CN113112551B - 相机参数的确定方法、装置、路侧设备和云控平台 - Google Patents
相机参数的确定方法、装置、路侧设备和云控平台 Download PDFInfo
- Publication number
- CN113112551B CN113112551B CN202110429760.4A CN202110429760A CN113112551B CN 113112551 B CN113112551 B CN 113112551B CN 202110429760 A CN202110429760 A CN 202110429760A CN 113112551 B CN113112551 B CN 113112551B
- Authority
- CN
- China
- Prior art keywords
- camera
- detection
- target camera
- determining
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 283
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000003550 marker Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了相机参数的确定方法、装置、路侧设备和云控平台,涉及人工智能、计算机视觉和智能交通技术领域。具体实现方案为:确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域;根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性。本申请实施例可以提高相机参数的准确性。
Description
技术领域
本申请涉及图像处理领域,尤其人工智能、计算机视觉和智能交通技术,具体涉及一种相机参数的确定方法、装置、路侧设备和云控平台。
背景技术
智能交通***是改善交通***的重要手段,相机参数的标定在智能交通***中的图像采集过程中是非常关键的环节。
相机参数需要通过实验与计算才能得到,这个求解参数的过程就称之为相机标定(或摄像机标定),标定结果的好坏直接影响相机传感器工作产生结果的准确性,进而会影响下一步的图像处理。
发明内容
本申请提供了一种相机参数的确定方法、装置、路侧设备和云控平台。
根据本申请的一方面,提供了一种相机参数的确定方法。
确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域;
根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性。
根据本申请的另一方面,提供了一种相机参数的确定装置,包括:
相机检测误差确定模块,用于确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域;
相机参数准确检测模块,用于根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性。
根据本申请的另一方面,提供了一种电子设备,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本申请任一实施例所述的相机参数的确定方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本申请任一实施例所述的相机参数的确定方法。
根据本申请的另一方面,提供了一种路侧设备,包括如本申请任一实施例所述的电子设备。
根据本申请的另一方面,提供了一种云控平台,包括如本申请任一实施例所述的电子设备。
根据本申请的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本申请任一实施例所述的相机参数的确定方法。
本申请实施例可以提高相机参数的准确性。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例的一种相机参数的确定方法的示意图;
图2是根据本申请实施例的一种相机参数的确定方法的示意图;
图3是根据本申请实施例的一种前枪机采集图像的示意图;
图4是根据本申请实施例的一种鱼眼相机采集图像的示意图;
图5是根据本申请实施例的一种后枪机采集图像的示意图;
图6是根据本申请实施例的一种目标相机采集图像中检测位置的示意图;
图7是根据本申请实施例的一种共视相机采集图像中检测位置的示意图;
图8是根据本申请实施例的一种共视相机采集图像中目标相机和共视相机的检测位置的示意图;
图9是根据本申请实施例的一种相机参数的确定装置的示意图;
图10是用来实现本申请实施例的相机参数的确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例公开的一种相机参数的确定方法的流程图,本实施例可以适用于对相机参数进行准确性检测的情况。本实施例方法可以由相机参数的确定装置来执行,该装置可采用软件和/或硬件的方式实现,并具体配置于具有一定数据运算能力的电子设备中,该电子设备可以是客户端设备,手机、平板电脑、车载终端和台式电脑等,也可以是服务器端设备。
S101,确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域。
目标相机与共视相机之间存在重叠的采集区域,可以是指共视相机的图像采集区域范围,和目标相机的图像采集区域范围之间存在重叠的采集区域。该重叠的采集区域为该共视相机与目标相机之间的重叠的可视区域,即共视区域。
检测误差用于量化一个共视相机的检测结果与目标相机的检测结果之间的差异。检测结果需要统一在同一个坐标系下才能进行比较。通常,对于存在多个相机的***来说,世界坐标系为绝对坐标系,同时,相机采集的图像上的像素点,通常映射到世界坐标系中的坐标进行后续处理,并广泛应用于多个领域,从而可以选择将检测结果转换到世界坐标系下,再进行比较。相应的,检测误差可以是指共视相机与目标相机分别针对同一个位置进行检测得到的坐标之间的误差,其中,坐标是指在真实三维世界中的三维坐标。也即,检测误差是在世界坐标系下,针对共视相机与目标相机之间的检测结果差异的量化数值。
此外,目标相机存在至少一个共视相机,每个共视相机与目标相机之间均存在一个检测误差,相应的,目标相机关联的检测误差的数量包括至少一个。
S102,根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性。
共视相机和目标相机均为标定后的相机。在本申请实施例中,相机参数用于描述空间物体上的某点在世界坐标系下的位置与该点在图像中对应点之间的相互关系。相机参数可以是指对相机成像的三维模型的模型参数。对相机参数求解的过程,称为相机参数的标定。其中,相机参数可以包括内部参数(简称内参)、外部参数(简称外参)、畸变系数和相机之间的变换关系等中的至少一项。目标相机的参数可以是指目标相机标定得到的参数,可选的,目标相机的参数可以包括目标相机的外参。
目标相机关联的检测误差,可以定量反映真实三维世界中的实际距离误差。基于检测误差可以定量确定目标相机的参数准确性,进一步提高目标相机的参数准确性的检测准确性。可以理解的是,目标相机关联的检测误差越小,目标相机的参数越准确;目标相机关联的检测误差越大,目标相机的参数越不准确。
根据本申请的技术方案,确定目标相机与至少一个共视相机之间的检测误差,可以将检测误差进行量化,从而提高检测误差的检测准确率和精度,并根据检测误差确定目标相机的参数准确性,可以根据具体的量化数值检测目标相机的参数准确性,提高目标相机参数准确性的检测准确率,而且提供了检测误差的定量判断,便于后续调整相机参数,从而提高相机参数的准确性。
图2是根据本申请实施例公开的另一种相机参数的确定方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。将所述确定共视相机与目标相机之间的检测误差,具体化为:获取目标相机采集的图像,和共视相机采集的图像,并确定共视相机与目标相机之间的重叠采集区域,并在所述重叠采集区域中确定检测点;分别获取所述目标相机和所述共视相机针对所述检测点的检测位置;计算所述目标相机的检测位置和所述共视相机的检测位置之间的距离,确定为共视相机与目标相机之间的检测误差。
S201,获取目标相机采集的图像,和共视相机采集的图像,并确定共视相机与目标相机之间的重叠采集区域。
分别采用目标相机和共视相机针对相同场景进行图像采集,并获取目标相机采集的图像和共视相机采集的图像。可以对两个图像进行搜索查询,在两个图像中分别确定重叠的区域,并作为重叠采集区域。可选的,可以通过对两个图像进行图像匹配,分别在每个图像中确定重叠采集区域,示例性的,可以通过多边形求交,获取重叠区域的点集,然后利用单应矩阵还原在图像的点集信息,从而标识出重叠区域。或者,还可以通过将高精度地图分别投影到各相机采集的图像上,在两个图像上查询相同区域范围,确定为重叠采集区域。
可选的,所述目标相机的采集区域,和所述共视相机的采集区域,包括同一路口区域。
在本申请实施例中,针对同一路口以及附近车道形成的场景,进行图像采集的多个相机中,存在至少一个目标相机,以及各目标相机对应的共视相机。在一个目标相机和一个共视相机中,该目标相机的采集区域和该共视相机的采集区域包括同一路口区域。
示例性的,目标相机和共视相机均为前枪机,即针对路口中心的场景进行采集的同类型相机,目标相机的采集区域和共视相机的采集区域均为路口中心区域。目标相机和共视相机可以是指在同一个路口设置的位于不同杆上的任意两个前枪机。
又如,目标相机和共视相机为相邻相机,目标相机和共视相机包括前枪机和鱼眼相机、或鱼眼相机和后枪机,示例性的,目标相机为前枪机,共视相机为鱼眼相机;目标相机为鱼眼相机,共视相机包括前枪机或后枪机;目标相机为后枪机,共视相机为鱼眼相机。目标相机的采集区域和共视相机的采集区域相邻,而且,目标相机和共视相机位于相同物体上,例如位于同一个杆上,也即目标相机和共视相机的拍摄位置相邻。
在路口区域中,一个监控杆上通常配置一个前枪机、一个鱼眼相机和一个后枪机。其中,以朝向路口方向的方向为前向,以逆向路口方向的方向为后向,也即前枪机用于采集靠近路口方向的场景图像的枪机,后枪机用于采集远离路口方向的场景图像的枪机。在一个具体的例子中,采用位于同一监控杆上的前枪机、鱼眼相机和后枪机进行图像采集,图3为前枪机采集的图像,图4为鱼眼相机采集的图像,图5为后枪机采集的图像。
通过应用在交通领域中,并将采集同一路口区域图像的,且存在共视区域的两个相机确定为目标相机和共视相机,可以用于校准监控路口的相机的参数,从而为智慧交通***提供准确的道路信息,提高车路协同感知精度。
S202,在所述重叠采集区域中确定至少一个检测点。
检测点为预设点,通常为容易辨识且处于物体边界上的点。在重叠采集区域中确定检测点,实际是在两个相机采集的图像中分别查询同一个检测点,也即在目标相机采集的图像的重叠采集区域中,确定至少一个检测点,并且,在共视相机采集的图像的重叠采集区域中,确定至少一个检测点,以便针对同一检测点进行检测,从而得到同一检测点的检测结果,并计算检测误差。
检测点的数量包括至少一个。在检测点的数量为多个时,针对每个检测点,目标相机和共视相机分别检测相应的检测位置。可选的,检测点的数量为2个。
可选的,所述检测点包括所述重叠的采集区域中标志线上的角点。
检测点是预先配置的,处于目标相机和共视相机之间的重叠的采集区域的真实的点。将重叠的采集区域投影到目标相机采集的图像上,可以在目标相机采集的图像中确定重叠采集区域;同样,重叠的采集区域投影到共视相机采集的图像上,可以在共视相机采集的图像中确定重叠采集区域。
其中,标志线可以是指能够与其他线明显区分的线,或者是专用于特定应用场景下的线。示例性的,在智慧交通领域中,标志线可以包括:车道线、导流线或导向线(如箭头)等。
角点用于与其他点区分,可以是指极值点,即在某方面属性特别突出的点。示例性的,角点可以是某些属性上强度最大或者最小的孤立点、两条线的交叉处,位于相邻的两个主要方向不同的物体上的点、线段的端点、曲线上局部曲率最大的点、多边形的顶点或圆形圆心等。
通过配置检测点为重叠的采集区域中标志线上的角点,可以在两个图像中快速查找到检测点,提高检测点的检测效率,且检测点具有标志性,可以减少检测到其他点的错误概率,从而提高检测点的位置检测准确率。
S203,针对每个所述检测点,分别获取所述目标相机和所述共视相机针对所述检测点的检测位置。
检测位置可以是指检测点在相机采集的图像中检测结果投影到统一坐标系下的位置,该统一坐标系可以是世界坐标系。目标相机对检测点进行检测,得到基于目标相机的参数计算得到的检测位置。共视相机对同一个检测点进行检测,得到基于共视参数的参数计算得到的检测位置。其中,目标相机的检测位置和共视相机的检测位置是以不同的相机参数计算得到的结果。在目标相机的参数和共视相机的参数均正确的情况下,目标相机的检测位置和共视相机的检测位置相同。目标相机对每个检测点进行检测得到对应的检测位置,并且,共视相机对每个检测点进行检测得到对应的检测位置。
可选的,所述获取所述目标相机针对所述检测点的检测位置,包括:在所述重叠采集区域中,获取所述检测点的二维像素坐标,并转换为所述目标相机对应的三维相机坐标系下的三维相机坐标;根据所述目标相机的外参,将所述三维相机坐标转换为世界坐标系下的世界相机坐标,并确定为所述目标相机针对所述检测点的检测位置。
重叠采集区域是指图像中的区域,重叠采集区域中的像素点为二维坐标系下的坐标点。目标相机在重叠采集区域中对检测点进行检测,得到二维像素坐标,并基于目标相机的内参,将二维像素坐标转换为目标相机对应的三维相机坐标系下的三维相机坐标。基于目标相机的外参,将三维相机坐标转换为世界坐标系下的世界相机坐标,确定为目标相机针对检测点的检测位置。具体的,可以通过如下公式,将二维像素坐标转换为三维相机坐标系下的三维相机坐标:
通过如下公式,将三维相机坐标转换为世界坐标系下的世界相机坐标:
其中,表示表示二维像素坐标的齐次坐标,/>表示相机坐标系下的三维相机坐标,/>表示世界坐标系坐标下的世界相机坐标,K表示相机内参,R为旋转矩阵,t为平移向量,GROUND_COEFF表示将地面方程作用于相机坐标系下的坐标。其中,相机的外参包括R、t和地面方程等。相机内参用于将二维像素坐标转换为相机对应的三维相机坐标系下的三维相机坐标;相机的外参用于将三维相机坐标转换为世界坐标系下的世界相机坐标。
此外,获取共视相机针对检测点的检测位置,可以参考获取目标相机针对检测点的检测位置的步骤。
在本申请实施例中,相机的内参默认正确,检测位置之间的差距由相机的外参确定,从而,检测误差用于确定目标相机外参的准确性。
通过在重叠采集区域中,确定检测点的二维像素坐标,并转换为三维相机坐标,以及根据目标相机的外参,最终转换为世界相机坐标,作为由目标相机的外参确定的检测位置,从而确定目标相机外参的准确性,为相机外参提供了检测误差的定量判断,便于后续调整相机外参,从而提高相机外参的准确性。
在一个具体的例子中,图6为目标相机采集的图像,如图6所示,黑圆圈为检测点在目标相机采集的图像中的检测位置,图7为共视相机采集的图像,如图7所示,黑圆圈为检测点在共视相机采集的图像中的检测位置,图8为共视相机采集的图像,如图8所示,一个黑圆圈为目标相机的检测位置映射到共视相机采集的图像中的检测位置,一个黑圆圈为检测点在共视相机采集的图像中的检测位置。两个黑圆圈不重叠,两个黑圆圈分别对应的检测位置之间的距离,为目标相机和共视相机针对该检测点的检测误差。
S204,针对每个所述检测点,计算所述目标相机的检测位置和所述共视相机的检测位置之间的距离,确定为共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域。
一个检测点对应一个检测误差,根据检测点在目标相机中的检测位置,与在共视相机中的检测位置,计算该检测点对应的检测误差。可以通过两点间距离公式,计算同一个检测点在目标相机的检测位置和共视相机的检测位置之间的距离。检测点的数量与检测误差的数量相同。目标相机的检测位置和共视相机的检测位置均为投影到真实三维世界的位置,相应的,两个检测位置之间的距离,为真实三维世界中长度,从而检测误差可以真实三维世界中的实际误差。
在智慧交通的应用场景中,一些相机的参数检测方法,利用高精度地图将其中的标志点投影到相机采集的图像上,计算像素的重合误差,这实际是在图像上进行像素级别的评估,相当于是定性的方式对相机参数进行准确性检测。本申请实施例通过计算目标相机关联的检测误差,可以定量反映到真实三维世界中的实际距离误差,将目标相机的检测误差量化为真实三维世界的长度,可以提高检测误差的准确性,从而提高检测误差检测相机参数的准确性,可以提高相机参数的准确性检测结果的准确性。
S205,根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性。
可选的,所述根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性,包括:将所述目标相机关联的检测误差与误差阈值进行比较;根据至少一个比较结果,确定所述目标相机的参数准确性。
误差阈值用于判断目标相机的参数是否准确。根据检测误差与误差阈值的大小关系,确定目标相机的参数是否准确。
目标相机的共视相机的数量包括至少一个,目标相机与每个共视相机均存在检测误差,同时,目标相机与每个共视相机针对至少一个检测点均存在至少一个检测误差,相应的,目标相机关联的检测误差的数量包括至少一个。每个检测误差与误差阈值均可以比较,相应的,可以得到至少一个比较结果。可以对比较结果进行统计,确定目标相机的参数准确性。
在比较结果的数量为一个的情况下,示例性的,在检测误差小于误差阈值的情况下,确定目标相机的参数准确;在检测误差大于等于误差阈值的情况下,确定目标相机的参数不准确。例如,检测误差为0.24米,误差阈值为0.6米,0.24小于0.6,从而检测误差小于误差阈值,确定目标相机的参数准确。
在比较结果的数量为多个的情况下,示例性的,可以统计检测误差小于误差阈值的比较结果的第一数量,以及统计检测误差大于等于误差阈值的比较结果的第二数量,在第一数量大于第二数量的情况下,确定目标相机的参数准确;在第一数量小于等于第二数量的情况下,确定目标相机的参数不准确。或者,还可以在第二数量为0的情况下,确定目标相机的参数准确;在第二数量非0的情况下,确定目标相机的参数不准确。此外,还有其他情况,可以根据需要进行设定,对此不具体限制。
通过配置误差阈值,并与检测误差进行比较,根据至少一个比较结果,确定目标相机的参数准确性,可以定量比较,提高参数检测准确性,同时,还可以综合考虑多个比较结果,进一步提高参数检测准确性。
可选的,所述根据至少一个比较结果,确定所述目标相机的参数准确性,包括:在各所述检测误差均小于所述误差阈值的情况下,确定所述目标相机的参数准确;在存在检测误差大于等于所述误差阈值的情况下,确定所述目标相机的参数不准确。
目标相机与任意一个共视相机的检测误差均小于误差阈值,表明根据目标相机的参数确定的检测位置非常接近真实值,从而确定目标相机的参数准确;目标相机与至少一个共视相机的检测误差大于等于误差阈值,表明根据目标相机的参数确定的检测位置与真实值差别较大,从而确定目标相机的参数不准确。
实际上,在目标相机的参数准确的情况下,目标相机与任意一个共视相机的检测误差均会很小,也即目标相机的检测位置与任意一个共视相机的检测位置均很近。相应的,可以通过统计目标相机的检测位置与各共视相机的检测位置是否都相近,来判断目标相机的参数是否准确。
可以通过如下表1和表2,记录目标相机与任意一个共视相机的检测误差。
表1
表2
其中,相机1-4是彼此存在相同的重叠的采集区域的4个相机。相机1-4分别和相机5-8存在重叠的采集区域。目标相机和每个共视相机均针对两个检测点计算检测误差。其中,表1和表2中第一列表示目标相机,第一行表示共视相机。其中,在表1和表2中,每个目标相机和共视相机之间存在两个检测误差。在表1中,相机1和相机1之间不存在检测误差,相机2和相机2之间不存在检测误差,相机3和相机3之间不存在检测误差,相机4和相机4之间不存在检测误差,用横线表示。
通过仅在目标相机与任意一个共视相机的检测误差均小于误差阈值的情况下,确定目标相机的参数准确,提高相机的参数准确性的判断标准,可以提高参数检测准确性。
此外,在确定目标相机的外参不准确的情况下,还可以包括:对外参不准确的目标相机进行下一步的检查或者重新标定外参。
根据本申请的技术方案,获取目标相机和公式相机采集的图像,确定重叠采集区域,在重叠采集区域中以相应的相机参数,计算检测点的检测位置,并计算两个检测位置之间的距离确定为检测误差,可以将检测误差量化为长度,提高检测误差的准确性,从而提高检测误差检测相机参数的准确性,最终提高相机参数的准确性检测结果的准确性。
根据本申请的实施例,图9是本申请实施例中的相机参数的确定装置的结构图,本申请实施例适用于生成用于对截断的物体进行目标检测的图像样本的情况。该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图9所示的一种相机参数的确定装置300,包括:相机检测误差确定模块301和相机参数准确检测模块302;其中,
相机检测误差确定模块301,用于确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域;
相机参数准确检测模块302,用于根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性。
根据本申请的技术方案,确定目标相机与至少一个共视相机之间的检测误差,可以将检测误差进行量化,从而提高检测误差的检测准确率和精度,并根据检测误差确定目标相机的参数准确性,可以根据具体的量化数值检测目标相机的参数准确性,提高目标相机参数准确性的检测准确率,而且提供了检测误差的定量判断,便于后续调整相机参数,从而提高相机参数的准确性。
进一步的,所述相机检测误差确定模块301,包括:重叠采集区域确定单元,用于获取目标相机采集的图像,和共视相机采集的图像,并确定共视相机与目标相机之间的重叠采集区域;检测点确定单元,用于在所述重叠采集区域中确定至少一个检测点;位置检测单元,用于针对每个所述检测点,分别获取所述目标相机和所述共视相机针对所述检测点的检测位置;检测误差计算单元,用于针对每个所述检测点,计算所述目标相机的检测位置和所述共视相机的检测位置之间的距离,确定为共视相机与目标相机之间的检测误差。
进一步的,所述位置检测单元,包括:三维相机坐标确定子单元,用于在所述重叠采集区域中,获取所述检测点的二维像素坐标,并转换为所述目标相机对应的三维相机坐标系下的三维相机坐标;世界相机坐标确定子单元,用于根据所述目标相机的外参,将所述三维相机坐标转换为世界坐标系下的世界相机坐标,并确定为所述目标相机针对所述检测点的检测位置。
进一步的,所述检测点包括所述重叠的采集区域中标志线上的角点。
进一步的,所述相机参数准确检测模块302,包括:误差阈值比较单元,用于将所述目标相机关联的检测误差与误差阈值进行比较;比较分析单元,用于根据至少一个比较结果,确定所述目标相机的参数准确性。
进一步的,所述比较分析单元,包括:准确检测子单元,用于在各所述检测误差均小于所述误差阈值的情况下,确定所述目标相机的参数准确;不准确检测子单元,用于在存在检测误差大于等于所述误差阈值的情况下,确定所述目标相机的参数不准确。
进一步的,所述目标相机的采集区域,和所述共视相机的采集区域,包括同一路口区域。
上述目标检测装置可执行本申请任意实施例所提供的相机参数的确定方法,具备执行相机参数的确定方法相应的功能模块和有益效果。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质、路测设备、云控平台和计算机程序产品。
如图10所示,是根据本申请实施例的相机参数的确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如相机参数的确定方法。例如,在一些实施例中,相机参数的确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的相机参数的确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行相机参数的确定方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
其中,本申请任一实施例提供的电子设备可以应用于智慧交通***,或者应用于为智慧交通***提供服务的平台中。
可选的,路侧设备可以包括本申请任一实施例提供的电子设备。
其中,路侧设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算。可选的,电子设备自身也可以具备感知数据获取功能和通信功能,例如是人工智能(Artificial Intelligence,AI)相机,电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算。
其中,路侧设备(Road Side Unit,RSU)是智能道路***的核心,起到连接路侧设施,和传递道路信息给车载终端以及云端的作用,可以实现后台通信功能、信息广播功能和高精定位地基增强功能等。
通过在路侧设备中配置本申请任一实施例提供的电子设备,可以使路侧设备检测相机的参数准确性,提高相机的参数的检测准确率,进而使路侧设备根据准确的相机采集的图像进行后续操作,提高操作准确性,例如提高行人或车辆等物体的检测准确率。
可选的,云控平台可以包括本申请任一实施例提供的电子设备。
其中,云控平台在云端执行处理,云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算;云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心***或云端服务器等。
通过在云控平台中配置本申请任一实施例提供的电子设备,可以使云控平台检测相机的参数准确性,提高相机的参数的检测准确率,进而使云控平台将准确的目标检测结果传输给需要的设备进行后续操作,提高操作准确性,例如提高避障准确性,以及提高规划的路线安全性等。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
根据本申请的技术方案,确定目标相机与至少一个共视相机之间的检测误差,可以将检测误差进行量化,从而提高检测误差的检测准确率和精度,并根据检测误差确定目标相机的参数准确性,可以根据具体的量化数值检测目标相机的参数准确性,提高目标相机参数准确性的检测准确率,而且提供了检测误差的定量判断,便于后续调整相机参数,从而提高相机参数的准确性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种相机参数的确定方法,包括:
确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域;
根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性;
所述确定至少一个共视相机与目标相机之间的检测误差包括:
获取目标相机采集的图像,和所述共视相机采集的图像,并确定所述共视相机与所述目标相机之间的重叠采集区域;
在所述重叠采集区域中确定至少一个检测点;
针对每个所述检测点,分别获取所述目标相机和所述共视相机针对所述检测点的检测位置;
针对每个所述检测点,计算所述目标相机的检测位置和所述共视相机的检测位置之间的距离,确定为所述共视相机与所述目标相机之间的检测误差;
所述获取所述目标相机针对所述检测点的检测位置,包括:
在所述重叠采集区域中,获取所述检测点的二维像素坐标,并转换为所述目标相机对应的三维相机坐标系下的三维相机坐标;
根据所述目标相机的外参,将所述三维相机坐标转换为世界坐标系下的世界相机坐标,并确定为所述目标相机针对所述检测点的检测位置。
2.根据权利要求1所述的方法,其中,所述检测点包括所述重叠的采集区域中标志线上的角点。
3.根据权利要求1所述的方法,其中,所述根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性,包括:
将所述目标相机关联的检测误差与误差阈值进行比较;
根据至少一个比较结果,确定所述目标相机的参数准确性。
4.根据权利要求3所述的方法,其中,所述根据至少一个比较结果,确定所述目标相机的参数准确性,包括:
在各所述检测误差均小于所述误差阈值的情况下,确定所述目标相机的参数准确;
在存在检测误差大于等于所述误差阈值的情况下,确定所述目标相机的参数不准确。
5.根据权利要求1所述的方法,其中,所述目标相机的采集区域,和所述共视相机的采集区域,包括同一路口区域。
6.一种相机参数的确定装置,包括:
相机检测误差确定模块,用于确定至少一个共视相机与目标相机之间的检测误差,作为所述目标相机关联的检测误差;其中,所述目标相机与所述共视相机之间存在重叠的采集区域;
相机参数准确检测模块,用于根据所述目标相机关联的检测误差,确定所述目标相机的参数准确性;
所述相机检测误差确定模块,包括:
重叠采集区域确定单元,用于获取目标相机采集的图像,和共视相机采集的图像,并确定共视相机与目标相机之间的重叠采集区域;
检测点确定单元,用于在所述重叠采集区域中确定至少一个检测点;
位置检测单元,用于针对每个所述检测点,分别获取所述目标相机和所述共视相机针对所述检测点的检测位置;
检测误差计算单元,用于针对每个所述检测点,计算所述目标相机的检测位置和所述共视相机的检测位置之间的距离,确定为共视相机与目标相机之间的检测误差;
所述位置检测单元,包括:
三维相机坐标确定子单元,用于在所述重叠采集区域中,获取所述检测点的二维像素坐标,并转换为所述目标相机对应的三维相机坐标系下的三维相机坐标;
世界相机坐标确定子单元,用于根据所述目标相机的外参,将所述三维相机坐标转换为世界坐标系下的世界相机坐标,并确定为所述目标相机针对所述检测点的检测位置。
7.根据权利要求6所述的装置,其中,所述检测点包括所述重叠的采集区域中标志线上的角点。
8.根据权利要求6所述的装置,其中,所述相机参数准确检测模块,包括:
误差阈值比较单元,用于将所述目标相机关联的检测误差与误差阈值进行比较;
比较分析单元,用于根据至少一个比较结果,确定所述目标相机的参数准确性。
9.根据权利要求8所述的装置,其中,所述比较分析单元,包括:
准确检测子单元,用于在各所述检测误差均小于所述误差阈值的情况下,确定所述目标相机的参数准确;
不准确检测子单元,用于在存在检测误差大于等于所述误差阈值的情况下,确定所述目标相机的参数不准确。
10.根据权利要求6所述的装置,其中,所述目标相机的采集区域,和所述共视相机的采集区域,包括同一路口区域。
11. 一种电子设备,其中,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权利要求1-5中任一项所述的相机参数的确定方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1-5中任一项所述的相机参数的确定方法。
13.一种路侧设备,包括如权利要求11所述的电子设备。
14.一种云控平台,包括如权利要求11所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429760.4A CN113112551B (zh) | 2021-04-21 | 2021-04-21 | 相机参数的确定方法、装置、路侧设备和云控平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429760.4A CN113112551B (zh) | 2021-04-21 | 2021-04-21 | 相机参数的确定方法、装置、路侧设备和云控平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112551A CN113112551A (zh) | 2021-07-13 |
CN113112551B true CN113112551B (zh) | 2023-12-19 |
Family
ID=76719150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110429760.4A Active CN113112551B (zh) | 2021-04-21 | 2021-04-21 | 相机参数的确定方法、装置、路侧设备和云控平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112551B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592951A (zh) * | 2021-07-14 | 2021-11-02 | 阿波罗智联(北京)科技有限公司 | 车路协同中路侧相机外参标定的方法、装置、电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231754A (zh) * | 2008-02-03 | 2008-07-30 | 四川虹微技术有限公司 | 多视角视频图像深度搜索方法及深度估计方法 |
CN102743184A (zh) * | 2012-05-14 | 2012-10-24 | 清华大学 | 一种x射线锥束计算机层析成像***的几何参数标定方法 |
CN104766291A (zh) * | 2014-01-02 | 2015-07-08 | 株式会社理光 | 多台摄像机标定方法和*** |
CN106228564A (zh) * | 2016-07-29 | 2016-12-14 | 国网河南省电力公司郑州供电公司 | 多目相机的外参数两步联合在线标定方法及*** |
CN109360245A (zh) * | 2018-10-26 | 2019-02-19 | 魔视智能科技(上海)有限公司 | 无人驾驶车辆多相机***的外参数标定方法 |
CN111435539A (zh) * | 2019-01-15 | 2020-07-21 | 苏州沃迈智能科技有限公司 | 一种基于联合优化的多相机***外参标定方法 |
CN112381889A (zh) * | 2020-11-19 | 2021-02-19 | 北京百度网讯科技有限公司 | 相机检验方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3040941B1 (en) * | 2014-12-29 | 2017-08-02 | Dassault Systèmes | Method for calibrating a depth camera |
-
2021
- 2021-04-21 CN CN202110429760.4A patent/CN113112551B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231754A (zh) * | 2008-02-03 | 2008-07-30 | 四川虹微技术有限公司 | 多视角视频图像深度搜索方法及深度估计方法 |
CN102743184A (zh) * | 2012-05-14 | 2012-10-24 | 清华大学 | 一种x射线锥束计算机层析成像***的几何参数标定方法 |
CN104766291A (zh) * | 2014-01-02 | 2015-07-08 | 株式会社理光 | 多台摄像机标定方法和*** |
CN106228564A (zh) * | 2016-07-29 | 2016-12-14 | 国网河南省电力公司郑州供电公司 | 多目相机的外参数两步联合在线标定方法及*** |
CN109360245A (zh) * | 2018-10-26 | 2019-02-19 | 魔视智能科技(上海)有限公司 | 无人驾驶车辆多相机***的外参数标定方法 |
CN111435539A (zh) * | 2019-01-15 | 2020-07-21 | 苏州沃迈智能科技有限公司 | 一种基于联合优化的多相机***外参标定方法 |
CN112381889A (zh) * | 2020-11-19 | 2021-02-19 | 北京百度网讯科技有限公司 | 相机检验方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
飞行时间深度相机和彩色相机的联合标定;周杰 等;《信号处理》;第33卷(第01期);第69-77页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112551A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102581429B1 (ko) | 장애물을 탐지하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
CN113989450B (zh) | 图像处理方法、装置、电子设备和介质 | |
CN112598750B (zh) | 路侧相机标定方法、装置、电子设备和存储介质 | |
CN111241988B (zh) | 一种结合定位信息的大场景内运动目标检测识别方法 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN112967344B (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
CN113029128B (zh) | 视觉导航方法及相关装置、移动终端、存储介质 | |
WO2022217988A1 (zh) | 传感器配置方案确定方法、装置、计算机设备、存储介质及程序 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN112967345A (zh) | 鱼眼相机的外参标定方法、装置以及*** | |
CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN112509058B (zh) | 外参的计算方法、装置、电子设备和存储介质 | |
CN113344906A (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
CN111985266A (zh) | 尺度图确定方法、装置、设备及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN116129422A (zh) | 单目3d目标检测方法、装置、电子设备和存储介质 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN115272482A (zh) | 一种相机外参标定方法及存储介质 | |
CN116245730A (zh) | 图像拼接的方法、装置、设备以及存储介质 | |
CN111950420A (zh) | 一种避障方法、装置、设备和存储介质 | |
CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 | |
CN113379591B (zh) | 速度确定方法、速度确定装置、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 |