CN115170674B - 基于单张图像的相机主点标定方法、装置、设备和介质 - Google Patents
基于单张图像的相机主点标定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115170674B CN115170674B CN202210852920.0A CN202210852920A CN115170674B CN 115170674 B CN115170674 B CN 115170674B CN 202210852920 A CN202210852920 A CN 202210852920A CN 115170674 B CN115170674 B CN 115170674B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- camera
- principal point
- line segment
- corner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本公开的实施例公开了基于单张图像的相机主点标定方法、装置、设备和介质。该方法的一具体实施方式包括:对目标图像进行角点检测处理,以生成二维角点集合;基于上述二维角点集合,生成二维线段集合;根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,上述目标图像为上述目标相机拍摄的图像;根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数;基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。该实施方式缩短了相机主点标定的时间,提升了相机主点标定的效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及基于单张图像的相机主点标定方法、装置、设备和介质。
背景技术
自动驾驶中常用的计算机视觉算法,例如视觉定位、环境感知和地图重建等,依赖于准确的相机内参数,包括:主点坐标、焦距和畸变系数等。目前,在对相机主点进行标定时,通常采用的方式为:采用多张图像进行相机主点标定。
然而,发明人发现,当采用上述方式对相机主点进行标定时,经常会存在如下技术问题:
第一,采用多张图像进行相机主点标定,对相机主点标定的时间较长;
第二,在相机主点标定过程中,未考虑相机所拍摄的图像的畸变,对相机主点标定的精度较低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于单张图像的相机主点标定方法、装置、电子设备、计算机可读介质和程序产品,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种基于单张图像的相机主点标定方法,该方法包括:对目标图像进行角点检测处理,以生成二维角点集合;基于上述二维角点集合,生成二维线段集合;根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,上述目标图像为上述目标相机拍摄的图像;根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数;基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。
第二方面,本公开的一些实施例提供了一种基于单张图像的相机主点标定装置,装置包括:检测单元,被配置成对目标图像进行角点检测处理,以生成二维角点集合;生成单元,被配置成基于上述二维角点集合,生成二维线段集合;设定单元,被配置成根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,上述目标图像为上述目标相机拍摄的图像;构建单元,被配置成根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数;标定单元,被配置成基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
第五方面,本公开的一些实施例提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的基于单张图像的相机主点标定方法,缩短了相机主点标定的时间,提升了相机主点标定的效率。具体来说,相机主点标定的时间较长的原因在于:采用多张图像进行相机主点标定,相机主点标定的时间较长。基于此,本公开的一些实施例的基于单张图像的相机主点标定方法,首先,对目标图像进行角点检测处理,以生成二维角点集合。由此,生成了单张图像的二维角点集合,对相机主点优化函数的构建提供了数据支持。其次,基于上述二维角点集合,生成二维线段集合。由此,为构建相机主点优化函数提供了数据支持。接着,根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标。其中,上述目标图像为上述目标相机拍摄的图像。然后,根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数。由此,可以基于单张图像的初始相机主点坐标和二维线段集合,生成该单张图像的相机主点优化函数。从而,为对目标相机的相机主点进行标定,提供了数据支持。最后,基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。由此,缩短了相机主点标定的时间,提升了相机主点标定的效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的基于单张图像的相机主点标定方法的一些实施例的流程图;
图2是根据本公开的基于单张图像的相机主点标定装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的基于单张图像的相机主点标定方法的一些实施例的流程100。该基于单张图像的相机主点标定方法,包括以下步骤:
步骤101,对目标图像进行角点检测处理,以生成二维角点集合。
在一些实施例中,基于单张图像的相机主点标定方法的执行主体(例如服务器)可以对目标图像进行角点检测处理,以生成二维角点集合。其中,上述目标图像可以是目标相机拍摄的图像。上述目标相机可以是需要相机主点标定的相机。上述角点检测处理可以包括但不限于:基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。例如,角点检测处理可以是基于灰度图像的棋盘格角点检测处理。
步骤102,基于上述二维角点集合,生成二维线段集合。
在一些实施例中,上述执行主体可以基于上述二维角点集合,生成二维线段集合。
实践中,基于上述二维角点集合,上述执行主体可以通过以下步骤生成二维线段集合:
第一步,根据上述二维角点集合对应的各个角点坐标,对上述二维角点集合进行排序处理,以生成二维角点序列。其中,上述各个角点坐标中的角点坐标可以是角点检测时生成的角点坐标。首先,上述执行主体可以按照上述各个角点坐标的横坐标从小到大,对上述二维角点集合进行排序,以生成初始二维角点序列。然后,对于上述初始二维角点序列中对应的角点坐标的横坐标相同的各个二维角点,按照各个二维角点对应的角点坐标的纵坐标从小到大,对横坐标相同的各个二维角点进行排序,以生成二维角点序列。
第二步,根据上述各个角点坐标的横坐标,对上述二维角点序列进行分组处理,以生成第一二维角点组序列。其中,上述第一二维角点组序列中的第一二维角点组的各个第一二维角点的横坐标相同。实践中,上述执行主体可以将上述二维角点序列中对应的角点坐标的横坐标相同的各个二维角点分为一组,以生成第一二维角点组序列。
第三步,根据上述各个角点坐标的纵坐标,对上述二维角点序列进行分组处理,以生成第二二维角点组序列。其中,上述第二二维角点组序列中的第二二维角点组的各个第二二维角点的纵坐标相同。实践中,上述执行主体可以将上述二维角点序列中对应的角点坐标的纵坐标相同的各个二维角点分为一组,以生成第二二维角点组序列。
第四步,对于上述第一二维角点组序列包括的每个第一二维角点组,依次连接上述第一二维角点组包括的各个第一二维角点,以生成第一二维线段。
第五步,对于上述第二二维角点组序列包括的每个第二二维角点组,依次连接上述第二二维角点组包括的各个第二二维角点,以生成第二二维线段。
第六步,将所生成的各个第一二维线段和所生成的各个第二二维线段进行合并处理,以生成二维线段集合。
步骤103,根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标。
在一些实施例中,上述执行主体可以根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标。其中,上述目标图像为上述目标相机拍摄的图像。
实践中,根据上述目标图像的宽和高,上述执行主体可以通过以下步骤设定目标相机的初始相机主点坐标:
第一步,将上述目标图像的宽方向的各个像素点的数量的一半确定为初始相机主点横坐标。上述宽方向的各个像素点的数量可以是横向方向任一条像素线中各个像素点的数量。
第二步,将上述目标图像的高方向的各个像素点的数量的一半确定为初始相机主点纵坐标。上述高方向的各个像素点的数量可以是纵向方向任一条像素线中各个像素点的数量。
第三步,将上述初始相机主点横坐标与上述初始相机主点纵坐标组合为初始相机主点坐标。
步骤104,根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数。
在一些实施例中,上述执行主体可以根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数。其中,上述二维线段集合包括:第一二维线段序列和第二二维线段序列。实践中,根据上述二维线段集合和上述初始相机主点坐标,上述执行主体可以通过以下步骤构建相机主点优化函数:
第一步,对于上述第一二维线段序列中的每个第一二维线段,执行以下处理步骤:
第一子步骤,对上述第一二维线段对应的畸变线段的两个端点分别进行反投影,以生成上述目标相机的相机坐标系下的两条第一反投影射线。其中,畸变线段可以是由于目标相机在拍摄目标图像时因镜头畸变而显现在镜头中图像上的扭曲线段。
第二子步骤,对上述两条第一反投影射线进行外积处理,以生成上述两条反投影射线所张成平面的第一法向量。
第二步,对生成的各个第一法向量进行齐次方程组构建,以生成纵向消影方向向量。
第三步,对于上述第二二维线段序列中的每个第二二维线段,执行以下处理步骤:
第一子步骤,对上述第二二维线段对应的畸变线段的两个端点分别进行反投影,以生成上述目标相机的相机坐标系下的两条第二反投影射线。
第二子步骤,对上述两条第二反投影射线进行外积处理,以生成上述两条反投影射线所张成平面的第二法向量。
第四步,对生成的各个第二法向量进行齐次方程组构建,以生成横向消影方向向量。
第五步,根据上述初始相机主点坐标、上述纵向消影方向向量和上述横向消影方向向量,生成相机主点优化函数。上述相机主点优化函数可以是上述纵向消影方向向量和上述横向消影方向向量的内积构建的相机主点优化函数,上述初始相机主点坐标可以是上述相机主点优化函数的初始值。这里相机主点优化函数可以是:
其中,Cx表示上述初始相机主点坐标的横坐标。cy表示上述初始相机主点坐标的纵坐标。(cx,cy)表示上述初始相机主点坐标。表示上述横向消影方向向量。表示上述纵向消影方向向量。表示表示上述横向消影方向向量与上述纵向消影方向向量的内积。
上述步骤104的相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“在相机主点标定过程中,未考虑相机所拍摄的图像的畸变,对相机主点标定的精度较低。”。对相机主点标定的精度较低的因素往往如下:在相机主点标定过程中,未考虑相机所拍摄的图像的畸变,对相机主点标定的精度较低。如果解决了上述因素,就能达到增强相机主点标定的精度的效果。为了达到这一效果,首先,对于上述第一二维线段序列中的每个第一二维线段,执行以下处理步骤:第一,对上述第一二维线段对应的畸变线段的两个端点分别进行反投影,以生成上述目标相机的相机坐标系下的两条第一反投影射线;第二,对上述两条第一反投影射线进行外积处理,以生成上述两条反投影射线所张成平面的第一法向量;第三,对生成的各个第一法向量进行齐次方程组构建,以生成纵向消影方向向量。由此,利用第一二维线段对应的畸变线段,构建纵向的消影方向向量,可以减少因图像畸变所带来的相机主点标定的纵向偏差。其次,对于上述第二二维线段序列中的每个第二二维线段,执行以下处理步骤:第一,对上述第二二维线段对应的畸变线段的两个端点分别进行反投影,以生成上述目标相机的相机坐标系下的两条第二反投影射线;第二,对上述两条第二反投影射线进行外积处理,以生成上述两条反投影射线所张成平面的第二法向量;第三,对生成的各个第二法向量进行齐次方程组构建,以生成横向消影方向向量。由此,利用第二二维线段对应的畸变线段,构建横向的消影方向向量,可以减少因图像畸变所带来的相机主点标定的横向偏差。最后,根据上述初始相机主点坐标、上述纵向消影方向向量和上述横向消影方向向量,生成相机主点优化函数。由此,完成了相机主点优化函数的构建,达到增强相机主点标定的精度的效果。
步骤105,基于相机主点优化函数,对目标相机的相机主点进行标定。
在一些实施例中,上述执行主体可以基于上述二维角点集合,生成二维线段集合。
实践中,基于上述二维角点集合,上述执行主体可以通过以下步骤生成二维线段集合:
第一步,对上述相机主点优化函数进行相机主点坐标优化处理,以生成优化相机主点坐标。上述优化处理可以采用列文伯格-马夸尔特算法(Levenberg-Marquardt,LM)对相机主点优化函数进行优化处理。
第二步,根据上述优化相机主点坐标,对上述目标相机的相机主点进行标定。实践中,上述执行主体可以将上述目标相机的相机主点的相机主点坐标更换为上述优化相机主点坐标。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的基于单张图像的相机主点标定方法,缩短了相机主点标定的时间,提升了相机主点标定的效率。具体来说,造成相机主点标定效率不够高效的原因在于:采用多张图像进行相机主点标定,相机主点标定的时间较长。基于此,本公开的一些实施例的基于单张图像的相机主点标定方法,首先,对目标图像进行角点检测处理,以生成二维角点集合。由此,生成了单张图像的二维角点集合,对相机主点优化函数的构建提供了数据支持。其次,基于上述二维角点集合,生成二维线段集合。由此,为构建相机主点优化函数提供了数据支持。接着,根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标。其中,上述目标图像为上述目标相机拍摄的图像。然后,根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数。由此,可以基于单张图像的初始相机主点坐标和二维线段集合,生成该单张图像的相机主点优化函数。从而,为对目标相机的相机主点进行标定,提供了数据支持。最后,基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。由此,缩短了相机主点标定的时间,提升了相机主点标定的效率。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种基于单张图像的相机主点标定方法装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的基于单张图像的相机主点标定装置200包括:检测单元201、生成单元202、设定单元203、构建单元204和标定单元205。其中,检测单元201被配置成对目标图像进行角点检测处理,以生成二维角点集合;生成单元202被配置基于上述二维角点集合,生成二维线段集合;设定单元203被配置成根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,上述目标图像为上述目标相机拍摄的图像;构建单元204被配置成根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数;标定单元205被配置成基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如服务器)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置608;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载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。在本公开的一些实施例中,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。而在本公开的一些实施例中,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:对目标图像进行角点检测处理,以生成二维角点集合;基于上述二维角点集合,生成二维线段集合;根据上述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,上述目标图像为上述目标相机拍摄的图像;根据上述二维线段集合和上述初始相机主点坐标,构建相机主点优化函数;基于上述相机主点优化函数,对上述目标相机的相机主点进行标定。
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一些实施例的操作的计算机程序代码,上述程序设计语言包括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。
描述于本公开的一些实施例中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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测单元、生成单元、设定单元、构建单元和标定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,标定单元还可以被描述为“基于上述相机主点优化函数,对上述目标相机的相机主点进行标定的单元”。
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。
本公开的一些实施例还提供一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述的任一种基于单张图像的相机主点标定方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种基于单张图像的相机主点标定方法,包括:
对目标图像进行角点检测处理,以生成二维角点集合;
基于所述二维角点集合,生成二维线段集合,其中,所述基于所述二维角点集合,生成二维线段集合,包括:
根据所述二维角点集合对应的各个角点坐标,对所述二维角点集合进行排序处理,以生成二维角点序列;
根据所述各个角点坐标的横坐标,对所述二维角点序列进行分组处理,以生成第一二维角点组序列,其中,所述第一二维角点组序列中的第一二维角点组的各个第一二维角点的横坐标相同;
根据所述各个角点坐标的纵坐标,对所述二维角点序列进行分组处理,以生成第二二维角点组序列,其中,所述第二二维角点组序列中的第二二维角点组的各个第二二维角点的纵坐标相同;
对于所述第一二维角点组序列包括的每个第一二维角点组,依次连接所述第一二维角点组包括的各个第一二维角点,以生成第一二维线段;
对于所述第二二维角点组序列包括的每个第二二维角点组,依次连接所述第二二维角点组包括的各个第二二维角点,以生成第二二维线段;
将所生成的各个第一二维线段和所生成的各个第二二维线段进行合并处理,以生成二维线段集合;
根据所述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,所述目标图像为所述目标相机拍摄的图像;
根据所述二维线段集合和所述初始相机主点坐标,构建相机主点优化函数,其中,所述二维线段集合包括:第一二维线段序列和第二二维线段序列,所述根据所述二维线段集合和所述初始相机主点坐标,构建相机主点优化函数,包括:
对于所述第一二维线段序列中的每个第一二维线段,执行以下处理步骤:
对所述第一二维线段对应的畸变线段的两个端点分别进行反投影,以生成所述目标相机的相机坐标系下的两条第一反投影射线;
对所述两条第一反投影射线进行外积处理,以生成所述两条反投影射线所张成平面的第一法向量;
对生成的各个第一法向量进行齐次方程组构建,以生成纵向消影方向向量;
对于所述第二二维线段序列中的每个第二二维线段,执行以下处理步骤:
对所述第二二维线段对应的畸变线段的两个端点分别进行反投影,以生成所述目标相机的相机坐标系下的两条第二反投影射线;
对所述两条第二反投影射线进行外积处理,以生成所述两条反投影射线所张成平面的第二法向量;
对生成的各个第二法向量进行齐次方程组构建,以生成横向消影方向向量;
根据所述初始相机主点坐标、所述纵向消影方向向量和所述横向消影方向向量,生成相机主点优化函数;
基于所述相机主点优化函数,对所述目标相机的相机主点进行标定。
2.根据权利要求1所述的方法,其中,所述根据所述目标图像的宽和高,设定目标相机的初始相机主点坐标,包括:
将所述目标图像的宽方向的各个像素点的数量的一半确定为初始相机主点横坐标;
将所述目标图像的高方向的各个像素点的数量的一半确定为初始相机主点纵坐标;
将所述初始相机主点横坐标与所述初始相机主点纵坐标组合为初始相机主点坐标。
3.根据权利要求1所述的方法,其中,所述基于所述相机主点优化函数,对所述目标相机的相机主点进行标定,包括:
对所述相机主点优化函数进行相机主点坐标优化处理,以生成优化相机主点坐标;
根据所述优化相机主点坐标,对所述目标相机的相机主点进行标定。
4.一种基于单张图像的相机主点标定装置,包括:
检测单元,被配置成对目标图像进行角点检测处理,以生成二维角点集合;
生成单元,被配置成基于所述二维角点集合,生成二维线段集合,其中,所述基于所述二维角点集合,生成二维线段集合,包括:
根据所述二维角点集合对应的各个角点坐标,对所述二维角点集合进行排序处理,以生成二维角点序列;
根据所述各个角点坐标的横坐标,对所述二维角点序列进行分组处理,以生成第一二维角点组序列,其中,所述第一二维角点组序列中的第一二维角点组的各个第一二维角点的横坐标相同;
根据所述各个角点坐标的纵坐标,对所述二维角点序列进行分组处理,以生成第二二维角点组序列,其中,所述第二二维角点组序列中的第二二维角点组的各个第二二维角点的纵坐标相同;
对于所述第一二维角点组序列包括的每个第一二维角点组,依次连接所述第一二维角点组包括的各个第一二维角点,以生成第一二维线段;
对于所述第二二维角点组序列包括的每个第二二维角点组,依次连接所述第二二维角点组包括的各个第二二维角点,以生成第二二维线段;
将所生成的各个第一二维线段和所生成的各个第二二维线段进行合并处理,以生成二维线段集合;
设定单元,被配置成根据所述目标图像的宽和高,设定目标相机的初始相机主点坐标,其中,所述目标图像为所述目标相机拍摄的图像;
构建单元,被配置成根据所述二维线段集合和所述初始相机主点坐标,构建相机主点优化函数,其中,所述二维线段集合包括:第一二维线段序列和第二二维线段序列,所述根据所述二维线段集合和所述初始相机主点坐标,构建相机主点优化函数,包括:
对于所述第一二维线段序列中的每个第一二维线段,执行以下处理步骤:
对所述第一二维线段对应的畸变线段的两个端点分别进行反投影,以生成所述目标相机的相机坐标系下的两条第一反投影射线;
对所述两条第一反投影射线进行外积处理,以生成所述两条反投影射线所张成平面的第一法向量;
对生成的各个第一法向量进行齐次方程组构建,以生成纵向消影方向向量;
对于所述第二二维线段序列中的每个第二二维线段,执行以下处理步骤:
对所述第二二维线段对应的畸变线段的两个端点分别进行反投影,以生成所述目标相机的相机坐标系下的两条第二反投影射线;
对所述两条第二反投影射线进行外积处理,以生成所述两条反投影射线所张成平面的第二法向量;
对生成的各个第二法向量进行齐次方程组构建,以生成横向消影方向向量;
根据所述初始相机主点坐标、所述纵向消影方向向量和所述横向消影方向向量,生成相机主点优化函数;
标定单元,被配置成基于所述相机主点优化函数,对所述目标相机的相机主点进行标定。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210852920.0A CN115170674B (zh) | 2022-07-20 | 2022-07-20 | 基于单张图像的相机主点标定方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210852920.0A CN115170674B (zh) | 2022-07-20 | 2022-07-20 | 基于单张图像的相机主点标定方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115170674A CN115170674A (zh) | 2022-10-11 |
CN115170674B true CN115170674B (zh) | 2023-04-14 |
Family
ID=83494550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210852920.0A Active CN115170674B (zh) | 2022-07-20 | 2022-07-20 | 基于单张图像的相机主点标定方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170674B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876749A (zh) * | 2018-07-02 | 2018-11-23 | 南京汇川工业视觉技术开发有限公司 | 一种鲁棒的镜头畸变校正方法 |
JP2020191624A (ja) * | 2019-05-17 | 2020-11-26 | キヤノン株式会社 | 電子機器およびその制御方法 |
CN112330752A (zh) * | 2020-11-13 | 2021-02-05 | 深圳先进技术研究院 | 多相机联合标定方法、装置、终端设备及可读存储介质 |
WO2022120567A1 (zh) * | 2020-12-08 | 2022-06-16 | 深圳先进技术研究院 | 一种基于视觉引导的自动化标定*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814186A (zh) * | 2010-02-04 | 2010-08-25 | 上海交通大学 | 利用曲线拟合校正摄像机径向畸变的方法 |
CN109859272B (zh) * | 2018-12-18 | 2023-05-19 | 像工场(深圳)科技有限公司 | 一种自动对焦双目摄像头标定方法及装置 |
CN109816733B (zh) * | 2019-01-14 | 2023-08-18 | 京东方科技集团股份有限公司 | 相机参数初始化方法及装置、相机参数标定方法及设备、图像采集*** |
CN111243035B (zh) * | 2020-04-29 | 2020-08-14 | 成都纵横自动化技术股份有限公司 | 相机标定方法、装置、电子设备和计算机可读存储介质 |
CN112489141B (zh) * | 2020-12-21 | 2024-01-30 | 像工场(深圳)科技有限公司 | 车载摄像头单板单图带中继镜的产线标定方法及装置 |
CN113963065A (zh) * | 2021-10-19 | 2022-01-21 | 杭州蓝芯科技有限公司 | 一种基于外参已知的镜头内参标定方法及装置、电子设备 |
CN115018920A (zh) * | 2022-04-21 | 2022-09-06 | 成都数字天空科技有限公司 | 一种相机阵列标定方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-20 CN CN202210852920.0A patent/CN115170674B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876749A (zh) * | 2018-07-02 | 2018-11-23 | 南京汇川工业视觉技术开发有限公司 | 一种鲁棒的镜头畸变校正方法 |
JP2020191624A (ja) * | 2019-05-17 | 2020-11-26 | キヤノン株式会社 | 電子機器およびその制御方法 |
CN112330752A (zh) * | 2020-11-13 | 2021-02-05 | 深圳先进技术研究院 | 多相机联合标定方法、装置、终端设备及可读存储介质 |
WO2022120567A1 (zh) * | 2020-12-08 | 2022-06-16 | 深圳先进技术研究院 | 一种基于视觉引导的自动化标定*** |
Also Published As
Publication number | Publication date |
---|---|
CN115170674A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
CN113177888A (zh) | 超分修复网络模型生成方法、图像超分修复方法及装置 | |
CN113327318B (zh) | 图像显示方法、装置、电子设备和计算机可读介质 | |
CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN112381717A (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
CN111915532B (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
CN115170674B (zh) | 基于单张图像的相机主点标定方法、装置、设备和介质 | |
CN110705536A (zh) | 汉字识别纠错方法、装置、计算机可读介质及电子设备 | |
CN114821540B (zh) | 车位检测方法、装置、电子设备和计算机可读介质 | |
CN110209851B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN113191257B (zh) | 笔顺检测方法、装置和电子设备 | |
CN114419298A (zh) | 虚拟物体的生成方法、装置、设备及存储介质 | |
CN111338827B (zh) | 表格数据的粘贴方法、装置以及电子设备 | |
CN110348374B (zh) | 车辆检测方法、装置、电子设备及存储介质 | |
CN112233207A (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN113066166A (zh) | 图像处理方法、装置和电子设备 | |
CN110825480A (zh) | 图片的展示方法、装置、电子设备及计算机可读存储介质 | |
CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 | |
CN112215774B (zh) | 模型训练和图像去雾方法、装置、设备和计算机可读介质 | |
CN115796637B (zh) | 基于角钢塔材料的信息处理方法、装置、设备与介质 | |
CN110189279B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
CN111797932B (zh) | 图像分类方法、装置、设备和计算机可读介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |