CN115601451A - 外参数据标定方法、装置、计算机设备和存储介质 - Google Patents
外参数据标定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115601451A CN115601451A CN202211602249.0A CN202211602249A CN115601451A CN 115601451 A CN115601451 A CN 115601451A CN 202211602249 A CN202211602249 A CN 202211602249A CN 115601451 A CN115601451 A CN 115601451A
- Authority
- CN
- China
- Prior art keywords
- image
- key point
- calibration object
- edge
- sub
- 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
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 Analysis (AREA)
Abstract
本申请涉及一种外参数据标定方法、装置、计算机设备和存储介质。所述方法包括:获取目标图像;所述目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;所述边缘标定物是以所述中心标定物为中心进行设置的;检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点;基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据;其中,所述标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。采用本方法能够提高外参数据标定的准确性。
Description
技术领域
本申请涉及视觉定位技术领域,特别是涉及一种外参数据标定方法、装置、计算机设备和存储介质。
背景技术
随着视觉定位技术的发展,出现了相机外参标定技术。相机外参标定在视觉定位***中发挥着至关重要的角色,相机外参指世界坐标系到设备坐标系的转换关系。在大场景视觉定位***中,地面坐标系是常用的世界参考坐标系,设备坐标系到地面坐标系的外参准确性对于定位精度就非常重要。
传统方法中,采用单个标定板对相机进行外参标定。但是,在相机与地面距离较远的情况下,标定板在图像所占的像素范围很小,会导致标定板检测存在较大误差,从而造成得到的相机外参的精度下降。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高准确性的外参数据标定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种外参数据标定方法。所述方法包括:
获取目标图像;所述目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;所述边缘标定物是以所述中心标定物为中心进行设置的;
检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点;
基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据;
根据标定物高度和边缘标定物到中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据;其中,所述标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。
在其中一个实施例中,所述检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点包括:
对所述第一子图像和所述第二子图像进行角点检测,得到所述第一子图像中的多个角点和所述第二子图像中的多个角点;
根据放置面的垂直方向,从所述第一子图像中的多个角点中确定所述中心标定物对应的第一头部关键点和第一底部关键点,以及从所述第二子图像中的多个角点中确定所述边缘标定物对应的第二头部关键点和第二底部关键点;
其中,所述放置面是用于放置中心标定物和边缘标定物的平面。
在其中一个实施例中,所述中心标定物和所述边缘标定物上设置有关键点标记;所述检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点包括:
检测所述第一子图像中的标记图像和所述第二子图像中的标记图像;所述标记图像是所述关键点标记的图像;
基于所述第一子图像中的标记图像确定第一关键点,以及基于所述第二子图像中的标记图像确定第二关键点。
在其中一个实施例中,所述边缘标定物为多个;所述中心标定物和多个所述边缘标定物位于同一放置面;所述基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据包括:
分别将所述第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合;
基于多个关键点组合确定目标俯仰角;所述目标俯仰角是所述图像采集设备在采集所述目标图像时相对于放置面所处的俯仰角;
根据所述目标俯仰角计算所述目标图像对应的图像采集设备的初始外参数据。
在其中一个实施例中,所述基于多个关键点组合确定目标俯仰角包括:
确定所述第一关键点和所述第二关键点分别在设备坐标系下的坐标;所述设备坐标系是基于图像采集设备构建的坐标系;
基于所述第一关键点和所述第二关键点分别在设备坐标系下的坐标和所述图像采集设备对应的视场角,确定所述第一关键点对应的第一夹角和所述第二关键点对应的第二夹角;所述第一夹角是所述第一关键点和设备坐标系原点之间的第一连线与所述视场角的始边之间的夹角;所述第二夹角是所述第二关键点和设备坐标系原点之间的第二连线与所述视场角的始边之间的夹角;
根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算所述目标俯仰角。
在其中一个实施例中,所述根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算所述目标俯仰角包括:
确定测量俯仰角;所述测量俯仰角是在所述图像采集设备采集所述目标图像时测量出的俯仰角;
将所述测量俯仰角作为当前俯仰角,并将所述当前俯仰角、及多个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角代入俯仰角代价函数中,得到俯仰角代价值;所述俯仰角代价值,用于反映基于所述当前俯仰角预测的标志物几何特性与真实的标志物几何特性之间的差异;所述预测的标志物几何特性是基于所述当前俯仰角将第一子图像和第二子图像映射到现实场景后所预测的中心标定物和边缘标记物之间的几何特性;所述真实的标志物几何特性是现实场景中的中心标定物和边缘标记物之间的几何特性;
朝着使所述俯仰角代价值减小的方向,对所述当前俯仰角进行优化调整,并将优化调整后的俯仰角作为新的当前俯仰角继续迭代优化,直至迭代停止,得到优化后的目标俯仰角。
在其中一个实施例中,所述初始外参数据包括初始平移向量和初始旋转矩阵;所述根据所述目标俯仰角计算所述目标图像对应的图像采集设备的初始外参数据包括:
将所述目标俯仰角和所述标定物高度作为平移向量计算公式的输入,得到初始平移向量;所述平移向量计算公式是基于所述图像采集设备与所述放置面之间的相对距离构建的;
将所述目标俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵;所述旋转矩阵计算公式是基于所述图像采集设备对应的设备坐标系和所述放置面对应的地面坐标系之间的转换关系构建的。
在其中一个实施例中,所述第一关键点为多个;多个第一关键点对应于所述中心标定物上的不同位置;每个边缘标定物的第二关键点为多个;多个第二关键点对应于所述边缘标定物上的不同位置;所述中心标定物与多个边缘标定物之间的物理距离相同;
所述根据标定物高度和边缘标定物到中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据包括:
基于初始外参数据,确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标;
针对中心标定物和边缘标定物中的任一个标定物,确定所述同一标定物中不同位置的关键点之间的地面坐标差值,得到同标定物坐标差;
确定每个边缘标定物的第二关键点与所述中心标定物中相应位置处的第一关键点之间的地面坐标差值,得到标定物间坐标差;
朝着使所述同标定物坐标差接近所述标定物高度、且所述标定物间坐标差接近所述物理距离的方向,对所述初始外参数据进行优化调整,得到所述图像采集设备的目标外参数据。
第二方面,本申请还提供了一种外参数据标定装置。所述装置包括:
获取模块,用于获取目标图像;所述目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;所述边缘标定物是以所述中心标定物为中心进行设置的;
检测模块,用于检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点;
标定模块,用于基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据;其中,所述标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。
在其中一个实施例中,所述检测模块,还用于对所述第一子图像和所述第二子图像进行角点检测,得到所述第一子图像中的多个角点和所述第二子图像中的多个角点;根据放置面的垂直方向,从所述第一子图像中的多个角点中确定所述中心标定物对应的第一头部关键点和第一底部关键点,以及从所述第二子图像中的多个角点中确定所述边缘标定物对应的第二头部关键点和第二底部关键点;其中,所述放置面是用于放置中心标定物和边缘标定物的平面。
在其中一个实施例中,所述中心标定物和所述边缘标定物上设置有关键点标记;所述检测模块,还用于检测所述第一子图像中的标记图像和所述第二子图像中的标记图像;所述标记图像是所述关键点标记的图像;基于所述第一子图像中的标记图像确定第一关键点,以及基于所述第二子图像中的标记图像确定第二关键点。
在其中一个实施例中,所述边缘标定物为多个;所述中心标定物和多个所述边缘标定物位于同一放置面;所述标定模块,还用于分别将所述第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合;基于多个关键点组合确定目标俯仰角;所述目标俯仰角是所述图像采集设备在采集所述目标图像时相对于放置面所处的俯仰角;根据所述目标俯仰角计算所述目标图像对应的图像采集设备的初始外参数据。
在其中一个实施例中,所述标定模块,还用于确定所述第一关键点和所述第二关键点分别在设备坐标系下的坐标;所述设备坐标系是基于图像采集设备构建的坐标系;基于所述第一关键点和所述第二关键点分别在设备坐标系下的坐标和所述图像采集设备对应的视场角,确定所述第一关键点对应的第一夹角和所述第二关键点对应的第二夹角;所述第一夹角是所述第一关键点和设备坐标系原点之间的第一连线与所述视场角的始边之间的夹角;所述第二夹角是所述第二关键点和设备坐标系原点之间的第二连线与所述视场角的始边之间的夹角;根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算所述目标俯仰角。
在其中一个实施例中,所述标定模块,还用于确定测量俯仰角;所述测量俯仰角是在所述图像采集设备采集所述目标图像时测量出的俯仰角;将所述测量俯仰角作为当前俯仰角,并将所述当前俯仰角、及多个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角代入俯仰角代价函数中,得到俯仰角代价值;所述俯仰角代价值,用于反映基于所述当前俯仰角预测的标志物几何特性与真实的标志物几何特性之间的差异;所述预测的标志物几何特性是基于所述当前俯仰角将第一子图像和第二子图像映射到现实场景后所预测的中心标定物和边缘标记物之间的几何特性;所述真实的标志物几何特性是现实场景中的中心标定物和边缘标记物之间的几何特性;朝着使所述俯仰角代价值减小的方向,对所述当前俯仰角进行优化调整,并将优化调整后的俯仰角作为新的当前俯仰角继续迭代优化,直至迭代停止,得到优化后的目标俯仰角。。
在其中一个实施例中,所述初始外参数据包括初始平移向量和初始旋转矩阵;所述标定模块,还用于将所述俯仰角目标和所述标定物高度作为平移向量计算公式的输入,得到初始平移向量;所述平移向量计算公式是基于所述图像采集设备与所述放置面之间的相对距离构建的;将所述目标俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵;所述旋转矩阵计算公式是基于所述图像采集设备对应的设备坐标系和所述放置面对应的地面坐标系之间的转换关系构建的。
在其中一个实施例中,所述第一关键点为多个;多个第一关键点对应于所述中心标定物上的不同位置;每个边缘标定物的第二关键点为多个;多个第二关键点对应于所述边缘标定物上的不同位置;所述中心标定物与多个边缘标定物之间的物理距离相同;
所述标定模块,还用于基于初始外参数据,确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标;针对中心标定物和边缘标定物中的任一个标定物,确定所述同一标定物中不同位置的关键点之间的地面坐标差值,得到同标定物坐标差;确定每个边缘标定物的第二关键点与所述中心标定物中相应位置处的第一关键点之间的地面坐标差值,得到标定物间坐标差;朝着使所述同标定物坐标差接近所述标定物高度、且所述标定物间坐标差接近所述物理距离的方向,对所述初始外参数据进行优化调整,得到所述图像采集设备的目标外参数据。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请所述方法各实施例中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请所述方法各实施例中的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请所述方法各实施例中的步骤。
上述外参数据标定方法、装置、计算机设备、存储介质和计算机程序产品,获取目标图像;目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;边缘标定物是以中心标定物为中心进行设置的;检测第一子图像中的第一关键点和第二子图像中的第二关键点;基于第一关键点和第二关键点,计算目标图像对应的图像采集设备的初始外参数据;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对初始外参数据进行优化,得到图像采集设备的目标外参数据;其中,标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。首先获取包括中心标定物的第一子图像和边缘标定物的第二子图像的目标图像,再基于从目标图像检测出第一关键点和第二关键点,计算图像采集设备的初始外参数据,最后根据中心标定物和边缘标定物在现实场景中的特性,对初始外参数据进行优化,提高了外参数据标定的准确性。
附图说明
图1为一个实施例中外参数据标定方法的应用环境图;
图2为一个实施例中外参数据标定方法的流程示意图;
图3为一个实施例中目标图像的示意图;
图4为一个实施例中第一夹角的原理示意图;
图5为一个实施例中俯仰角代价函数的原理示意图;
图6为一个实施例中外参数据标定方法的简易流程图;
图7为一个实施例中外参数据标定装置的结构框图;
图8为一个实施例中计算机设备的内部结构图;
图9为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的外参数据标定方法,可以应用于如图1所示的应用环境中。其中,图像采集设备102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。图像采集设备102可以采集包括中心标定物的第一子图像和边缘标定物的第二子图像的目标图像。服务器104可以获取目标图像;服务器104可以检测目标图像中第一子图像中的第一关键点和第二子图像中的第二关键点。服务器104可以基于第一关键点和第二关键点,计算目标图像对应的图像采集设备的初始外参数据。服务器104可以根据标定物高度和边缘标定物到中心标定物之间的物理距离,对初始外参数据进行优化,得到图像采集设备的目标外参数据。
其中,图像采集设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种外参数据标定方法,以该方法应用于图1中的服务器为例进行说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤202,获取目标图像;目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;检测第一子图像中的第一关键点和第二子图像中的第二关键点。
其中,边缘标定物是以中心标定物为中心进行设置的。第一关键点是中心标定物上的关键点映射在第一子图像上的点。第二关键点是边缘标定物上的关键点映射在第二子图像上的点。
具体地,图像采集设备可以采集目标图像。服务器可以获取目标图像,并通过对目标图像进行关键点检测,得到第一子图像中的第一关键点和第二子图像中的第二关键点。
在一个实施例中,图像采集设备可以是摄像机或内置摄像头的终端等设备中的至少一种。比如,图像采集设备可以是单目相机。
在一个实施例中,图像采集设备可以以一定的俯仰角拍摄中心标定物和边缘标定物的放置面,使得所有的中心标定物和边缘标定物都能落在图像采集设备的视野范围内,以得到目标图像。可以理解,放置面可以是放置中心标定物和边缘标定物的任意平面。比如,放置面可以是地面。
在一个实施例中,服务器可以在获取到目标图像之后,对目标图像进行校正,得到校正后的目标图像。可以理解,服务器可以对校正后的目标图像进行关键点检测。
在一个实施例中,服务器可以利用去畸变校正函数对目标图像进行校正。可以理解,去畸变校正函数可以是计算机视觉库(opencv)中的函数。
在一个实施例中,边缘标定物为多个。每个边缘标定物到中心标定物之间的物理距离都相同。可以理解,中心标定物是多个边缘标定物的中心。比如,边缘标定物为8个,中心标定物为1个, 8个边缘标定物到中心标定物的物理距离均为Rt。中心标定物其实相当于多个边缘标定物的圆心。
在一个实施例中,中心标定物和边缘标定物可以是杆状几何体或筒状几何体等几何体中的至少一种。比如,使用标定杆或道路标筒等物体作为标定物。可以理解,道路标筒是为锥形或柱形的临时道路标示,比如交通锥。
在一个实施例中,如图3所示提供了目标图像的示意图。中心标定物和边缘标定物可以是杆状几何体。8个边缘标定物围绕1个中心标定物设置。
在一个实施例中,服务器可以检测出第一子图像中的第一关键点和第二子图像中的第二关键点在图像坐标系或像素坐标系中的至少一种坐标系下的图像坐标。
在一个实施例中,中心标定物和边缘标定物放置在一个平面上。可以理解,中心标定物和边缘标定物的放置面是同一个。服务器可以检测出第一子图像中至少一个角点,并根据放置面的垂直方向,从第一子图像中的角点中确定第一图像中的第一关键点。服务器可以检测出第二子图像中的至少一个角点,并根据放置面的垂直方向,从第二子图像中的角点中确定第二图像中的第二关键点。其中,角点就是极值点,即在某方面属性特别突出的点,比如,图像边缘点。步骤204,基于第一关键点和第二关键点,计算目标图像对应的图像采集设备的初始外参数据。
具体地,服务器可以基于第一关键点和第二关键点确定图像采集设备拍摄目标图像时的目标俯仰角。服务器可以基于目标俯仰角计算目标图像对应的图像采集设备的初始外参数据。
步骤206,根据标定物高度和边缘标定物到中心标定物之间的物理距离,对初始外参数据进行优化,得到图像采集设备的目标外参数据。
其中,标定物高度是在现实场景中设置中心标定物和边缘标定物的物理高度。
具体地,服务器可以基于初始外参数据确定第一关键点和第二关键点在地面坐标系下的地面坐标。可以理解,地面坐标是图像中的第一关键点和第二关键点映射到现实场景中的结果,可以指示第一关键点对应的中心标定物上的位置,第二关键点对应的边缘标定物上的位置。服务器可以根据地面坐标、标定物高度和边缘标定物到中心标定物之间的物理距离,确定基于初始外参数据从目标图像至现实场景映射出的第一关键点和第二关键点与现实场景的真实的第一关键点和第二关键点之间匹配程度,并朝着匹配程度更高的方向对初始外参数据进行优化,得到图像采集设备的目标外参数据。
上述外参数据标定方法,获取目标图像;目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;边缘标定物是以中心标定物为中心进行设置的;检测第一子图像中的第一关键点和第二子图像中的第二关键点;基于第一关键点和第二关键点,计算目标图像对应的图像采集设备的初始外参数据;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对初始外参数据进行优化,得到图像采集设备的目标外参数据;其中,标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。首先获取包括中心标定物的第一子图像和边缘标定物的第二子图像的目标图像,再基于从目标图像检测出第一关键点和第二关键点,计算图像采集设备的初始外参数据,最后根据中心标定物和边缘标定物在现实场景中的特性,对初始外参数据进行优化,提高了外参数据标定的准确性。
并且,通过设置中心标定物和边缘标定物能够覆盖大范围地面,能够适应远距离标定的场景,即使是远距离标定,也能保证准确性。
在一个实施例中,检测第一子图像中的第一关键点和第二子图像中的第二关键点包括:对第一子图像和第二子图像进行角点检测,得到第一子图像中的多个角点和第二子图像中的多个角点;根据放置面的垂直方向,从第一子图像中的多个角点中确定中心标定物对应的第一头部关键点和第一底部关键点,以及从第二子图像中的多个角点中确定边缘标定物对应的第二头部关键点和第二底部关键点;其中,放置面是用于放置中心标定物和边缘标定物的平面;放置面的垂直方向是垂直于放置面的方向。
具体地,服务器可以对目标图像进行角点检测,从第一子图像中检测出中心标定物对应的多个角点,以及从第二子图像中检测出边缘标定物对应的多个角点。服务器可以从中心标定物对应的多个角点中确定出对应于中心标定物顶部的第一头部关键点,并从第一子图像中确定对应于中心标定物底部的第一底部关键点。其中,第一底部关键点与第一头部关键点间的方向和放置面的垂直方向相匹配。即,第一底部关键点与第一头部关键点之间的连线是垂直于放置面的。服务器可以从边缘标定物对应的多个角点中确定出对应于边缘标定物顶部的第二头部关键点,并从第二子图像中确定对应于边缘标定物底部的第二底部关键点。其中,第二底部关键点与第二头部关键点间的方向和放置面的垂直方向相匹配。即,第二底部关键点与第二头部关键点之间的连线是垂直于放置面的。可以理解,中心标定物和边缘标定物是放置在放置面上的,中心标定物的底部和边缘标定物的底部实质上是放置面。需要说明的是,本实施例中中心标定物和边缘标定物可以不必是对称几何体,服务器也可以确定两点连线方向与放置面的垂直方向相匹配的第一头部关键点和第一底部关键点以及第二头部关键点和第二底部关键点。
在一个实施例中,服务器可以从中心标定物对应的多个角点中确定出对应于中心标定物底部的第一底部关键点,并从第一子图像中确定对应于中心标定物头部的第一头部关键点。其中,第一底部关键点与第一头部关键点间的方向和放置面的垂直方向相匹配。服务器可以从边缘标定物对应的多个角点中确定出对应于边缘标定物底部的第二底部关键点,并从第二子图像中确定对应于边缘标定物头部的第二头部关键点。其中,第二底部关键点与第二头部关键点间的方向和放置面的垂直方向相匹配。
本实施例中,根据放置面的垂直方向,从第一子图像中的多个角点中确定中心标定物对应的第一头部关键点和第一底部关键点,以及从第二子图像中的多个角点中确定边缘标定物对应的第二头部关键点和第二底部关键点,服务器可以对具备一定物理高度的标定物进行关键点检测,即使是不对称的几何体也可以作为标定物,提高了适应性。
在一个实施例中,中心标定物和边缘标定物是对称的几何体;检测第一子图像中的第一关键点和第二子图像中的第二关键点包括:对目标图像进行角点检测,从第一子图像中检测出中心标定物的中心轴线上的第一头部关键点和第一底部关键点,以及从第二子图像中检测出边缘标定物的中心轴线上的第二头部关键点和第二底部关键点。
其中,中心标定物和边缘标定物具有中心轴线。可以理解,中心标定物和边缘标定物可以是对称的几何体。现实场景中,中心标定物顶面上的中点对应于第一头部关键点,中心标定物底面上的中点对应于第一头部关键点,边缘标定物顶面上的中点对应于第二头部关键点,边缘标定物底面上的中点对应于第二头部关键点。第一关键点是中心标定物的关键点,现实场景、目标图像和图像采集设备中都包括第一关键点的映射,具体体现在第一关键点的放置面坐标系下的坐标、在目标图像中的图像坐标和在设备坐标系下的坐标。第二关键点也是如此。可以理解,放置面坐标系是基于放置面构建的三维直角坐标系。
具体地,服务器可以使用角点检测算法对目标图像进行角点检测,通过检测出第一子图像的角点得到中心标定物的中心轴线上的第一头部关键点和第一底部关键点,以及通过检测出第二子图像的角点进而得到边缘标定物的中心轴线上的第二头部关键点和第二底部关键点。
在一个实施例中,角点检测算法可以包括基于灰度图像的角点检测算法、基于二值图像的角点检测算法或基于轮廓曲线的角点检测算法等中的至少一种。
本实施例中,对目标图像进行角点检测,检测出中心标定物的中心轴线上的第一头部关键点和第一底部关键点,以及边缘标定物的中心轴线上的第二头部关键点和第二底部关键点,通过检测立体标定物的头部关键点和底部关键点进行外参标定的方式,与标定物所占的像素面积关联不大,即使是远距离标定的场景,也能准确进行角点检测,后续能够基于检测出的关键点进行外参数据标定,能够适应远距离标定的场景,提高了准确性。
在一个实施例中,中心标定物和边缘标定物上设置有关键点标记;检测第一子图像中的第一关键点和第二子图像中的第二关键点包括:检测第一子图像中的标记图像和第二子图像中的标记图像;标记图像是关键点标记的图像;基于第一子图像中的标记图像确定第一关键点,以及基于第二子图像中的标记图像确定第二关键点。
其中,关键点标记用于指示中心标定物和边缘标定物上的关键点。可以理解,中心标定物和边缘标定物上可以设置醒目的标记,这些醒目的标记既可以使得中心标定物和边缘标定物的图像更容易被识别,也能够作为关键点标记使用。比如,可以在中心标定物和边缘标定物上印制条纹。
具体地,服务器可以通过识别第一子图像中标记图像的图像位置确定中心标定物对应的第一关键点,以及通过识别第二子图像中标记图像的图像位置确定边缘标定物对应的第二关键点。
在一个实施例中,关键点标记可以标记中心标定物的顶部和底部,也可以标记边缘标定物的顶部和底部。可以理解,顶部和底部可以由中心标定物和边缘标定物上的关键点标记所指示,并一定是中心标定物和边缘标定物的最上面和最下面。服务器可以通过识别第一子图像中标记图像的图像位置,确定对应于中心标定物顶部的第一头部关键点和对应于中心标定物底部的第一底部关键点。服务器可以通过识别第二子图像中标记图像的图像位置,确定对应于边缘标定物顶部的第二头部关键点和对应于边缘标定物底部的第二底部关键点。
本实施例中,中心标定物和边缘标定物上设置有关键点标记;检测第一子图像中的标记图像和第二子图像中的标记图像;基于第一子图像中的标记图像确定第一关键点,以及基于第二子图像中的标记图像确定第二关键点,通过在中心标定物和边缘标定物上设置关键点标记,使得中心标定物和边缘标定物区别于图像中的其他物体,能够更准确地识别第一子图像和第二子图像。同时,关键点标记指示了中心标定物和边缘标定物对应关键点,使得关键点的检测更加准确。
在一个实施例中,边缘标定物为多个;中心标定物和多个所述边缘标定物位于同一放置面;基于第一关键点和第二关键点,计算目标图像对应的图像采集设备的初始外参数据包括:分别将第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合;基于多个关键点组合确定目标俯仰角;目标俯仰角是图像采集设备在采集目标图像时相对于放置面所处的俯仰角;根据目标俯仰角计算目标图像对应的图像采集设备的初始外参数据。
具体地,服务器可以分别将第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合。可以理解,每个关键点组合对应于一组中心标定物和边缘标定物。中心标定物和每个边缘标定物之间存在同一种数学几何关系。服务器可以基于多个关键点组合和上述数学几何关系确定目标俯仰角,并根据目标俯仰角计算目标图像对应的图像采集设备的初始外参数据。
在一个实施例中,中心标定物和每个边缘标定物的物理高度相同。并且中心标定物和每个边缘标定物平行设立在放置面。可以理解,关键点组合中的第一关键点和第二关键点在从图像坐标转换至地面坐标的情况下,关键点组合对应的地面坐标应该满足其所指示的中心标定物和边缘标定物的物理高度相同,并且中心标定物和边缘标定物相平行。
在一个实施例中,现实场景中,在边缘标定物和中心标定物平行、且标定物高度相同的情况下,通过延长关键点组合中第一头部关键点(A)和第二头部关键点(B)的连线,以及确定第一头部关键点和第二头部关键点分别与图像采集设备所在点(OC)之间的连线,可以构建出共用一个直角(角Z’)的两个直角三角形(三角形OCZ’B和三角形OCZ’A)。第一头部关键点对应的顶角为第一头部顶角,第二头部关键点对应的顶角为第二头部顶角。可以理解,第一头部顶角和第二头部顶角的对边是同一条(OCZ’)。同理,参照上述内容,基于第一底部关键点(C)、第二底部关键点(D)和图像采集设备所在点也可以构建出共用一个直角(角Z)的两个直角三角形(三角形OCZC和三角形OCZD)。第一底部关键点对应的顶角为第一底部顶角,第二底部关键点对应的顶角为第二底部顶角。第一底部顶角和第二底部顶角的对边是同一条(OCZ)。
第一头部顶角与第一底部顶角之间的正切比为OCZ’/ OCZ,第二头部顶角与第二底部顶角之间的正切比为OCZ’/ OCZ。因此,在边缘标定物和中心标定物平行、且标定物高度相同的情况下,第一头部顶角与第一底部顶角之间的正切比应该等于第二头部顶角与第二底部顶角之间的正切比。其中,图像采集设备所在的点可以是图像采集设备的中心点。
在一个实施例中,服务器可以确定按照第一头部顶角与第一底部顶角之间的正切比应该等于第二头部顶角与第二底部顶角之间的正切比这一数学几何关系,构建的俯仰角计算公式,并利用俯仰角计算公式确定每个关键点组合对应的俯仰角。
本实施例中,分别将第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合;基于多个关键点组合确定目标俯仰角;根据目标俯仰角计算目标图像对应的图像采集设备的初始外参数据,后续能够对初始外参数据进行优化,提高了外参数据标定的准确性。
在一个实施例中,基于多个关键点组合确定目标俯仰角包括:确定第一关键点和第二关键点分别在设备坐标系下的坐标;设备坐标系是基于图像采集设备构建的坐标系;基于第一关键点和第二关键点分别在设备坐标系下的坐标和图像采集设备对应的视场角,确定第一关键点对应的第一夹角和第二关键点对应的第二夹角;第一夹角是第一关键点和设备坐标系原点之间的第一连线与视场角的始边之间的夹角;第二夹角是第二关键点和设备坐标系原点之间的第二连线与视场角的始边之间的夹角;根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算目标俯仰角。
其中,设备坐标系是以图像采集设备的聚焦中心为原点,以光轴为竖轴建立的三维直角坐标系。
具体地,服务器可以确定第一关键点和第二关键点分别在设备坐标系下的坐标。可以理解,设备坐标系的竖轴是光轴,光轴位于视场角的中心,因此,设备坐标系的竖轴是视场角的中线。服务器可以基于第一关键点和第二关键点分别在设备坐标系下的坐标,确定第一关键点对应的第一辅助夹角和第二关键点对应的第二辅助夹角;第一辅助夹角是第一关键点和设备坐标系原点之间的第一连线与设备坐标系的竖轴之间的夹角;第二辅助夹角是第二关键点和设备坐标系原点之间的第二连线与设备坐标系的竖轴之间的夹角。可以理解,设备坐标系的竖轴与视场角始边之间的夹角是半视场角。服务器可以叠加半视场角和第一辅助夹角得到第一夹角,以及叠加半视场角与第二辅助夹角得到第二夹角。可以理解,若第一连线和第二连线位于设备坐标系的竖轴的不同侧,相应角度值的正负符号也不同。服务器可以根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算目标俯仰角。
在一个实施例中,在第一连线与视场角始边位于设备坐标系的竖轴的同侧的情况下,第一辅助夹角对应的角度值是一个负数。在第一连线与视场角始边位于设备坐标系的竖轴的不同侧的情况下,第一辅助夹角对应的角度值是一个正数。可以理解,第二连线与第一连线同理。
在一个实施例中,第一关键点包括第一头部关键点和第一底部关键点。第二关键点包括第二头部关键点和第二底部关键点。服务器可以基于上述关键点在设备坐标系下的坐标确定第一头部关键点对应的第一头部辅助夹角、第一底部关键点对应的第一底部辅助夹角、第二头部关键点对应的第二头部辅助夹角和第二底部关键点对应的第二底部辅助夹角。第一头部辅助夹角是第一头部关键点和设备坐标系原点之间的第一头部连线与设备坐标系的竖轴之间的夹角;第一底部辅助夹角是第一底部关键点和设备坐标系原点之间的第一底部连线与设备坐标系的竖轴之间的夹角。第二头部辅助夹角是第二头部关键点和设备坐标系原点之间的第二头部连线与设备坐标系的竖轴之间的夹角;第二底部辅助夹角是第二底部关键点和设备坐标系原点之间的第二底部连线与设备坐标系的竖轴之间的夹角。
在一个实施例中,服务器可以计算半视场角和第一头部辅助夹角之和得到第一头部夹角、计算半视场角和第一底部辅助夹角之和得到第一底部夹角、计算半视场角和第二头部辅助夹角之和得到第二头部夹角,以及计算半视场角与第二底部辅助夹角之和得到第二底部夹角。
在一个实施例中,服务器可以确定第一关键点和第二关键点的图像坐标,并通过将上述图像坐标反投影到设备坐标系中,确定第一关键点和第二关键点在设备坐标系下的坐标。服务器可以确定第一关键点和第二关键点在设备坐标系下的坐标所指示的第一辅助夹角和第二辅助夹角的角度值。
在一个实施例中,服务器可以将第一关键点和第二关键点的图像坐标反投影到归一化坐标系中得到归一化坐标。服务器可以确定第一关键点和第二关键点的归一化坐标所指示的第一辅助夹角和第二辅助夹角的角度值。可以理解,在图像采集设备采集图像的过程中,首先会进行放置面坐标系到设备坐标系的转换,接着图像采集设备会将设备坐标系下的坐标的投影到归一化坐标系下,最后根据归一化坐标得到图像坐标。归一化坐标系是图像采集设备对应的坐标系,用于实现投影成像。
本实施例中,确定第一关键点和第二关键点分别在设备坐标系下的坐标;设备坐标系是基于图像采集设备构建的坐标系;基于第一关键点和第二关键点分别在设备坐标系下的坐标和图像采集设备对应的视场角,确定第一关键点对应的第一夹角和第二关键点对应的第二夹角;根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算目标俯仰角,后续能够根据目标俯仰角计算初始外参数据,以实现外参数据的标定,提高了准确性。
在一个实施例中,根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算目标俯仰角包括:确定测量俯仰角;测量俯仰角是在图像采集设备采集目标图像时测量出的俯仰角;将测量俯仰角作为当前俯仰角,并将当前俯仰角、及多个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角代入俯仰角代价函数中,得到俯仰角代价值;俯仰角代价值,用于反映基于当前俯仰角预测的标志物几何特性与真实的标志物几何特性之间的差异;预测的标志物几何特性是基于当前俯仰角将第一子图像和第二子图像映射到现实场景后所预测的中心标定物和边缘标记物之间的几何特性;真实的标志物几何特性是现实场景中的中心标定物和边缘标记物之间的几何特性;朝着使俯仰角代价值减小的方向,对当前俯仰角进行优化调整,并将优化调整后的俯仰角作为新的当前俯仰角继续迭代优化,直至迭代停止,得到优化后的目标俯仰角。
具体地,服务器可以在确定测量俯仰角之后,将测量俯仰角作为当前俯仰角,并将当前俯仰角、及多个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角代入俯仰角代价函数中,得到俯仰角代价值。服务器可以朝着使俯仰角代价值减小的方向,使用优化算法对当前俯仰角进行优化调整,并将优化调整后的俯仰角作为新的当前俯仰角继续迭代优化,直至俯仰角代价函数收敛,得到优化后的目标俯仰角。可以理解,俯仰角代价值越小,当前俯仰角就越准确。
在一个实施例中,服务器可以将每个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角计算参考俯仰角。可以理解,每个关键点组合对应一个参考俯仰角。服务器可以从多个参考俯仰角中确定初始俯仰角。服务器可以将初始俯仰角代入俯仰角代价函数中,得到俯仰角代价值,以朝着使俯仰角代价值减小的方向,对初始俯仰角进行迭代优化调整,直至俯仰角代价函数收敛,即,直至得到最小的俯仰角代价值,得到优化后的目标俯仰角。
在一个实施例中,初始俯仰角可以是多个参考俯仰角中处于中位的参考俯仰角。
在一个实施例中,优化算法可以是非线性优化算法,比如,LM优化算法。
在一个实施例中,如图4所示提供了第一底部夹角的原理示意图。设备坐标系的竖轴是视场角的中线。α是第一底部辅助夹角,β是第一底部夹角。第一辅助夹角加上半视场角就得到了第一夹角。可以理解,图中是中心标定物第一底部夹角的原理示意图,中心标定物的第一头部夹角、边缘标定物的第二头部夹角以及边缘标定物的第二底部夹角与中心标定物第一底部夹角的原理相同。
在一个实施例中,俯仰角代价函数是利用俯仰角计算公式,综合多个关键点组合构建的。如下所示:公式(1)是俯仰角计算公式,公式(2)是俯仰角代价函数。
tan(θ+β1)/tan(θ+β2) = tan(θ+β3)/tan(θ+β4) (1)
可以理解,θ是俯仰角,β1是第一底部夹角,β2是第一头部夹角,β3是第二底部夹角,β4是第二顶部夹角。公式(2)中的N与关键点组合的个数一致,i用于指示第几个关键点组合。
在一个实施例中,如图5所述提供了俯仰角代价函数的原理示意图。第一夹角包括第一头部夹角(β2)和第一底部夹角(β1),第二夹角包括第二头部夹角(β4)和第二底部夹角(β3)。图像采集设备与放置面之间的相对距离为H,标定物高度为L。第一头部夹角加上俯仰角(θ)等于第一头部顶角,第一底部夹角加上俯仰角(θ)等于第一底部顶角,第二头部夹角加上俯仰角(θ)等于第二头部顶角,第二底部夹角加上俯仰角(θ)等于第二底部顶角。故由前文所述的第一头部顶角与第一底部顶角之间的正切比等于第二头部顶角与第二底部顶角之间的正切比,可以推理得到tan(θ+β1)/tan(θ+β2) = tan(θ+β3)/tan(θ+β4)= H/(H-L)这一结论。可以理解,将一个关键点组合对应的第一夹角和第二夹角带入俯仰角计算公式都能够得到一个与该关键点组合相符的参考俯仰角。为了减少误差,使得目标俯仰角能够尽可能地匹配所有关键点组合,因此基于俯仰角计算公式构建出俯仰角代价函数,综合考虑目标俯仰角与每个关键点组合的匹配程度。
可以理解,如前文所述,现实场景中,在边缘标定物和中心标定物平行、且标定物高度相同的情况下,第一头部顶角与第一底部顶角之间的正切比应该等于第二头部顶角与第二底部顶角之间的正切比,这正是现实场景中真实的标志物几何特性。服务器可以通过比对tan(θ+βi1)/tan(θ+βi2) 和tan(θ+βi3)/tan(θ+βi4)的差确定预测的标志物几何特性与真实的标志物几何特性的差异。
本实施例中,将当前俯仰角代入俯仰角代价函数中,得到俯仰角代价值;朝着使俯仰角代价值减小的方向,对当前俯仰角进行迭代优化调整,得到优化后的目标俯仰角,后续能够根据目标俯仰角计算初始外参数据,以实现外参数据的标定,提高了准确性。
在一个实施例中,初始外参数据包括初始平移向量和初始旋转矩阵;根据目标俯仰角计算目标图像对应的图像采集设备的初始外参数据包括:将目标俯仰角和标定物高度作为平移向量计算公式的输入,得到初始平移向量;平移向量计算公式是基于图像采集设备与放置面之间的相对距离构建的;将目标俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵;旋转矩阵计算公式是基于图像采集设备对应的设备坐标系和放置面对应的地面坐标系之间的转换关系构建的。
具体地,在图像采集设备采集目标图像时,保持图像采集设备相对放置面至存在俯仰角这一个自由度的变化。在上述情况下可以得到如下所示的平移向量计算公式和旋转矩阵计算公式。服务器可以将俯仰角和标定物高度作为平移向量计算公式的输入,得到初始平移向量,以及将俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵。
T0=(0,0,H) (3)
其中,公式(3)是平移向量计算公式,H是图像采集设备与放置面之间的相对距离,T0是初始平移向量。公式(4)是旋转矩阵计算公式,θ是目标俯仰角,R0是初始旋转矩阵。可以理解,图像采集设备相对放置面至存在俯仰角这一个自由度的变化,因此平移向量只包括垂直放置面方向的相对距离。
本实施例中,将目标俯仰角和标定物高度作为平移向量计算公式的输入,得到初始平移向量;将目标俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵,后续能够对得到的初始旋转矩阵和初始平移向量进行优化,提高外参数据标定的准确性。
在一个实施例中,第一关键点为多个;多个第一关键点对应于中心标定物上的不同位置;每个边缘标定物的第二关键点为多个;多个第二关键点对应于边缘标定物上的不同位置;中心标定物与多个边缘标定物之间的物理距离相同;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对初始外参数据进行优化,得到图像采集设备的目标外参数据包括:基于初始外参数据,确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标;针对中心标定物和边缘标定物中的任一个标定物,确定同一标定物中不同位置的关键点之间的地面坐标差值,得到同标定物坐标差;确定每个边缘标定物的第二关键点与中心标定物中相应位置处的第一关键点之间的地面坐标差值,得到标定物间坐标差;朝着使同标定物坐标差接近标定物高度、且标定物间坐标差接近物理距离的方向,对初始外参数据进行优化调整,得到图像采集设备的目标外参数据。
具体地,服务器可以确定各第一关键点和第二关键点在设备坐标系下的坐标,并使用初始外参数据,将设备坐标系下的坐标转换成地面坐标系下的坐标,以确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标。服务器可以针对中心标定物和边缘标定物中的任一个标定物,确定同一标定物中不同位置的关键点之间的地面坐标差值,得到同标定物坐标差。服务器可以确定每个边缘标定物的第二关键点与中心标定物中相应位置处的第一关键点之间的地面坐标差值,得到标定物间坐标差。可以理解,地面坐标系对应于现实场景,计算得到的同标定物坐标差应与标定物高度一致,标定物间坐标差应与物理距离一致。服务器可以朝着使同标定物坐标差接近标定物高度、且标定物间坐标差接近物理距离的方向,对初始外参数据进行优化调整,得到图像采集设备的目标外参数据。
在一个实施例中,第一关键点包括第一头部关键点和第一底部关键点,第二关键点包括第二头部关键点和第二底部关键点。服务器可以确定各第一头部关键点、第一底部关键点、第二头部关键点和第二底部关键点在地面坐标系下对应的地面坐标。
在一个实施例中,服务器可以针对中心标定物和边缘标定物中的任一个标定物,确定同一标定物中第一头部关键点和第二底部关键点之间的地面坐标差值,得到同标定物坐标差。服务器可以确定每个边缘标定物的第二头部关键点与中心标定物中的第一头部关键点之间的地面坐标差值,或每个边缘标定物的第二底部关键点与中心标定物中的第一底部关键点之间的地面坐标差值,得到标定物间坐标差。
在一个实施例中,服务器可以使用像素坐标系到相机坐标系的第一转换公式,将第一关键点和第二关键点的图像坐标转换成相机坐标系下的坐标。可以理解,设备坐标系可以相当于相机坐标系。服务器可以使用初始外参数据和相机坐标系到地面坐标系的第二转换公式,将相机坐标系下的坐标转换成地面坐标系下的坐标。
在一个实施例中,服务器可以确定预先使用第二转换公式和第一转换公式得到的像素坐标系到地面坐标系的第三转换公式,并使用初始外参数据和第三转换公式确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标。
其中,公式(5)是第一转换公式,公式(6)是第二转换公式,公式(7)是第三转换公式。u、v 分别是像素坐标系下的二维坐标。Xc、Yc、Zc分别是相机坐标系下的横、纵、竖坐标。Xw、Yw、Zw分别是地面坐标系下的横、纵、竖坐标。K是图像采集设备的内参数据,R是初始旋转矩阵,t是初始平移向量。
在一个实施例中,服务器可以将初始参数数据代入外参数据代价函数中,得到外参数据代价值。可以理解,外参数据代价值越小则表征同标定物坐标差越接近标定物高度、以及标定物间坐标差越接近物理距离。
在一个实施例中,服务器可以使用优化算法对初始外参数据进行优化,直至外参数据代价函数收敛,得到优化后的目标外参数据。可以理解,优化算法可以是非线性优化算法,比如,光束法平差算法(bundle adjustment)。如下所示:公式(8)是外参数据代价函数。
可以理解,Reproject是重投影,指将图像坐标重投影至地面坐标系下。R和T是优化过程中的旋转矩阵和平移向量。N+1与中心标定物和边缘标定物的总数一致,N与关键点组合的总数一致。Ht是标定物高度,Rt是物理距离。pi1和pi2分别表征同一标定物的底部关键点和头部关键点的图像坐标。pi1和pi3分别表征两个不同标定物的底部关键点或头部关键点的图像坐标的图像坐标。
本实施例中,朝着使同标定物坐标差接近标定物高度、且标定物间坐标差接近物理距离的方向,对初始外参数据进行优化调整,得到图像采集设备的目标外参数据,能够避免图像采集设备配偏移带来的误差。可以理解,在理想状态下,图像采集设备相较于放置面只有俯仰角一个自由度的变化,但实际场景中,会存在偏移,因此综合考虑同一标定物由图像映射到现实场景中的同标定物坐标差与标定物高度的接近程度,以及不同标定物由图像映射到现实场景中的标定物间坐标差与物理距离的接近程度,对初始外参数据进行优化,提高了准确性。
在一个实施例中,如图6所示提供了外参数据标定方法的简易流程图。中心标定物可以是中心标定杆,边缘标定物可以是边缘标定杆。服务器可以对目标图像进行去畸变校正,得到校正后的目标图像。服务器可以对校正后的目标图像进行关键点检测,得到中心标定杆对应的第一头部关键点和第一底部关键点的图像坐标,以及得到边缘标定杆对应的第二头部关键点和第二底部关键点的图像坐标。服务器可以基于第一头部关键点和第一底部关键点的图像坐标、以及第二头部关键点和第二底部关键点的图像坐标,计算初始外参数据。在得到初始外参数据之后,服务器可以使用光束法平差算法对初始外参数据进行优化,得到优化后的目标外参数据。通过简单的设置多个标定杆就能够实现外参数据的标定,提高了便捷度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的外参数据标定方法的外参数据标定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个外参数据标定装置实施例中的具体限定可以参见上文中对于外参数据标定方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种外参数据标定装置700,包括:获取模块702、检测模块704和标定模块706,其中:
第二方面,本申请还提供了一种外参数据标定装置。装置包括:
获取模块702,用于获取目标图像;目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;边缘标定物是以中心标定物为中心进行设置的;
检测模块704,用于检测第一子图像中的第一关键点和第二子图像中的第二关键点;
标定模块706,用于基于第一关键点和第二关键点,计算目标图像对应的图像采集设备的初始外参数据;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对初始外参数据进行优化,得到图像采集设备的目标外参数据;其中,标定物高度是在现实场景中设置中心标定物和边缘标定物的物理高度。
在一个实施例中,检测模块704,还用于对第一子图像和第二子图像进行角点检测,得到第一子图像中的多个角点和第二子图像中的多个角点; 根据放置面的垂直方向,从第一子图像中的多个角点中确定中心标定物对应的第一头部关键点和第一底部关键点,以及从第二子图像中的多个角点中确定边缘标定物对应的第二头部关键点和第二底部关键点;其中,放置面是用于放置中心标定物和边缘标定物的平面。。
在一个实施例中,中心标定物和边缘标定物上设置有关键点标记;检测模块,还用于检测第一子图像中的标记图像和第二子图像中的标记图像;标记图像是关键点标记的图像;基于第一子图像中的标记图像确定第一关键点,以及基于第二子图像中的标记图像确定第二关键点。
在一个实施例中,边缘标定物为多个;中心标定物和多个所述边缘标定物位于同一放置面;标定模块706,还用于分别将第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合;基于多个关键点组合确定目标俯仰角;目标俯仰角是图像采集设备在采集目标图像时相对于放置面所处的俯仰角;根据目标俯仰角计算目标图像对应的图像采集设备的初始外参数据。
在一个实施例中,标定模块706,还用于确定第一关键点和第二关键点分别在设备坐标系下的坐标;设备坐标系是基于图像采集设备构建的坐标系;基于第一关键点和第二关键点分别在设备坐标系下的坐标和图像采集设备对应的视场角,确定第一关键点对应的第一夹角和第二关键点对应的第二夹角;第一夹角是第一关键点和设备坐标系原点之间的第一连线与视场角的始边之间的夹角;第二夹角是第二关键点和设备坐标系原点之间的第二连线与视场角的始边之间的夹角;根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算目标俯仰角。
在一个实施例中,标定模块706,还用于确定测量俯仰角;测量俯仰角是在图像采集设备采集目标图像时测量出的俯仰角;将测量俯仰角作为当前俯仰角,并将当前俯仰角、及多个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角代入俯仰角代价函数中,得到俯仰角代价值;俯仰角代价值,用于反映基于当前俯仰角预测的标志物几何特性与真实的标志物几何特性之间的差异;预测的标志物几何特性是基于当前俯仰角将第一子图像和第二子图像映射到现实场景后所预测的中心标定物和边缘标记物之间的几何特性;真实的标志物几何特性是现实场景中的中心标定物和边缘标记物之间的几何特性;朝着使俯仰角代价值减小的方向,对当前俯仰角进行优化调整,并将优化调整后的俯仰角作为新的当前俯仰角继续迭代优化,直至迭代停止,得到优化后的目标俯仰角。
在一个实施例中,初始外参数据包括初始平移向量和初始旋转矩阵;标定模块706,还用于将目标俯仰角和标定物高度作为平移向量计算公式的输入,得到初始平移向量;平移向量计算公式是基于图像采集设备与放置面之间的相对距离构建的;将目标俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵;旋转矩阵计算公式是基于图像采集设备对应的设备坐标系和放置面对应的地面坐标系之间的转换关系构建的。
在一个实施例中,第一关键点为多个;多个第一关键点对应于中心标定物上的不同位置;每个边缘标定物的第二关键点为多个;多个第二关键点对应于边缘标定物上的不同位置;中心标定物与多个边缘标定物之间的物理距离相同;
标定模块706,还用于基于初始外参数据,确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标;针对中心标定物和边缘标定物中的任一个标定物,确定同一标定物中不同位置的关键点之间的地面坐标差值,得到同标定物坐标差;确定每个边缘标定物的第二关键点与中心标定物中相应位置处的第一关键点之间的地面坐标差值,得到标定物间坐标差;朝着使同标定物坐标差接近标定物高度、且标定物间坐标差接近物理距离的方向,对初始外参数据进行优化调整,得到图像采集设备的目标外参数据。
上述外参数据标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标外参数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种外参数据标定方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种外参数据标定方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8和图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种外参数据标定方法,其特征在于,所述方法包括:
获取目标图像;所述目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;所述边缘标定物是以所述中心标定物为中心进行设置的;
检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点;
基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据;
根据标定物高度和所述边缘标定物到所述中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据;其中,所述标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。
2.根据权利要求1所述的方法,其特征在于,所述检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点包括:
对所述第一子图像和所述第二子图像进行角点检测,得到所述第一子图像中的多个角点和所述第二子图像中的多个角点;
根据放置面的垂直方向,从所述第一子图像中的多个角点中确定所述中心标定物对应的第一头部关键点和第一底部关键点,以及从所述第二子图像中的多个角点中确定所述边缘标定物对应的第二头部关键点和第二底部关键点;
其中,所述放置面是用于放置中心标定物和边缘标定物的平面。
3.根据权利要求1所述的方法,其特征在于,所述中心标定物和所述边缘标定物上设置有关键点标记;所述检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点包括:
检测所述第一子图像中的标记图像和所述第二子图像中的标记图像;所述标记图像是所述关键点标记的图像;
基于所述第一子图像中的标记图像确定第一关键点,以及基于所述第二子图像中的标记图像确定第二关键点。
4.根据权利要求1所述的方法,其特征在于,所述边缘标定物为多个;所述中心标定物和多个所述边缘标定物位于同一放置面;所述基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据包括:
分别将所述第一关键点与每个边缘标定物对应的第二关键点构成一组关键点,得到多个关键点组合;
基于多个关键点组合确定目标俯仰角;所述目标俯仰角是所述图像采集设备在采集所述目标图像时相对于放置面所处的俯仰角;
根据所述目标俯仰角计算所述目标图像对应的图像采集设备的初始外参数据。
5.根据权利要求4所述的方法,其特征在于,所述基于多个关键点组合确定目标俯仰角包括:
确定所述第一关键点和所述第二关键点分别在设备坐标系下的坐标;所述设备坐标系是基于图像采集设备构建的坐标系;
基于所述第一关键点和所述第二关键点分别在设备坐标系下的坐标和所述图像采集设备对应的视场角,确定所述第一关键点对应的第一夹角和所述第二关键点对应的第二夹角;所述第一夹角是所述第一关键点和设备坐标系原点之间的第一连线与所述视场角的始边之间的夹角;所述第二夹角是所述第二关键点和设备坐标系原点之间的第二连线与所述视场角的始边之间的夹角;
根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算所述目标俯仰角。
6.根据权利要求5所述的方法,其特征在于,所述根据各个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角,计算所述目标俯仰角包括:
确定测量俯仰角;所述测量俯仰角是在所述图像采集设备采集所述目标图像时测量出的俯仰角;
将所述测量俯仰角作为当前俯仰角,并将所述当前俯仰角、及多个关键点组合中第一关键点对应的第一夹角和第二关键点对应的第二夹角代入俯仰角代价函数中,得到俯仰角代价值;所述俯仰角代价值,用于反映基于所述当前俯仰角预测的标志物几何特性与真实的标志物几何特性之间的差异;所述预测的标志物几何特性是基于所述当前俯仰角将第一子图像和第二子图像映射到现实场景后所预测的中心标定物和边缘标记物之间的几何特性;所述真实的标志物几何特性是现实场景中的中心标定物和边缘标记物之间的几何特性;
朝着使所述俯仰角代价值减小的方向,对所述当前俯仰角进行优化调整,并将优化调整后的俯仰角作为新的当前俯仰角继续迭代优化,直至迭代停止,得到优化后的目标俯仰角。
7.根据权利要求4所述的方法,其特征在于,所述初始外参数据包括初始平移向量和初始旋转矩阵;所述根据所述目标俯仰角计算所述目标图像对应的图像采集设备的初始外参数据包括:
将所述目标俯仰角和所述标定物高度作为平移向量计算公式的输入,得到初始平移向量;所述平移向量计算公式是基于所述图像采集设备与所述放置面之间的相对距离构建的;
将所述目标俯仰角作为旋转矩阵计算公式的输入,得到初始旋转矩阵;所述旋转矩阵计算公式是基于所述图像采集设备对应的设备坐标系和所述放置面对应的地面坐标系之间的转换关系构建的。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述第一关键点为多个;多个第一关键点对应于所述中心标定物上的不同位置;每个边缘标定物的第二关键点为多个;多个第二关键点对应于所述边缘标定物上的不同位置;所述中心标定物与多个边缘标定物之间的物理距离相同;
所述根据标定物高度和边缘标定物到中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据包括:
基于初始外参数据,确定各第一关键点和第二关键点在地面坐标系下对应的地面坐标;
针对中心标定物和边缘标定物中的任一个标定物,确定所述同一标定物中不同位置的关键点之间的地面坐标差值,得到同标定物坐标差;
确定每个边缘标定物的第二关键点与所述中心标定物中相应位置处的第一关键点之间的地面坐标差值,得到标定物间坐标差;
朝着使所述同标定物坐标差接近所述标定物高度、且所述标定物间坐标差接近所述物理距离的方向,对所述初始外参数据进行优化调整,得到所述图像采集设备的目标外参数据。
9.一种外参数据标定装置,其特征在于,所述装置包括:
获取模块,用于获取目标图像;所述目标图像包括中心标定物的第一子图像和边缘标定物的第二子图像;所述边缘标定物是以所述中心标定物为中心进行设置的;
检测模块,用于检测所述第一子图像中的第一关键点和所述第二子图像中的第二关键点;
标定模块,用于基于所述第一关键点和所述第二关键点,计算所述目标图像对应的图像采集设备的初始外参数据;根据标定物高度和边缘标定物到中心标定物之间的物理距离,对所述初始外参数据进行优化,得到所述图像采集设备的目标外参数据;其中,所述标定物高度是在现实场景中设置所述中心标定物和所述边缘标定物的物理高度。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602249.0A CN115601451B (zh) | 2022-12-14 | 2022-12-14 | 外参数据标定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602249.0A CN115601451B (zh) | 2022-12-14 | 2022-12-14 | 外参数据标定方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115601451A true CN115601451A (zh) | 2023-01-13 |
CN115601451B CN115601451B (zh) | 2023-03-21 |
Family
ID=84854345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211602249.0A Active CN115601451B (zh) | 2022-12-14 | 2022-12-14 | 外参数据标定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601451B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180213218A1 (en) * | 2017-01-23 | 2018-07-26 | Multimedia Image Solution Limited | Equipment and method for promptly performing calibration and verification of intrinsic and extrinsic parameters of a plurality of image capturing elements installed on electronic device |
CN111123242A (zh) * | 2018-10-31 | 2020-05-08 | 北京亚兴智数科技有限公司 | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 |
CN112132908A (zh) * | 2020-09-23 | 2020-12-25 | 西安邮电大学 | 一种基于智能检测技术的相机外参数标定方法及设备 |
CN112150559A (zh) * | 2020-09-24 | 2020-12-29 | 深圳佑驾创新科技有限公司 | 图像采集装置的标定方法、计算机设备及存储介质 |
CN112419428A (zh) * | 2020-12-09 | 2021-02-26 | 南京凌华微电子科技有限公司 | 手术机器人红外相机标定方法 |
CN113034603A (zh) * | 2019-12-09 | 2021-06-25 | 百度在线网络技术(北京)有限公司 | 用于确定标定参数的方法和装置 |
CN114037751A (zh) * | 2021-09-27 | 2022-02-11 | 深圳市纵维立方科技有限公司 | 结构光***的标定参数优化方法、存储介质、计算机设备 |
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
- 2022-12-14 CN CN202211602249.0A patent/CN115601451B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180213218A1 (en) * | 2017-01-23 | 2018-07-26 | Multimedia Image Solution Limited | Equipment and method for promptly performing calibration and verification of intrinsic and extrinsic parameters of a plurality of image capturing elements installed on electronic device |
CN111123242A (zh) * | 2018-10-31 | 2020-05-08 | 北京亚兴智数科技有限公司 | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 |
CN113034603A (zh) * | 2019-12-09 | 2021-06-25 | 百度在线网络技术(北京)有限公司 | 用于确定标定参数的方法和装置 |
CN112132908A (zh) * | 2020-09-23 | 2020-12-25 | 西安邮电大学 | 一种基于智能检测技术的相机外参数标定方法及设备 |
CN112150559A (zh) * | 2020-09-24 | 2020-12-29 | 深圳佑驾创新科技有限公司 | 图像采集装置的标定方法、计算机设备及存储介质 |
CN112419428A (zh) * | 2020-12-09 | 2021-02-26 | 南京凌华微电子科技有限公司 | 手术机器人红外相机标定方法 |
CN114037751A (zh) * | 2021-09-27 | 2022-02-11 | 深圳市纵维立方科技有限公司 | 结构光***的标定参数优化方法、存储介质、计算机设备 |
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 |
Non-Patent Citations (1)
Title |
---|
孙少杰等: ""基于计算机视觉的目标方位测量方法"" * |
Also Published As
Publication number | Publication date |
---|---|
CN115601451B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726580B2 (en) | Method and device for calibration | |
US8487927B2 (en) | Validating user generated three-dimensional models | |
WO2020038386A1 (zh) | 确定单目视觉重建中的尺度因子 | |
EP3944194B1 (en) | Fisheye camera calibration system, method and apparatus, and electronic device and storage medium | |
WO2024011764A1 (zh) | 标定参数确定方法、混合标定板、装置、设备和介质 | |
CN113963072B (zh) | 双目摄像头标定方法、装置、计算机设备和存储介质 | |
KR20190130407A (ko) | 전방위 카메라의 캘리브레이션을 위한 장치 및 방법 | |
CN109102524A (zh) | 图像特征点的跟踪方法和跟踪装置 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
CN112950528A (zh) | 证件姿态确定方法、模型训练方法、装置、服务器及介质 | |
US9852542B1 (en) | Methods and apparatus related to georeferenced pose of 3D models | |
CN115601451B (zh) | 外参数据标定方法、装置、计算机设备和存储介质 | |
CN115086625B (zh) | 投影画面的校正方法、装置、***、校正设备和投影设备 | |
CN115272470A (zh) | 相机定位方法、装置、计算机设备和存储介质 | |
CN114359371A (zh) | 视觉***的校准方法、装置、计算机设备、存储介质 | |
CN114792343A (zh) | 图像获取设备的标定方法、获取图像数据的方法、装置 | |
Wang et al. | Comparison of the camera calibration between photogrammetry and computer vision | |
CN117392317B (zh) | 实景三维建模方法、装置、计算机设备和存储介质 | |
CN113008135A (zh) | 用于确定空间中目标点位置的方法、设备、电子装置及介质 | |
CN116295031B (zh) | 弧垂的测量方法、装置、计算机设备和存储介质 | |
CN115861429B (zh) | 图像采集设备标定方法、装置、计算机设备和存储介质 | |
CN116481516B (zh) | 机器人、地图创建方法和存储介质 | |
WO2024051731A1 (zh) | 图像矫正方法、装置、计算机设备和计算机可读存储介质 | |
CN117939093A (zh) | 投影校正方法、装置、计算机设备和存储介质 | |
CN114511448A (zh) | 拼接图像的方法、装置、设备和介质 |
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 |