[发明专利]相机和三维设备的联合标定方法、装置及存储介质在审
申请号: | 202210211891.X | 申请日: | 2022-03-04 |
公开(公告)号: | CN114693802A | 公开(公告)日: | 2022-07-01 |
发明(设计)人: | 李怡康;闫国行 | 申请(专利权)人: | 上海人工智能创新中心 |
主分类号: | G06T7/80 | 分类号: | G06T7/80 |
代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 赵倩 |
地址: | 200000 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 相机 三维 设备 联合 标定 方法 装置 存储 介质 | ||
1.一种相机和三维设备的联合标定方法,其特征在于,包括:
基于三维设备和相机获取标定板数据;
根据所述标定板数据确定所述相机的第一内参和第一畸变系数;
以所述第一内参和所述第一畸变系数为优化初值,根据所述标定板数据进行非线性优化,得到所述相机的第二内参和第二畸变系数,以及所述三维设备和所述相机之间的外参。
2.根据权利要求1所述的方法,其特征在于,所述标定板包括棋盘格图像和多个圆孔,所述标定板数据包括所述棋盘格图像上的多个角点的坐标数据和所述圆孔的圆心的坐标数据,所述角点的坐标数据包括所述角点的实际像素坐标和实际三维坐标,所述圆心的坐标数据包括所述圆心的实际像素坐标、实际三维坐标和所述三维设备检测到的预测三维坐标。
3.根据权利要求2所述的方法,其特征在于,所述圆心的实际像素坐标的获取方式为:
根据所述圆心所在的标定板上的多个所述角点的坐标数据计算与所述标定板对应的单硬性矩阵;
根据所述圆心的实际三维坐标和所述单硬性矩阵确定所述圆心的实际像素坐标。
4.根据权利要求2或3所述的方法,其特征在于,所述非线性优化的约束条件为使得优化目标Jsum最小,其中,Jsum=λ1Jboard+λ2Jlidar,λ1和λ2表示权重系数,Jboard表示所有所述角点的预测像素坐标与实际像素坐标之间的欧式距离之和,Jlidar表示所有所述圆心的预测像素坐标与实际像素坐标之间的欧式距离之和,所述角点的预测像素坐标是根据所述角点的实际三维坐标、所述第二内参和所述第二畸变系数确定的,所述圆心的预测像素坐标是根据所述圆心的预测三维坐标、所述第二内参、所述第二畸变系数以及所述外参确定。
5.根据权利要求4所述的方法,其特征在于,λ1小于λ2。
6.一种联合标定装置,其特征在于,包括:
获取单元,用于基于三维设备和相机获取标定板数据
确定单元,用于根据所述标定板数据确定所述相机的第一内参和第一畸变系数;
优化单元,用于以所述第一内参和所述第一畸变系数为优化初值,根据所述标定板数据进行非线性优化,得到所述相机的第二内参和第二畸变系数,以及所述三维设备和所述相机之间的外参。
7.根据权利要求6所述的联合标定装置,其特征在于,所述标定板包括棋盘格图像和多个圆孔,所述标定板数据包括所述棋盘格图像上的多个角点的坐标数据和所述圆孔的圆心的坐标数据,所述角点的坐标数据包括所述角点的实际像素坐标和实际三维坐标,所述圆心的坐标数据包括所述圆心的实际像素坐标、实际三维坐标和所述三维设备检测到的预测三维坐标。
8.根据权利要求7所述的联合标定装置,其特征在于,所述获取单元获取所述圆心的实际像素坐标的方式为:
根据所述圆心所在的标定板上的多个所述角点的坐标数据计算与所述标定板对应的单硬性矩阵;
根据所述圆心的实际三维坐标和所述单硬性矩阵确定所述圆心的实际像素坐标。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种相机和三维设备的联合标定方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的一种相机和三维设备的联合标定方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海人工智能创新中心,未经上海人工智能创新中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210211891.X/1.html,转载请声明来源钻瓜专利网。