CN113077521A - 一种相机标定方法及装置 - Google Patents
一种相机标定方法及装置 Download PDFInfo
- Publication number
- CN113077521A CN113077521A CN202110295848.1A CN202110295848A CN113077521A CN 113077521 A CN113077521 A CN 113077521A CN 202110295848 A CN202110295848 A CN 202110295848A CN 113077521 A CN113077521 A CN 113077521A
- Authority
- CN
- China
- Prior art keywords
- plane
- point cloud
- fitting
- determining
- camera
- 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.)
- Granted
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)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种相机标定方法及装置,该方法包括通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取标靶块的第二平面的第二点云,基于第一点云确定第一平面的N个第一几何信息,并基于第二点云确定第二平面的N个第二几何信息,根据N个第一几何信息和N个第二几何信息,构建满足标靶块的几何约束关系,从而确定出第一相机和第二相机之间的位姿关系。由于该方法采用的是结构更加简单的标靶块,并非表面具有特殊纹理的标靶,因此该方法可以降低标靶的制作难度,同时也不需要对相机扫描到的点云进行特征提取,只需要利用相机扫描得到的平面点云构建出几何约束关系,即可及时准确地确定出第一相机和第二相机之间的位姿关系。
Description
技术领域
本发明实施例涉及相机标定技术领域,尤其涉及一种相机标定方法及装置。
背景技术
线激光相机具有非接触、精度高、速度快等优点,通过扫描物体表面,可以获得精度非常高的三维点云,尤其在高精度测量以及检测方面应用广泛。但是,由于单个相机的视野有限,当被测物体尺寸较大时,将无法满足测量需求,因此在实际使用中会借助多个线激光相机从不同角度对同一物体进行扫描,并采用点云配准的方式将所有点云拼成一个整体再进行分析。基于此,如何确定多个线激光相机之间的位姿关系是整个测量***中至关重要的环节。
现有的相机标定方法主要是基于两个相机分别对表面具有特殊纹理的两个相同标靶(两个相同标靶相对位置固定)进行扫描,通过变换标靶的位置,得到多组图像。从第一相机扫描第一标靶得到的图像中提取出多个特征点,并从第二相机扫描第二标靶得到的图像中提取出多个特征点。然后,将基于第一标靶所提取的多个特征点和基于第二标靶所提取的多个特征点进行匹配,确定出多个相同的特征点,并基于该多个相同的特征点的相对位置信息确定两个相机之间的位姿关系。然而,这种处理方式由于采用表面具有特殊纹理的标靶,因此会增加标靶的制作难度。此外,这种处理方式由于需要对图像进行特征提取,因此会对特征点的精确度要求高。
综上,目前亟需一种相机标定方法,用以解决现有技术中存在相机标定时需要表面具有特殊纹理的标靶,以及需要对相机扫描到的点云进行特征提取的问题。
发明内容
本发明实施例提供了一种相机标定方法及装置,用以解决现有技术中存在相机标定时需要表面具有特殊纹理的标靶,以及需要对相机扫描到的点云进行特征提取的问题。
第一方面,本发明实施例提供了一种相机标定方法,包括:
通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取所述标靶块的第二平面的第二点云;所述第一相机和所述第二相机是相对设置的;所述第一平面和所述第二平面为所述标靶块中相同且平行的平面;
基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息;
根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,从而确定出所述第一相机和所述第二相机之间的位姿关系。
上述技术方案中,通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取标靶块的第二平面的第二点云,第一相机和第二相机是相对设置的,第一平面和第二平面为标靶块中相同且平行的平面。再基于第一点云确定第一平面的N个第一几何信息,并基于第二点云确定第二平面的N个第二几何信息。然后,根据N个第一几何信息和N个第二几何信息,构建满足标靶块的几何约束关系,从而确定出第一相机和第二相机之间的位姿关系。由于该方法采用的是结构更加简单的标靶块,并非表面具有特殊纹理的标靶,因此该方法可以降低标靶的制作难度,同时也不需要对相机扫描到的点云进行特征提取,只需要通过相对设置的第一相机和第二相机分别扫描标靶块中相同且平行的两个平面,并利用相机扫描得到的平面点云构建出几何约束关系,即可及时准确地确定出第一相机和第二相机之间的位姿关系,从而实现第一相机和第二相机之间的外参数标定。
可选地,所述基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息,包括:
对所述第一点云进行平面拟合确定第一拟合平面,并对所述第二点云进行平面拟合,确定第二拟合平面;
通过所述第一拟合平面确定所述第一平面的N个第一几何信息,并通过所述第二拟合平面确定所述第二平面的N个第二几何信息。
上述技术方案中,通过对第一点云进行平面拟合即可及时准确地得到第一平面的N个第一几何信息,并通过对第二点云进行平面拟合即可及时准确地得到第二平面的N个第二几何信息。如此,可以为后续基于N个第一几何信息以及N个第二几何信息构建出满足标靶块的几何约束关系提供支持。
可选地,所述通过所述第一拟合平面确定所述第一平面的N个第一几何信息,并通过所述第二拟合平面确定所述第二平面的N个第二几何信息,包括:
确定所述第一拟合平面的第一法向量,并确定所述第二拟合平面的第二法向量;
确定所述第一点云在所述第一拟合平面的各第一边向量,并确定所述第二点云在所述第二拟合平面的各第二边向量;
根据所述各第一边向量确定第一对标点,并根据所述各第二边向量确定第二对标点。
上述技术方案中,基于平面内的法向量与平面内各点的几何关系,则根据第一拟合平面的平面方程即可准确地获知第一法向量,并根据第二拟合平面的平面方程即可准确地获知第二法向量,如此可以为后续构建出第一法向量与第二法向量的约束关系提供支持。此外,通过对第一拟合平面的轮廓各边点云进行直线拟合即可准确地获知各第一边向量,并通过对第二拟合平面的轮廓各边点云进行直线拟合即可准确地获知各第二边向量,如此可以为后续构建出各第一边向量与对应的各第二边向量的约束关系提供支持。以及,通过对各第一边向量进行处理即可准确地获知第一对标点,并通过各第二边向量进行处理即可准确地获知第二对标点,如此可以为后续构建出第一对标点与第二对标点的约束关系提供支持。基于此可知,该方法只需利用标靶块自身具有的几何性质即可构建出满足标靶块的几何约束关系,从而可以实现第一相机和第二相机之间的外参数标定。
可选地,根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,包括:
所述第二法向量通过旋转矩阵,与所述第一法向量满足平行约束关系或重叠约束关系;
所述各第二边向量通过所述旋转矩阵,与对应的所述各第一边向量满足平行约束关系或重叠约束关系;
所述第二对标点通过所述旋转矩阵和平移矩阵,与所述第一对标点满足重叠约束关系。
上述技术方案中,通过第二法向量与第一法向量所满足的平行约束关系或重叠约束关系,各第二边向量与对应的各第一边向量所满足的平行约束关系或重叠约束关系,以及第二对标点与第一对标点所满足的重叠约束关系,即可快速准确地确定出第一相机和第二相机之间的位姿关系,从而实现第一相机和第二相机之间的外参数标定。
可选地,所述确定所述第一点云在所述第一拟合平面的各第一边向量,并确定所述第二点云在所述第二拟合平面的各第二边向量,包括:
确定所述第一拟合平面的轮廓点云,并确定所述第二拟合平面的轮廓点云;
基于所述第一拟合平面的轮廓点云,确定所述第一拟合平面的各第一边向量,并基于所述第二拟合平面的轮廓点云,确定所述第二拟合平面的各第二边向量。
上述技术方案中,通过对第一拟合平面进行边界提取,即可获取第一拟合平面的轮廓点云,以便为准确地确定各第一边向量提供支持。此外,通过对第二拟合平面进行边界提取,即可获取第二拟合平面的轮廓点云,以便为准确地确定各第二边向量提供支持。
可选地,所述基于所述第一拟合平面的轮廓点云,确定所述第一拟合平面的各第一边向量,并基于所述第二拟合平面的轮廓点云,确定所述第二拟合平面的各第二边向量,包括:
基于所述第一点云,确定所述第一平面的质心,并基于所述第二点云,确定所述第二平面的质心;
根据所述第一平面的质心,将所述第一拟合平面的轮廓点云进行分类,得到所述第一拟合平面的各第一边点云,并根据所述第二平面的质心,将所述第二拟合平面的轮廓点云进行分类,得到所述第二拟合平面的各第二边点云;
对所述第一拟合平面的各第一边点云进行直线拟合,得到所述第一拟合平面的各第一边向量,并对所述第二拟合平面的各第二边点云进行直线拟合,得到所述第二拟合平面的各第二边向量。
上述技术方案中,通过基于第一平面的质心,对第一拟合平面的轮廓点云进行分类,即可准确地分类出第一拟合平面的轮廓各边的点云,为对轮廓各边的点云进行拟合确定各第一边向量提供支持。此外,通过基于第二平面的质心,对第二拟合平面的轮廓点云进行分类,即可准确地分类出第二拟合平面的轮廓各边的点云,为对轮廓各边的点云进行拟合确定各第二边向量提供支持。
可选地,所述根据所述各第一边向量确定第一对标点,并根据所述各第二边向量确定第二对标点,包括:
基于所述各第一边向量,确定所述第一拟合平面中各第一边间的交点信息,并基于所述各第二边向量,确定所述第二拟合平面中各第二边间的交点信息;
根据所述各第一边间的交点信息,确定所述第一对标点,并根据所述各第二边间的交点信息,确定所述第二对标点。
上述技术方案中,通过对各第一边向量进行几何运算,即可准确地得到第一拟合平面中各第一边间的交点信息,从而可以及时准确地得到第一对标点。以及通过对各第二边向量进行几何运算,即可准确地得到第二拟合平面中各第二边间的交点信息,从而可以及时准确地得到第二对标点。进而可以为后续构建出第一对标点与第二对标点的约束关系提供支持。
第二方面,本发明实施例还提供了一种相机标定装置,包括:
获取单元,用于通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取所述标靶块的第二平面的第二点云;所述第一相机和所述第二相机是相对设置的;所述第一平面和所述第二平面为所述标靶块中相同且平行的平面;
处理单元,用于基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息;根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,从而确定出所述第一相机和所述第二相机之间的位姿关系。
可选地,所述处理单元具体用于:
对所述第一点云进行平面拟合确定第一拟合平面,并对所述第二点云进行平面拟合,确定第二拟合平面;
通过所述第一拟合平面确定所述第一平面的N个第一几何信息,并通过所述第二拟合平面确定所述第二平面的N个第二几何信息。
可选地,所述处理单元具体用于:
确定所述第一拟合平面的第一法向量,并确定所述第二拟合平面的第二法向量;
确定所述第一点云在所述第一拟合平面的各第一边向量,并确定所述第二点云在所述第二拟合平面的各第二边向量;
根据所述各第一边向量确定第一对标点,并根据所述各第二边向量确定第二对标点。
可选地,所述处理单元具体用于:
所述第二法向量通过旋转矩阵,与所述第一法向量满足平行约束关系或重叠约束关系;
所述各第二边向量通过所述旋转矩阵,与对应的所述各第一边向量满足平行约束关系或重叠约束关系;
所述第二对标点通过所述旋转矩阵和平移矩阵,与所述第一对标点满足重叠约束关系。
可选地,所述处理单元具体用于:
确定所述第一拟合平面的轮廓点云,并确定所述第二拟合平面的轮廓点云;
基于所述第一拟合平面的轮廓点云,确定所述第一拟合平面的各第一边向量,并基于所述第二拟合平面的轮廓点云,确定所述第二拟合平面的各第二边向量。
可选地,所述处理单元具体用于:
基于所述第一点云,确定所述第一平面的质心,并基于所述第二点云,确定所述第二平面的质心;
根据所述第一平面的质心,将所述第一拟合平面的轮廓点云进行分类,得到所述第一拟合平面的各第一边点云,并根据所述第二平面的质心,将所述第二拟合平面的轮廓点云进行分类,得到所述第二拟合平面的各第二边点云;
对所述第一拟合平面的各第一边点云进行直线拟合,得到所述第一拟合平面的各第一边向量,并对所述第二拟合平面的各第二边点云进行直线拟合,得到所述第二拟合平面的各第二边向量。
可选地,所述处理单元具体用于:
基于所述各第一边向量,确定所述第一拟合平面中各第一边间的交点信息,并基于所述各第二边向量,确定所述第二拟合平面中各第二边间的交点信息;
根据所述各第一边间的交点信息,确定所述第一对标点,并根据所述各第二边间的交点信息,确定所述第二对标点。
第三方面,本发明实施例提供一种计算设备,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述第一方面任意所述的相机标定方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述第一方面任意所述的相机标定方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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为本发明实施例提供的一种相机标定方法的流程示意图;
图2为本发明实施例提供的一种相机扫描标靶块平面的结构示意图;
图3为本发明实施例提供的一种平面1边界的四条边在坐标系中的示意图;
图4为本发明实施例提供的一种相机标定装置的结构示意图;
图5为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
下面首先对本发明实施例中涉及的部分用语进行解释说明,以便于本领域技术人员进行理解。
(1)点云:是指在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个采样点的空间坐标后,得到的是点的集合。可以通过三维激光扫描仪进行数据采集获取,或者通过三维模型来计算获取等。其中,每个点的数据信息可以包括三维坐标X,Y,Z、颜色、强度值等。
(2)质心:是指物质***上被认为质量集中于此的一个假想点。与重心不同的是,质心不一定要在有重力场的***中。
(3)点云配准:是指求一个两个点云之间的旋转平移矩阵,将源点云变换到目标点云相同的坐标系下。
如上介绍了本发明实施例中涉及的部分用语,下面对本发明实施例涉及的技术特征进行介绍。
下面对本发明实施例的设计思路进行简要介绍:
现有技术中,通常通过对相机采集到的具有重叠区域的点云,采用特征提取的方式或者采用迭代最近点的点云配准方式来完成两个相机之间的外参数标定。即,特征提取的方式是:通过两个相机对表面具有特殊纹理的标靶进行扫描,采集到多个点云图像(点云图像之间具有重叠区域的点云),并对该多个点云图像进行特征提取处理,提取出标靶中所具有的特征点。再基于标靶中所具有的特征点,确定两个相机之间的外参数。然而,这种处理方式由于采用表面具有特殊纹理的标靶,为了确保相机尽可能扫描到标靶中的多个特征点,会使得标靶的制作难度增加。同时,该处理方式需要对相机扫描到的点云进行特征提取,因此会对特征点的精确度要求高。迭代最近点的点云配准方式是:利用两个相机去扫描同一个物体,得到在两个相机各自坐标系下的两片点云。再通过迭代最近点的方式,将两片点云配准到一起,以实现两个相机之间的外参数标定。然而,这种处理方式需要两个相机采集到的点云具有较大的重叠区域,而由于相机本身视野就比较小,要使两个相机视野具有较大的重合度,在扫描相同尺寸的物体时就需要增加相机的数量,导致成本的增加。
基于此,本发明实施例提出一种相机标定方法及装置。在本发明实施例中,不需要采用表面有特殊纹理的标靶,也就不需要对相机采集到的点云进行特征提取,而是采用结构更加简单的标靶块(比如矩形块),通过标靶块已知的尺寸和几何结构信息,即可实现两个线激光相机之间的外参数标定。此外,考虑到由于线激光相机的视野有限,两个相机安装的相对位置和角度不同,在扫描矩形块时得到的点云也将存在很大的差异,因此本发明实施例主要针对两个相机水平对视安装的情况,此时两个相机能分别扫描到矩形块的两个相对平行并且完整的平面,利用两个大小一致的平行平面以及它们的中心点之间的已知距离,即可解决两个线激光相机之间的外参数标定问题。具体地,通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取标靶块的第二平面的第二点云。再基于第一点云确定第一平面的N个第一几何信息,并基于第二点云确定第二平面的N个第二几何信息。然后,根据N个第一几何信息和N个第二几何信息,构建满足标靶块的几何约束关系,从而确定出第一相机和第二相机之间的位姿关系。由于该方法采用的是结构更加简单的标靶块,并非表面具有特殊纹理的标靶,因此该方法可以降低标靶的制作难度。同时利用相机扫描得到的平面点云构建出几何约束关系即可实现第一相机和第二相机之间的外参数标定。并且在标定时借助了整个平面点云的信息,而不是采用提取特征点的方式,因此可以有效地避免对特征点的提取,同时对数据的利用也更加充分。此外,该方法仅利用标靶块自身包含的几何性质(比如平面平行、边平行以及平面中心点之间的相对距离等几何结构信息)来构建满足标靶块的几何约束关系,即可实现无重叠区域的两个相机之间的外参数标定,而无需借助公共视野产生的重叠区域进行迭代匹配,当然也就不关注两个相机是否具有公共视野,从而使得两个相机能够覆盖更大的扫描区域,让相机的有限视野得到充分利用。并在一定程度上能够有效地减少相机安装的数量,以便降低成本。
图1示例性的示出了本发明实施例提供的一种相机标定方法的流程,该流程可以由相机标定装置执行。
如图1所示,该流程具体包括:
步骤101,通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取所述标靶块的第二平面的第二点云。
步骤102,基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息。
步骤103,根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,从而确定出所述第一相机和所述第二相机之间的位姿关系。
上述步骤101中,通过第一相机扫描标靶块的第一平面,即可获取该第一平面的第一点云。通过第二相机扫描标靶块的第二平面,即可获取该第二平面的第二点云。其中,第一相机和第二相机是相对设置的;第一平面和第二平面为标靶块中相同且平行的平面。具体地,标靶块放置在载物台上,第一相机和第二相机相对设置在标靶块的两边,分别与标靶块的两个相同且平行的平面进行相对放置。通过移动载物台(比如左右移动载物台或上下移动载物台等),让第一相机和第二相机能够分别对标靶块的两个相同且平行的平面进行完整的扫描,以便得到这两个平面的完整点云。其中,标靶块可以为矩形块、正六面体或正八面体等,相机可以为线激光相机等,本发明实施例对此并不作限定。
上述步骤102中,通过对第一点云进行平面拟合确定第一拟合平面,并对第二点云进行平面拟合,确定第二拟合平面。通过第一拟合平面确定第一平面的N个第一几何信息,并通过第二拟合平面确定第二平面的N个第二几何信息。具体地,基于平面内的法向量与平面内各点的几何关系,则根据第一拟合平面的平面方程即可准确地获知第一法向量,并根据第二拟合平面的平面方程即可准确地获知第二法向量,如此可以为后续构建出第一法向量与第二法向量的约束关系提供支持。此外,通过对第一拟合平面的轮廓各边点云进行直线拟合即可准确地获知各第一边向量,并通过对第二拟合平面的轮廓各边点云进行直线拟合即可准确地获知各第二边向量,如此可以为后续构建出各第一边向量与对应的各第二边向量的约束关系提供支持。以及,通过对各第一边向量进行处理即可准确地获知第一对标点,并通过各第二边向量进行处理即可准确地获知第二对标点,如此可以为后续构建出第一对标点与第二对标点的约束关系提供支持。
其中,在确定各第一边向量以及各第二边向量时,首先确定第一拟合平面的轮廓点云,并确定第二拟合平面的轮廓点云。再基于第一拟合平面的轮廓点云,确定第一拟合平面的各第一边向量,并基于第二拟合平面的轮廓点云,确定第二拟合平面的各第二边向量。即,通过对第一拟合平面进行边界提取,即可获取第一拟合平面的轮廓点云,以便为准确地确定各第一边向量提供支持。此外,通过对第二拟合平面进行边界提取,即可获取第二拟合平面的轮廓点云,以便为准确地确定各第二边向量提供支持。具体地,首先对第一点云进行几何运算,计算出第一平面的质心,并对第二点云进行几何运算,计算出第二平面的质心。再通过基于第一平面的质心,对第一拟合平面的轮廓点云进行分类,即可准确地分类出第一拟合平面的轮廓各边的点云,为对轮廓各边的点云进行拟合确定各第一边向量提供支持。并通过基于第二平面的质心,对第二拟合平面的轮廓点云进行分类,即可准确地分类出第二拟合平面的轮廓各边的点云,为对轮廓各边的点云进行拟合确定各第二边向量提供支持。
此外,在确定第一对标点以及第二对标点时,通过对各第一边向量进行几何运算,即可准确地得到第一拟合平面中各第一边间的交点信息,从而可以及时准确地得到第一对标点。以及,通过对各第二边向量进行几何运算,即可准确地得到第二拟合平面中各第二边间的交点信息,从而可以及时准确地得到第二对标点。进而可以为后续构建出第一对标点与第二对标点的约束关系提供支持。
上述步骤103中,根据N个第一几何信息和N个第二几何信息,构建满足标靶块的几何约束关系,从而确定出第一相机和第二相机之间的位姿关系。具体地,将N个第二几何信息中的第二法向量通过旋转矩阵,与N个第一几何信息中的第一法向量构建出满足第二法向量与第一法向量的平行约束关系或重叠约束关系。将N个第二几何信息中的各第二边向量通过旋转矩阵,与N个第一几何信息中的对应的各第一边向量构建出满足各第二边向量与对应的各第一边向量的平行约束关系或重叠约束关系。以及将第二对标点通过旋转矩阵和平移矩阵,与第一对标点构建出满足第二对标点与第一对标点的重叠约束关系。如此,通过第二法向量与第一法向量所满足的平行约束关系或重叠约束关系,各第二边向量与对应的各第一边向量所满足的平行约束关系或重叠约束关系,以及第二对标点与第一对标点所满足的重叠约束关系,即可快速准确地确定出第一相机和第二相机之间的位姿关系,从而实现第一相机和第二相机之间的外参数标定。
有鉴于此,下面以标靶块为矩形块为例,对本发明实施例中基于相机标定方法的实施过程进行具体描述。
Step1:通过两个相机扫描标靶块的两个相对的平行平面,获取这两个相对的平行平面各自的平面点云。
示例性地,参考图2,图2为本发明实施例提供的一种相机扫描标靶块平面的结构示意图。如图2所示,首先将矩形块放置在载物台上,以及将两个线激光相机分别相对放置在矩形块的两边(比如放置在矩形块的左右两边),其中,每个线激光相机与矩形块的一个平面相对,比如,左边线激光相机与矩形块的平面1相对放置,右边线激光相机与矩形块的平面2相对放置。然后,通过移动载物台,使得两个线激光相机能够对矩形块的两个平面(相对的平行平面)进行完整的扫描,以便获取这两个平面的完整点云,从而完成这两个线激光相机对矩形块的这两个平面的完整扫描,进而可以确保平面扫描的完整性。比如,通过左边线激光相机扫描平面1,并通过右边线激光相机扫描平面2,就可以得到两片没有重叠区域的点云,即平面1的点云和平面2的点云。其中,在本发明实施例的具体实施过程中,只需要扫描矩形块的两个相对的平行平面即可用于实现对两个线激光相机之间的外参数标定。
需要说明的是,针对两个线激光相机之间的位姿关系确定,是指这两个线激光相机之间的外参数标定。即,将两片点云(比如两个平面的点云)转换到同一个坐标系下。在本发明实施例中,以左边线激光相机的坐标系为基准,将右边线激光相机扫描得到的点云转换到左边线激光相机的坐标系下。由此可知,两个线激光相机之间的外参数标定就等同于对左右线激光相机扫描得到的两片点云的配准,也即是,将右边点云通过旋转平移变换转换到左边点云的坐标系下。
Step2:确定这两个相对的平行平面各自的平面点云的质心。
在得到两片没有重叠区域的点云之后,计算出两片没有重叠区域的点云各自的质心。示例性地,平面1的点云记为PC1,平面2的点云记为PC2。通过左边线激光相机扫描平面1即可得到平面1的点云,也即是可以得到平面1的点云中每个点的坐标(x1i,y1i,z1i)。通过右边线激光相机扫描平面2即可得到平面2的点云,也即是可以得到平面2的点云中每个点的坐标(x2i,y2i,z2i)。将平面1的点云中各点的坐标进行求平均处理,即可得到平面1的点云的质心M1(xM1,yM1,zM1)。即,将平面1的点云中各点的x1i进行求平均处理,得到质心M1的xM1,将平面1的点云中各点的y1i进行求平均处理,得到质心M1的yM1,将平面1的点云中各点的z1i进行求平均处理,得到质心M1的zM1;同时,将平面2的点云中各点的坐标进行求平均处理,即可得到平面2的点云的质心M2(xM2,yM2,zM2)。即,将平面2的点云中各点的x2i进行求平均处理,得到质心M2的xM2,将平面2的点云中各点的y2i进行求平均处理,得到质心M2的yM2,将平面2的点云中各点的z2i进行求平均处理,得到质心M2的zM2。
Step3:分别对这两个相对的平行平面各自的平面点云进行平面拟合,确定这两个相对的平行平面各自的法向量。
示例性地,对平面1的点云PC1进行平面拟合,得到平面方程a1*x+b1*y+c1*z+d1=0,以及对平面2的点云PC2进行平面拟合,得到平面方程a2*x+b2*y+c2*z+d2=0。同时,也可以得到平面1的平面内点集合PCp1(即拟合平面1)以及平面2的平面内点集合PCp2(即拟合平面2)。即,将平面1的点云PC1内的各点代入平面1的平面方程进行计算,基于计算结果,将能够满足平面1的平面方程的各点构建为平面1的平面内点集合PCp1;将平面2的点云PC2内的各点代入平面2的平面方程进行计算,基于计算结果,将能够满足平面2的平面方程的各点构建为平面2的平面内点集合PCp2。其中,由于平面的法向量与平面内任意一点的向量乘积为0,因此基于平面1的平面方程可以得到平面1的法向量n1=(a1,b1,c1),以及基于平面2的平面方程可以得到平面2的法向量n2=(a2,b2,c2)。
Step4:分别对这两个相对的平行平面各自的平面点内集合进行提取边界处理,确定出这两个相对的平行平面各自的轮廓点云集合。
示例性地,对平面1的平面内点集合PCp1进行提取边界处理,得到拟合平面1的轮廓点云集合PCb1,以及平面2的平面内点集合PCp2进行提取边界处理,得到拟合平面2的轮廓点云集合PCb2。具体地,针对平面1的平面内点集合PCp1,对于该平面内点集合PCp1中每一个点pi,先找到距离点pi最近的K个点,并计算出点pi以及K个点各自的法向量。再根据这些点的法向量方向,将点pi和其邻近点都投影到一个平面上。然后,将点pi和每一个邻近点都组成一个向量,并计算相邻向量之间的夹角。若相邻向量之间的夹角的最大值大于等于设定的阈值δ,则确定该点pi是平面1的平面内点集合PCp1中的边界点。同理,针对平面2的平面内点集合PCp2,对于该平面内点集合PCp2中每一个点qi,先找到距离点qi最近的K个点,并计算出点qi以及K个点各自的法向量。再根据这些点的法向量方向,将点qi和其邻近点都投影到一个平面上。然后,将点qi和每一个邻近点都组成一个向量,并计算相邻向量之间的夹角。若相邻向量之间的夹角的最大值大于等于设定的阈值δ,则确定该点qi是平面2的平面内点集合PCp2中的边界点。其中,在本发明实施例中,K取90,δ取180°,当然K和δ也可以取其它值,本发明实施例对此并不作限定。
Step5:根据这两个相对的平行平面各自的平面点云的质心以及这两个相对的平行平面各自的尺寸大小,对这两个相对的平行平面各自的轮廓点云集合进行分解处理,确定这两个相对的平行平面各自的各边方向向量。
由于标靶块的尺寸大小是已知的,所以可以得到被扫描平面的长和宽,即,可以得到平面1的长度、宽度以及平面2的长度、宽度。根据平面1的质心M1、长度以及宽度,可以将拟合平面1的轮廓点云集合PCb1进行分解,将轮廓点云集合PCb1拆分为归属于针对拟合平面1的轮廓四条边中各边的点云,再对轮廓四条边中各边的点云进行直线拟合,可以得到针对拟合平面1的轮廓四条边各自的直线方程,即, 此外,根据平面2的质心M2、长度以及宽度,可以将拟合平面2的轮廓点云集合PCb2进行分解,将轮廓点云集合PCb2拆分为归属于针对拟合平面2的轮廓四条边中各边的点云,再对轮廓四条边中各边的点云进行直线拟合,可以得到针对拟合平面2的轮廓四条边各自的直线方程,即, 因此,基于拟合平面1的轮廓四条边中各边的直线方程,可以得到拟合平面1的轮廓四条边中各边的方向向量,即,(a11,b11,c11)、(a12,b12,c12)、(a13,b13,c13)、(a14,b14,c14)。基于拟合平面2的轮廓四条边中各边的直线方程,可以得到拟合平面2的轮廓四条边中各边的方向向量,即,(a21,b21,c21)、(a22,b22,c22)、(a23,b23,c23)、(a24,b24,c24)。其中,(xji,yji,zji)表示各拟合平面的各轮廓边直线上的一点;(aji,bji,cji)表示各拟合平面的各轮廓边直线的方向向量。
此外,为了方便对某一拟合平面边界的轮廓四条边的直线进行拟合,本发明实施例基于Step2计算的该平面的质心以及该平面的长度、宽度,将该拟合平面边界分解为四条边。具体地,下面以拟合平面1为例,对本发明实施例中将平面边界分解为四条边的实施过程进行描述。
其中,参考图3,图3为本发明实施例提供的一种平面1边界的四条边在坐标系中的示意图。根据矩形块的放置方式,假设本发明实施例中拟合平面1的长和宽分别与y轴和x轴的方向接***行。基于图3,对本发明实施例中将拟合平面1边界拆分为轮廓四条边的实施过程进行描述。即:
步骤a、确定拟合平面1的第一条边上的点云。
示例性地,对于边1上的各点,它的x坐标需要满足下述条件:
‖xl1-(xM+0.5*W)‖<ε
同时,为了避免将边2和边4上的点也划分到边1中,所以对于边1上的各点在y轴方向上也做一个限制,使边1上的各点的y坐标满足下述条件:
其中,xM、yM分别是平面1的平面点云的质心M1的x坐标和y坐标;ε是设置的阈值,在本发明实施例中ε的值取3,当然也可以取其它值,本发明实施例对此并不作限定。
基于上述可知,针对拟合平面1的轮廓点云集合PCb1中任一点,如果该点的x坐标和y坐标同时满足上述两个条件,则将该点确定为边1上的点。以此即可从轮廓点云集合PCb1中确定出边1上的各点(即拟合平面1的第一条边上的点云)。
步骤b、确定拟合平面1的第二条边上的点云。
示例性地,对于边2上的各点,它的y坐标需要满足下述条件:
‖yl2-(yM-0.5*L)‖<ε
同时,为了避免将边1和边3上的点也划分到边2中,所以对于边2上的各点在x轴方向上也做一个限制,使边2上的各点的x坐标满足下述条件:
其中,xM、yM分别是平面1的平面点云的质心M1的x坐标和y坐标;ε是设置的阈值,在本发明实施例中ε的值取3,当然也可以取其它值,本发明实施例对此并不作限定。
基于上述可知,针对拟合平面1的轮廓点云集合PCb1中任一点,如果该点的x坐标和y坐标同时满足上述两个条件,则将该点确定为边2上的点。以此即可从轮廓点云集合PCb1中确定出边2上的各点(即拟合平面1的第二条边上的点云)。
步骤c、确定拟合平面1的第三条边上的点云。
示例性地,对于边3上的各点,它的x坐标需要满足下述条件:
‖xl3-(xM-0.5*W)‖<ε
同时,为了避免将边2和边4上的点也划分到边3中,所以对于边3上的各点在y轴方向上也做一个限制,使边3上的各点的y坐标满足下述条件:
其中,xM、yM分别是平面1的平面点云的质心M1的x坐标和y坐标;ε是设置的阈值,在本发明实施例中ε的值取3,当然也可以取其它值,本发明实施例对此并不作限定。
基于上述可知,针对拟合平面1的轮廓点云集合PCb1中任一点,如果该点的x坐标和y坐标同时满足上述两个条件,则将该点确定为边3上的点。以此即可从轮廓点云集合PCb1中确定出边3上的各点(即拟合平面1的第三条边上的点云)。
步骤d、确定拟合平面1的第四条边上的点云。
示例性地,对于边4上的各点,它的y坐标需要满足下述条件:
‖yl4-(yM+0.5*L)‖<ε
同时,为了避免将边1和边3上的点也划分到边4中,所以对于边4上的各点在x轴方向上也做一个限制,使边4上的各点的x坐标满足下述条件:
其中,xM、yM分别是平面1的平面点云的质心M1的x坐标和y坐标;ε是设置的阈值,在本发明实施例中ε的值取3,当然也可以取其它值,本发明实施例对此并不作限定。
基于上述可知,针对拟合平面1的轮廓点云集合PCb1中任一点,如果该点的x坐标和y坐标同时满足上述两个条件,则将该点确定为边4上的点。以此即可从轮廓点云集合PCb1中确定出边4上的各点(即拟合平面1的第四条边上的点云)。
Step6:根据这两个相对的平行平面各自的轮廓各边的点云,确定这两个相对的平行平面的几何中心位置信息。
示例性地,针对拟合平面1,根据拟合平面1的轮廓四条边各自的直线方程,可以计算出轮廓四条边之间的交点(即拟合平面1的各顶点)。同理,针对拟合平面2,根据拟合平面2的轮廓四条边各自的直线方程,可以计算出轮廓四条边之间的交点(即拟合平面2的各顶点)。然后,根据拟合平面1的轮廓四条边之间的交点,计算出拟合平面1的几何中心,并根据拟合平面2的轮廓四条边之间的交点,计算出拟合平面2的几何中心。具体地,对于拟合平面1,假设拟合平面1的轮廓各边之间的交点为V1i,交点对应的坐标为(xv1i,yv1i,zv1i)。基于此可知,拟合平面1的轮廓四条边的之间的交点为V11、V12、V13、V14,交点对应的坐标为(xv11,yv11,zv11)、(xv12,yv12,zv12)、(xv13,yv13,zv13)、(xv14,yv14,zv14)。因此,基于各交点的坐标可以计算出拟合平面1的几何中心P1(x1,y1,z1)。即,x1=(xv11+xv12+xv13+xv14)/4,y1=(yv11+yv12+yv13+yv14)/4,z1=(zv11+zv12+zv13+zv14)/4。对于拟合平面2,假设拟合平面2的轮廓各边之间的交点为V2i,交点对应的坐标为(xv2i,yv2i,zv2i)。基于此可知,拟合平面2的轮廓四条边的之间的交点为V21、V22、V23、V24,交点对应的坐标为(xv21,yv21,zv21)、(xv22,yv22,zv22)、(xv23,yv23,zv23)、(xv24,yv24,zv24)。因此,基于各交点的坐标可以计算出拟合平面2的几何中心P2(x2,y2,z2)。即,x2=(xv21+xv22+xv23+xv24)/4,y2=(yv21+yv22+yv23+yv24)/4,z2=(zv21+zv22+zv23+zv24)/4。
需要说明的是,为了避免相机在扫描过程中因为反光等原因造成的左右两片平面点云上的点分布不均匀,因此通过采用计算平面几何中心的方式来得到左右平面的一组对应点,而不是直接采用Step2中计算出的左右两片平面点云的质心作为对应点。如此,可以有助于避免因点云分布不均匀造成左右平面质心偏差引起的误差。
Step7:根据两个相对的平行平面各自的法向量、两个相对的平行平面各自的各边方向向量以及两个相对的平行平面的几何中心位置信息,构建针对标靶块的几何约束关系。
根据两个线激光相机扫描两个相对的平行平面得到的两片平面点云(比如左右平面点云),再对照实际被扫描的物体,就可以从两片平面点云中找出一些几何对应关系,从而确定出两片平面点云之间的坐标变换所需的旋转矩阵R以及平移矩阵t,即可实现将右平面点云变换到左平面点云的坐标系下,以完成两个线激光相机之间的外参数标定。其中,确定两片平面点云之间的坐标变换所需的旋转矩阵R以及平移矩阵t的过程为:
步骤a、由于矩形块相对的两个平面(平面1和平面2)互相平行,则右边平面(平面2)经过旋转以后,右边平面的法向量应该与左边平面(平面1)的法向量保持平行。即,右边平面的法向量与左边平面的法向量满足下述关系:
n1=R*n2
其中,n1、n2分别为Step3中计算出的平面1的法向量、平面2的法向量;R表示旋转矩阵,是一个3*3的矩阵。
步骤b、根据Step5中拟合出来的平面边界的直线方程,在平面1(左边平面)中挑选出相互垂直的两条直角边,假设它们的方向向量分别为l11、l12。在平面2(右边平面)中选出与之对应的两条直角边,并假设它们的方向向量为l21、l22,则右边平面经过旋转后,左右平面中对应的边应该保持平行。即,左右平面中对应的边的方向向量满足下述关系:
其中,R表示旋转矩阵,是一个3*3的矩阵。
步骤c、根据平面1(左边平面)的几何中心P1、平面1的法向量n1以及矩形块中这两个相对的平行平面的距离d,可以计算出平面2(右边平面)的几何中心在平面1的平面点云坐标系下的坐标P1′。即,坐标P1′与平面1的几何中心P1满足下述关系:
P1′=P1+d*n1
平面2经过旋转平移变换后,它的几何中心应该和P1′重合。即,坐标P1′与平面2的几何中心满足下述关系:
P1′=R*P2+t
其中,P2为平面2的几何中心,t表示平移矩阵,是一个3*1的矩阵。
步骤d、基于步骤a~c所确定的关系式,构建出针对标靶块的几何约束关系,即:
其中,e1、e2、e3、e4均表示各自对应关系式的误差。
Step8:根据几何约束关系构建目标函数,并基于该目标函数确定两个相机之间的位姿关系。
为了使所有的误差最小,根据上述构建出的针对标靶块的几何约束关系来构建目标函数。该目标函数为:
基于该目标函数,通过采用非线性最小二乘迭代优化的方式,就可以求解出最优的旋转矩阵R和平移矩阵t,从而实现两个线激光相机之间的外参数标定。
上述实施例表明,通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取标靶块的第二平面的第二点云,第一相机和第二相机是相对设置的,第一平面和第二平面为标靶块中相同且平行的平面。再基于第一点云确定第一平面的N个第一几何信息,并基于第二点云确定第二平面的N个第二几何信息。然后,根据N个第一几何信息和N个第二几何信息,构建满足标靶块的几何约束关系,从而确定出第一相机和第二相机之间的位姿关系。由于该方法采用的是结构更加简单的标靶块,并非表面具有特殊纹理的标靶,因此该方法可以降低标靶的制作难度,同时也不需要对相机扫描到的点云进行特征提取,只需要通过相对设置的第一相机和第二相机分别扫描标靶块中相同且平行的两个平面,并利用相机扫描得到的平面点云构建出几何约束关系,即可及时准确地确定出第一相机和第二相机之间的位姿关系,从而实现第一相机和第二相机之间的外参数标定。
基于相同的技术构思,图4示例性的示出了本发明实施例提供的一种相机标定装置,该装置可以执行相机标定方法的流程。
如图4所示,该装置包括:
获取单元401,用于通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取所述标靶块的第二平面的第二点云;所述第一相机和所述第二相机是相对设置的;所述第一平面和所述第二平面为所述标靶块中相同且平行的平面;
处理单元402,用于基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息;根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,从而确定出所述第一相机和所述第二相机之间的位姿关系。
可选地,所述处理单元402具体用于:
对所述第一点云进行平面拟合确定第一拟合平面,并对所述第二点云进行平面拟合,确定第二拟合平面;
通过所述第一拟合平面确定所述第一平面的N个第一几何信息,并通过所述第二拟合平面确定所述第二平面的N个第二几何信息。
可选地,所述处理单元402具体用于:
确定所述第一拟合平面的第一法向量,并确定所述第二拟合平面的第二法向量;
确定所述第一点云在所述第一拟合平面的各第一边向量,并确定所述第二点云在所述第二拟合平面的各第二边向量;
根据所述各第一边向量确定第一对标点,并根据所述各第二边向量确定第二对标点。
可选地,所述处理单元402具体用于:
所述第二法向量通过旋转矩阵,与所述第一法向量满足平行约束关系或重叠约束关系;
所述各第二边向量通过所述旋转矩阵,与对应的所述各第一边向量满足平行约束关系或重叠约束关系;
所述第二对标点通过所述旋转矩阵和平移矩阵,与所述第一对标点满足重叠约束关系。
可选地,所述处理单元402具体用于:
确定所述第一拟合平面的轮廓点云,并确定所述第二拟合平面的轮廓点云;
基于所述第一拟合平面的轮廓点云,确定所述第一拟合平面的各第一边向量,并基于所述第二拟合平面的轮廓点云,确定所述第二拟合平面的各第二边向量。
可选地,所述处理单元402具体用于:
基于所述第一点云,确定所述第一平面的质心,并基于所述第二点云,确定所述第二平面的质心;
根据所述第一平面的质心,将所述第一拟合平面的轮廓点云进行分类,得到所述第一拟合平面的各第一边点云,并根据所述第二平面的质心,将所述第二拟合平面的轮廓点云进行分类,得到所述第二拟合平面的各第二边点云;
对所述第一拟合平面的各第一边点云进行直线拟合,得到所述第一拟合平面的各第一边向量,并对所述第二拟合平面的各第二边点云进行直线拟合,得到所述第二拟合平面的各第二边向量。
可选地,所述处理单元402具体用于:
基于所述各第一边向量,确定所述第一拟合平面中各第一边间的交点信息,并基于所述各第二边向量,确定所述第二拟合平面中各第二边间的交点信息;
根据所述各第一边间的交点信息,确定所述第一对标点,并根据所述各第二边间的交点信息,确定所述第二对标点。
基于相同的技术构思,本发明实施例还提供了一种计算设备,如图5所示,包括至少一个处理器501,以及与至少一个处理器连接的存储器502,本发明实施例中不限定处理器501与存储器502之间的具体连接介质,图5中处理器501和存储器502之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本发明实施例中,存储器502存储有可被至少一个处理器501执行的指令,至少一个处理器501通过执行存储器502存储的指令,可以执行前述的相机标定方法中所包括的步骤。
其中,处理器501是计算设备的控制中心,可以利用各种接口和线路连接计算设备的各个部分,通过运行或执行存储在存储器502内的指令以及调用存储在存储器502内的数据,从而实现数据处理。可选的,处理器501可包括一个或多个处理单元,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理下发指令。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。在一些实施例中,处理器501和存储器502可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器501可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列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,可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合相机标定方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器502作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器502可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器502是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本发明实施例中的存储器502还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于相同的技术构思,本发明实施例还提供了一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述相机标定方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/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流程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,该指令装置实现在流程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流程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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种相机标定方法,其特征在于,包括:
通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取所述标靶块的第二平面的第二点云;所述第一相机和所述第二相机是相对设置的;所述第一平面和所述第二平面为所述标靶块中相同且平行的平面;
基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息;
根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,从而确定出所述第一相机和所述第二相机之间的位姿关系。
2.如权利要求1所述的方法,其特征在于,所述基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息,包括:
对所述第一点云进行平面拟合确定第一拟合平面,并对所述第二点云进行平面拟合,确定第二拟合平面;
通过所述第一拟合平面确定所述第一平面的N个第一几何信息,并通过所述第二拟合平面确定所述第二平面的N个第二几何信息。
3.如权利要求2所述的方法,其特征在于,所述通过所述第一拟合平面确定所述第一平面的N个第一几何信息,并通过所述第二拟合平面确定所述第二平面的N个第二几何信息,包括:
确定所述第一拟合平面的第一法向量,并确定所述第二拟合平面的第二法向量;
确定所述第一点云在所述第一拟合平面的各第一边向量,并确定所述第二点云在所述第二拟合平面的各第二边向量;
根据所述各第一边向量确定第一对标点,并根据所述各第二边向量确定第二对标点。
4.如权利要求3所述的方法,其特征在于,根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,包括:
所述第二法向量通过旋转矩阵,与所述第一法向量满足平行约束关系或重叠约束关系;
所述各第二边向量通过所述旋转矩阵,与对应的所述各第一边向量满足平行约束关系或重叠约束关系;
所述第二对标点通过所述旋转矩阵和平移矩阵,与所述第一对标点满足重叠约束关系。
5.如权利要求3所述的方法,其特征在于,所述确定所述第一点云在所述第一拟合平面的各第一边向量,并确定所述第二点云在所述第二拟合平面的各第二边向量,包括:
确定所述第一拟合平面的轮廓点云,并确定所述第二拟合平面的轮廓点云;
基于所述第一拟合平面的轮廓点云,确定所述第一拟合平面的各第一边向量,并基于所述第二拟合平面的轮廓点云,确定所述第二拟合平面的各第二边向量。
6.如权利要求5所述的方法,其特征在于,所述基于所述第一拟合平面的轮廓点云,确定所述第一拟合平面的各第一边向量,并基于所述第二拟合平面的轮廓点云,确定所述第二拟合平面的各第二边向量,包括:
基于所述第一点云,确定所述第一平面的质心,并基于所述第二点云,确定所述第二平面的质心;
根据所述第一平面的质心,将所述第一拟合平面的轮廓点云进行分类,得到所述第一拟合平面的各第一边点云,并根据所述第二平面的质心,将所述第二拟合平面的轮廓点云进行分类,得到所述第二拟合平面的各第二边点云;
对所述第一拟合平面的各第一边点云进行直线拟合,得到所述第一拟合平面的各第一边向量,并对所述第二拟合平面的各第二边点云进行直线拟合,得到所述第二拟合平面的各第二边向量。
7.如权利要求3所述的方法,其特征在于,所述根据所述各第一边向量确定第一对标点,并根据所述各第二边向量确定第二对标点,包括:
基于所述各第一边向量,确定所述第一拟合平面中各第一边间的交点信息,并基于所述各第二边向量,确定所述第二拟合平面中各第二边间的交点信息;
根据所述各第一边间的交点信息,确定所述第一对标点,并根据所述各第二边间的交点信息,确定所述第二对标点。
8.一种相机标定装置,其特征在于,包括:
获取单元,用于通过第一相机获取标靶块的第一平面的第一点云,并通过第二相机获取所述标靶块的第二平面的第二点云;所述第一相机和所述第二相机是相对设置的;所述第一平面和所述第二平面为所述标靶块中相同且平行的平面;
处理单元,用于基于所述第一点云确定所述第一平面的N个第一几何信息,并基于所述第二点云确定所述第二平面的N个第二几何信息;根据所述N个第一几何信息和所述N个第二几何信息,构建满足所述标靶块的几何约束关系,从而确定出所述第一相机和所述第二相机之间的位姿关系。
9.一种计算设备,其特征在于,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1至7任一权利要求所述的方法。
10.一种计算机可读存储介质,其特征在于,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行权利要求1至7任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295848.1A CN113077521B (zh) | 2021-03-19 | 2021-03-19 | 一种相机标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295848.1A CN113077521B (zh) | 2021-03-19 | 2021-03-19 | 一种相机标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077521A true CN113077521A (zh) | 2021-07-06 |
CN113077521B CN113077521B (zh) | 2022-11-01 |
Family
ID=76612897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110295848.1A Active CN113077521B (zh) | 2021-03-19 | 2021-03-19 | 一种相机标定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077521B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436277A (zh) * | 2021-07-15 | 2021-09-24 | 无锡先导智能装备股份有限公司 | 3d相机标定方法、装置及标定*** |
CN113487684A (zh) * | 2021-07-23 | 2021-10-08 | 浙江华睿科技股份有限公司 | 一种标定参数确定方法、装置、存储介质及电子装置 |
CN114723814A (zh) * | 2022-04-22 | 2022-07-08 | 东莞赋安实业有限公司 | 一种复杂背景下线扫描相机定位高速弱小目标方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364299A (zh) * | 2011-08-30 | 2012-02-29 | 刘桂华 | 一种多个结构光投影三维型面测量头的标定技术 |
CN104376558A (zh) * | 2014-11-13 | 2015-02-25 | 浙江大学 | 一种基于长方体的Kinect深度相机的内参标定方法 |
JP2017123087A (ja) * | 2016-01-08 | 2017-07-13 | Kddi株式会社 | 連続的な撮影画像に映り込む平面物体の法線ベクトルを算出するプログラム、装置及び方法 |
US20190147622A1 (en) * | 2016-12-09 | 2019-05-16 | Sun Yat-Sen University | Unmanned aerial vehicle calibration method and system based on colour 3d calibration object |
CN110333503A (zh) * | 2019-05-29 | 2019-10-15 | 菜鸟智能物流控股有限公司 | 激光雷达的标定方法、装置及电子设备 |
CN110487213A (zh) * | 2019-08-19 | 2019-11-22 | 杭州电子科技大学 | 基于空间错位的全视角线激光扫描三维成像装置与方法 |
CN110910454A (zh) * | 2019-10-11 | 2020-03-24 | 华南农业大学 | 一种牲畜三维重构移动式设备的自动标定配准方法 |
CN111612845A (zh) * | 2020-04-13 | 2020-09-01 | 江苏大学 | 一种基于移动标定板的激光雷达与相机联合标定方法 |
CN112180362A (zh) * | 2019-07-05 | 2021-01-05 | 北京地平线机器人技术研发有限公司 | 雷达与相机之间的转换位姿确定方法、装置以及电子设备 |
-
2021
- 2021-03-19 CN CN202110295848.1A patent/CN113077521B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364299A (zh) * | 2011-08-30 | 2012-02-29 | 刘桂华 | 一种多个结构光投影三维型面测量头的标定技术 |
CN104376558A (zh) * | 2014-11-13 | 2015-02-25 | 浙江大学 | 一种基于长方体的Kinect深度相机的内参标定方法 |
JP2017123087A (ja) * | 2016-01-08 | 2017-07-13 | Kddi株式会社 | 連続的な撮影画像に映り込む平面物体の法線ベクトルを算出するプログラム、装置及び方法 |
US20190147622A1 (en) * | 2016-12-09 | 2019-05-16 | Sun Yat-Sen University | Unmanned aerial vehicle calibration method and system based on colour 3d calibration object |
CN110333503A (zh) * | 2019-05-29 | 2019-10-15 | 菜鸟智能物流控股有限公司 | 激光雷达的标定方法、装置及电子设备 |
CN112180362A (zh) * | 2019-07-05 | 2021-01-05 | 北京地平线机器人技术研发有限公司 | 雷达与相机之间的转换位姿确定方法、装置以及电子设备 |
CN110487213A (zh) * | 2019-08-19 | 2019-11-22 | 杭州电子科技大学 | 基于空间错位的全视角线激光扫描三维成像装置与方法 |
CN110910454A (zh) * | 2019-10-11 | 2020-03-24 | 华南农业大学 | 一种牲畜三维重构移动式设备的自动标定配准方法 |
CN111612845A (zh) * | 2020-04-13 | 2020-09-01 | 江苏大学 | 一种基于移动标定板的激光雷达与相机联合标定方法 |
Non-Patent Citations (2)
Title |
---|
ZHEN CHEN 等: "Extrinsic Calibration of a Camera and a Laser Range Finder using Point to Line Constraint", 《2012 INTERNATIONAL WORKSHOP ON INFORMATION AND ELECTRONICS ENGINEERING (IWIEE)》, 31 December 2012 (2012-12-31), pages 4348 - 4352 * |
刘昶 等: "二维目标视觉测量的双平行平面标定", 《光学学报》, vol. 33, no. 11, 30 November 2013 (2013-11-30), pages 1 - 7 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436277A (zh) * | 2021-07-15 | 2021-09-24 | 无锡先导智能装备股份有限公司 | 3d相机标定方法、装置及标定*** |
WO2023284349A1 (zh) * | 2021-07-15 | 2023-01-19 | 无锡先导智能装备股份有限公司 | 3d相机标定方法、装置及标定*** |
CN113487684A (zh) * | 2021-07-23 | 2021-10-08 | 浙江华睿科技股份有限公司 | 一种标定参数确定方法、装置、存储介质及电子装置 |
CN114723814A (zh) * | 2022-04-22 | 2022-07-08 | 东莞赋安实业有限公司 | 一种复杂背景下线扫描相机定位高速弱小目标方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113077521B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113077521B (zh) | 一种相机标定方法及装置 | |
CN107810522B (zh) | 实时、基于模型的对象检测及姿态估计 | |
Ge et al. | Surface-based matching of 3D point clouds with variable coordinates in source and target system | |
US9953110B2 (en) | Apparatus and method for interactively extracting shapes from a point cloud | |
WO2017067321A1 (zh) | 一种基于外轮廓的pcb板卡匹配方法及装置 | |
CN101692257A (zh) | 一种复杂曲面的配准方法 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
Hu et al. | Efficient and automatic plane detection approach for 3-D rock mass point clouds | |
Lecrosnier et al. | Camera pose estimation based on PnL with a known vertical direction | |
Yun et al. | Registration of multiview point clouds for application to ship fabrication | |
Byun et al. | Registration of 3D scan data using image reprojection | |
Shmukler et al. | Verification of 3D freeform parts by registration of multiscale shape descriptors | |
CN110458951B (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
Sun et al. | An improvement of pose measurement method using global control points calibration | |
Shaw et al. | Automatic registration method for hybrid optical coordinate measuring technology | |
Li et al. | Research on three-dimensional reconstruction technology of line laser scanning scene based on Otsu method | |
CN116091562A (zh) | 基于二维投影线段的建筑物点云自动配准的方法 | |
Cui et al. | Registration and integration algorithm in structured light three-dimensional scanning based on scale-invariant feature matching of multi-source images | |
Moron et al. | Automatic inspection of industrial parts using 3D optical range sensor | |
CN113870190A (zh) | 竖直线条检测方法、装置、设备及存储介质 | |
Yang et al. | Supervoxel-based targetless registration and identification of stable areas for deformed point clouds | |
Hafeez et al. | Performance evaluation of patterns for image-based 3D model reconstruction of textureless objects | |
Winkler et al. | A curve fitting method for extrinsic camera calibration from a single image of a cylindrical object | |
Janßen et al. | Keypoint-based registration of TLS point clouds using a statistical matching approach | |
CN112288820B (zh) | 规则物体的轮廓计算方法、装置、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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Huarui Technology Co.,Ltd. Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |