CN113834638A - 视场角确定方法、装置、设备及存储介质 - Google Patents
视场角确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113834638A CN113834638A CN202111033747.3A CN202111033747A CN113834638A CN 113834638 A CN113834638 A CN 113834638A CN 202111033747 A CN202111033747 A CN 202111033747A CN 113834638 A CN113834638 A CN 113834638A
- Authority
- CN
- China
- Prior art keywords
- image
- field
- key points
- different
- fisheye 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 61
- 230000000007 visual effect Effects 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000012163 sequencing technique Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 239000003086 colorant Substances 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000007639 printing Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/02—Diagnosis, testing or measuring for television systems or their details for colour television signals
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种视场角确定方法、装置、设备及存储介质。所述方法包括:基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像;对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征;根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点;基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角;根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。本申请实施例可以提高鱼眼相机视场角的预测精度。
Description
技术领域
本申请实施例涉及相机视场角预测技术领域,特别涉及一种相机视场角确定方法、装置、设备及存储介质。
背景技术
智能物联网行业的视觉技术迅速发展,依托于宽视场角的镜头、相机,环视监控、视觉设备可以达到高信息量、低硬件投入的目的,基于此,鱼眼镜头就显得尤为重要。
鱼眼镜头视角多在180°左右,甚至超过180°。当前典型的产品大多用于环视拍摄、特殊视频拍摄。对于典型的环视产品而言,鱼眼镜头的视场角大小直接决定相机配比状态。比如,要达到360度全景,单个鱼眼镜头的视场角为175度,则每个环视相机需要3台鱼眼相机组合。假设单个鱼眼镜头的视场角为200度,则需要2台就可以了。而相机视角在180度附近时对产品、硬件选型尤其重要,因此,对鱼眼镜头视场角的高精度测量方法需求也就越来越高。
目前常用的鱼眼镜头视场角的测试方法为:拍摄专用测量治具(通常以覆盖整体视场为准),然后利用图像分割技术,将治具内图像基本内容做自动提取,针对提取的特征做特征降维,并基于降维后的特征状态来估计拍摄范围,从而计算视场角。
而上述方式,由于设备安装工艺、治具精度的差异,会导致图像内容提取精度不足,引起评估模型的交点坐标计算误差,从而导致计算的视场角的精度较低。
发明内容
本申请实施例提供了一种视场角确定方法、装置、设备及存储介质,可用于提高鱼眼相机视场角的预测精度。技术方案如下:
一方面,本申请实施例提供一种视场角确定方法,所述方法包括:
基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像;所述测试箱体为正方形箱体,所述测试箱体的第一侧面预留有图像采集孔,所述测试箱体的除所述第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,所述两种颜色包括白色和除白色外的其它颜色,且所述测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),所述待测试图像为包括所述五个内表面上的其它颜色的图像;
对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征;
根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点;
基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角;
根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。
另一方面,本申请实施例提供一种视场角确定装置,所述装置包括:
待测试图像获取模块,用于基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像;所述测试箱体为正方形箱体,所述测试箱体的第一侧面预留有图像采集孔,所述测试箱体的除所述第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,所述两种颜色包括白色和除白色外的其它颜色,且所述测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),所述待测试图像为包括所述五个内表面上的其它颜色的图像;
色块信息特征获取模块,用于对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征;
排序关键点获取模块,用于根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点;
视场角确定模块,用于基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角;
相机视场角确定模块,用于根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。
再一方面,本申请实施例提供一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所述的方法。
又一方面,本申请实施例提供一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的方法。
又一方面,本申请实施例提供一种计算机程序产品,当该计算机程序产品被执行时,其用于执行上述方面所述的方法。
本申请实施例提供的技术方案中,通过提供测试箱体,可以针对鱼眼相机进行专用测量,不需要额外额外专业的测试设备,能够降低相机视场角的测试成本。且通过关键点在不同方向的分布与实际距离,可以达到亚像素级别的视场角计算,提高了鱼眼相机视场角的测量精度。
附图说明
图1是本申请实施例提供的一种视场角确定方法的步骤流程图;
图2是本申请实施例提供的一种测试箱体的示意图;
图3是本申请实施例提供的一种测试箱体展开平面的示意图;
图4是本申请实施例提供的一种测试箱体内表面成像的示意图;
图5是本申请实施例提供的一种待测试图像的示意图;
图6是本申请实施例提供的一种视场角确定装置的结构示意图;
图7是本申请一个实施例提供的计算机设备的结构框图。
具体实施方式
下面将结合附图对本申请实施方式作进一步地详细描述。
参照图1,示出了本申请实施例提供的一种视场角确定方法的步骤流程图,如图1所示,该视场角确定方法可以包括如下步骤:
步骤101:基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像。
本申请实施例可以应用于对鱼眼相机的视场角进行测量的场景中。
本实施例提供了一种专用的测试箱体,该测试箱体可以结合图2和3进行如下详细描述。
参照图2,示出了本申请实施例提供的一种测试箱体的示意图,如图2所示,该测试箱体为正方体结构,测试箱体的长宽高参数可以鱼眼相机焦平面距离为准,例如,鱼眼相机的焦平面为0.5m,则该测试箱体的长宽高为0.5m等。在测试箱体的一个侧面(即第一侧面)预留有图像采集孔,该图像采集孔可以用于鱼眼相机对箱体内表面进行图像采集。
参照图3,示出了本申请实施例提供的一种测试箱体展开面的示意图,如图3所示,测试箱体上除第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,两种颜色包括白色和除白色外的其它颜色,且测试箱体正对的内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0)。每个内表面的成像图像可以如图4所示。
待测试图像为包括五个内表面上的其它颜色的图像,如图3所示,内表面的样式可以为棋盘格样式,也可以为点图样式或网格样式等,具体地,可以根据业务需求而定,本实施例对此不加以限制。在第一侧面上还设置有相机固定装置,以在鱼眼相机拍摄时对鱼眼相机进行固定,外部电源接入口,以提供电能,还设置有光源调整设备,以在鱼眼相机进行内表面的图像采集时,对光源进行调整,以避免拍摄的图像出现过曝现象。标准面(即第一侧面)光源需要固定色温,亮度采用硬件控制电路控制,支持亮度可调,典型的色温为6500K,亮度控制在200~2000lux即可,相机固定装置需要与根据相机设备大小做可控收缩,具体地可控收缩方式可以采用惯用的方式,本实施例对此不加以限制。
在采用鱼眼相机对测试箱体的内表面进行图像拍摄时,可以将鱼眼相机放置到固定装置,打开光源,调整光源至鱼眼相机拍摄画面没有明显过曝,调整鱼眼相机位置,确保视野内每个棋盘格(也可以为网格或点图等)都能看清,同时视轴方向需要调整到拍摄棋盘格(也可以为网格或点图等)中心并固定鱼眼相机,确保鱼眼相机在拍摄过程中不会发生移动,然后执行拍摄过程,得到待测试图像,在拍摄完成之后,即可关闭光源电源,解除鱼眼相机的固定。
采用鱼眼相机拍摄的图像可以如图5所示,拍摄的图像同时包含除第一侧面外的其它侧面的内表面,从而可以形成一张包含五个侧面内表面的待测试图像。
在基于鱼眼相机对测试箱体的内表面进行图像拍摄得到待测试图像之后,执行步骤102。
步骤102:对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征。
在得到待测试图像之后,可以提取待测试图像中不同色块的特征,以得到待测试图像上的不同色块的色块信息特征,对于色块信息的获取过程可以结合下述具体实现方式进行详细描述。
在本申请的一种具体实现方式中,上述步骤102可以包括:
子步骤A1:基于预置聚类算法,对所述待测试图像的图像像素进行聚类处理。
在本实施例中,在得到待测试图像之后,可以基于预置聚类算法对待测试图像的图像像素进行聚类处理,具体地聚类处理过程可以为:利用待测试图像的RGB色彩信息进行聚类,可以采用典型的K-means聚类算法进行聚类,首先,聚类目标可以为4类,聚类初始中心分别为:(255,255,255)、(255,0,0)、(0,0,0)、(0,0,255)。
在基于预置聚类算法对待测试图像的图像像素进行聚类处理之后,执行子步骤A2。
子步骤A2:依据聚类结果,对所述待测试图像进行二值化处理,生成二值化图像。
在基于预置聚类算法对待测试图像的图像像素进行聚类处理之后,可以依据聚类结果对待测试图像进行二值化处理,以得到二值化图像,具体地,可以筛选聚类中心靠近其它颜色中任一种颜色的所有像素位置,对原图图像(即待测试图像)进行二值化处理,处理得到二值化图像,处理方式为:归类到任一种颜色的所有像素位置设为1,其它像素位置设为0。
在依据聚类结果对待测试图像进行二值化图像生成二值化图像之后,执行子步骤A3。
子步骤A3:对所述二值化图像进行形态学开处理,得到处理图像。
形态学开处理是指对图像进行先腐蚀后膨胀处理,以使图像的轮廓变得光滑,还可以使图像上狭窄的连接断开和消除细毛刺等。
在得到二值化图像之后,可以对二值化图像进行形态学开处理,以得到处理图像,进而,执行子步骤A4。
子步骤A4:获取所述处理图像中的凸包,并根据所述凸包的轮廓,确定不同色块的色块信息特征。
凸包(Convex Hull)是一个计算几何(图形学)中的概念,在给定二维平面上的点集,凸包即是将最外层的点连接起来构成的凸多边形,它即包含点击中所有的点。
在获取到处理图像之后,可以计算处理后的每个凸包,并根据凸包的轮廓确定不同色块的色块信息特征,即凸包的轮廓即为不同色块的色块信息特征。
在对待测试图像进行特征提取处理得到待测试图像上的不同色块的色块信息特征之后,执行步骤103。
步骤103:根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点。
在提取到待测试图像上不同色块的色块信息特征信息之后,可以根据不同色块的色块信息特征,提取不同色块内的像素关键点,并对像素关键点按照行列的方式进行排序,以得到不同色块对应的排序关键点,具体地,可以结合下述具体实现方式进行详细描述。
在本申请的另一种具体实现方式中,上述步骤103可以包括:
子步骤B1:根据相同颜色的色块的色块信息特征,计算得到所述相同颜色的色块的色块中心点。
在本实施例中,在获取到待测试图像上不同色块的色块信息特征之后,可以对于同色块的信息特征,计算每个色块的色块中心点,具体地计算方式可以参照下述公式(1):
在根据相同颜色的色块的色块信息特征计算得到相同颜色的色块的色块中心点之后,执行子步骤B2。
子步骤B2:获取所述相同颜色的色块上的关键点。
在提取不同色块的色块信息特征之后,可以获取相同颜色的色块上的关键点。
在获取相同颜色的色块上的关键点之后,执行子步骤B3。
子步骤B3:基于所述关键点至所述色块中心点之间的欧式距离,确定所述关键点中的旋转关键点。
在获取到相同颜色的色块中心点和关键点之后,可以关键点与色块中心点之间的欧式距离,并根据欧式距离确定出关键点中的旋转关键点,具体地,可以选择色块面上距离色块中心点最远的1个关键点(xt,yt)作为旋转关键点。
在基于关键点与色块中心点之间的欧式距离确定出关键点中的旋转关键点之后,执行子步骤B4。
子步骤B4:基于所述旋转关键点对所有色块面上的关键点进行旋转校正处理。
在获取到旋转关键点之后,可以基于旋转关键点对所有色块面上的关键点进行旋转校正,具体地,可以结合每个色块面上的旋转关键点对该色块面上的关键点进行旋转校正。
在基于旋转关键点对所有色块面上的关键点进行旋转校正处理之后,执行子步骤B5。
子步骤B5:根据校正结果,获取校正中心点和校正关键点。
在基于旋转关键点对所有色块面上的关键点进行旋转校正处理之后,可以根据校正结果获取色块面上的校正中心点和校正关键点。
在得到校正中心点和校正关键点之后,执行子步骤B6。
子步骤B6:基于所述校正中心点,获取所述校正关键点在行方向、列方向的关键点位置信息。
子步骤B7:基于所述关键点位置信息,确定所述排序关键点。
在得到校正中心点之后,可以基于校正中心点,获取校正关键点在行方向、列方向的关键点位置信息,并基于关键点位置信息确定排序关键点,具体地,基于校正后的中心坐标(x′c,y′c)按照中心行方向,筛选出距离y方向最近的校正后关键点集,然后,按照y轴正方向寻找最接近原点的关键点,定义标号为(0,1),然后按同方向查找最接近(0,1)关键点的校正后点,定义标号为(0,2),以此类推,直至正方向查找完毕;按照同样的方式,按照y轴负方向,寻找关键点,分别定义坐标为(0,-1),(0,-2),……同理,x轴方向的关键点位置也可以如此确认;找到最接近的四个点;
通过上述计算,可以组成坐标系4个象限,每个象限首先找到并定义45度方向离原点最近关键点位置,然后以找到的关键点作为参考点,以上述相同的查找方式,找到并定义参考点x,y方向的关键点,然后依次找到第一象限不同参考方向的点位置;同理,可以找到并定义第二、三、四象限的关键点;经过该步骤处理后,可以得到垂直面所有关键点的校正后坐标以及每个关键点在行、列方向的位置信息,基于该位置信息即可得到所有校正关键点进行排序,即可得到排序关键点。
在根据色块信息特征提取不同色块内的像素关键点,并对像素关键点进行排序得到不同色块对应的排序关键点之后,执行步骤104。
步骤104:基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角。
在得到排序关键点之后,可以基于排序关键点、鱼眼相机的焦距、鱼眼相机的主视轴到垂直于主视轴的焦点之间的物距,确定在不同视场方向上的视场角,具体地,可以结合下述具体实现方式进行详细描述。
在本申请的一种具体实现方式中,上述步骤104可以包括:
子步骤C1:获取所述排序关键点中与所述校正中心点距离最近的两个关键点。
在获取到排序关键点中与校正中心点距离最近的两个关键点之后,执行子步骤C2。
子步骤C2:获取所述两个关键点之间的欧式距离。
在获取到排序关键点中与校正中心点距离最近的两个关键点之间的欧式距离之后,执行子步骤C3。
子步骤C3:根据所述鱼眼相机的焦距与所述待测试图像上相邻两个色块之间的真实距离,计算得到所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距。
物距是指鱼眼相机的主视轴到垂直于主视轴的焦点之间的距离。
在本示例中,可以根据鱼眼相机的焦距与待测试图像上相邻两个色块之间的真实距离,计算得到鱼眼相机的主视轴到垂直于主视轴的交点之间的物距,具体地,基于相机本身的焦距f以及实际图卡单个模式设计的尺寸长为d,可以结合下述公式计算物距:
上述公式中,do为物距,r为欧式距离。
在根据鱼眼相机的焦距与待测试图像上相邻两个色块之间的真实距离,计算得到鱼眼相机的主视轴到垂直于主视轴的交点之间的物距之后,执行子步骤C4。
子步骤C4:根据所述欧式距离、所述物距和预置视场角算法,计算得到在不同方向上的视场角。
在获取到物距和欧式距离之后,可以计算得到的欧式距离和物距,并采用预置视场角算法计算得到在不同方向上的视场角,具体地计算过程可以如下述具体实现方式的描述。
在本申请的另一种具体实现方式中,上述子步骤C4可以包括:
子步骤D1:基于所述关键点排列信息,获取校正图像中的关键点坐标。
在本实施例中,在对待测试图像进行校正之后,可以基于关键点排列信息获取校正图像中的关键点坐标,具体地,通过获取的关键点排列信息,从左至右,从上到下找到第5、6行与第5、6列(图卡以10*10为例)的关键点坐标(xr,yr)。
在获取到校正图像中的关键点坐标之后,执行子步骤D2。
子步骤D2:根据所述关键点坐标,获取所述校正图像中位于关键点范围内的子图像。
在获取到关键点坐标值会后,可以根据关键点坐标获取校正图像中位于关键点范围内的子图像,即以关键点坐标为中心点,取位于该中心点的关键点范围内的图像,即为所需获取的子图像。
在根据关键点坐标获取到校正图像中位于关键点范围内的子图像之后,执行子步骤D3。
子步骤D3:根据所述关键点坐标和所述子图像,获取目标行列的角点坐标。
在获取到子图像之后,可以根据关键点坐标和子图像获取目标行列的角点坐标,具体地,基于子图像进行角点计算,可以得到子图像内的角点,然后,挑选出距离关键点坐标均值最近的角点,以作为目标行列的角点,该角点的坐标即为所需获取的目标行列的角点坐标。
在根据关键点坐标和子图像获取到目标行列的角点坐标之后,执行子步骤D4。
子步骤D4:基于所述角点坐标、所述物距和所述欧式距离,计算得到所述待测试图像的真实中心点到所述鱼眼相机的垂直视轴的色块面距离。
色块面距离是指鱼眼相机拍摄图像的真实图像中心到理想状态下鱼眼相机的垂直视轴的距离。
在本实施例中,在获取到角点坐标之后,可以基于角点坐标、物距和欧式距离,计算得到待测试图像的真实中心点到鱼眼相机的垂直视轴的色块面距离,具体地,假设在安装过程中,由于组装造成一定的横轴中心偏移,其角度为Δθ,实际相机的图像中心(xm,ym)(中心坐标分别为图像宽度一半,高度一半),到理想状态下相机视轴垂直的色块面距离d′,它们之间的计算关系可以参考公式(4):
子步骤D5:获取不同视场方向上的视场距离。
视场距离是指视场边界与相应视场方向的子图像的交点与视轴垂直子图像之间的距离。
对于获取不同视场方向上的视场距离的方式为:根据距离不同视场边界点距离最近的相邻关键点,基于相邻关键点的关键点坐标计算得到不同视场方向上的视场欧式距离,然后结合视场欧式距离和真实距离,计算得到在不同视场方向上的视场距离,以左侧视场和右侧视场为例,举例说明如下:
b)右侧视场边界与右侧图卡交点与视轴垂直图卡的距离为dright,其计算方法与a)基本一致,不一样的地方在于需要查找距离右侧边界最近的相邻关键点。
在获取到不同视场方向上的视场距离之后,执行子步骤D6。
子步骤D6:基于所述色块面距离、所述视场距离、所述鱼眼相机的偏移角度和预置视场角算法,计算得到在不同方向上的视场角。
在获取到视场距离之后,可以基于色块面距离、视场距离、鱼眼相机的偏移角度和预置视场角算法,计算得到在不同方向上的视场角。
具体地,可以结合下述公式进行不同视场方向上的视场角的计算:
上述公式中,θ为不同视场方向上的视场角,d0为物距,dm为视场距离,f为所述鱼眼相机的焦距,为真实距离。
对于左侧视场方向和右侧视场方向的视场角计算方式可以结合下述公式的描述:
上述公式中,θleft为左侧方向的视场角,θright为右侧方向的视场角。
在计算得到在不同方向上的视场角之后,执行步骤105。
步骤105:根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。
在获取到不同视场方向上的视场角之后,可以根据不同视场方向上的视场角确定出鱼眼相机的相机视场角,具体地,可以计算不同视场方向上的视场角的视场角和值,并将该视场角和值作为鱼眼相机的相机视场角。
本申请实施例提供的视场角确定方法,通过基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像,测试箱体为正方形箱体,测试箱体的第一侧面预留有图像采集孔,测试箱体的除第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,两种颜色包括白色和除白色外的其它颜色,且测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),待测试图像为包括五个内表面上的其它颜色的图像,对待测试图像进行特征提取处理,得到待测试图像上的不同色块的色块信息特征,根据色块信息特征,提取不同色块内的像素关键点,并对像素关键点进行排序,得到不同色块对应的排序关键点,基于排序关键点、鱼眼相机的焦距、及鱼眼相机的主视轴到垂直于主视轴的交点之间的物距,确定在不同视场方向上的视场角,根据不同视场方向上的视场角,确定鱼眼相机的相机视场角。本申请实施例通过提供测试箱体,可以针对鱼眼相机进行专用测量,不需要额外额外专业的测试设备,能够降低相机视场角的测试成本。且通过关键点在不同方向的分布与实际距离,可以达到亚像素级别的视场角计算,提高了鱼眼相机视场角的测量精度。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
参照图6,示出了本申请实施例提供的一种视场角确定装置的结构示意图,如图6所示,该视场角确定装置600可以包括如下模块:
待测试图像获取模块610,用于基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像;所述测试箱体为正方形箱体,所述测试箱体的第一侧面预留有图像采集孔,所述测试箱体的除所述第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,所述两种颜色包括白色和除白色外的其它颜色,且所述测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),所述待测试图像为包括所述五个内表面上的其它颜色的图像;
色块信息特征获取模块620,用于对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征;
排序关键点获取模块630,用于根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点;
视场角确定模块640,用于基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角;
相机视场角确定模块650,用于根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。
可选地,所述色块信息特征获取模块包括:
像素聚类处理单元,用于基于预置聚类算法,对所述待测试图像的图像像素进行聚类处理;
二值化图像生成单元,用于依据聚类结果,对所述待测试图像进行二值化处理,生成二值化图像;
处理图像获取单元,用于对所述二值化图像进行形态学开处理,得到处理图像;
色块信息特征确定单元,用于获取所述处理图像中的凸包,并根据所述凸包的轮廓,确定不同色块的色块信息特征。
可选地,所述排序关键点获取模块包括:
色块中心点计算单元,用于根据相同颜色的色块的色块信息特征,计算得到所述相同颜色的色块的色块中心点;
关键点获取单元,用于获取所述相同颜色的色块上的关键点;
旋转关键点确定单元,用于基于所述关键点至所述色块中心点之间的欧式距离,确定所述关键点中的旋转关键点;
旋转校正处理单元,用于基于所述旋转关键点对所有色块面上的关键点进行旋转校正处理;
校正点获取单元,用于根据校正结果,获取校正中心点和校正关键点;
关键点位置获取单元,用于基于所述校正中心点,获取所述校正关键点在行方向、列方向的关键点位置信息;
排序关键点确定单元,用于基于所述关键点位置信息,确定所述排序关键点。
可选地,所述视场角确定模块包括:
关键点获取单元,用于获取所述排序关键点中与所述校正中心点距离最近的两个关键点;
欧式距离获取单元,用于获取所述两个关键点之间的欧式距离;
物距计算单元,用于根据所述鱼眼相机的焦距与所述待测试图像上相邻两个色块之间的真实距离,计算得到所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距;
视场角计算单元,用于根据所述欧式距离、所述物距和预置视场角算法,计算得到在不同方向上的视场角。
可选地,所述视场角计算单元包括:
关键点坐标获取子单元,用于基于所述关键点排列信息,获取校正图像中的关键点坐标;
子图像获取子单元,用于根据所述关键点坐标,获取所述校正图像中位于关键点范围内的子图像;
角点坐标获取子单元,用于根据所述关键点坐标和所述子图像,获取目标行列的角点坐标;
色块面距离计算子单元,用于基于所述角点坐标、所述物距和所述欧式距离,计算得到所述待测试图像的真实中心点到所述鱼眼相机的垂直视轴的色块面距离;
视场距离获取子单元,用于获取不同视场方向上的视场距离;
视场角计算子单元,用于基于所述色块面距离、所述视场距离、所述鱼眼相机的偏移角度和预置视场角算法,计算得到在不同方向上的视场角。
可选地,所述视场距离获取子单元包括:
相邻关键点获取子单元,用于获取距离所述不同视场边界点距离最近的相邻关键点;
视场欧式距离计算子单元,用于基于所述相邻关键点的关键点坐标,计算得到不同视场方向上的视场欧式距离;
视场距离计算子单元,用于基于所述视场欧式距离和所述真实距离,计算得到在不同视场方向上的视场距离。
可选地,所述视场角计算子单元包括:
通过下述公式计算得到在不同视场方向上的视场角:
上述公式中,θ为不同视场方向上的视场角,d0为物距,dm为视场距离,f为所述鱼眼相机的焦距,为真实距离。
可选地,所述相机视场角确定模块包括:
相机视场角获取子单元,用于计算不同视场方向上的视场角的视场角和值,并将所述视场角和值作为所述鱼眼相机的相机视场角。
本申请实施例提供的视场角确定装置,通过基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像,测试箱体为正方形箱体,测试箱体的第一侧面预留有图像采集孔,测试箱体的除第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,两种颜色包括白色和除白色外的其它颜色,且测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),待测试图像为包括五个内表面上的其它颜色的图像,对待测试图像进行特征提取处理,得到待测试图像上的不同色块的色块信息特征,根据色块信息特征,提取不同色块内的像素关键点,并对像素关键点进行排序,得到不同色块对应的排序关键点,基于排序关键点、鱼眼相机的焦距、及鱼眼相机的主视轴到垂直于主视轴的交点之间的物距,确定在不同视场方向上的视场角,根据不同视场方向上的视场角,确定鱼眼相机的相机视场角。本申请实施例通过提供测试箱体,可以针对鱼眼相机进行专用测量,不需要额外额外专业的测试设备,能够降低相机视场角的测试成本。且通过关键点在不同方向的分布与实际距离,可以达到亚像素级别的视场角计算,提高了鱼眼相机视场角的测量精度。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图7,其示出了本申请一个实施例提供的计算机设备的结构框图。该计算机设备可用于实施上述实施例中提供的人脸关键点定位模型的训练方法。该计算机设备可以是PC或者服务器,或者其它具备数据处理和存储能力的设备。具体来讲:
所述计算机设备700包括中央处理单元(CPU)701、包括随机存取存储器(RAM)702和只读存储器(ROM)703的***存储器704,以及连接***存储器704和中央处理单元701的***总线705。所述计算机设备1000还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***)706,和用于存储操作***713、应用程序714和其他程序模块715的大容量存储设备707。
所述基本输入/输出***706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中所述显示器708和输入设备709都通过连接到***总线705的输入输出控制器710连接到中央处理单元1001。所述基本输入/输出***706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备707通过连接到***总线705的大容量存储控制器(未示出)连接到中央处理单元701。所述大容量存储设备707及其相关联的计算机可读介质为计算机设备700提供非易失性存储。也就是说,所述大容量存储设备707可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器704和大容量存储设备707可以统称为存储器。
根据本申请的各种实施例,所述计算机设备700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备700可以通过连接在所述***总线705上的网络接口单元711连接到网络712,或者说,也可以使用网络接口单元711来连接到其他类型的网络或远程计算机***(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述视场角确定方法的指令。
在示例中实施例中,还提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集。所述至少一条指令、至少一段程序、代码集或指令集经配置以由一个或者一个以上处理器执行,以实现上述视场角确定方法。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被计算机设备的处理器执行时实现上述人脸关键点定位模型的训练方法。
可选地,上述计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,当该计算机程序产品被执行时,其用于实现上述人脸关键点定位模型的训练方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种视场角确定方法,其特征在于,所述方法包括:
基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像;所述测试箱体为正方形箱体,所述测试箱体的第一侧面预留有图像采集孔,所述测试箱体的除所述第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,所述两种颜色包括白色和除白色外的其它颜色,且所述测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),所述待测试图像为包括所述五个内表面上的其它颜色的图像;
对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征;
根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点;
基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角;
根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。
2.根据权利要求1所述的方法,其特征在于,所述对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征,包括:
基于预置聚类算法,对所述待测试图像的图像像素进行聚类处理;
依据聚类结果,对所述待测试图像进行二值化处理,生成二值化图像;
对所述二值化图像进行形态学开处理,得到处理图像;
获取所述处理图像中的凸包,并根据所述凸包的轮廓,确定不同色块的色块信息特征。
3.根据权利要求2所述的方法,其特征在于,所述根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点,包括:
根据相同颜色的色块的色块信息特征,计算得到所述相同颜色的色块的色块中心点;
获取所述相同颜色的色块上的关键点;
基于所述关键点至所述色块中心点之间的欧式距离,确定所述关键点中的旋转关键点;
基于所述旋转关键点对所有色块面上的关键点进行旋转校正处理;
根据校正结果,获取校正中心点和校正关键点;
基于所述校正中心点,获取所述校正关键点在行方向、列方向的关键点位置信息;
基于所述关键点位置信息,确定所述排序关键点。
4.根据权利要求3所述的方法,其特征在于,所述基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角,包括:
获取所述排序关键点中与所述校正中心点距离最近的两个关键点;
获取所述两个关键点之间的欧式距离;
根据所述鱼眼相机的焦距与所述待测试图像上相邻两个色块之间的真实距离,计算得到所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距;
根据所述欧式距离、所述物距和预置视场角算法,计算得到在不同方向上的视场角。
5.根据权利要求4所述的方法,其特征在于,所述根据所述欧式距离、所述物距和预置视场角算法,计算得到在不同方向上的视场角,包括:
基于所述关键点排列信息,获取校正图像中的关键点坐标;
根据所述关键点坐标,获取所述校正图像中位于关键点范围内的子图像;
根据所述关键点坐标和所述子图像,获取目标行列的角点坐标;
基于所述角点坐标、所述物距和所述欧式距离,计算得到所述待测试图像的真实中心点到所述鱼眼相机的垂直视轴的色块面距离;
获取不同视场方向上的视场距离;
基于所述色块面距离、所述视场距离、所述鱼眼相机的偏移角度和预置视场角算法,计算得到在不同方向上的视场角。
6.根据权利要求5所述的方法,其特征在于,所述获取不同视场方向上的视场距离,包括:
获取距离所述不同视场边界点距离最近的相邻关键点;
基于所述相邻关键点的关键点坐标,计算得到不同视场方向上的视场欧式距离;
基于所述视场欧式距离和所述真实距离,计算得到在不同视场方向上的视场距离。
8.根据权利要求1所述的方法,其特征在于,所述根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角,包括:
计算不同视场方向上的视场角的视场角和值,并将所述视场角和值作为所述鱼眼相机的相机视场角。
9.一种畸变指数确定装置,其特征在于,所述装置包括:
待测试图像获取模块,用于基于鱼眼相机对测试箱体的内表面进行图像拍摄,得到待测试图像;所述测试箱体为正方形箱体,所述测试箱体的第一侧面预留有图像采集孔,所述测试箱体的除所述第一侧面外的其它五个侧面的内表面为两种颜色交替均匀设置的表面,所述两种颜色包括白色和除白色外的其它颜色,且所述测试箱体正对的两个内表面的颜色相同,五个内表面的暗区打印RGB值包括三种,分别为:(0,0,255)、(255,0,0)和(0,0,0),所述待测试图像为包括所述五个内表面上的其它颜色的图像;
色块信息特征获取模块,用于对所述待测试图像进行特征提取处理,得到所述待测试图像上的不同色块的色块信息特征;
排序关键点获取模块,用于根据所述色块信息特征,提取不同色块内的像素关键点,并对所述像素关键点进行排序,得到不同色块对应的排序关键点;
视场角确定模块,用于基于所述排序关键点、所述鱼眼相机的焦距、及所述鱼眼相机的主视轴到垂直于所述主视轴的交点之间的物距,确定在不同视场方向上的视场角;
相机视场角确定模块,用于根据不同视场方向上的视场角,确定所述鱼眼相机的相机视场角。
10.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一项所述的视场角确定方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至8任一项所述的视场角确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111033747.3A CN113834638B (zh) | 2021-09-03 | 2021-09-03 | 视场角确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111033747.3A CN113834638B (zh) | 2021-09-03 | 2021-09-03 | 视场角确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113834638A true CN113834638A (zh) | 2021-12-24 |
CN113834638B CN113834638B (zh) | 2024-05-24 |
Family
ID=78962309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111033747.3A Active CN113834638B (zh) | 2021-09-03 | 2021-09-03 | 视场角确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113834638B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11261868A (ja) * | 1998-03-13 | 1999-09-24 | Fujitsu Ltd | 魚眼レンズカメラ装置及びその画像歪み補正方法及び画像抽出方法 |
US20120154586A1 (en) * | 2010-12-16 | 2012-06-21 | Cheng-Sheng Chung | Calibration circuit for automatically calibrating a view image around a car and method thereof |
US20140064604A1 (en) * | 2012-02-27 | 2014-03-06 | Ningbo University | Method for objectively evaluating quality of stereo image |
CN103996172A (zh) * | 2014-05-08 | 2014-08-20 | 东北大学 | 一种基于多步校正的鱼眼图像校正方法 |
CN106651767A (zh) * | 2016-12-30 | 2017-05-10 | 北京星辰美豆文化传播有限公司 | 一种获取全景图像的方法及装置 |
CN106952219A (zh) * | 2017-03-14 | 2017-07-14 | 成都通甲优博科技有限责任公司 | 一种基于外参数修正鱼眼像机的图像生成方法 |
CN107845101A (zh) * | 2017-09-20 | 2018-03-27 | 深圳市易成自动驾驶技术有限公司 | 车载环视图像的特征点标定方法、装置和可读存储介质 |
US20180150944A1 (en) * | 2016-01-18 | 2018-05-31 | Shenzhen Arashi Vision Company Limited | Method and Device For Rectifying Image Photographed by Fish-Eye Lens |
KR101864765B1 (ko) * | 2017-02-09 | 2018-07-05 | 중앙대학교 산학협력단 | 어안렌즈 왜곡 보정을 이용한 차량 검출 장치 및 방법 |
CN109194954A (zh) * | 2018-09-21 | 2019-01-11 | 上海小萌科技有限公司 | 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 |
CN109377475A (zh) * | 2018-09-20 | 2019-02-22 | 易诚高科(大连)科技有限公司 | 24色卡视频关键帧自动定位与色差时序变化分析方法 |
CN110047109A (zh) * | 2019-03-11 | 2019-07-23 | 南京航空航天大学 | 一种基于自识别标记的相机标定板及其识别检测方法 |
CN110189329A (zh) * | 2019-04-03 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 用于定位色卡的色块区域的***和方法 |
CN110689579A (zh) * | 2019-10-18 | 2020-01-14 | 华中科技大学 | 基于合作目标的快速单目视觉位姿测量方法及测量*** |
CN111866369A (zh) * | 2020-05-28 | 2020-10-30 | 北京迈格威科技有限公司 | 图像处理方法及装置 |
CN111899189A (zh) * | 2020-07-13 | 2020-11-06 | 武汉工程大学 | 一种基于自适应分类拟合鱼眼图像校正方法 |
CN112686824A (zh) * | 2020-12-30 | 2021-04-20 | 北京迈格威科技有限公司 | 图像校正方法、装置、电子设备和计算机可读介质 |
CN113119129A (zh) * | 2021-04-28 | 2021-07-16 | 吕若罡 | 一种基于标准球的单目测距定位方法 |
-
2021
- 2021-09-03 CN CN202111033747.3A patent/CN113834638B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11261868A (ja) * | 1998-03-13 | 1999-09-24 | Fujitsu Ltd | 魚眼レンズカメラ装置及びその画像歪み補正方法及び画像抽出方法 |
US20120154586A1 (en) * | 2010-12-16 | 2012-06-21 | Cheng-Sheng Chung | Calibration circuit for automatically calibrating a view image around a car and method thereof |
US20140064604A1 (en) * | 2012-02-27 | 2014-03-06 | Ningbo University | Method for objectively evaluating quality of stereo image |
CN103996172A (zh) * | 2014-05-08 | 2014-08-20 | 东北大学 | 一种基于多步校正的鱼眼图像校正方法 |
US20180150944A1 (en) * | 2016-01-18 | 2018-05-31 | Shenzhen Arashi Vision Company Limited | Method and Device For Rectifying Image Photographed by Fish-Eye Lens |
CN106651767A (zh) * | 2016-12-30 | 2017-05-10 | 北京星辰美豆文化传播有限公司 | 一种获取全景图像的方法及装置 |
KR101864765B1 (ko) * | 2017-02-09 | 2018-07-05 | 중앙대학교 산학협력단 | 어안렌즈 왜곡 보정을 이용한 차량 검출 장치 및 방법 |
CN106952219A (zh) * | 2017-03-14 | 2017-07-14 | 成都通甲优博科技有限责任公司 | 一种基于外参数修正鱼眼像机的图像生成方法 |
CN107845101A (zh) * | 2017-09-20 | 2018-03-27 | 深圳市易成自动驾驶技术有限公司 | 车载环视图像的特征点标定方法、装置和可读存储介质 |
CN109377475A (zh) * | 2018-09-20 | 2019-02-22 | 易诚高科(大连)科技有限公司 | 24色卡视频关键帧自动定位与色差时序变化分析方法 |
CN109194954A (zh) * | 2018-09-21 | 2019-01-11 | 上海小萌科技有限公司 | 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 |
CN110047109A (zh) * | 2019-03-11 | 2019-07-23 | 南京航空航天大学 | 一种基于自识别标记的相机标定板及其识别检测方法 |
CN110189329A (zh) * | 2019-04-03 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 用于定位色卡的色块区域的***和方法 |
CN110689579A (zh) * | 2019-10-18 | 2020-01-14 | 华中科技大学 | 基于合作目标的快速单目视觉位姿测量方法及测量*** |
CN111866369A (zh) * | 2020-05-28 | 2020-10-30 | 北京迈格威科技有限公司 | 图像处理方法及装置 |
CN111899189A (zh) * | 2020-07-13 | 2020-11-06 | 武汉工程大学 | 一种基于自适应分类拟合鱼眼图像校正方法 |
CN112686824A (zh) * | 2020-12-30 | 2021-04-20 | 北京迈格威科技有限公司 | 图像校正方法、装置、电子设备和计算机可读介质 |
CN113119129A (zh) * | 2021-04-28 | 2021-07-16 | 吕若罡 | 一种基于标准球的单目测距定位方法 |
Non-Patent Citations (2)
Title |
---|
李根;费章君;杨仕友;: "基于几何成像模型的鱼眼镜头图像校正算法和技术研究", 机电工程, no. 10, 20 October 2013 (2013-10-20), pages 106 - 110 * |
申夏晶;程梦娇;肖江剑;宋文祥;: "基于迭代校正的鱼眼棋盘格图像角点检测", 激光与光电子学进展, no. 09, 31 December 2016 (2016-12-31), pages 181 - 187 * |
Also Published As
Publication number | Publication date |
---|---|
CN113834638B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN105957015B (zh) | 一种螺纹桶内壁图像360度全景拼接方法及*** | |
CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
US20170374360A1 (en) | Camera calibration system, target, and process | |
US8494297B2 (en) | Automatic detection and mapping of symmetries in an image | |
CN110223226A (zh) | 全景图像拼接方法及*** | |
CN111223133A (zh) | 一种异源图像的配准方法 | |
Urban et al. | Finding a good feature detector-descriptor combination for the 2D keypoint-based registration of TLS point clouds | |
CN103902953B (zh) | 一种屏幕检测***及方法 | |
CN107680035B (zh) | 一种参数标定方法和装置、服务器及可读存储介质 | |
CN113160048A (zh) | 一种缝合线引导的图像拼接方法 | |
CN112243518A (zh) | 获取深度图的方法、装置及计算机存储介质 | |
CN113989392A (zh) | 拼接摄像机的彩色棋盘格标定方法、装置及摄像机 | |
CN107067441B (zh) | 摄像机标定方法及装置 | |
CN114897676A (zh) | 一种无人机遥感多光谱图像拼接方法、设备及介质 | |
CN107464214B (zh) | 生成太阳能电站全景图的方法 | |
CN111325218B (zh) | 基于光场图像的Hog特征检测与匹配方法 | |
CN113096016A (zh) | 一种低空航拍图像拼接方法和*** | |
CN113834638B (zh) | 视场角确定方法、装置、设备及存储介质 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN111179423A (zh) | 基于二维红外图像的三维红外图像生成方法 | |
CN114494316A (zh) | 角点标记方法、参数标定方法、介质及电子设备 | |
CN113935905A (zh) | 畸变指数确定方法、装置、设备及存储介质 | |
CN111028290B (zh) | 一种用于绘本阅读机器人的图形处理方法及装置 | |
CN113873223A (zh) | 相机清晰度确定方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |