CN112270719B - 相机标定方法、装置及*** - Google Patents
相机标定方法、装置及*** Download PDFInfo
- Publication number
- CN112270719B CN112270719B CN202011514067.9A CN202011514067A CN112270719B CN 112270719 B CN112270719 B CN 112270719B CN 202011514067 A CN202011514067 A CN 202011514067A CN 112270719 B CN112270719 B CN 112270719B
- Authority
- CN
- China
- Prior art keywords
- calibration target
- camera
- calibration
- target
- coordinate
- 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
- G06T7/85—Stereo camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本申请提供了一种相机标定方法、装置及***,方法应用于相机标定***中的V2X计算平台,相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;方法包括:获取相机对标定靶进行拍摄得到的待检测图像;通过目标检测算法确定待检测图像中标定靶的边界信息;根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标;基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与三维地图坐标的转换关系,以完成对相机的标定。本申请能够在不使用传统标定板的情况下进行准确地相机标定,方便应用于实际工程中。
Description
技术领域
本申请涉及相机标定技术领域,尤其是涉及一种相机标定方法、装置及***。
背景技术
随着V2X(vehicle to everything,即车对外界的信息交换)技术的发展,路端的监控相机不仅仅提供传统的监控和数据采集的功能,更多提供视觉的感知,并对特殊交通情况进行预判,能够极大程度上来提高路面交通道路的利用效率和规避潜在的风险。
在图像目标检测的算法中,通常都是像素级别的检测结果,在实际应用的场景,需要将二维的像素结果转化为三维世界坐标系的感知结果。传统的转换方式是通过使用各种形式的标定板对相机进行标定获得相机的外参,然后将目标检测得到的相机坐标系下的结果转到三维世界坐标系下,再将三维世界坐标系转换到任意三维地图坐标系下(例如E-N坐标系)。然而,V2X的相机通常安装高度比较高、焦距较大,上述传统的使用标定板识别标定板的角度的标定方法在实际工程上应用有很大的难度。
发明内容
本申请的目的在于提供一种相机标定方法、装置及***,能够在不使用传统标定板的情况下进行准确地V2X相机标定,方便应用于实际工程中。
第一方面,本申请实施例提供一种相机标定方法,方法应用于相机标定***中的V2X计算平台,相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;方法包括:获取相机对标定靶进行拍摄得到的待检测图像;通过目标检测算法确定待检测图像中标定靶的边界信息;根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标;基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对相机的标定;三维地图坐标是基于所述标定靶的地图坐标、标定靶距离地面的高度和相机的安装高度确定的。
进一步的,上述通过目标检测算法确定待检测图像中标定靶的位置信息的步骤之前,还包括:获取相机的内参;通过相机的内参,对待检测图像进行畸变校正。
进一步的,上述通过目标检测算法确定待检测图像中标定靶的边界信息的步骤,包括:将待检测图像输入至预设目标检测模型中,得到模型输出结果;将模型输出结果按照预设转换算式进行转换,得到待检测图像中标定靶的预测位置信息;预测位置信息包括:标定靶对应的检测框的中心坐标值及表征检测框大小的值;根据标定靶的预测位置信息及预设边界处理算法,确定标定靶的边界信息。
进一步的,上述根据标定靶的预测位置信息及预设边界处理算法,确定标定靶的边界信息的步骤,包括:利用边缘提取算法对标定靶对应的检测框进行边缘提取;通过亚像素矫正算法对边缘提取得到的边界进行矫正处理;通过最小二乘法对矫正处理后的轮廓点进行运算,得到标定靶的边界信息。
进一步的,上述标定靶为球体;根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标的步骤,包括:通过以下算式计算标定靶的深度信息:
其中,depth表示所述标定靶的深度信息;f表示所述相机的焦距;Dworld表示所述标定靶的真实直径;Dpixel表示所述标定靶在像素坐标系下的像素直径;基于标定靶的深度信息、及预先获取的相机的内参,确定标定靶的三维世界坐标。
进一步的,上述基于标定靶的深度信息、及预先获取的相机的内参,确定标定靶的三维世界坐标的步骤,包括:通过以下算式计算得到标定靶的三维世界坐标:
其中,X、Y、Z表示所述标定靶的三维世界坐标;x、y表示所述标定靶的像素坐标;u0、v0、fx、fy均为相机内参;Scale表示尺度。
进一步的,上述待检测图像包括至少3个;基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与三维地图坐标的转换关系的步骤,包括:获取GPS定位仪采集的所述标定靶的地图坐标;根据标定靶的地图坐标、标定靶距离地面的高度、相机的安装高度,确定标定靶的三维世界坐标;基于至少3个待检测图像确定的标定靶的三维世界坐标、三维地图坐标以及ICP算法,得到相机坐标与地图坐标的转换关系。
第二方面,本申请实施例还提供一种相机标定装置,装置应用于相机标定***中的V2X计算平台,相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;装置包括:图像获取模块,用于获取相机对标定靶进行拍摄得到的待检测图像;边界信息确定模块,用于通过目标检测算法确定待检测图像中标定靶的边界信息;三维世界坐标确定模块,用于根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标;相机标定模块,用于基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与三维地图坐标的转换关系,以完成对相机的标定;三维地图坐标是基于标定靶的地图坐标、标定靶距离地面的高度和相机的安装高度确定的。
第三方面,本申请实施例还提供一种相机标定***,***包括:V2X计算平台、GPS定位仪、标定靶和相机;其中,GPS定位仪设置于标定靶的正上方,用于采集标定靶的三维地图坐标;相机用于对标定靶进行拍摄得到待检测图像;V2X计算平台用于执行如第一方面所述方法的步骤。
进一步的,上述标定靶为球体。
第四方面,本申请实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述第一方面所述的方法。
第五方面,本申请实施例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,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述第一方面所述的方法。
本申请实施例提供的相机标定方法,应用于相机标定***中的V2X计算平台,该相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;本申请实施例提供的方法中,首先获取相机对标定靶进行拍摄得到的待检测图像;然后利用目标检测算法确定待检测图像中标定靶的边界信息;根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标;基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对相机的标定,其中,三维地图坐标是基于标定靶的地图坐标、标定靶距离地面的高度和相机的安装高度确定的。本申请实施例能够通过目标检测算法、深度估计算法、GPS信息和ICP算法实现对V2X相机的标定,而不需要使用传统的棋盘格标定板,方便应用于实际工程中。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,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为本申请实施例提供的一种相机标定***的示意图;
图2为本申请实施例提供的一种标定靶的示意图;
图3为本申请实施例提供的一种标定靶的安装示意图;
图4为本申请实施例提供的一种标定过程示意图;
图5为本申请实施例提供的一种相机标定方法的流程图;
图6为本申请实施例提供的一种边界信息确定方法的流程图;
图7为本申请实施例提供的一种相机标定装置的结构框图;
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
鉴于V2X的相机安装高度比较高、焦距较大,而传统的使用标定板识别标定板的角度的标定方法在实际工程上应用有很大的难度。本申请实施例提供一种相机标定方法、装置及***,通过目标检测算法、深度估计算法、GPS信息和ICP算法实现对V2X相机的标定,而不需要使用传统的棋盘格标定板,方便应用于实际工程中。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种相机标定***进行详细介绍。
图1为本申请实施例提供的一种相机标定***,该***包括:V2X计算平台11、GPS定位仪12、标定靶13和相机14;其中,GPS定位仪12和相机14均与V2X计算平台11通信连接,GPS定位仪12设置于标定靶13的正上方,用于采集标定靶13的地图坐标;相机14用于对标定靶13进行拍摄得到待检测图像;V2X计算平台11用于执行本申请实施例中方法的步骤,完成对相机14的标定。
上述标定靶可以是球形的,也可以是矩形的,作为一种优选实施方式,本申请实施例中的标定靶采用球体,如图2所示,球形的标定靶的好处是其在任何角度投影到相机中去其投影的结果都是一个圆形。不会根据不同视角投影形状会产生任何变化,并且有利于提取球体的中心。
标定靶的表面材质可以选用哑光的材料,以避免强光的反射对目标边界提取的影响,标定靶的颜色和背景颜色能够进行区分即可。具体的球体的大小根据相机进行选择,只要使球体在相机中成像的像素的数量大于20个像素即可,像素数量越大标定的精度越高。工程中,球体直径作为标定程序的可变参数输入到程序中去。
标定靶可以参考以下方式进行安装,如图3所示,将标定靶固定在一个底座上,在标定靶正上方固定一个GPS定位仪。为了使得标定靶在各种情况下能够放置到相机可视范围内,标定靶悬空在杆子上可根据需要进行调节。标定靶和GPS要保持在同一点的重力方向这样有利于估算球体中心的三维世界坐标。相机标定示意图如图4所示。
基于上述相机标定***,图5示出了本申请实施例提供的一种相机标定方法的流程图,该方法应用于相机标定***中的V2X计算平台,该相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;该相机标定方法具体包括以下步骤:
步骤S502,获取相机对标定靶进行拍摄得到的待检测图像。
具体实施时,可以在相机的可视范围内,移动标定靶的位置,以使相机拍摄到不同位置的标定靶图像视频,为了后续可以通过ICP算法求解出最终的相机外参,这里需要从图像视频中选取出至少3个待检测图像,一般来说,选取4个待检测图像就可以基于ICP算法,求得到最终的相机外参也就是说,V2X计算平台可以从图像视频中获取3个或4个待检测图像,然后针对每个待检测图像进行以下步骤。
步骤S504,通过目标检测算法确定待检测图像中标定靶的边界信息。
本申请实施例中,上述目标检测算法包括基于深度学习的目标检测算法与亚像素检测算法,通过基于深度学习的目标检测算法可以对待检测图像进行标定靶检测,确定标定靶的位置信息,包括标定靶对应的检测框的中心坐标及表征检测框大小的值,比如,对于矩形检测框,表征检测框大小的值可以是检测框的长度和宽度,对于圆形检测框,表征检测框大小的值可以是圆的直径。基于该标定靶的位置信息,进一步可以通过亚像素检测算法确定出标定靶的边界信息,即该标定靶的边界像素集合。
步骤S506,根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标。
在确定出上述标定靶的边界信息后,进一步利用预设深度估计算法可以计算出标定靶的深度信息,然后再基于深度信息确定出标定靶的三维世界坐标。
步骤S508,基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对相机的标定。
上述标定靶的三维地图坐标是基于上述GPS采集的标定靶的地图坐标、标定靶距离地面的高度和相机的安装高度确定的,利用上述3个或4个待检测图像分别对应的标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对相机的标定。
本申请实施例提供的相机标定方法,应用于相机标定***中的V2X计算平台,该相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;本申请实施例提供的方法中,能够通过对标定靶的图像进行目标检测、深度估计,确定出标定靶的三维世界坐标,并结合GPS定位仪采集的信息确定标定靶的三维地图坐标;最后利用ICP算法基于标定靶的三维世界坐标、标定靶的三维地图坐标,进行运算,求得相机坐标与地图坐标的转换关系,以完成对V2X相机的快速标定而不需要使用传统的棋盘格标定板,方便应用于实际工程中。
由于相机拍摄图像会使图像产生一定的畸变,比如,一个圆形的物体,在相机中由于畸变可能拍出来的图像不是圆形的。因此在对待检测图像进行目标检测之前,需要首先将相机镜头导致图像产生的畸变消除。即本申请实施例还包括:获取相机的内参;通过相机的内参,对待检测图像进行畸变校正。获取相机内参的方式可以为:使用相机内参标定工具箱标定得到相机内参矩阵,该内参矩阵是将相机坐标变换到图像坐标的矩阵。
上述通过目标检测算法确定待检测图像中标定靶的边界信息的步骤可参考图6所示目标检测算法的流程图实现:
步骤S602,将待检测图像输入至预设目标检测模型中,得到模型输出结果;
上述目标检测模型可以使用Yolov3等当前比较通用的目标检测框架来实现,传统的目标检测模型通常使用矩形框来检测目标物的大小和位置。本申请由于标定靶采用球形来进行标定,因此,目标检测模型需要开发圆形的检测框,这样能够最大程度上减少检测的误差。
标准的Yolov3的目标检测的网络框架有三个输出层,本申请实施例中将输出层的大小控制为,控制参数中前两位代表分辨率,后一位代表输出通道。由于通道与检测参数有关所以固定为15;YoloV3在不同分辨率的FeatureMap下都进行检测,因此有三个不同的分辨率,分辨率与网络的输入图像分辨率及步长有关,因此这里52、26、13仅仅是一个参考的参数。
上述输出层示例为:
其中wl,hl,wm,hm,ws,hs分别代表了三个输出层的宽和高的大小。numanchor代表了算法目标锚点的数量,numclasses代表了类别的数量。通过上述目标检测模型的检测,模型输出结果为,这里tx,ty,tr并不能表示最终的标定靶的预测位置信息,还需要通过以下步骤S604进行转换:
步骤S604,将模型输出结果按照预设转换算式进行转换,得到待检测图像中标定靶的预测位置信息;
预设转换算式如下:
通过上述转换过程,可以得到待检测图像中标定靶的预测位置信息,包括:标定靶对应的检测框的中心坐标值及表征检测框大小的值;对于圆形检测框,表征检测框大小的值即为圆的直径。
本申请实施例中的损失函数包括三部分:
1)坐标损失
2)类别损失
3)置信度损失
其中,x、y为目标检测框中心的像素坐标,d为目标圆形检测框的直径,C为目标的类别,p为当前类别的置信度。其中lambda是常数,用来判断第i个网格中第j目标是否负责这个object。本申请实施例中将回归损失函数中的长宽修改为圆形检测框的直径,修改了坐标损失,可以更好地应用于本申请实施例中。
目标检测得到的结果是一个粗略的结果,同时相机存在一定的畸变,因此需要修正畸变并精确地提取目标轮廓,从而得到靶标位置与大小信息。目标的轮廓不是孤立或者单个像素点,而是由多个像素组成的,这些像素点具有一定的灰度和几何形状的分布特性。因此,可以通过以下步骤确定标定靶的边界信息:
步骤S606,根据标定靶的预测位置信息及预设边界处理算法,确定标定靶的边界信息。预设边界处理算法包括边缘提取算法、亚像素矫正算法以及最小二乘法,具体步骤如下:
步骤S6062,利用边缘提取算法对标定靶对应的检测框进行边缘提取。
由于目标检测的结果是一个标定靶对应的圆形检测框,实际的物体往往可能比这个圆形检测框大也可能会比这个圆形检测框小。因此需要扩大检测获得的圆形检测框的搜索范围,定义搜索的范围为:
其中enlarge scale为扩大搜索面积的半径的比例系数。
本申请实施例中使用canny算子作为边缘提取的算法。其具体算法包含以下几个步骤:
a.用高斯滤波器平滑图像;
b.计算梯度幅值和方向;
c.对梯度幅值进行非极大值抑制;
d.用双阈值算法检测和连接边缘;
e.通过滞后跟踪边缘,抑制所有弱而不强的边缘。
步骤S6064,通过亚像素矫正算法对边缘提取得到的边界进行矫正处理。
亚像素是将像素这个基本单位再进行细分,它是比像素还小的单位,从而提高了图像分辨率。通常情况下,亚像素边缘点存在于图像中逐渐发生过度变化的区域,可以理解为在摄像***硬件条件不变的情况下,用软件算法来提高边缘检测精度的方法,或者说是一种可以使分辨率小于一个像素的图像处理技术。
Canny算子计算获得的是像素级别的,而标定的算法中需要精度高于一个像素算法,即亚像素边缘提取。本申请实施例中使用Devernay的亚像素矫正算法进行矫正。Devernay在canny算法的基础上进行了拓展,将新的边缘定义为相邻几个梯度模的最大值,通过计算梯度方向上得相邻三点出的梯度模的二次函数插值。
步骤S6066,通过最小二乘法对矫正处理后的轮廓点进行运算,得到标定靶的边界信息。
亚像素边界提取后可以得到圆的轮廓点。受到背景等影响,这些轮廓点是包含噪声的,因此需要建立圆的方程确定标靶在图像上的坐标与半径:
其中,Y就是一个点的残差。函数目标就是求边界点的残差和的最小值。其中待优化的变量就是R。xi和yi是已知量。用梯度下降或者牛顿法可求得。求得半径很容易获得圆心。
通过最小二乘法可以获得方程圆的方程和其圆心的坐标。
确定出的标定靶的边界信息,即该标定靶的边界像素集合后,进一步通过以下算式计算标定靶的深度信息:
其中,depth表示标定靶的对应的圆形检测框在相机坐标系的深度值;表示相机的焦距;f表示相机的焦距;Dworld表示标定靶的真实直径;Dpixel表示标定靶在像素坐标系下的像素直径,即通过上述边界信息确定出的直径的像素数量;
进一步,通过以下算式计算得到标定靶的三维世界坐标:
其中,X、Y、Z表示所述标定靶的三维世界坐标;x、y表示所述标定靶的像素坐标;u0、v0、fx、fy均为相机内参;Scale表示尺度。
V2X计算中心还可以获取到GPS定位仪对标定靶的定位信息,也就是标定靶顶端位置的经纬度坐标,即标定靶的地图坐标,即XGPS、YGPS,再结合标定靶距离地面的高度和相机安装高度,可以确定出标定靶的三维地图坐标,即:
其中,XGPS、YGPS表示标定靶的地图坐标,Ball Height表示标定靶距离地面的高度,Camera Height为相机的安装高度。
根据已获取的三维世界坐标和三维地图坐标的关系使用ICP(InterativeClosest Point )3D-3D的位姿求解:
三维世界坐标系下Ow和三维地图坐标系下Om分别由对应的点
由此可见,每一个坐标点可以有3个约束,理论上需要4个点就可以获得相机的R、t。如果将相机坐标系的原点定位和三维世界坐标系的远点重合的话t便为零向量,3个点也可以完成标定。也就是说,基于至少3个待检测图像确定的标定靶的三维世界坐标、三维地图坐标以及ICP算法,可以得到相机坐标与三维地图坐标的转换关系。
本申请实施例提供的相机标定方法,包括以下优点:
1.该相机标定方法是一种基于目标检测算法的相机标定过程,只需在相机可视范围内任意移动靶标,并使用GPS记录其经纬度信息即可以获得相机相对于地图坐标系的标定结果。
2.本申请实施例只需通过打开相机,并启动相机标定程序,程序直接能够检测标定靶的位置并根据像素信息和标定靶的经纬度信息获取外参标定结果。
3. 本申请实施例不使用传统的棋盘格的标定板,直接设计特殊的标靶放置在相机可视的区域,并记录GPS的经纬度,实际工程布置也十分简单。
4. 本申请实施例设计的标定方法,对于标靶的摆放位置没有特殊需求,也不需要获取摆放位置的距离,可实现任意摆放即可实现标定过程,可实现快速的标定。
5.本申请实施例中标定靶的材质可以是塑料比较轻便的材料易运输和部署,对于大规模部署V2X相机设备十分简便。
基于上述方法实施例,本申请实施例还提供一种相机标定装置,参见图7所示,该装置应用于相机标定***中的V2X计算平台,相机标定***还包括:GPS定位仪、标定靶和相机;GPS定位仪设置于标定靶的正上方,用于采集标定靶的地图坐标;该装置包括:
图像获取模块72,用于获取相机对标定靶进行拍摄得到的待检测图像;边界信息确定模块74,用于通过目标检测算法确定待检测图像中标定靶的边界信息;世界坐标确定模块76,用于根据标定靶的边界信息和预设深度估计算法,确定标定靶的三维世界坐标;相机标定模块78,用于基于标定靶的三维世界坐标、标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对相机的标定;其中,三维地图坐标是基于标定靶的地图坐标、标定靶距离地面的高度和相机的安装高度确定的。
进一步的,上述装置还包括:图像校正模块有,用于获取相机的内参;通过相机的内参,对待检测图像进行畸变校正。
进一步的,上述边界信息确定模块74还用于,将待检测图像输入至预设目标检测模型中,得到模型输出结果;将模型输出结果按照预设转换算式进行转换,得到待检测图像中标定靶的预测位置信息;预测位置信息包括:标定靶对应的检测框的中心坐标值及表征检测框大小的值;根据标定靶的预测位置信息及预设边界处理算法,确定标定靶的边界信息。
进一步的,上述边界信息确定模块74还用于,利用边缘提取算法对标定靶对应的检测框进行边缘提取;通过亚像素矫正算法对边缘提取得到的边界进行矫正处理;通过最小二乘法对矫正处理后的轮廓点进行运算,得到标定靶的边界信息。
进一步的,上述标定靶为球体;上述世界坐标确定模块76还用于:通过以下算式计算标定靶的深度信息:
其中,depth表示标定靶的深度信息;f表示相机的焦距;Dworld表示标定靶的真实直径;Dpixel表示标定靶在像素坐标系下的像素直径;
基于标定靶的深度信息、及预先获取的相机的内参,确定标定靶的三维世界坐标。
进一步的,上述世界坐标确定模块76还用于:通过以下算式计算得到标定靶的三维世界坐标:
其中,X、Y、Z表示所述标定靶的三维世界坐标;x、y表示所述标定靶的像素坐标;u0、v0、fx、fy均为相机内参;Scale表示尺度。
进一步的,上述待检测图像包括至少3个;上述相机标定模块78还用于:获取GPS定位仪采集的所述标定靶的地图坐标;根据标定靶的地图坐标、标定靶距离地面的高度、相机的安装高度,确定标定靶的三维世界坐标;基于至少3个待检测图像确定的标定靶的三维世界坐标、三维地图坐标以及ICP算法,得到相机坐标与地图坐标的转换关系。
本申请实施例提供的相机标定装置,其实现原理及产生的技术效果和前述相机标定方法实施例相同,为简要描述,相机标定装置的实施例部分未提及之处,可参考前述相机标定方法实施例中相应内容。
本申请实施例还提供了一种电子设备,如图8所示,为该电子设备的结构示意图,其中,该电子设备包括处理器81和存储器80,该存储器80存储有能够被该处理器81执行的计算机可执行指令,该处理器81执行该计算机可执行指令以实现上述方法。
在图8示出的实施方式中,该电子设备还包括总线82和通信接口83,其中,处理器81、通信接口83和存储器80通过总线82连接。
其中,存储器80可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口83(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线82可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线82可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器81可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器81中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器81可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器81读取存储器中的信息,结合其硬件完成前述实施例的方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,该计算机可执行指令促使处理器实现上述方法,具体实现可参见前述方法实施例,在此不再赘述。
本申请实施例所提供的方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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)执行本申请各个实施例所述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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述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:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种相机标定方法,其特征在于,所述方法应用于相机标定***中的V2X计算平台,所述相机标定***还包括:GPS定位仪、标定靶和相机;所述GPS定位仪设置于所述标定靶的正上方,用于采集所述标定靶的地图坐标;所述方法包括:
获取所述相机对所述标定靶进行拍摄得到的待检测图像;
通过目标检测算法确定所述待检测图像中所述标定靶的边界信息;
根据所述标定靶的边界信息和预设深度估计算法,确定所述标定靶的三维世界坐标;
基于所述标定靶的三维世界坐标、所述标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对所述相机的标定;所述三维地图坐标是基于所述标定靶的地图坐标、所述标定靶距离地面的高度和所述相机的安装高度确定的;
所述标定靶为球体;根据所述标定靶的边界信息和预设深度估计算法,确定所述标定靶的三维世界坐标的步骤,包括:
通过以下算式计算所述标定靶的深度信息:
其中,depth表示所述标定靶的深度信息;f表示所述相机的焦距;Dworld表示所述标定靶的真实直径;Dpixel表示所述标定靶在像素坐标系下的像素直径;
基于所述标定靶的深度信息、及预先获取的所述相机的内参,确定所述标定靶的三维世界坐标。
2.根据权利要求1所述的方法,其特征在于,通过目标检测算法确定所述待检测图像中所述标定靶的位置信息的步骤之前,还包括:
获取所述相机的内参;
通过所述相机的内参,对所述待检测图像进行畸变校正。
3.根据权利要求1所述的方法,其特征在于,通过目标检测算法确定所述待检测图像中所述标定靶的边界信息的步骤,包括:
将所述待检测图像输入至预设目标检测模型中,得到模型输出结果;
将所述模型输出结果按照预设转换算式进行转换,得到所述待检测图像中所述标定靶的预测位置信息;所述预测位置信息包括:所述标定靶对应的检测框的中心坐标值及表征所述检测框大小的值;
根据所述标定靶的预测位置信息及预设边界处理算法,确定所述标定靶的边界信息。
4.根据权利要求3所述的方法,其特征在于,根据所述标定靶的预测位置信息及预设边界处理算法,确定所述标定靶的边界信息的步骤,包括:
利用边缘提取算法对所述标定靶对应的检测框进行边缘提取;
通过亚像素矫正算法对所述边缘提取得到的边界进行矫正处理;
通过最小二乘法对所述矫正处理后的轮廓点进行运算,得到所述标定靶的边界信息。
6.根据权利要求1所述的方法,其特征在于,所述待检测图像包括至少3个;
基于所述标定靶的三维世界坐标、所述标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系的步骤,包括:
获取所述GPS定位仪采集的所述标定靶的地图坐标;
根据所述标定靶的地图坐标、所述标定靶距离地面的高度、所述相机的安装高度,确定所述标定靶的三维世界坐标;
基于所述至少3个待检测图像确定的所述标定靶的三维世界坐标、三维地图坐标以及所述ICP算法,得到相机坐标与地图坐标的转换关系。
7.一种相机标定装置,其特征在于,所述装置应用于相机标定***中的V2X计算平台,所述相机标定***还包括:GPS定位仪、标定靶和相机;所述GPS定位仪设置于所述标定靶的正上方,用于采集所述标定靶的地图坐标;所述装置包括:
图像获取模块,用于获取所述相机对所述标定靶进行拍摄得到的待检测图像;
边界信息确定模块,用于通过目标检测算法确定所述待检测图像中所述标定靶的边界信息;
世界坐标确定模块,用于根据所述标定靶的边界信息和预设深度估计算法,确定所述标定靶的三维世界坐标;
相机标定模块,用于基于所述标定靶的三维世界坐标、所述标定靶的三维地图坐标,通过ICP算法求得相机坐标与地图坐标的转换关系,以完成对所述相机的标定;所述三维地图坐标是基于所述标定靶的地图坐标、所述标定靶距离地面的高度和所述相机的安装高度确定的;
所述世界坐标确定模块还用于:通过以下算式计算所述标定靶的深度信息:
其中,depth表示所述标定靶的深度信息;f表示所述相机的焦距;Dworld表示所述标定靶的真实直径;Dpixel表示所述标定靶在像素坐标系下的像素直径;
基于所述标定靶的深度信息、及预先获取的所述相机的内参,确定所述标定靶的三维世界坐标。
8.一种相机标定***,其特征在于,所述***包括:V2X计算平台、GPS定位仪、标定靶和相机;所述标定靶为球体;
其中,所述GPS定位仪设置于所述标定靶的正上方,用于采集所述标定靶的地图坐标;
所述相机用于对所述标定靶进行拍摄得到待检测图像;
所述V2X计算平台用于执行如权利要求1-6任一项所述的方法的步骤。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的方法。
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存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011514067.9A CN112270719B (zh) | 2020-12-21 | 2020-12-21 | 相机标定方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011514067.9A CN112270719B (zh) | 2020-12-21 | 2020-12-21 | 相机标定方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112270719A CN112270719A (zh) | 2021-01-26 |
CN112270719B true CN112270719B (zh) | 2021-04-02 |
Family
ID=74350097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011514067.9A Active CN112270719B (zh) | 2020-12-21 | 2020-12-21 | 相机标定方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112270719B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818990B (zh) * | 2021-01-29 | 2023-08-22 | 中国人民解放军军事科学院国防科技创新研究院 | 目标检测框的生成方法、图像数据自动标注方法及*** |
CN112767498A (zh) * | 2021-02-03 | 2021-05-07 | 苏州挚途科技有限公司 | 相机标定方法、装置和电子设备 |
CN113240754B (zh) * | 2021-06-01 | 2024-03-01 | 亮风台(上海)信息科技有限公司 | 确定ptz摄像装置的内参的方法、装置、设备及存储介质 |
CN113359117A (zh) * | 2021-06-29 | 2021-09-07 | 上海智能网联汽车技术中心有限公司 | 一种静态标定***及方法 |
CN114418862B (zh) * | 2022-03-31 | 2022-07-29 | 苏州挚途科技有限公司 | 侧向图像的拼接方法、装置和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104315995A (zh) * | 2014-11-15 | 2015-01-28 | 中国科学院光电研究院 | 基于虚拟多立方体标准目标的tof深度相机三维坐标标定装置和方法 |
CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及*** |
CN108981672A (zh) * | 2018-07-19 | 2018-12-11 | 华南师范大学 | 基于单目机器人与测距传感器结合的舱门实时定位方法 |
CN109345542A (zh) * | 2018-09-18 | 2019-02-15 | 重庆大学 | 一种穿戴式视觉注视目标定位装置及方法 |
CN109816703A (zh) * | 2017-11-21 | 2019-05-28 | 西安交通大学 | 一种基于相机标定和icp算法的点云配准方法 |
CN110209997A (zh) * | 2019-06-10 | 2019-09-06 | 成都理工大学 | 基于三维特征点的深度相机自动标定算法 |
CN111739104A (zh) * | 2020-06-24 | 2020-10-02 | 深圳市道通科技股份有限公司 | 一种激光标定***的标定方法、装置以及激光标定*** |
-
2020
- 2020-12-21 CN CN202011514067.9A patent/CN112270719B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104315995A (zh) * | 2014-11-15 | 2015-01-28 | 中国科学院光电研究院 | 基于虚拟多立方体标准目标的tof深度相机三维坐标标定装置和方法 |
CN109816703A (zh) * | 2017-11-21 | 2019-05-28 | 西安交通大学 | 一种基于相机标定和icp算法的点云配准方法 |
CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及*** |
CN108981672A (zh) * | 2018-07-19 | 2018-12-11 | 华南师范大学 | 基于单目机器人与测距传感器结合的舱门实时定位方法 |
CN109345542A (zh) * | 2018-09-18 | 2019-02-15 | 重庆大学 | 一种穿戴式视觉注视目标定位装置及方法 |
CN110209997A (zh) * | 2019-06-10 | 2019-09-06 | 成都理工大学 | 基于三维特征点的深度相机自动标定算法 |
CN111739104A (zh) * | 2020-06-24 | 2020-10-02 | 深圳市道通科技股份有限公司 | 一种激光标定***的标定方法、装置以及激光标定*** |
Non-Patent Citations (1)
Title |
---|
基于TOF 相机的靶标识别与位姿测量***设计;赵树磊等;《计算机技术与应用》;20190201;第45卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112270719A (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112270719B (zh) | 相机标定方法、装置及*** | |
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN109146980B (zh) | 基于单目视觉的优化的深度提取和被动测距方法 | |
US10275661B2 (en) | Image processing apparatus, image processing method, and computer program product | |
WO2023035301A1 (en) | A camera calibration method | |
CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
KR20180105875A (ko) | 단일 영상을 이용한 카메라 캘리브레이션 방법 및 이를 위한 장치 | |
CN111462246B (zh) | 一种结构光测量***的设备标定方法 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN112308930A (zh) | 相机外参标定方法、***及装置 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
JP2018179577A (ja) | 位置計測装置 | |
CN112150522A (zh) | 遥感图像的配准方法、装置、设备、存储介质及*** | |
CN117152265A (zh) | 一种基于区域提取的交通图像标定方法及装置 | |
CN115880448B (zh) | 基于双目成像的三维测量方法及装置 | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
CN115713564A (zh) | 相机标定方法及装置 | |
CN112767498A (zh) | 相机标定方法、装置和电子设备 | |
JP2018088228A (ja) | 交点検出装置、カメラ校正システム、交点検出方法、カメラ校正方法、プログラムおよび記録媒体 | |
CN113888650A (zh) | 一种摄像头标定方法和装置 | |
CN110930344B (zh) | 一种目标的质量确定方法、装置、***及电子设备 | |
CN117351053B (zh) | 光伏电站图像配准方法、存储介质和电子设备 | |
JP2010107224A (ja) | 位置特定装置及び異動建物検出装置 | |
CN117115242B (zh) | 标志点的识别方法、计算机存储介质和终端设备 | |
CN116503387B (zh) | 图像检测方法、装置、设备、***及可读存储介质 |
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 |