CN116452676A - 一种摄像头标定方法、装置、设备及可读存储介质 - Google Patents
一种摄像头标定方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116452676A CN116452676A CN202310351374.7A CN202310351374A CN116452676A CN 116452676 A CN116452676 A CN 116452676A CN 202310351374 A CN202310351374 A CN 202310351374A CN 116452676 A CN116452676 A CN 116452676A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- bitmap
- calibration
- threshold value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012795 verification Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 33
- 239000000463 material Substances 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 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
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/147—Determination of region of interest
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种摄像头标定方法、装置、设备及可读存储介质,涉及标定技术领域,其中方法包括:首先获取摄像头拍摄生成的图像;再根据图像中截取的点阵图,获取目标标定框;然后验证目标标定框的坐标值与预设标定门限值之间的大小关系;若目标标定框的坐标值大于预设标定门限值,则基于目标标定框的坐标值,确定摄像头的标定数据。通过应用本申请技术方案,可快速实现对摄像装置的标定框有效性的验证,进而保证摄像头的标定数据的准确有效,从而提高字符识别的准确性。
Description
技术领域
本申请涉及标定技术领域,特别涉及一种摄像头标定方法、装置、设备及可读存储介质。
背景技术
在实现图像测量和机器视觉应用过程中,为确定空间物体表面某一点的三维几何位置与其在图像中对应点之间的相互关系,需要建立摄像头的几何模型,通过该几何模型,实现空间物体三维坐标向图像中物体二维坐标的转换。
目前,为了控制成本,一些电子设备(如扫描笔等)上的扫描摄像头通常采用定焦摄像头,且摄像头视场角(Field of View,FOV)会受扫描杆影响,进而会容易导致摄像头几何模型创建异常,如扫描摄像头标定数据源异常,导致对应标定框取点错误或标定框过小,从而影响了光学字符识别(Optical Character Recognition,OCR)提取识别内容的准确性。
发明内容
本申请提供了一种摄像头标定方法、装置、设备及可读存储介质,主要目的在于对电子设备的摄像头因扫描杆影响而造成的几何模型创建异常,无法进一步实现图像识别的技术问题。
本申请第一方面公开了一种摄像头标定方法,该方法包括:
获取摄像头拍摄到的图像;
根据所述图像中截取的点阵图,获取目标标定框;
验证所述目标标定框的坐标值与预设标定门限值之间的大小关系;
若所述目标标定框的坐标值大于所述预设标定门限值,则基于所述目标标定框的坐标值,确定所述摄像头的标定数据
在本申请公开的一些实施例中,所述根据所述图像中截取的点阵图,获取目标标定框,具体包括:
获取所述图像中截取区域内包括的点位数量;
根据所述图像的点位像素大小的设置信息,获取所述图像中的点位分布格式;
基于点位分布间隔,依据所述点位数量和所述点位分布格式确定所述点阵图;
基于所述点阵图的轮廓获取目标标定框。
在本申请公开的一些实施例中,所述基于所述点阵图的轮廓获取目标标定框,具体包括:
对所述点阵图中的周围点位进行清晰度检测;
将清晰度小于阈值的周围点位从所述点阵图中滤除;
根据过滤后的所述点阵图的轮廓,获取所述目标标定框。
在本申请公开的一些实施例中,所述方法还包括:
若所述目标标定框的坐标值小于所述预设标定门限值,则识别所述点阵图小于所述标定门限值的门限值参数,所述门限值参数包括长度、宽度中的至少一项;
基于所述门限值参数识别对所述摄像头的基础要素信息的检验结果。
在本申请公开的一些实施例中,所述摄像头的基础要素信息包括:摄像头物料尺寸、摄像头清晰度、图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令、组装位置、组装偏移中的至少一项。
在本申请公开的一些实施例中,在所述根据所述图像中截取的点阵图,获取目标标定框之前,所述方法还包括:
识别所述图像中的异常投影;
裁剪所述图像中包含异常投影的异常区域;
所述根据所述图像中截取的点阵图,获取目标标定框,包括:
根据裁剪所述异常区域后的所述图像中截取的点阵图,获取目标标定框。
在本申请公开的一些实施例中,所述验证所述目标标定框的坐标值与预设标定门限值之间的大小关系,包括:
获取所述摄像头的型号信息;
验证所述目标标定框的坐标值与所述型号信息所对应的预设标定门限值之间的大小关系。
本申请第二方面实施例公开了一种摄像头标定装置,该装置包括:
获取模块,用于获取摄像头拍摄到的图像;根据所述图像中截取的点阵图,获取目标标定框;
验证模块,用于验证所述目标标定框的坐标值与预设标定门限值的大小关系;
结果模块,用于若所述目标标定框的坐标值大于所述标定门限值,则基于所述目标标定框的坐标值,确定所述摄像头的标定数据。
本申请第三方面实施例公开了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请第一方面实施例中描述的方法。
本申请的第四方面实施例提出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,计算机指令用于使计算机执行本申请第一方面实施例中描述的方法。
综上,根据本申请提供的一种信息验证方法、装置、设备及可读存储介质,可对摄像装置的标定框进行快速验证,通过获取摄像头拍摄生成的图像;根据图像中截取的点阵图,获取目标标定框;验证目标标定框的坐标值与预设标定门限值之间的大小关系;若目标标定框的坐标值大于预设标定门限值,则基于目标标定框的坐标值,确定摄像头的标定数据。在本申请的技术方案,通过设立标定门限值,将摄像头在拍摄图像过程中采用的目标标定值的坐标值与标定门限值进行大小验证,基于验证结果快速生成摄像头的标定数据。通过应用本申请技术方案,可快速实现对摄像装置的标定框有效性的验证,进而保证摄像头的标定数据的准确有效,从而提高字符识别的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1为本申请实施例提供的一种摄像头标定方法的流程示意图;
图2为本申请实施例提供的一种学习笔扫描标定逻辑示意图;
图3为本申请实施例提供的一种根据预设标定门限值验证的流程示意图;
图4为本申请实施例提供的一种摄像头标定装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号标识相同或类似的原件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
为解决上述摄像头因拍摄图像影响,创建几何模型异常,无法进一步实现图像识别的技术问题,本发明提供一种摄像头标定方法、装置、设备及可读存储介质,可实现对摄像头数据的准确标定,从而使摄像头能够对图像字符进行准确文字识别。
图1是根据一示例性实施例示出的一种摄像头标定方法的流程图,如图1所示,包括以下步骤。
步骤101,获取摄像头拍摄到的图像。
本实施例技术方案的内容在于获取到摄像头的标定数据,最终获取的标定数据被用于建立摄像头的几何模型,通过该几何模型,实现摄像头下空间物体三维坐标向图像中物体二维坐标的转换,从而实现对摄像头拍摄图像中字符的识别。本实施例的方案被应用于确定标定数据之前的获取摄像头拍摄到的图像,因此,当前实施例下提出的拍摄图像是应用于对标定数据的提取和/或验证,是获取最终摄像头标定数据的前置步骤。
本实施例技术方案中,摄像头可以为实现字符识别功能进行图像拍摄的摄像头,例如,摄像头安装于扫描笔,用于进行字符扫描的扫描笔摄像头,更进一步的,摄像头为定焦摄像头。
步骤102,根据图像中截取的点阵图,获取目标标定框。
在本实施例内容中,针对摄像头拍摄到的图像,截取图像中包含点阵图图像。摄像头用于获取物体的成像,并可进一步用于对所拍摄的图像执行字符识别。针对同一位置的同大小字符,摄像头的拍摄视野影响了最终字符识别的准确性和高效性。在本实施例中,将当前摄像头拍摄图片的视野采用目标标定框进行表示。
基于上述内容,本实施例内容进一步包括,为了准确获取摄像头的目标标定框,利用摄像头对点阵图进行拍摄,并针对拍摄的图像进行截取,生成包含点阵图的图像。点阵图,是由点依据一定的排列组合方式生成的相应图像。在本实施例提出的点阵图中,为一种点或多种点依据一定的排布阵列生成的图。基于点阵图中点排列的规律性,本实施例中通过根据图像中截取的点阵图,能够快速对图像进行截取,识别摄像头视野范围,并依据点阵图进行目标标定框的划定。
另外,本实施例内容中还进一步包括对点阵图的边缘线进行识别的步骤。识别图像中显示的点阵图的过程中,若当前图像中包括点阵图的边缘线时,则需要调整摄像头与点阵图的相对位置,以使摄像头生成的图像中应显示点阵图处不被其它无关图像占据。即在当前配置的摄像头下,最大限度实现对点阵图的拍摄。
在根据截取的点阵图,获取目标标定框的过程中,点阵图可以为chart图,chart图为将一种点以一定阵列进行排布生成的图像。更进一步的,摄像头的拍摄位置固定,chart图点阵图依据一定速率相对摄像头进行运动,摄像头针对特定时刻的chart图进行拍摄生成图像,对图像进行截取生成目标标定框。其中,标定框所包含的内容为,摄像头建立几何坐标后,摄像头标定框内所拍摄的字符能够被准确识别为计算机可准确识别的字符符号。
步骤103,验证目标标定框的坐标值与预设标定门限值之间的大小关系。
在获取到摄像头的目标标定框之后,针对所获取的目标标定框,基于拍摄生成的图像的全部范围建立坐标系,以获取目标标定框在坐标系中的具体坐标值。其中,针对具体坐标值的大小,本实施例提出将坐标值与预设标定门限值进行比较,判断坐标值与预设标定门限值之间的大小关系。通过对目标标定框的坐标值与预设标定门限值的验证,能够基于预设标定门限值对当前图像下目标标定框的坐标值的有效性进行验证,以判断当前情况下摄像头能够拍摄出符合字符识别需求的图像。
其中,预设标定门限值大小的预设,是依靠当前摄像头下,拍摄并进行文字识别的最小视野图像来进行预设的,该预设标定门限值能够使呈现于摄像头拍摄视野的最小范围图像能被准确进行文字识别。同时,针对不同的摄像头,标定门限值还受摄像头视野位置的影响,例如,在鱼眼摄像头的视野中,其拍摄成像的最终需要位于摄像头视野的中心,以减少后续图像矫正后出错的概率,其还需要通过限定标定门限值来验证目标标定值的取值位置。因此,该摄像头的标定框的计算还需要考虑标定框的坐标值位置。
步骤104,若目标标定框的坐标值大于预设标定门限值,则基于目标标定框的坐标值,确定摄像头的标定数据。
若目标标定框的坐标值大于预设标定门限值,则确定该目标标定框符合预设标定门限值的需求,则可以基于此目标标定框的坐标值,确定摄像头的标定数据,其中,所确定的标定数据用于对摄像头几何模型的计算。
在目标标定框的坐标值大于预设标定门限值时,可以确认当前摄像头有效视野下所能够拍摄的图像,其视野范围满足后续需求,图像中所包含的内容也能够实现字符识别的图像需求,可以基于当前有效视野划定的目标标定框的坐标值来进一步确定摄像头的标定数据。
在本实施例内容中,公开了一种摄像头标定方法,通过获取摄像头拍摄生成的图像,根据图像中截取的点阵图,获取目标标定框,验证目标标定框的坐标值与预设标定门限值之间的大小关系,若目标标定框的坐标值大于预设标定门限值,则基于目标标定框的坐标值,确定摄像头的标定数据。本实施例内容通过摄像头拍摄点阵图,基于点阵图在图像中的位置生成目标标定框,比较目标标定框的坐标值与预设门限值之间的大小关系,依据比较结果来验证当前摄像头拍摄图像的目标标定框是否有效,并依据验证结果来计算摄像头的标定数据,从而建立摄像头的几何模型,实现对摄像头的准确标定。在一种可选的实施例中,根据图像中截取的点阵图,获取目标标定框的具体过程中,摄像头对点阵图进行拍摄,生成拍摄的图像后,由于摄像头在实际拍摄的过程中,可能会受一些遮挡物的影响,所生成的图像中不完全包括点阵图,因此需要从生成的图像中截取包含点阵图的部分,并依据能够拍摄出点阵图的摄像头视野,获取目标标定框。具体过程包括:获取图像中截取区域内包括的点位数量;根据图像的点位像素大小的设置信息,获取图像中的点位分布格式;基于点位分布间隔,依据点位数量和点位分布格式确定点阵图;基于点阵图的轮廓获取目标标定框。
在获取到摄像头拍摄的阵图生成的图像之后,对图像之中拍摄的点位进行计数,计算点位数量,并获取在点位图中点位的分布格式,基于点阵图中每一点位占用像素大小的设置信息以及点位之间的分布间隔,确定图像中包含的点阵图轮廓值的大小,并进一步通过点阵图的轮廓确定摄像头的目标标定框。
在本实施例内容中,通过对图像中包含的点阵图进行详细处理,进一步实现对摄像头目标标定框的确认。进一步,本实施例内容主要通过对拍摄图像中的点阵图进行点位识别,通过识别图像中包含的点位数量、点位像素大小、点位分布格式及点位之间的分布间隔,计算点位图的具体像素,实现对目标标定框的计算。需要注意的是,点位图的总体排布时规律性的,基于规律性的点位图可以实现对目标标定框的计算。其中,点位数量,为图像中拍摄的点阵图中包括的点位数量;点位像素大小,为在点阵图中,任一点位所占用的像素值大小,即每一点位的尺寸;点位分布格式,为在点位图中,点位与点位之间所形成的分布关系,例如竖直水平分布、或45度倾斜分布等分布关系;点位之间的分布间隔,为相邻两个点位之间的间隔距离,在一张点阵图中,可能存在一个点位与相邻点位之间存在多种分布间隔。
通过图像中所包含的点阵图的识别从而划分出点阵图的轮廓,获取目标标定框。同时,在通过根据点阵图的轮廓来获取目标标定框的过程中,点阵图轮廓形状需要依靠目标标定框的形状来进行划定,而目标标定框的形状依据摄像头种类的不同有不同的需求。同时在图像中点阵图获取目标标定框的过程中,最大限度截取与目标标定框形状相同的图形作为点阵图的轮廓。
其中,示例性的,最终划定的目标标定框需要呈现为矩形,则划分点阵图轮廓的过程中,所划分的点阵图的轮廓为矩形。而此时图像中,点阵图呈现不规则形状,则需要从点阵图像中最大程度地将矩形截取为矩形。
上述实施例公开的内容中,通过对图像中拍摄的点阵图进行识别,进而获取目标标定框,即目标标定框的获取是通过利用摄像头拍摄点阵图,并对点阵图进行识别,利用识别结果计算目标标定框具体参数的方式来实现的,采用上述方案能够基于拍摄效果实现对目标标定框的准确划分。
在本申请一种可选实施例中,针对基于点阵图的轮廓获取目标标定框,具体包括:对点阵图中的周围点位进行清晰度检测;将清晰度小于阈值的周围点位从点阵图中滤除;根据过滤后的点阵图的轮廓,获取目标标定框。
在基于点阵图的轮廓获取目标标定框的过程中,在截取到点阵图之后,对点阵图轮廓内的周围点位进行清晰度检测。例如,当摄像头为鱼眼摄像头时,拍摄生成的点阵图可能出现中心点位清晰,周围点位比较模糊的情况,为了能够实现对点阵图的准确识别,需要对将截取的点阵图的轮廓周围点位进行清晰度检测,当判断清晰度小于阈值时,为了保证目标标定框获取的精确性,则需要对清晰度不足的周围点位进行过滤。其中,轮廓周围点位指在点阵图轮廓内预设像素长度中所包括的点位,或指在点阵图轮廓内预设数量的点位。
对拍摄图像中点阵图中的周围点位进行清晰度检测,并对清晰度不足的点位进行过滤,以使过滤后的点阵图中所包含的点阵图能够被识别,减少识别过程中出错的概率,提高目标标定框划定过程中的准确性。
在本申请的一种可选实施例中,若目标标定框的坐标值小于预设标定门限值,则识别点阵图小于标定门限值的门限值参数,门限值参数包括长度、宽度中的至少一项;基于门限值参数识别对摄像头的基础要素信息的检验结果。
在将目标标定框的坐标值与预设标定门限值进行比较的过程中,比较目标标定框的坐标值与预设标定门限值之间的大小关系。其中,在识别目标标定框之后,以摄像头图像的某一特定位置为原点建立坐标系,并依据目标标定框在坐标系的位置计算目标标定框的坐标值,通过目标标定框的坐标值能够获取目标标定框的参数值,并将目标标定框的参数值与预设标定门限值进行比较。其中,目标标定框为矩形时,目标标定框的参数值分别包括目标标定值的长和/或宽,可依据目标标定框在坐标系的位置分别获取目标标定框的长、宽,并将目标标定框的长、宽与预设标定门限值进行比较。在比较过程中,可通过目标标定框的长与预设标定门限值的长进行比较,或目标标定框的宽与预设标定门限值的宽进行比较,或分别通过目标标定框的长、宽与预设标定门限值的长、宽进行比较,实现目标标定框的坐标值与预设标定门限值的比较,并依据比较结果进一步实现对摄像头的基础要素信息的验证结果。
同时,通过利用门限值参数对拍摄图像中的点阵图进行识别,可以进一步对摄像头的基础要素信息进行检验。摄像头能够实现拍摄出符合需求的图像是通过多方面共同配置结果来实现的。
特别是针对定焦摄像头而言,由于摄像头无法实现自适应调整焦距,因此,对摄像头进行准确基础要素配置极为重要,在基础要素的准确配置下,摄像头才能实现拍摄生成的图像符合使用需求。依据预设门限值参数与标定门限值的坐标值比较结果,可以实现对摄像头的基础要素信息的相关识别。
在本申请的一种可选实施例中,摄像头的基础要素信息包括:摄像头物料尺寸、摄像头清晰度、图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令、组装位置、组装偏移中的至少一项。
摄像头在实现拍摄的图像的之前需要经过一系列的相关配置,其中,硬件配置包括摄像头的物料尺寸、摄像头清晰度、组装位置、组装偏移,软件配置包括图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令。
针对摄像头的硬件配置方面,为了实现对摄像镜头的保护,在实际摄像头的安装设计时往往不会将摄像头裸露在拍摄装置之外,在此情况下,尤其是对于定焦摄像头,摄像头的实际拍摄效果受安装位置的限制。因此,在进行摄像头安装过程中,需要针对摄像头的物料尺寸、摄像头清晰度、组装位置和组装偏移等硬件配置进行一系列配置及配置验证。其中,物料为在安装有摄像头的摄像装置中,其它影响摄像头安装位置的相关组件,例如,摄像头的控制芯片等。
同时,在硬件配置满足一定需求之后,还需要进行相关软件配置,具体包括:所执行的图像识别算法、与上位机软件连接、存储底包、执行调试桥指令等,基于上述包括的相关软件配置,可以将图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令作为摄像头的软件基础要素信息进行配置和验证。
本实施例进一步公开,可以通过上述目标标定框的坐标值和预设标定门限值的比较结果,可以确认上述基础要素信息中的一项或多项为异常。
例如,针对扫描笔产品时,扫描笔摄像头的工作所获取的拍摄视野受摄像头物料尺寸、摄像头清晰度、图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令、组装位置、组装偏移影响,针对目标标定框的坐标值与标定门限值之间差值,本实施例提出可以实现准确定位上述基础要素信息中的一项或多项异常。
在本申请的一种可选实施例中,在根据所述图像中截取的点阵图,获取目标标定框之前,方法还包括:识别图像中的异常投影;裁剪图像中包含异常投影的异常区域;相应的,步骤102的根据图像中截取的点阵图,获取目标标定框,可包括:根据裁剪异常区域后的图像中截取的点阵图,获取目标标定框。
受限于摄像头安装位置的原因,尤其是针对定焦摄像头,拍摄视野中可能受拍摄装置本身其它配件的投影的影响。在执行图像识别过程时,其它配件的投影对于摄像头拍摄的点阵图来说可以视为异常投影,在后续进行图像识别的过程中,当判断拍摄的图像中包括异常投影时,可以将包含异常投影的相关区域进行裁剪,并基于裁剪后的图像包括的点阵图获取目标标定框。
应用于扫描笔时,扫描笔设置有扫描杆,扫描笔的定焦摄像头拍摄图像时,可能会将扫描杆也同样拍摄至图像中,此时扫描杆在图像中生成了异常投影,对后续图像识别造成了影响。为了避免后续执行目标标定框划分的过程出现异常,将图像中包含异常投影的异常区域进行截取,并进一步依据扫描杆中间图像实现目标标定框的获取。
本实施例内容针对摄像头在拍摄过程中生成的图像中可能包含的异常投影时,对图像中的异常投影进行识别,并将包含异常投影的图像部分划分为异常区域,并进一步实现对异常图像的裁剪,并针对裁剪后的图像进一步实现点阵图的截取,获取目标标定框。采用本实施例的方案,可以在获取图像并进行目标标定框获取的过程中,排除因摄像装置自身因素或外部因素影响而造成的图像中包含异常投影的影响,从而保证图像截取点阵图的准确性。
在本申请的一种可能实施例中,验证目标标定框的坐标值与预设标定门限值之间的大小关系,包括:获取摄像头的型号信息;验证目标标定框的坐标值与型号信息所对应的预设标定门限值之间的大小关系。
在实现目标标定框的坐标值与预设标定门限值之间大小关系验证的过程中,本实施例内容进一步公开了,提取与当前摄像头型号信息对应的预设标定门限值。在不同的摄像装置中,可能会采用不同型号的摄像头。因此,针对不同型号的摄像头,预设标定门限值的大小随着摄像头型号的变化进行适应的调整,以使当前目标标定框的坐标值与预设标定门限值之间验证结果,能够适配于对当前摄像头的标定。
在本申请的一种可选实施例中,若目标标定框的坐标值小于预设标定门限值,则重新控制摄像头拍摄点阵图,并基于当前拍摄的图像中包含的点阵图,获取目标标定值,验证目标标定框的坐标值与预设标定门限值之间的大小关系,上述过程循环预设次数时,目标标定框的坐标值仍小于预设标定门限值,此时可将摄像头标定为异常。
示例性的,当摄像头安装于学习笔中时,标定过程如图2所示,图2公开的一种学习笔扫描标定逻辑示意图,在接收到扫描标定信号之后,确认摄像头与扫描杆完成组装之后,依据当前的定义字体,与算法实现的取图画框执行画框的人工判定,当前画框作为上述实施例中的目标标定框。当判断图画框无异常后,则将当前的画框数据写入摄像头产品,依据当前的画框数据生成摄像头的标定数据,生成几何模型。摄像头在当前几何模型下,扫描相应的习题,生成Camera图像。扫描过程中,生成连续多帧Camera图像,针对每一帧图像进行裁剪,获取有效视野内的图像,对多帧图像有效视野的图像进行拼图并进行OCR识别,根据所识别的习题与题库进行比对,输出所需求的习题内容。
针对上述图2中响应于扫描标定信号至人工判定的过程中,图3进一步公开一种根据预设标定门限值验证的流程示意图,如图3所示,学习笔响应于扫描标定信号,连接于电脑并移动至指定位置拍摄点阵图,开始执行标定。学习笔测试软件依据学习笔摄像头所拍摄的图像获取标定坐标值,标定坐标值作为学习笔的目标标定值,判定当前标定坐标值是否大于门限值,门限值作为上述预设标定门限值,若标定坐标值大于门限值,则当前学习笔的标定值正常,否则,重新执行学习笔重新执行预设标定门限值验证。
基于上述图1所示方法的实现,本实施例提供了一种摄像头标定装置,如图4所示,该装置包括:
获取模块21,用于获取摄像头拍摄到的图像;根据所述图像中截取的点阵图,获取目标标定框;
验证模块22,用于验证所述目标标定框的坐标值与预设标定门限值的大小关系;
结果模块23,用于若所述目标标定框的坐标值大于所述标定门限值,则基于所述目标标定框的坐标值,确定所述摄像头的标定数据。
在本申请一些实施例中,获取模块21,具体用于获取所述图像中截取区域内包括的点位数量;根据所述图像的点位像素大小的设置信息,获取所述图像中的点位分布格式;基于点位分布间隔,依据所述点位数量和所述点位分布格式确定所述点阵图;基于所述点阵图的轮廓获取目标标定框。
在本申请一些实施例中,获取模块21,具体还用于对所述点阵图中的周围点位进行清晰度检测;将清晰度小于阈值的周围点位从所述点阵图中滤除;根据过滤后的所述点阵图的轮廓,获取所述目标标定框。
在本申请一些实施例中,验证模块22,还用于若所述目标标定框的坐标值小于所述预设标定门限值,则识别所述点阵图小于所述标定门限值的门限值参数,所述门限值参数包括长度、宽度中的至少一项;基于所述门限值参数识别对所述摄像头的基础要素信息的检验结果。
在本申请一些实施例中,摄像头的基础要素信息包括:摄像头物料尺寸、摄像头清晰度、图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令、组装位置、组装偏移中的至少一项。
在本申请一些实施例中,验证模块22,还用于识别所述图像中的异常投影;裁剪所述图像中包含异常投影的异常区域;获取模块21,具体用于根据裁剪所述异常区域后的所述图像中截取的点阵图,获取目标标定框。
在本申请一些实施例中,验证模块22,用于获取所述摄像头的型号信息;验证所述目标标定框的坐标值与所述型号信息所对应的预设标定门限值之间的大小关系。
本实施例还提供了一种用于实现摄像头标定方法的电子设备,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摄像头标定方法。
本申请的实施例还提出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,计算机指令用于使计算机执行本申请上述实施例中描述的摄像头标定方法。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理模块的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(控制方法),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本申请的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请的各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。
尽管上面已经示出和描述了本申请的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施实施进行变化、修改、替换和变型。
Claims (10)
1.一种摄像头标定方法,其特征在于,包括:
获取摄像头拍摄到的图像;
根据所述图像中截取的点阵图,获取目标标定框;
验证所述目标标定框的坐标值与预设标定门限值之间的大小关系;
若所述目标标定框的坐标值大于所述预设标定门限值,则基于所述目标标定框的坐标值,确定所述摄像头的标定数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像中截取的点阵图,获取目标标定框,具体包括:
获取所述图像中截取区域内包括的点位数量;
根据所述图像的点位像素大小的设置信息,获取所述图像中的点位分布格式;
基于点位分布间隔,依据所述点位数量和所述点位分布格式确定所述点阵图;
基于所述点阵图的轮廓获取目标标定框。
3.根据权利要求2所述的方法,其特征在于,所述基于所述点阵图的轮廓获取目标标定框,具体包括:
对所述点阵图中的周围点位进行清晰度检测;
将清晰度小于阈值的周围点位从所述点阵图中滤除;
根据过滤后的所述点阵图的轮廓,获取所述目标标定框。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标标定框的坐标值小于所述预设标定门限值,则识别所述点阵图小于所述标定门限值的门限值参数,所述门限值参数包括长度、宽度中的至少一项;
基于所述门限值参数识别对所述摄像头的基础要素信息的检验结果。
5.根据权利要求4所述的方法,其特征在于,所述摄像头的基础要素信息包括:摄像头物料尺寸、摄像头清晰度、图像识别算法种类、上位机软件名称、底包存储位置、调试桥指令、组装位置、组装偏移中的至少一项。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述图像中截取的点阵图,获取目标标定框之前,所述方法还包括:
识别所述图像中的异常投影;
裁剪所述图像中包含异常投影的异常区域;
所述根据所述图像中截取的点阵图,获取目标标定框,包括:
根据裁剪所述异常区域后的所述图像中截取的点阵图,获取目标标定框。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述验证所述目标标定框的坐标值与预设标定门限值之间的大小关系,具体包括:
获取所述摄像头的型号信息;
验证所述目标标定框的坐标值与所述型号信息所对应的预设标定门限值之间的大小关系。
8.一种摄像头标定装置,其特征在于,包括:
获取模块,用于获取摄像头拍摄到的图像;根据所述图像中截取的点阵图,获取目标标定框;
验证模块,用于验证所述目标标定框的坐标值与预设标定门限值的大小关系;
结果模块,用于若所述目标标定框的坐标值大于所述标定门限值,则基于所述目标标定框的坐标值,确定所述摄像头的标定数据。
9.一种电子设备,其特征在于,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1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351374.7A CN116452676A (zh) | 2023-04-03 | 2023-04-03 | 一种摄像头标定方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351374.7A CN116452676A (zh) | 2023-04-03 | 2023-04-03 | 一种摄像头标定方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452676A true CN116452676A (zh) | 2023-07-18 |
Family
ID=87119521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310351374.7A Pending CN116452676A (zh) | 2023-04-03 | 2023-04-03 | 一种摄像头标定方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452676A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664699A (zh) * | 2023-07-26 | 2023-08-29 | 广东工业大学 | 汽车生产线数据管理***以及方法 |
-
2023
- 2023-04-03 CN CN202310351374.7A patent/CN116452676A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664699A (zh) * | 2023-07-26 | 2023-08-29 | 广东工业大学 | 汽车生产线数据管理***以及方法 |
CN116664699B (zh) * | 2023-07-26 | 2023-10-24 | 广东工业大学 | 汽车生产线数据管理***以及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683907B (zh) | 光学模组像素缺陷检测方法、装置及设备 | |
US20180150949A1 (en) | Image Processing Device | |
US20220270293A1 (en) | Calibration for sensor | |
US10134120B2 (en) | Image-stitching for dimensioning | |
US10699400B2 (en) | Image processing apparatus, image processing method, and storage medium | |
EP3239929A1 (en) | Image processing apparatus, image processing method and program | |
US9873379B2 (en) | Composite image generation apparatus and composite image generation program | |
US11386640B2 (en) | Reading system, reading method, and storage medium | |
JP6115214B2 (ja) | パターン処理装置、パターン処理方法、パターン処理プログラム | |
KR102008283B1 (ko) | 번호판인식방법 및 이를 수행하는 번호판인식장치 | |
CN111080542B (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN116452676A (zh) | 一种摄像头标定方法、装置、设备及可读存储介质 | |
EP3690800A2 (en) | Information processing apparatus, information processing method, and program | |
US20110199491A1 (en) | Calibration index determination device, calibration device, calibration performance evaluation device, system, method, and program | |
CN112985778B (zh) | 测试图卡的定位方法、终端及存储介质 | |
CN116615302A (zh) | 用于检测支承杆的悬挂位置的方法以及平板机床 | |
US20220174254A1 (en) | A camera assembly and a method | |
US10970592B2 (en) | Adhering substance detection apparatus and adhering substance detection method | |
CN108596981B (zh) | 一种图像的鸟瞰视角重投影方法、装置及便携式终端 | |
CN113538590B (zh) | 一种变焦相机的标定方法、装置、终端设备和存储介质 | |
CN116051652A (zh) | 一种参数标定方法及电子设备、存储介质 | |
CN112997217A (zh) | 从视频图像进行文档检测 | |
JP2004310726A (ja) | 画像検査方法、画像検査装置、およびプログラム | |
CN113128499B (zh) | 视觉成像设备的震动测试方法、计算机设备及存储介质 | |
CN111626078A (zh) | 识别车道线的方法及装置 |
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 |