸变测试方法包括如下步骤:
在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;
通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;
获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;
根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
2.如权利要求1所述的基于工业相机的镜头畸变测试方法,其特征在于,所述获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像的步骤之前,所述方法包括:
通过工业相机从目标角度拍摄预设标定图像,获得至少两个标定拍摄图像;
对所述标定拍摄图像进行角点检测,获得所述标定拍摄图像中各个交点的坐标信息;
按照所述各个交点的坐标信息进行标定操作,获得所述工业相机的内参矩阵和畸变矩阵。
3.如权利要求1所述的基于工业相机的镜头畸变测试方法,其特征在于,所述获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像的步骤,包括:
获取所述工业相机关联的内参矩阵和畸变矩阵,计算所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵;
提取所述二值化图像的图像特征数据,将所述图像特征数据乘以所述内参矩阵的逆矩阵和所述畸变矩阵的逆矩阵,获得反畸变图像。
4.如权利要求1所述的基于工业相机的镜头畸变测试方法,其特征在于,所述根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变的步骤,包括:
对所述反畸变图像进行角点检测,获得所述反畸变图像的角点坐标,所述角点坐标包括第一角点坐标和第二角点坐标,所述第一角点坐标包括第一角点横坐标和第一角点纵坐标,所述第二角点坐标包括第二角点横坐标和第二角点纵坐标;
将所述反畸变图像的角点坐标带入预设畸变计算公式,获得所述投影镜头的横向畸变与纵向畸变,其中,所述预设畸变计算公式包括:
5.如权利要求1所述的基于工业相机的镜头畸变测试方法,其特征在于,所述在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像的步骤,包括:
在接收到畸变测试请求时,获取环境光亮度;
在所述环境光亮度小于预设亮度阈值时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像。
6.如权利要求1所述的基于工业相机的镜头畸变测试方法,其特征在于,所述根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变的步骤之后,所述方法包括:
在所述横向畸变大于预设第一畸变阈值和/或所述纵向畸变大于预设第二畸变阈值时,标记所述投影模组,并输出所述投影模组不符合生产规则的提示。
7.如权利要求1至6任意一项所述的基于工业相机的镜头畸变测试方法,其特征在于,所述根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变的步骤之后,所述方法还包括:
将所述投影镜头的横向畸变与纵向畸变输入到预设报告模板中生成所述投影镜头的畸变测试报告。
8.一种基于工业相机的镜头畸变测试装置,其特征在于,所述基于工业相机的镜头畸变测试装置包括:
请求接收模块,用于在接收到畸变测试请求时,启动投影模组通过所述投影模组中的投影镜头投影形成投影图像;
图像拍摄模块,用于通过工业相机拍摄所述投影图像,获得投影拍摄图像,对所述投影拍摄图像进行二值化处理,获得二值化图像;
反畸处理模块,用于获取所述工业相机关联的内参矩阵和畸变矩阵,根据所述内参矩阵和所述畸变矩阵对所述二值化图像进行反畸处理,获得反畸变图像;
畸变确定模块,用于根据所述反畸变图像的角点坐标,确定所述投影镜头的横向畸变与纵向畸变。
9.一种基于工业相机的镜头畸变测试设备,其特征在于,所述基于工业相机的镜头畸变测试设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风险决策对应的计算机程序,所述风险决策对应的计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于工业相机的镜头畸变测试方法的步骤。
10.一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上存储有风险决策对应的计算机程序,所述风险决策对应的计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于工业相机的镜头畸变测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011059960.7A CN111915610A (zh) | 2020-09-30 | 2020-09-30 | 基于工业相机的镜头畸变测试方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011059960.7A CN111915610A (zh) | 2020-09-30 | 2020-09-30 | 基于工业相机的镜头畸变测试方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915610A true CN111915610A (zh) | 2020-11-10 |
Family
ID=73265367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011059960.7A Pending CN111915610A (zh) | 2020-09-30 | 2020-09-30 | 基于工业相机的镜头畸变测试方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915610A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942796A (zh) * | 2014-04-23 | 2014-07-23 | 清华大学 | 一种高精度的投影仪-摄像机标定***及标定方法 |
CN104657982A (zh) * | 2015-01-15 | 2015-05-27 | 华中科技大学 | 一种投影仪标定方法 |
CN104835143A (zh) * | 2015-03-31 | 2015-08-12 | 中国航空无线电电子研究所 | 一种快速投影机***参数标定方法 |
CN105120258A (zh) * | 2015-07-20 | 2015-12-02 | 深圳市航盛电子股份有限公司 | 一种摄像头畸变率测试方法及*** |
CN105528770A (zh) * | 2015-12-31 | 2016-04-27 | 河北工业大学 | 一种投影仪镜头畸变校正方法 |
CN105787913A (zh) * | 2014-12-19 | 2016-07-20 | 宁波舜宇光电信息有限公司 | 一种投影模组的标定方法 |
US20180061021A1 (en) * | 2016-08-23 | 2018-03-01 | National Taiwan University Of Science And Technology | Image correction method of projector and image correction system |
CN108924544A (zh) * | 2018-06-29 | 2018-11-30 | 上海与德通讯技术有限公司 | 摄像头畸变测量方法与测试装置 |
-
2020
- 2020-09-30 CN CN202011059960.7A patent/CN111915610A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942796A (zh) * | 2014-04-23 | 2014-07-23 | 清华大学 | 一种高精度的投影仪-摄像机标定***及标定方法 |
CN105787913A (zh) * | 2014-12-19 | 2016-07-20 | 宁波舜宇光电信息有限公司 | 一种投影模组的标定方法 |
CN104657982A (zh) * | 2015-01-15 | 2015-05-27 | 华中科技大学 | 一种投影仪标定方法 |
CN104835143A (zh) * | 2015-03-31 | 2015-08-12 | 中国航空无线电电子研究所 | 一种快速投影机***参数标定方法 |
CN105120258A (zh) * | 2015-07-20 | 2015-12-02 | 深圳市航盛电子股份有限公司 | 一种摄像头畸变率测试方法及*** |
CN105528770A (zh) * | 2015-12-31 | 2016-04-27 | 河北工业大学 | 一种投影仪镜头畸变校正方法 |
US20180061021A1 (en) * | 2016-08-23 | 2018-03-01 | National Taiwan University Of Science And Technology | Image correction method of projector and image correction system |
CN108924544A (zh) * | 2018-06-29 | 2018-11-30 | 上海与德通讯技术有限公司 | 摄像头畸变测量方法与测试装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891500B2 (en) | Method and apparatus for acquiring traffic sign information | |
EP3496383A1 (en) | Image processing method, apparatus and device | |
EP2620907B1 (en) | Pupil detection device and pupil detection method | |
CN112261396B (zh) | 投影方法、装置、投影设备及计算机可读存储介质 | |
JP6115214B2 (ja) | パターン処理装置、パターン処理方法、パターン処理プログラム | |
JP2005072888A (ja) | 画像投影方法、及び画像投影装置 | |
JP2010165248A (ja) | 画像処理装置、画像照合方法、および、プログラム | |
CN109889712B (zh) | 一种像素电路、图像传感器、终端设备及信号的控制方法 | |
CN110596121A (zh) | 键盘外观检测方法、装置和电子*** | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
CN113838003B (zh) | 图像的斑点检测方法、设备、介质及计算机程序产品 | |
JP6232933B2 (ja) | 放射歪み補正装置、道路環境認識装置、放射歪み補正方法およびプログラム | |
CN111915610A (zh) | 基于工业相机的镜头畸变测试方法、装置、设备及介质 | |
CN116596903A (zh) | 缺陷识别方法、装置、电子设备及可读存储介质 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN112292847A (zh) | 图像处理设备、移动设备、方法和程序 | |
CN112949423A (zh) | 物体识别方法、物体识别装置及机器人 | |
JP2012133587A (ja) | 画像解析装置、画像解析方法及びプログラム | |
CN113870210A (zh) | 一种图像质量评估方法、装置、设备及存储介质 | |
KR20220145080A (ko) | 차량용 듀얼 카메라 장착 위치 결정 장치 및 방법 | |
CN111174706A (zh) | 地板安装检测方法、电子装置及存储介质 | |
CN113706429B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110830728A (zh) | 曝光调整方法及装置 | |
CN110148089B (zh) | 一种图像处理方法、装置及设备、计算机存储介质 | |
CN113237423B (zh) | 物品体积测量设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201110 |