[发明专利]畸变校正方法和装置、计算机可读的存储介质及电子装置

权利要求书

1.一种畸变校正方法，其特征在于，包括：

获取通过待校正的目标摄像头采集到的目标图像；

将所述目标图像输入与所述目标摄像头相匹配的畸变校正模型，其中，所述畸变校正模型为利用多个样本图像进行机器学习后，得到的用于对畸变图像进行校正的神经网络模型；

获取所述畸变校正模型输出的校正图像。

2.根据权利要求1所述的方法，其特征在于，在获取通过待校正的目标摄像头采集到的目标图像之前，包括：

确定所述目标摄像头所属的目标类型；

随机获取属于所述目标类型的多个摄像头采集到的多个第一图像；

对所述多个第一图像分别进行校正，得到多个第二图像；

对所述多个第一图像和所述多个第二图像进行预处理，以构建多个图像对；

将所述多个图像对作为所述多个样本图像，输入初始畸变校正模型进行机器学习，以得到所述畸变校正模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述多个图像对作为所述多个样本图像，输入初始畸变校正模型进行机器学习，以得到所述畸变校正模型包括：

重复执行以下步骤，直至得到所述畸变校正模型：

从所述多个样本图像中确定出当前待处理的图像对，并确定当前畸变校正模型，其中，所述当前待处理的图像对中包括：当前待处理的第一图像及当前待处理的第二图像；

通过所述当前畸变校正模型，对所述当前待处理的第一图像进行编码和解码处理，以得到参考图像；

计算所述参考图像与所述第二图像的网络损失；

获取所述多个样本图像输出的网络损失；

使用所述网络损失计算网络梯度，以更新所述当前畸变校正模型中的参数；

在所述网络损失未收敛的情况下，确定未达到校正条件，则获取下一批次的多个样本图像；

在所述网络损失收敛的情况下，确定已达到所述校正条件，则将所述当前畸变校正模型作为所述畸变校正模型。

4.根据权利要求2所述的方法，其特征在于，所述对所述多个第一图像分别进行校正，得到多个第二图像包括：

获取所述多个摄像头的内参和畸变系数；

利用所述内参和畸变系数对所述多个第一图像分别进行校正，以得到所述多个第二图像。

5.根据权利要求2所述的方法，其特征在于，所述对所述多个第一图像和所述多个第二图像进行预处理，以构建多个图像对包括：

比对所述多个第一图像和所述多个第二图像；

根据比对的结果确定所述第一图像和所述第二图像之间的映射关系；

将具有所述映射关系的所述第一图像与所述第二图像构建为一个图像对，以得到所述多个图像对。

6.一种畸变校正装置，其特征在于，包括：

第一获取单元，用于获取通过待校正的目标摄像头采集到的目标图像；

第一输入单元，用于将所述目标图像输入与所述目标摄像头相匹配的畸变校正模型，其中，所述畸变校正模型为利用多个样本图像进行机器学习后，得到的用于对畸变图像进行校正的神经网络模型；

第二获取单元，用于获取所述畸变校正模型输出的对所述目标图像进行校正后的校正图像。

7.根据权利要求6所述的装置，其特征在于，包括：

确定单元，用于在获取通过待校正的目标摄像头采集到的目标图像之前，确定所述目标摄像头所属的目标类型；

第三获取单元，用于在获取通过待校正的目标摄像头采集到的目标图像之前，随机获取属于所述目标类型的多个摄像头采集到的多个第一图像；

校正单元，用于在获取通过待校正的目标摄像头采集到的目标图像之前，对所述多个第一图像分别进行校正，得到多个第二图像；

处理单元，用于在获取通过待校正的目标摄像头采集到的目标图像之前，对所述多个第一图像和所述多个第二图像进行预处理，以构建多个图像对；

第二输入单元，用于在获取通过待校正的目标摄像头采集到的目标图像之前，将所述多个图像对作为所述多个样本图像，输入初始畸变校正模型进行机器学习，以得到所述畸变校正模型。