CN116580083B - 摄像设备的位姿估计方法、装置、电子设备及存储介质 - Google Patents
摄像设备的位姿估计方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116580083B CN116580083B CN202310855327.6A CN202310855327A CN116580083B CN 116580083 B CN116580083 B CN 116580083B CN 202310855327 A CN202310855327 A CN 202310855327A CN 116580083 B CN116580083 B CN 116580083B
- Authority
- CN
- China
- Prior art keywords
- matrix
- projection
- coordinate values
- image pickup
- dimensional coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims abstract description 487
- 239000013598 vector Substances 0.000 claims abstract description 96
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 39
- 238000013519 translation Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013507 mapping Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种摄像设备的位姿估计方法、装置、电子设备及存储介质,涉及电数字数据处理技术领域,该方法通过获取多个实体参照物对应的图像坐标值和空间坐标值,并基于图像坐标值和空间坐标值构建矩阵方程组,其中,矩阵方程组表示图像坐标值与空间坐标值之间的映射关系;基于矩阵方程组获取系数矩阵;基于奇异值分解法对系数矩阵进行分解以确定摄像设备的投影矩阵;将投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;基于旋转矩阵中的矩阵元素计算欧拉角,确定欧拉角和平移向量为摄像设备的位姿信息。本发明提高了监控摄像设备位姿计算的准确度。
Description
技术领域
本发明属于电数字数据处理技术领域,尤其涉及一种摄像设备的位姿估计方法、装置、电子设备及存储介质。
背景技术
目前,为满足人们对于三维场景实时性认知的需求,将监控摄像设备实时采集到的视频流数据与监控场景的三维数据进行结合,其中,实时监控视频流可以实时、动态地显示真实场景的变化,三维模型则能精准、真实地反映现实世界的空间特征。在将实时监控视频流与被监控场景的三维模型进行实时融合时,需要预先计算监控摄像设备的位姿,以作为二者融合的基础,但现有技术中,通常基于转换矩阵进行位姿信息计算,计算准确度较低。
综上,如何提高监控摄像设备位姿计算的准确度,已经成为电数字数据处理技术领域亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种摄像设备的位姿估计方法、装置、电子设备及存储介质。旨在提高监控摄像设备位姿计算的准确度。
为了实现上述目的,本发明提供一种摄像设备的位姿估计方法,所述摄像设备的位姿估计方法包括:
获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组,其中,所述矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,所述图像坐标值为摄像设备监控视频中多个实体参照物各自对应的二维坐标值,所述空间坐标值为多个所述实体参照物各自对应的三维坐标值;
基于所述矩阵方程组获取系数矩阵;
基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
可选地,所述获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组的步骤,包括:
在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值;
获取多个所述实体参照物各自对应的预存的三维坐标值;
将多个所述二维坐标值和多个所述三维坐标值转换为齐次坐标值;
基于多个所述齐次坐标值构建所述矩阵方程组。
可选地,所述基于多个所述齐次坐标值构建所述矩阵方程组的步骤,包括:
将多个所述齐次坐标值代入预设投影公式中得到方程组;
基于矩阵乘法规则,将所述方程组转换为矩阵方程组。
可选地,所述基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵的步骤,包括:
基于奇异值分解法对所述系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵;
在所述左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵;
在所述右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵;
将所述当前左奇异向量矩阵、所述当前右奇异向量矩阵和所述奇异值对角矩阵相乘,得到所述摄像设备的投影矩阵。
可选地,在所述将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量的步骤之前,所述位姿估计方法还包括:
基于正交三角分解法从所述投影矩阵中提取所述投影矩阵中的内参矩阵;
基于所述投影矩阵和所述内参矩阵计算所述投影矩阵中的外参矩阵。
可选地,所述基于所述旋转矩阵中的矩阵元素计算欧拉角的步骤,包括:
从所述旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,所述第一矩阵元素表示所述摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,所述第二矩阵元素表示所述相机坐标系的纵轴在所述世界坐标系中的投影,所述第三矩阵元素表示所述相机坐标系的竖轴在所述世界坐标系中的投影;
基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角。
可选地,所述欧拉角包括第一角度、第二角度和第三角度;
所述基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角的步骤,包括:
将所述第三矩阵元素代入反正切函数,得到所述摄像设备绕所述横轴旋转的所述第一角度;
将所述第二矩阵元素和所述第三矩阵元素的平方和的平方根代入反正切函数,得到所述摄像设备绕所述纵轴旋转的所述第二角度;
将所述第一矩阵元素和所述第二矩阵元素代入反正切函数,得到所述摄像设备绕所述竖轴旋转的所述第三角度。
此外,为实现上述目的,本发明还提供一种摄像设备的位姿估计装置,所述摄像设备的位姿估计装置包括:
构建模块,用于获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组,其中,所述矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,所述图像坐标值为摄像设备监控视频中多个实体参照物各自对应的二维坐标值,所述空间坐标值为多个所述实体参照物各自对应的三维坐标值;
获取模块,用于基于所述矩阵方程组获取系数矩阵;
第一分解模块,用于基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
第二分解模块,用于将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
计算模块,用于基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
此外,为实现上述目的,本发明还提供一种电子设备,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的摄像设备的位姿估计程序,所述电子设备的摄像设备的位姿估计程序被所述处理器执行时实现如上所述的摄像设备的位姿估计方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有摄像设备的位姿估计程序,所述摄像设备的位姿估计程序被处理器执行时实现如上所述的摄像设备的位姿估计方法的步骤。
本发明实施例提出的一种摄像设备的位姿估计方法、装置、电子设备及存储介质,所述方法包括:获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组,其中,所述矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,所述图像坐标值为摄像设备监控视频中多个实体参照物各自对应的二维坐标值,所述空间坐标值为多个所述实体参照物各自对应的三维坐标值;基于所述矩阵方程组获取系数矩阵;基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;基于所述旋转矩阵中的矩阵元素计算欧拉角;将所述欧拉角和所述平移向量作为所述摄像设备的位姿信息。
本发明实施例通过获取多个实体参照物对应的图像坐标值和空间坐标值,并基于获取到的图像坐标值和空间坐标值构建矩阵方程组,其中,该矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,图像坐标值是摄像设备监控视频中多个实体参照物各自对应的二维坐标值,空间坐标值是为对个实体参照物各自对应的三维坐标值,基于矩阵方程组获取该矩阵方程组中的系数矩阵,然后基于奇异值分解法对系数矩阵进行分解,以确定摄像设备的投影矩阵,将投影矩阵中的外参矩阵分解为旋转矩阵和平移向量,基于旋转矩阵中的矩阵元素计算欧拉角,最后,确定欧拉角和平移向量为摄像设备的位姿信息。如此,相比于传统位姿计算方法,本发明通过从二维与三维之间的映射关系构建矩阵方程组,并从该矩阵方程组中获取系数矩阵,基于系数矩阵确定摄像设备对应的投影矩阵,然后将投影矩阵中的外参矩阵进行分解以得到表示摄像设备位姿的旋转矩阵和平移向量,并进一步地计算关于各坐标轴的旋转角度,即上述欧拉角,最终将欧拉角和平移向量作为摄像设备的位姿信息,从而提高监控摄像设备位姿计算的准确度。
附图说明
图1是本发明实施例方案涉及的电子设备硬件运行环境的设备结构示意图;
图2为本发明摄像设备的位姿估计方法第一实施例的步骤流程示意图;
图3为本发明摄像设备的位姿估计方法的一实施例所涉及的整体流程示意图;
图4为本发明摄像设备的位姿估计装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及电子设备的硬件运行环境的设备结构示意图。
本发明实施例电子设备可以是应用于电数字数据处理技术领域的电子设备。具体地,该电子设备可以是智能手机、PC(PerSonal Computer,个人计算机)、平板电脑、便携计算机等等。
如图1所示,该电子设备可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(DiSplay)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及摄像设备的位姿估计程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的摄像设备的位姿估计程序,并执行如下操作:
获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组,其中,所述矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,所述图像坐标值为摄像设备监控视频中多个实体参照物各自对应的二维坐标值,所述空间坐标值为多个所述实体参照物各自对应的三维坐标值;
基于所述矩阵方程组获取系数矩阵;
基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
可选地,处理器1001还可以用于调用存储器1005中存储的摄像设备的位姿估计程序,并执行如下操作:
在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值;
获取多个所述实体参照物各自对应的预存的三维坐标值;
将多个所述二维坐标值和多个所述三维坐标值转换为齐次坐标值;
基于多个所述齐次坐标值构建所述矩阵方程组。
可选地,处理器1001还可以用于调用存储器1005中存储的摄像设备的位姿估计程序,并执行如下操作:
将多个所述齐次坐标值代入预设投影公式中得到方程组;
基于矩阵乘法规则,将所述方程组转换为矩阵方程组。
可选地,处理器1001还可以用于调用存储器1005中存储的摄像设备的位姿估计程序,并执行如下操作:
基于奇异值分解法对所述系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵;
在所述左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵;
在所述右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵;
将所述当前左奇异向量矩阵、所述当前右奇异向量矩阵和所述奇异值对角矩阵相乘,得到所述摄像设备的投影矩阵。
可选地,处理器1001还可以用于调用存储器1005中存储的摄像设备的位姿估计程序,在所述将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量的步骤之前,还执行如下操作:
基于正交三角分解法从所述投影矩阵中提取所述投影矩阵中的内参矩阵;
基于所述投影矩阵和所述内参矩阵计算所述投影矩阵中的外参矩阵。
可选地,处理器1001还可以用于调用存储器1005中存储的摄像设备的位姿估计程序,并执行如下操作:
从所述旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,所述第一矩阵元素表示所述摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,所述第二矩阵元素表示所述相机坐标系的纵轴在所述世界坐标系中的投影,所述第三矩阵元素表示所述相机坐标系的竖轴在所述世界坐标系中的投影;
基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角。
可选地,所述欧拉角包括第一角度、第二角度和第三角度,处理器1001还可以用于调用存储器1005中存储的摄像设备的位姿估计程序,并执行如下操作:
将所述第三矩阵元素代入反正切函数,得到所述摄像设备绕所述横轴旋转的所述第一角度;
将所述第二矩阵元素和所述第三矩阵元素的平方和的平方根代入反正切函数,得到所述摄像设备绕所述纵轴旋转的所述第二角度;
将所述第一矩阵元素和所述第二矩阵元素代入反正切函数,得到所述摄像设备绕所述竖轴旋转的所述第三角度。
基于上述的电子设备,提出本发明摄像设备的位姿估计方法的各实施例。
请参照图2,图2为本发明摄像设备的位姿估计方法第一实施例的流程示意图。需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,本发明摄像设备的位姿估计方法当然也可以以不同于此处的顺序执行所示出或描述的步骤。
在本发明摄像设备的位姿估计方法的第一实施例中,本发明摄像设备的位姿估计方法包括:
步骤S10,获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组,其中,所述矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,所述图像坐标值为摄像设备监控视频中多个实体参照物各自对应的二维坐标值,所述空间坐标值为多个所述实体参照物各自对应的三维坐标值;
在本实施例中,获取多个实体参照物对应的图像坐标值和空间坐标值,并基于获取到的图像坐标值和空间坐标值构建矩阵方程组,其中,该矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,图像坐标值是摄像设备监控视频中多个实体参照物各自对应的二维坐标值,空间坐标值是为对个实体参照物各自对应的三维坐标值。
进一步地,在一种可行的实施例中,步骤S10包括:
步骤A10,在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值;
步骤A20,获取多个所述实体参照物各自对应的预存的三维坐标值;
步骤A30,将多个所述二维坐标值和多个所述三维坐标值转换为齐次坐标值;
步骤A40,基于多个所述齐次坐标值构建所述矩阵方程组。
在本实施例中,电子设备在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值,同时获取多个实体参照物各自对应的预存的三维坐标值,将多个二维坐标值和多个三维坐标值转换为齐次坐标值,最后基于多个齐次坐标值构建所述矩阵方程组。
示例性地,电子设备预先获取了n个三维点M=(Xj, Yj, Zj),对应于图像中的n个二维点(uj, vj)。可以将每个空间点M= (Xj, Yj, Zj)和其对应的图像点m= (uj, vj)转换为齐次坐标值表示M=(Xj, Yj, Zj,1)和m= (uj, vj,1)。基于各齐次坐标值确定矩阵方程组。
进一步地,在一种可行的实施例中,上述步骤A40,可以包括:
步骤A401,将多个所述齐次坐标值代入预设投影公式中得到方程组;
步骤A402,基于矩阵乘法规则,将所述方程组转换为矩阵方程组。
在本实施例中,电子设备将多个齐次坐标值代入预设投影公式(P*M=m)中,得到一个线性方程组,然后基于矩阵乘法规则将方程组转换为矩阵方程组。
需要说明的是,由于投影矩阵具有一定的自由度,故不能直接将其作为未知数求解,需要多组估计点来推导。
示例性地,电子设备将n个空间坐标值和图像坐标值代入P*M=m中,得到方程组:
其中,表示投影矩阵中第1行第1列的元素,以此类推,然后利用矩阵乘法规则将上述方程组转换为如下矩阵方程组。
矩阵方程组表示为A*P=b,如下所示:
上述矩阵方程组中的系数矩阵A为:
上述矩阵方程组中的待求投影矩阵P为:
上述矩阵方程组中的向量b为:
其中,Xj、Yj和Zj表示第j个三维坐标值,uj和vj表示第j个二维坐标值。P11至P34表示待求投影矩阵。
步骤S20,基于所述矩阵方程组获取系数矩阵;
在本实施例中,电子设备基于构建的矩阵方程组获取系数矩阵。
示例性地,电子设备将多个一一对应的空间坐标值和图像坐标值代入系数矩阵A中,得到系数矩阵:
其中,系数矩阵由多个空间坐标值和多个图像坐标值(即序号1至序号n)构成。
步骤S30,基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
由上述矩阵方程组的等式关系可知,系数矩阵与投影矩阵存在一定的映射关系。而系数矩阵中存在已知的多个空间坐标值和多个图像坐标值,故可基于系数矩阵,求取投影矩阵。
在本实施例中,电子设备基于奇异值分解法对系数矩阵进行分解,确定摄像设备的投影矩阵。
进一步地,在一种可行的实施例中,上述步骤S30,可以包括:
步骤S301,基于奇异值分解法对所述系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵;
在本实施例中,电子设备基于奇异值分解法对系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵。
示例性地,使用奇异值分解法对系数矩阵A进行分解:,其中,U是左奇异向量矩阵,/>是右奇异向量矩阵,S是奇异值对角矩阵。
步骤S302,在所述左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵;
在本实施例中,在左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵。
步骤S303,在所述右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵;
在本实施例中,在右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵。
步骤S304,将所述当前左奇异向量矩阵、所述当前右奇异向量矩阵和所述奇异值对角矩阵相乘,得到所述摄像设备的投影矩阵。
在本实施例中,电子设备通过将奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵相乘,得到摄像设备的投影矩阵。
示例性地,在奇异值分解中,左奇异向量矩阵 U 表示输入数据在主成分方向上的投影,右奇异向量矩阵 V则表示主成分的方向。当保留前k个主成分时,Uk与Sk将捕获密集主成分,并产生输出矩阵P。具体来说,输出投影矩阵P的过程如下:取矩阵U的前k列构成矩阵Uk,取矩阵S的前k行和前k列的元素构成对角矩阵Sk,得到投影矩阵:。
步骤S40,将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
在本实施例中,电子设备将投影矩阵中的外参矩阵分解为旋转矩阵和平移向量。
示例性地,使用以下公式将相机的外参矩阵[R|t]分解为旋转矩阵R和平移向量t:t = [R | t]*。
进一步地,在一种可行的实施例中,在上述步骤S40之前,本发明摄像设备的位姿估计方法,还可以包括:
步骤B10,基于正交三角分解法从所述投影矩阵中提取所述投影矩阵中的内参矩阵;
在本实施例中,电子设备基于正交三角分解法从投影矩阵中提取投影矩阵中的内参矩阵。
步骤B20,基于所述投影矩阵和所述内参矩阵计算所述投影矩阵中的外参矩阵。
在本实施例中,电子设备基于投影矩阵和内参矩阵计算该投影矩阵中的外参矩阵。
示例性地,外参矩阵的计算公式为:。
步骤S50,基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
在本实施例中,电子设备基于旋转矩阵中的矩阵元素计算欧拉角,然后确定欧拉角和平移向量为摄像设备的位姿信息。
示例性地,如图3所示,电子设备预先获取实体参照物在摄像设备监控视频中的二维坐标值,以及该参照物在三维空间中的三维坐标值,然后根据二维坐标值和三维坐标值之间的映射关系,构建矩阵方程组,提取矩阵方程组中的系数矩阵,并分解该系数矩阵,得到摄像设备的投影矩阵,从而基于该投影矩阵确定摄像设备的位姿。
进一步地,在一种可行的实施例中,上述步骤S50中,“基于所述旋转矩阵中的矩阵元素计算欧拉角”的步骤,可以包括:
步骤S501,从所述旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,所述第一矩阵元素表示所述摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,所述第二矩阵元素表示所述相机坐标系的纵轴在所述世界坐标系中的投影,所述第三矩阵元素表示所述相机坐标系的竖轴在所述世界坐标系中的投影;
在本实施例中,电子设备从旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,第一矩阵元素表示摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,第二矩阵元素表示相机坐标系的纵轴在世界坐标系中的投影,所述第三矩阵元素表示相机坐标系的竖轴在世界坐标系中的投影。
示例性地,旋转矩阵R描述了相机坐标系在世界坐标系中的方向。具体地说,它是由三个正交单位向量组成的矩阵,每个向量表示相机坐标系中的X、Y、Z轴在世界坐标系中的方向。因此,在计算欧拉角时,我们需要从矩阵R中获取这些信息。R(i, j)表示R矩阵的第i行第j列的元素,其中i和j的取值范围为1~3,分别表示矩阵R的三个行和三个列。根据矩阵的定义,R(i, j)表示相机坐标系中第i个轴在世界坐标系中第j个轴的投影(或者说是方向余弦)。其中,R(3,2)和R(3,3)分别表示相机坐标系的Z轴在世界坐标系中的投影;R(3,1)表示相机坐标系的Y轴在世界坐标系中的投影;R(2,1)和R(1,1)分别表示相机坐标系的Y轴和X轴在世界坐标系中的投影。也就是说,上述第一矩阵元素为R(1,1),上述第二矩阵元素为R(3,1)和R(2,1),上述第三矩阵元素为R(3,2)和R(3,3)。
步骤S502,基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角。
在本实施例中,电子设备基于第一矩阵元素、第二矩阵元素和第三矩阵元素计算欧拉角。
进一步地,在一种可行的实施例中,欧拉角包括第一角度、第二角度和第三角度,上述步骤S502,可以包括:
步骤C10,将所述第三矩阵元素代入反正切函数,得到所述摄像设备绕所述横轴旋转的所述第一角度;
在本实施例中,电子设备将第三矩阵元素代入反正切函数,得到监控摄像设备绕相机坐标系横轴旋转的所述第一角度。
实例性地,对于3x3的旋转矩阵R,可以使用以下公式计算其欧拉角,第一角度roll的计算公式为:roll = atan2(R(3,2), R(3,3))。
步骤C20,将所述第二矩阵元素和所述第三矩阵元素的平方和的平方根代入反正切函数,得到所述摄像设备绕所述纵轴旋转的所述第二角度;
在本实施例中,电子设备将第二矩阵元素和第三矩阵元素的平方和的平方根代入反正切函数,得到摄像设备绕相机坐标系纵轴旋转的第二角度。
示例性地,第二角度pitch的计算公式为:
pitch = atan2(-R(3,1), sqrt(+/>))。
步骤C30,将所述第一矩阵元素和所述第二矩阵元素代入反正切函数,得到所述摄像设备绕所述竖轴旋转的所述第三角度。
在本实施例中,电子设备将第一矩阵元素和第二矩阵元素代入反正切函数,得到摄像设备绕竖轴旋转的第三角度。
示例性地,第三角度yaw的计算公式为:yaw = atan2(R(2,1), R(1,1))。
在本实施例中,本发明摄像设备的位姿估计方法在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值,同时获取多个实体参照物各自对应的预存的三维坐标值,将多个二维坐标值和多个三维坐标值转换为齐次坐标值,最后基于多个齐次坐标值构建所述矩阵方程组,其中,该矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,图像坐标值是摄像设备监控视频中多个实体参照物各自对应的二维坐标值,空间坐标值是为对个实体参照物各自对应的三维坐标值,并基于构建的矩阵方程组获取系数矩阵;基于奇异值分解法对系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵,然后在左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵,在右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵,通过将奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵相乘,得到摄像设备的投影矩阵;基于正交三角分解法从投影矩阵中提取投影矩阵中的内参矩阵;基于投影矩阵和内参矩阵计算投影矩阵中的外参矩阵;将投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;从旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,第一矩阵元素表示摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,第二矩阵元素表示相机坐标系的纵轴在世界坐标系中的投影,所述第三矩阵元素表示相机坐标系的竖轴在世界坐标系中的投影;将第三矩阵元素代入反正切函数,得到监控摄像设备绕相机坐标系横轴旋转的所述第一角度;将第二矩阵元素和第三矩阵元素的平方和的平方根代入反正切函数,得到摄像设备绕相机坐标系纵轴旋转的第二角度;将所述第一矩阵元素和所述第二矩阵元素代入反正切函数,得到所述摄像设备绕所述竖轴旋转的所述第三角度;确定欧拉角和平移向量为摄像设备的位姿信息。
如此,本发明实施例通过获取多个实体参照物对应的图像坐标值和空间坐标值,并基于获取到的图像坐标值和空间坐标值构建矩阵方程组,其中,该矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,图像坐标值是摄像设备监控视频中多个实体参照物各自对应的二维坐标值,空间坐标值是为对个实体参照物各自对应的三维坐标值,基于矩阵方程组获取该矩阵方程组中的系数矩阵,然后基于奇异值分解法对系数矩阵进行分解,以确定摄像设备的投影矩阵,将投影矩阵中的外参矩阵分解为旋转矩阵和平移向量,基于旋转矩阵中的矩阵元素计算欧拉角,最后,确定欧拉角和平移向量为摄像设备的位姿信息。如此,相比于传统位姿计算方法,本发明通过从二维与三维之间的映射关系构建矩阵方程组,并从该矩阵方程组中获取系数矩阵,基于系数矩阵确定摄像设备对应的投影矩阵,然后将投影矩阵中的外参矩阵进行分解以得到表示摄像设备位姿的旋转矩阵和平移向量,并进一步地计算关于各坐标轴的旋转角度,即上述欧拉角,最终将欧拉角和平移向量作为摄像设备的位姿信息,从而提高监控摄像设备位姿计算的准确度。
此外,本发明实施例还提供一种摄像设备的位姿估计装置。
请参照图4,图4为本发明摄像设备的位姿估计装置一实施例的功能模块示意图,如图4所示,本发明摄像设备的位姿估计装置包括:
构建模块10,用于获取多个实体参照物对应的图像坐标值和空间坐标值,并基于所述图像坐标值和所述空间坐标值构建矩阵方程组,其中,所述矩阵方程组表示图像坐标值与空间坐标值之间的映射关系,所述图像坐标值为摄像设备监控视频中多个实体参照物各自对应的二维坐标值,所述空间坐标值为多个所述实体参照物各自对应的三维坐标值;
获取模块20,用于基于所述矩阵方程组获取系数矩阵;
第一分解模块30,用于基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
第二分解模块40,用于将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
计算模块50,用于基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
可选地,构建模块10,包括:
识别单元,用于在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值;
第一获取单元,用于获取多个所述实体参照物各自对应的预存的三维坐标值;
转换单元,用于将多个所述二维坐标值和多个所述三维坐标值转换为齐次坐标值;
构建单元,用于基于多个所述齐次坐标值构建所述矩阵方程组。
可选地,构建单元,包括:
公式代入子单元,用于将多个所述齐次坐标值代入预设投影公式中得到方程组;
转换子单元,用于基于矩阵乘法规则,将所述方程组转换为矩阵方程组。
可选地,第一分解模块30,包括:
分解单元,用于基于奇异值分解法对所述系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵;
第一提取单元,用于在所述左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵;
第二提取单元,用于在所述右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵;
相乘单元,用于将所述当前左奇异向量矩阵、所述当前右奇异向量矩阵和所述奇异值对角矩阵相乘,得到所述摄像设备的投影矩阵。
可选地,本发明摄像设备的位姿估计装置,还包括:
内参矩阵模块,用于基于正交三角分解法从所述投影矩阵中提取所述投影矩阵中的内参矩阵;
外参矩阵模块,用于基于所述投影矩阵和所述内参矩阵计算所述投影矩阵中的外参矩阵。
可选地,计算模块50,包括:
第二获取单元,用于从所述旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,所述第一矩阵元素表示所述摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,所述第二矩阵元素表示所述相机坐标系的纵轴在所述世界坐标系中的投影,所述第三矩阵元素表示所述相机坐标系的竖轴在所述世界坐标系中的投影;
计算单元,用于基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角。
可选地,所述欧拉角包括第一角度、第二角度和第三角度,计算单元,包括:
第一角度子单元,用于将所述第三矩阵元素代入反正切函数,得到所述摄像设备绕所述横轴旋转的所述第一角度;
第二角度子单元,用于将所述第二矩阵元素和所述第三矩阵元素的平方和的平方根代入反正切函数,得到所述摄像设备绕所述纵轴旋转的所述第二角度;
第三角度子单元,用于将所述第一矩阵元素和所述第二矩阵元素代入反正切函数,得到所述摄像设备绕所述竖轴旋转的所述第三角度。
本发明还提供一种计算机存储介质,该计算机存储介质上存储有摄像设备的位姿估计程序,上述摄像设备的位姿估计程序被处理器执行时实现如以上任一项实施例所述的摄像设备的位姿估计程序方法的步骤。
本发明计算机存储介质的具体实施例与上述本发明摄像设备的位姿估计程序方法各实施例基本相同,在此不作赘述。
本发明还提供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,所述计算机程序被处理器执行时实现如以上任一项实施例所述的本发明摄像设备的位姿估计方法的步骤,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台电子设备(可以是TWS耳机等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种摄像设备的位姿估计方法,其特征在于,所述摄像设备的位姿估计方法包括:
在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值;
获取多个所述实体参照物各自对应的预存的三维坐标值;
将多个所述二维坐标值和多个所述三维坐标值转换为齐次坐标值;
将多个所述齐次坐标值代入预设投影公式中得到方程组,其中,所述预设投影公式为:P*M=m,式中,P表示投影矩阵,M表示所述三维坐标值对应的齐次坐标值,m表示所述二维坐标值对应的齐次坐标值;
基于矩阵乘法规则,将所述方程组转换为矩阵方程组;
基于所述矩阵方程组获取系数矩阵;
基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
2.如权利要求1所述的摄像设备的位姿估计方法,其特征在于,所述基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵的步骤,包括:
基于奇异值分解法对所述系数矩阵进行分解,得到左奇异向量矩阵、右奇异向量矩阵和奇异值对角矩阵;
在所述左奇异向量矩阵中提取多个主成分,得到当前左奇异向量矩阵;
在所述右奇异向量矩阵中提取多个主成分,得到当前右奇异向量矩阵;
将所述当前左奇异向量矩阵、所述当前右奇异向量矩阵和所述奇异值对角矩阵相乘,得到所述摄像设备的投影矩阵。
3.如权利要求1所述的摄像设备的位姿估计方法,其特征在于,在所述将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量的步骤之前,所述位姿估计方法还包括:
基于正交三角分解法从所述投影矩阵中提取所述投影矩阵中的内参矩阵;
基于所述投影矩阵和所述内参矩阵计算所述投影矩阵中的外参矩阵。
4.如权利要求1所述的摄像设备的位姿估计方法,其特征在于,所述基于所述旋转矩阵中的矩阵元素计算欧拉角的步骤,包括:
从所述旋转矩阵中获取第一矩阵元素、第二矩阵元素和第三矩阵元素,其中,所述第一矩阵元素表示所述摄像设备所在的相机坐标系的横轴在世界坐标系中的投影,所述第二矩阵元素表示所述相机坐标系的纵轴在所述世界坐标系中的投影,所述第三矩阵元素表示所述相机坐标系的竖轴在所述世界坐标系中的投影;
基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角。
5.如权利要求4所述的摄像设备的位姿估计方法,其特征在于,所述欧拉角包括第一角度、第二角度和第三角度;
所述基于所述第一矩阵元素、所述第二矩阵元素和所述第三矩阵元素计算欧拉角的步骤,包括:
将所述第三矩阵元素代入反正切函数,得到所述摄像设备绕所述横轴旋转的所述第一角度;
将所述第二矩阵元素和所述第三矩阵元素的平方和的平方根代入反正切函数,得到所述摄像设备绕所述纵轴旋转的所述第二角度;
将所述第一矩阵元素和所述第二矩阵元素代入反正切函数,得到所述摄像设备绕所述竖轴旋转的所述第三角度。
6.一种摄像设备的位姿估计装置,其特征在于,所述摄像设备的位姿估计装置,包括:
构建模块,用于在摄像设备监控视频中识别多个实体参照物各自对应的二维坐标值;获取多个所述实体参照物各自对应的预存的三维坐标值;将多个所述二维坐标值和多个所述三维坐标值转换为齐次坐标值;将多个所述齐次坐标值代入预设投影公式中得到方程组,其中,所述预设投影公式为:P*M=m,式中,P表示投影矩阵,M表示所述三维坐标值对应的齐次坐标值,m表示所述二维坐标值对应的齐次坐标值;基于矩阵乘法规则,将所述方程组转换为矩阵方程组;
获取模块,用于基于所述矩阵方程组获取系数矩阵;
第一分解模块,用于基于奇异值分解法对所述系数矩阵进行分解,以确定所述摄像设备的投影矩阵;
第二分解模块,用于将所述投影矩阵中的外参矩阵分解为旋转矩阵和平移向量;
计算模块,用于基于所述旋转矩阵中的矩阵元素计算欧拉角,确定所述欧拉角和所述平移向量为所述摄像设备的位姿信息。
7.一种电子设备,其特征在于,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的摄像设备的位姿估计程序,所述摄像设备的位姿估计程序被所述处理器执行时实现如权利要求1至5中任一项所述的摄像设备的位姿估计方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有摄像设备的位姿估计程序,所述摄像设备的位姿估计程序被处理器执行时实现如权利要求1至5中任一项所述的摄像设备的位姿估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310855327.6A CN116580083B (zh) | 2023-07-13 | 2023-07-13 | 摄像设备的位姿估计方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310855327.6A CN116580083B (zh) | 2023-07-13 | 2023-07-13 | 摄像设备的位姿估计方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116580083A CN116580083A (zh) | 2023-08-11 |
CN116580083B true CN116580083B (zh) | 2023-09-22 |
Family
ID=87540027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310855327.6A Active CN116580083B (zh) | 2023-07-13 | 2023-07-13 | 摄像设备的位姿估计方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580083B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215077A (zh) * | 2017-07-07 | 2019-01-15 | 腾讯科技(深圳)有限公司 | 一种相机姿态信息确定的方法及相关装置 |
CN109544629A (zh) * | 2018-11-29 | 2019-03-29 | 南京人工智能高等研究院有限公司 | 摄像头位姿确定方法和装置以及电子设备 |
CN110689584A (zh) * | 2019-09-30 | 2020-01-14 | 深圳市瑞立视多媒体科技有限公司 | 多相机环境中主动式刚体的位姿定位方法及相关设备 |
CN111242995A (zh) * | 2020-01-06 | 2020-06-05 | 合肥工业大学 | 一种快速鲁棒的摄像机绝对姿态估计方法 |
KR20210009019A (ko) * | 2019-07-16 | 2021-01-26 | 남서울대학교 산학협력단 | 벡터내적과 3차원 좌표변환을 이용한 카메라의 위치 및 자세를 결정하는 시스템 |
CN113012226A (zh) * | 2021-03-22 | 2021-06-22 | 浙江商汤科技开发有限公司 | 相机位姿的估计方法、装置、电子设备及计算机存储介质 |
CN115423863A (zh) * | 2022-11-04 | 2022-12-02 | 深圳市其域创新科技有限公司 | 相机位姿估计方法、装置及计算机可读存储介质 |
CN116188594A (zh) * | 2022-12-31 | 2023-05-30 | 梅卡曼德(北京)机器人科技有限公司 | 沙姆相机的标定方法、标定***、装置和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11790606B2 (en) * | 2021-07-06 | 2023-10-17 | Bentley Systems, Incorporated | Determining camera rotations based on known translations |
-
2023
- 2023-07-13 CN CN202310855327.6A patent/CN116580083B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215077A (zh) * | 2017-07-07 | 2019-01-15 | 腾讯科技(深圳)有限公司 | 一种相机姿态信息确定的方法及相关装置 |
CN109544629A (zh) * | 2018-11-29 | 2019-03-29 | 南京人工智能高等研究院有限公司 | 摄像头位姿确定方法和装置以及电子设备 |
KR20210009019A (ko) * | 2019-07-16 | 2021-01-26 | 남서울대학교 산학협력단 | 벡터내적과 3차원 좌표변환을 이용한 카메라의 위치 및 자세를 결정하는 시스템 |
CN110689584A (zh) * | 2019-09-30 | 2020-01-14 | 深圳市瑞立视多媒体科技有限公司 | 多相机环境中主动式刚体的位姿定位方法及相关设备 |
CN111242995A (zh) * | 2020-01-06 | 2020-06-05 | 合肥工业大学 | 一种快速鲁棒的摄像机绝对姿态估计方法 |
CN113012226A (zh) * | 2021-03-22 | 2021-06-22 | 浙江商汤科技开发有限公司 | 相机位姿的估计方法、装置、电子设备及计算机存储介质 |
CN115423863A (zh) * | 2022-11-04 | 2022-12-02 | 深圳市其域创新科技有限公司 | 相机位姿估计方法、装置及计算机可读存储介质 |
CN116188594A (zh) * | 2022-12-31 | 2023-05-30 | 梅卡曼德(北京)机器人科技有限公司 | 沙姆相机的标定方法、标定***、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116580083A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3786890B1 (en) | Method and apparatus for determining pose of image capture device, and storage medium therefor | |
CN107223269B (zh) | 三维场景定位方法和装置 | |
CN110866977B (zh) | 增强现实处理方法及装置、***、存储介质和电子设备 | |
CN110163898B (zh) | 深度信息配准方法、装置、***、设备及存储介质 | |
CN108153421B (zh) | 体感交互方法、装置及计算机可读存储介质 | |
CN108961343A (zh) | 虚拟坐标系的构建方法、装置、终端设备及可读存储介质 | |
CN112489114B (zh) | 图像转换方法、装置、计算机可读存储介质及电子设备 | |
JP2020042772A (ja) | 深度マップに対して画像位置合せを行って深度データを最適化することができる深度データ処理システム | |
CN110111364B (zh) | 运动检测方法、装置、电子设备及存储介质 | |
CN102171726A (zh) | 信息处理装置、信息处理方法、程序以及信息存储介质 | |
KR102566300B1 (ko) | 실내 측위 방법, 장치, 장비 및 저장 매체 | |
CN114494388A (zh) | 一种大视场环境下图像三维重建方法、装置、设备及介质 | |
CN114926316A (zh) | 距离测量方法、装置、电子设备及存储介质 | |
CN116580083B (zh) | 摄像设备的位姿估计方法、装置、电子设备及存储介质 | |
CN113793392A (zh) | 一种相机参数标定方法及装置 | |
CN112767248A (zh) | 红外相机图片拼接方法、装置、设备及可读存储介质 | |
CN117216591A (zh) | 三维模型匹配、多模态特征映射模型的训练方法及装置 | |
CN113570659B (zh) | 拍摄装置位姿估计方法、装置、计算机设备和存储介质 | |
CN114339031A (zh) | 画面调节方法、装置、设备以及存储介质 | |
CN114663570A (zh) | 贴图生成方法、装置、电子装置及可读存储介质 | |
CN113758481A (zh) | 栅格地图生成方法、装置、***、存储介质及电子设备 | |
CN113487685A (zh) | 线激光扫描相机的标定方法、装置、设备和存储介质 | |
CN112530027A (zh) | 一种三维点云修复方法、装置及电子设备 | |
WO2023179390A1 (zh) | 对象识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品 | |
CN117095131B (zh) | 物体运动关键点的三维重建方法、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 |