CN112330576A - 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质 - Google Patents

车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112330576A
CN112330576A CN202011412713.0A CN202011412713A CN112330576A CN 112330576 A CN112330576 A CN 112330576A CN 202011412713 A CN202011412713 A CN 202011412713A CN 112330576 A CN112330576 A CN 112330576A
Authority
CN
China
Prior art keywords
image
position information
correction
distance
vehicle
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
Application number
CN202011412713.0A
Other languages
English (en)
Inventor
张伟伟
陈博
尹荣彬
季加阳
汤永俊
郑正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FAW Group Corp
Original Assignee
FAW Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FAW Group Corp filed Critical FAW Group Corp
Priority to CN202011412713.0A priority Critical patent/CN112330576A/zh
Publication of CN112330576A publication Critical patent/CN112330576A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质。包括：获取标定图像中关键点的第一位置信息；控制车载鱼眼摄像头对所述标定图像进行采集，获得畸变图像，并提取所述畸变图像中所述关键点的第二位置信息；采用三次B样条曲线拟合算法对所述关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；获取所述车载鱼眼摄像头采集待矫正图像；根据所述矫正关系对所述待矫正图像进行矫正。本发明实施例提供的车载鱼眼摄像头畸变矫正方法，采用三次B样条曲线拟合算法对标定图像中的像素点和畸变图像中的像素点进行拟合，获得矫正关系，从而根据矫正关系对鱼眼摄像头采集的图像进行畸变矫正，可以提高畸变矫正的精度。

Description

车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质
技术领域
本发明实施例涉及自动驾驶技术领域，尤其涉及一种车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质。
背景技术
自动驾驶车载鱼眼镜头的显著特征是焦距短，视场角大，其优点是视角大盲区小市场范围内可以包含多个镜头的内容，图像中包含信息量大且丰富，被广泛应用在自动驾驶等***中。但是鱼眼镜头的超广视场角也带来了明显的弊端，拍摄的图像存在严重的畸变，导致真实物体失真。如果不需要超广角的特殊效果，而是要利用图像超广视角的信息，那么就需要将这些畸变图像展开为真实的透视投影图像。所以，为了充分利用鱼眼图像中的信息，鱼眼图像校正这种畸变还原真实物体在车载智能***中非常重要。
现有的鱼眼畸变校正算法将鱼眼镜头成像模型定义为入射角关于成像点与光轴距离的多项式，同时引入共线约束、平行约束和正交约束，通过特征值最小化求解模型的参数，最后利用得到的校正模型对鱼眼图像进行校正。利用该方法校正后的图像，位于图像中间视角小区域的地面上的内容矫正效果真实，但是地面以上的立体物体被拉伸失真严重，视场角大的边缘区域模糊变形。。
发明内容
本发明实施例提供一种车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质，可以提高畸变矫正的精度。
第一方面，本发明实施例提供了一种车载鱼眼摄像头畸变矫正方法，包括：
获取标定图像中关键点的第一位置信息；所述关键点包括多个；
控制车载鱼眼摄像头对所述标定图像进行采集，获得畸变图像，并提取所述畸变图像中所述关键点的第二位置信息；
采用三次B样条曲线拟合算法对所述关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；所述矫正关系表征标定图像中像素点与畸变图像中像素点的关系；
获取所述车载鱼眼摄像头采集待矫正图像；
根据所述矫正关系对所述待矫正图像进行矫正。
进一步地，所述标定图像包括以所述标定图像中心作为交点的两条互相垂直的直线以及以所述图像中心为圆心的多个同心圆；所述关键点为所述多个同心圆与所述两条互相垂直的直线的交点。
进一步地，提取所述畸变图像中所述关键点的第二位置信息，包括：
对所述畸变图像依次进行去燥、灰度化及二值化处理；
提取处理后的图像中的直线；
对所述直线进行关键点提取，获得所述关键点的第二位置信息。
进一步地，采用三次B样条曲线拟合算法对所述关键点的第一位置信息和所述第二位置信息进行拟合，获得矫正关系，包括：
根据所述第一位置信息确定第一距离；所述第一距离为所述关键点在所述标定图像中与图像中心的距离；
根据所述第二位置信息确定第二距离；所述第二距离为所述关键点在所述畸变图像中与图像中心的距离；
采用三次B样条曲线拟合算法对所述第一距离和所述第二距离进行拟合，获得矫正关系。
进一步地，采用三次B样条曲线拟合算法对所述第一距离和所述第二距离进行拟合，获得矫正关系，包括：
将每个关键点的第一距离和第二距离构成数据对，获得多个初始数据对；
基于所述多个初始数据对采用追赶法进行计算获得多个控制数据对；所述控制数据对包括所述初始数据对；
获取所述三次B样条曲线拟合算法中的基函数；
从所述多个控制数据对中随机提取四个数据对；
根据所述四个数据对和所述基函数生成矫正关系；
判断是否满足结束条件；若不满足，则返回执行从所述多个控制数据对中随机提取四个数据对的操作，直到满足结束条件。
进一步地，所述结束条件包括循环次数达到设定次数或者所述矫正关系满足设定条件。
进一步地，根据所述矫正关系对所述待矫正图像进行矫正，包括：
获取初始矫正图像，并遍历所述初始矫正图像中的每个像素点；
确定遍历到的像素点与图像中心的第三距离；
根据所述第三距离和所述矫正关系确定第四距离；
根据所述第四距离确定所述待矫正图像中与遍历到的像素点对应的像素点的位置信息；
将所述初始矫正图像中遍历到的像素点的灰度值替换为待矫正图像中所述位置信息上的像素点的灰度值，并继续遍历所述初始矫正图像中的下一个像素点，直到获得矫正图像。
第二方面，本发明实施例还提供了一种车载鱼眼摄像头畸变矫正装置，包括：
第一位置信息获取模块，用于获取标定图像中关键点的第一位置信息；所述关键点包括多个；
第二位置信息获取模块，用于控制车载鱼眼摄像头对所述标定图像进行采集，获得畸变图像，并提取所述畸变图像中所述关键点的第二位置信息；
矫正关系获取模块，用于采用三次B样条曲线拟合算法对所述关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；所述矫正关系表征标定图像中像素点与畸变图像中像素点的关系；
待矫正图像获取模块，用于获取所述车载鱼眼摄像头采集待矫正图像；
矫正模块，用于根据所述矫正关系对所述待矫正图像进行矫正。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例所述的车载鱼眼摄像头畸变矫正方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所述的车载鱼眼摄像头畸变矫正方法。
本发明实施例公开了一种车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质。获取标定图像中关键点的第一位置信息；控制车载鱼眼摄像头对标定图像进行采集，获得畸变图像，并提取畸变图像中关键点的第二位置信息；采用三次B样条曲线拟合算法对关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；获取车载鱼眼摄像头采集待矫正图像；根据矫正关系对待矫正图像进行矫正。本发明实施例提供的车载鱼眼摄像头畸变矫正方法，采用三次B样条曲线拟合算法对标定图像中的像素点和畸变图像中的像素点进行拟合，获得矫正关系，从而根据矫正关系对鱼眼摄像头采集的图像进行畸变矫正，可以提高畸变矫正的精度。
附图说明
图1是本发明实施例一中的一种车载鱼眼摄像头畸变矫正方法的流程图；
图2是本发明实施例一中的标定图像的示例图；
图3是本发明实施例二中的一种车载鱼眼摄像头畸变矫正装置的结构示意图；
图4是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车载鱼眼摄像头畸变矫正方法的流程图，本实施例可适用于对车载鱼眼摄像头采集的图像进行畸变矫正的情况，该方法可以由车载鱼眼摄像头畸变矫正装置来执行，如图1所示，该方法具体包括如下步骤：
步骤110，获取标定图像中关键点的第一位置信息。
其中，关键点可以包括多个。标定图像可以人工设计的图像。本实施例中，标定图像包括以标定图像中心作为交点的两条互相垂直的直线以及以图像中心为圆心的多个同心圆，且相邻同心圆的间距相等；关键点为多个同心圆与两条互相垂直的直线的交点。示例性的，图2是本实施例标定图像的示例图。
其中，第一位置信息可以理解为关键点在标定图像中的位置信息，即关键点未发生畸变前的位置信息。
步骤120，控制车载鱼眼摄像头对标定图像进行采集，获得畸变图像，并提取畸变图像中关键点的第二位置信息。
本实施例中，由于鱼眼摄像头本身的特性，在采集图像时，采集到图像会发生一定程度的畸变。因此，利用车载鱼眼摄像头对标定图像进行采集，可以获得标定图像对应的畸变图像。
具体的，提取畸变图像中关键点的第二位置信息的过程可以是：对畸变图像依次进行去燥、灰度化及二值化处理；提取处理后的图像中的直线；对直线进行关键点提取，获得关键点的第二位置信息。
其中，可以采用双边滤波算法对畸变图像去噪点。可以采用霍夫直线检测算法提取图像中的直线。可以采用关键点检测算法(Fast算法)对直线上的关键点进行提取，获得关键点在畸变图像中的第二位置信息。
步骤130，采用三次B样条曲线拟合算法对关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系。
其中，矫正关系表征标定图像中像素点与畸变图像中像素点的关系，具体的是表征标定图像中像素点距离图像中心的距离与畸变图像中像素点距离图像中心的距离的关系。本实施例中，可以是对关键点在标定图像中距离图像中心的第一距离与关键点在畸变图像中距离图像中心的第二距离进行拟合
具体的，采用三次B样条曲线拟合算法对关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系的方式可以是：根据第一位置信息确定第一距离；根据第二位置信息确定第二距离；采用三次B样条曲线拟合算法对第一距离和第二距离进行拟合，获得矫正关系。
其中，第一距离为关键点在标定图像中与图像中心的距离。第二距离为关键点在畸变图像中与图像中心的距离。本实施例中，采用三次B样条曲线拟合算法对第一距离和第二距离进行拟合，获得矫正关系的方式可以是：将每个关键点的第一距离和第二距离构成数据对，获得多个初始数据对；基于多个初始数据对采用追赶法进行计算获得多个控制数据对；获取三次B样条曲线拟合算法中的基函数；从多个控制数据对中随机提取四个数据对；根据四个数据对和基函数生成矫正关系；判断是否满足结束条件；若不满足，则返回执行从多个控制数据对中随机提取四个数据对的操作，直到满足结束条件。
其中，控制数据对包括初始数据对。结束条件可以是循环次数达到设定次数或者矫正关系满足设定条件。示例性的，假设第一距离和第二距离组成的初始数据对为(x_in，y_in)，利用追赶法对初始数据对进行计算获得n个控制数据对为(x_control，y_control)。然后根据四个基函数公式求出4个基函数b0，b1，b2，b3。每次从n个控制数据对中随机选取4个数据对，代入如下公式获得矫正关系：pi(t)＝pib0+pi+1b1+pi+2b2+pi+3b3；若不满足结束条件，继续随机选取4个数据对，代入上述公式获得矫正关系pi+1(t)，比较pi+1(t)和pi(t)，保留更优的矫正关系，直到满足循环结束条件，获得最优的矫正关系。
步骤140，获取车载鱼眼摄像头采集待矫正图像。
其中，待矫正图像是由车载鱼眼摄像头采集的车辆周围信息获得的图像。
步骤150，根据矫正关系对待矫正图像进行矫正。
具体的，根据矫正关系对待矫正图像进行矫正的方式可以是：获取初始矫正图像，并遍历初始矫正图像中的每个像素点；确定遍历到的像素点与图像中心的第三距离；根据第三距离和矫正关系确定第四距离；根据第四距离确定待矫正图像中与遍历到的像素点对应的像素点的位置信息；将初始矫正图像中遍历到的像素点的灰度值替换为待矫正图像中位置信息上的像素点的灰度值，并继续遍历初始矫正图像中的下一个像素点，直到获得矫正图像。
其中，初始矫正图像可以是一张没有任何内容的图像，如纯白或者纯黑的图像。本实施例中，矫正的过程可以是将待矫正图像中像素点的灰度值按照矫正后的位置填入矫正图像中。
本实施例的技术方案，获取标定图像中关键点的第一位置信息；控制车载鱼眼摄像头对标定图像进行采集，获得畸变图像，并提取畸变图像中关键点的第二位置信息；采用三次B样条曲线拟合算法对关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；获取车载鱼眼摄像头采集待矫正图像；根据矫正关系对待矫正图像进行矫正。本发明实施例提供的车载鱼眼摄像头畸变矫正方法，采用三次B样条曲线拟合算法对标定图像中的像素点和畸变图像中的像素点进行拟合，获得矫正关系，从而根据矫正关系对鱼眼摄像头采集的图像进行畸变矫正，可以提高畸变矫正的精度。
实施例二
图3是本发明实施例二提供的一种车载鱼眼摄像头畸变矫正装置的结构示意图。如图3所示，该装置包括：
第一位置信息获取模块210，用于获取标定图像中关键点的第一位置信息；关键点包括多个；
第二位置信息获取模块220，用于控制车载鱼眼摄像头对标定图像进行采集，获得畸变图像，并提取畸变图像中关键点的第二位置信息；
矫正关系获取模块230，用于采用三次B样条曲线拟合算法对关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；矫正关系表征标定图像中像素点与畸变图像中像素点的关系；
待矫正图像获取模块240，用于获取车载鱼眼摄像头采集待矫正图像；
矫正模块250，用于根据矫正关系对待矫正图像进行矫正。
可选的，标定图像包括以标定图像中心作为交点的两条互相垂直的直线以及以图像中心为圆心的多个同心圆，且相邻同心圆的间距相等；关键点为多个同心圆与两条互相垂直的直线的交点。
可选的，第二位置信息获取模块220，还用于：
对畸变图像依次进行去燥、灰度化及二值化处理；
提取处理后的图像中的直线；
对直线进行关键点提取，获得关键点的第二位置信息。
可选的，矫正关系获取模块230，还用于：
根据第一位置信息确定第一距离；第一距离为关键点在标定图像中与图像中心的距离；
根据第二位置信息确定第二距离；第二距离为关键点在畸变图像中与图像中心的距离；
采用三次B样条曲线拟合算法对第一距离和第二距离进行拟合，获得矫正关系。
可选的，矫正关系获取模块230，还用于：
将每个关键点的第一距离和第二距离构成数据对，获得多个初始数据对；
基于多个初始数据对采用追赶法进行计算获得多个控制数据对；控制数据对包括初始数据对；
获取三次B样条曲线拟合算法中的基函数；
从多个控制数据对中随机提取四个数据对；
根据四个数据对和基函数生成矫正关系；
判断是否满足结束条件；若不满足，则返回执行从多个控制数据对中随机提取四个数据对的操作，直到满足结束条件。
可选的，结束条件包括循环次数达到设定次数或者矫正关系满足设定条件。
可选的，矫正模块250，还用于：
获取初始矫正图像，并遍历初始矫正图像中的每个像素点；
确定遍历到的像素点与图像中心的第三距离；
根据第三距离和矫正关系确定第四距离；
根据第四距离确定待矫正图像中与遍历到的像素点对应的像素点的位置信息；
将初始矫正图像中遍历到的像素点的灰度值替换为待矫正图像中位置信息上的像素点的灰度值，并继续遍历初始矫正图像中的下一个像素点，直到获得矫正图像。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
实施例三
图4为本发明实施例三提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的计算机设备312的框图。图4显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的车载鱼眼摄像头畸变矫正功能的计算设备。
如图4所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同***组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及***组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***334可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)***、磁带驱动器以及数据备份存储***等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的车载鱼眼摄像头畸变矫正方法。
实施例四
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例中的模飞场景的切换方法。本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取标定图像中关键点的第一位置信息；所述关键点包括多个；控制车载鱼眼摄像头对所述标定图像进行采集，获得畸变图像，并提取所述畸变图像中所述关键点的第二位置信息；采用三次B样条曲线拟合算法对所述关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；所述矫正关系表征标定图像中像素点与畸变图像中像素点的关系；获取所述车载鱼眼摄像头采集待矫正图像；根据所述矫正关系对所述待矫正图像进行矫正。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种车载鱼眼摄像头畸变矫正方法，其特征在于，包括：
获取标定图像中关键点的第一位置信息；所述关键点包括多个；
控制车载鱼眼摄像头对所述标定图像进行采集，获得畸变图像，并提取所述畸变图像中所述关键点的第二位置信息；
采用三次B样条曲线拟合算法对所述关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；所述矫正关系表征标定图像中像素点与畸变图像中像素点的关系；
获取所述车载鱼眼摄像头采集待矫正图像；
根据所述矫正关系对所述待矫正图像进行矫正。
2.根据权利要求1所述的方法，其特征在于，所述标定图像包括以所述标定图像中心作为交点的两条互相垂直的直线以及以所述图像中心为圆心的多个同心圆，且相邻同心圆的间距相等；所述关键点为所述多个同心圆与所述两条互相垂直的直线的交点。
3.根据权利要求1所述的方法，其特征在于，提取所述畸变图像中所述关键点的第二位置信息，包括：
对所述畸变图像依次进行去燥、灰度化及二值化处理；
提取处理后的图像中的直线；
对所述直线进行关键点提取，获得所述关键点的第二位置信息。
4.根据权利要求2所述的方法，其特征在于，采用三次B样条曲线拟合算法对所述关键点的第一位置信息和所述第二位置信息进行拟合，获得矫正关系，包括：
根据所述第一位置信息确定第一距离；所述第一距离为所述关键点在所述标定图像中与图像中心的距离；
根据所述第二位置信息确定第二距离；所述第二距离为所述关键点在所述畸变图像中与图像中心的距离；
采用三次B样条曲线拟合算法对所述第一距离和所述第二距离进行拟合，获得矫正关系。
5.根据权利要求4所述的方法，其特征在于，采用三次B样条曲线拟合算法对所述第一距离和所述第二距离进行拟合，获得矫正关系，包括：
将每个关键点的第一距离和第二距离构成数据对，获得多个初始数据对；
基于所述多个初始数据对采用追赶法进行计算获得多个控制数据对；所述控制数据对包括所述初始数据对；
获取所述三次B样条曲线拟合算法中的基函数；
从所述多个控制数据对中随机提取四个数据对；
根据所述四个数据对和所述基函数生成矫正关系；
判断是否满足结束条件；若不满足，则返回执行从所述多个控制数据对中随机提取四个数据对的操作，直到满足结束条件。
6.根据权利要求5所述的方法，其特征在于，所述结束条件包括循环次数达到设定次数或者所述矫正关系满足设定条件。
7.根据权利要求1所述的方法，其特征在于，根据所述矫正关系对所述待矫正图像进行矫正，包括：
获取初始矫正图像，并遍历所述初始矫正图像中的每个像素点；
确定遍历到的像素点与图像中心的第三距离；
根据所述第三距离和所述矫正关系确定第四距离；
根据所述第四距离确定所述待矫正图像中与遍历到的像素点对应的像素点的位置信息；
将所述初始矫正图像中遍历到的像素点的灰度值替换为待矫正图像中所述位置信息上的像素点的灰度值，并继续遍历所述初始矫正图像中的下一个像素点，直到获得矫正图像。
8.一种车载鱼眼摄像头畸变矫正装置，其特征在于，包括：
第一位置信息获取模块，用于获取标定图像中关键点的第一位置信息；所述关键点包括多个；
第二位置信息获取模块，用于控制车载鱼眼摄像头对所述标定图像进行采集，获得畸变图像，并提取所述畸变图像中所述关键点的第二位置信息；
矫正关系获取模块，用于采用三次B样条曲线拟合算法对所述关键点的第一位置信息和第二位置信息进行拟合，获得矫正关系；所述矫正关系表征标定图像中像素点与畸变图像中像素点的关系；
待矫正图像获取模块，用于获取所述车载鱼眼摄像头采集待矫正图像；
矫正模块，用于根据所述矫正关系对所述待矫正图像进行矫正。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的车载鱼眼摄像头畸变矫正方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的车载鱼眼摄像头畸变矫正方法。
CN202011412713.0A 2020-12-03 2020-12-03 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质 Pending CN112330576A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011412713.0A CN112330576A (zh) 2020-12-03 2020-12-03 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011412713.0A CN112330576A (zh) 2020-12-03 2020-12-03 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112330576A true CN112330576A (zh) 2021-02-05

Family

ID=74302496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011412713.0A Pending CN112330576A (zh) 2020-12-03 2020-12-03 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112330576A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313648A (zh) * 2021-06-01 2021-08-27 百度在线网络技术（北京）有限公司 图像矫正方法、装置、电子设备和介质
CN115689920A (zh) * 2022-10-26 2023-02-03 北京灵犀微光科技有限公司 Hud成像的辅助矫正方法、装置及矫正***
CN116309868A (zh) * 2023-03-02 2023-06-23 北京瑞控信科技股份有限公司 一种鱼眼成像***标定方法
WO2024036764A1 (zh) * 2022-08-17 2024-02-22 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313648A (zh) * 2021-06-01 2021-08-27 百度在线网络技术（北京）有限公司 图像矫正方法、装置、电子设备和介质
CN113313648B (zh) * 2021-06-01 2023-08-29 百度在线网络技术（北京）有限公司 图像矫正方法、装置、电子设备和介质
WO2024036764A1 (zh) * 2022-08-17 2024-02-22 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及介质
CN115689920A (zh) * 2022-10-26 2023-02-03 北京灵犀微光科技有限公司 Hud成像的辅助矫正方法、装置及矫正***
CN115689920B (zh) * 2022-10-26 2023-08-11 北京灵犀微光科技有限公司 Hud成像的辅助矫正方法、装置及矫正***
CN116309868A (zh) * 2023-03-02 2023-06-23 北京瑞控信科技股份有限公司 一种鱼眼成像***标定方法

Similar Documents

Publication Publication Date Title
CN112330576A (zh) 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质
CN113096192B (zh) 图像传感器内参标定方法、装置、设备及存储介质
CN112991465A (zh) 相机标定方法、装置、电子设备和计算机可读介质
CN113724135A (zh) 图像拼接方法、装置、设备及存储介质
CN110345875B (zh) 标定及测距方法、装置、电子设备及计算机可读存储介质
CN112464921B (zh) 障碍物检测信息生成方法、装置、设备和计算机可读介质
CN114140346A (zh) 一种图像处理方法及装置
CN113537153A (zh) 仪表图像识别方法、装置、电子设备和计算机可读介质
CN115393815A (zh) 道路信息生成方法、装置、电子设备和计算机可读介质
US11699216B2 (en) Automatic fisheye camera calibration for video analytics
CN113240672A (zh) 镜头污染物的检测方法、装置、设备及存储介质
CN112580516A (zh) 一种道路场景识别方法、装置、设备及存储介质
CN115760641B (zh) 基于多尺度特征注意力网络的遥感影像去云雾方法和设备
CN111428538B (zh) 一种车道线提取方法、装置和设备
CN110910457A (zh) 基于角点特征的多光谱立体相机外参计算方法
CN112597788B (zh) 目标测定方法、装置、电子设备和计算机可读介质
CN115565158A (zh) 车位检测方法、装置、电子设备和计算机可读介质
CN114723640A (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN111507931B (zh) 一种数据处理方法和装置
CN113780286A (zh) 对象识别方法及装置、存储介质、电子装置
CN112528970A (zh) 路牌检测方法、装置、设备和计算机可读介质
US11115594B2 (en) Shutter speed adjusting method and apparatus, and robot using the same
CN112766068A (zh) 一种基于网格化标注的车辆检测方法及***
CN117274391B (zh) 一种基于图神经网络的数字地图匹配目标定位方法
US20230394620A1 (en) Method for generating distorted images, and electronic device

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