[发明专利]一种基于神经网络的相机畸变标定方法、系统和存储介质

权利要求书

1.一种基于神经网络的相机畸变标定方法，其特征在于，包括如下步骤：

S1、获取多张待标定相机的标定板图；

S2、提取所述标定板图中的特征点；

S3、以所述标定板图所在平面为零平面，计算出特征点的世界坐标，利用张正友标定法进行相机内外参数的标定；

S4、由特征点的世界坐标，根据外参的变换得到特征点的理想相机坐标；然后提取特征点的像素坐标，根据内参的反变换得到畸变的相机坐标；将理想的相机坐标与畸变的相机坐标一一对应，并构建神经网络；通过神经网络训练得到畸变矫正模型，通过畸变矫正模型，对相机进行畸变矫正。

2.根据权利要求1所述的基于神经网络的相机畸变标定方法，其特征在于，步骤S1中，所述标定板图是从多个角度拍摄获取的，并且所述标定板图的个数大于3。

3.根据权利要求1所述的基于神经网络的相机畸变标定方法，其特征在于，步骤S2中，提取标定板图中的特征点的具体方法如下：

S21、通过模板匹配寻找标定板图中的区域；

S22、根据区域生长方法提取标定板图中的所有圆形区域；

S23、找到所有圆形区域的圆形边界点，进行圆形拟合，得到圆心，即为标定板图的特征点。

4.根据权利要求1所述的基于神经网络的相机畸变标定方法，其特征在于，步骤S3中，利用张正友标定法进行相机内外参数的标定具体方法如下：求出特征点的世界坐标到图像坐标的单应矩阵；根据小孔成像模型，计算出相机内参；根据相机内参，求出对应的相机外参。

5.根据权利要求1所述的基于神经网络的相机畸变标定方法，其特征在于，步骤S4中，所述神经网络的构建过如下所示：

1)将神经网络分为三层，分别为输入层、隐含层和输出层；

2)记输入层与隐含层的参数为W＝{w_i，j}；i＝1，...，m；j＝1，...，l，隐含层与输出层的参数为α＝{α_i，j}；i＝1，...，l；j＝1，...，n，其中m，l，n分别为输入节点个数，隐含节点个数，输出节点个数；随机初始化W，隐含层得到为H＝f(P*W+b)，其中b为偏置，f(.)为激活函数；

3)输出A＝H*α，H为隐含层，A为训练样本的输出，基于极限学习机的计算方式，通过最小二乘法得到α，由此得到神经网络的初始值；

4)初始化后再通过误差反馈的方式进行神经网络的训练优化。

6.根据权利要求1所述的基于神经网络的相机畸变标定方法，其特征在于，步骤S4中，所述畸变矫正模型的建立方法如下：将畸变的相机坐标作为神经网络输入，理想的相机坐标作为学习标准，通过误差反馈的方式训练神经网络，得到畸变矫正神经网络模型；所述畸变矫正具体为：将标定板图中的每个像素坐标，通过内参反变换得到畸变的相机坐标，作为神经网络的输入，经过神经网络矫正后，输出点处的坐标像素值赋给输入点处的坐标处，即完成了畸变矫正。

7.一种基于神经网络的相机畸变标定系统，其特征在于，所述标定系统包括：

待标定相机的标定板图获取模块：获取多张待标定相机的标定板图；

标定板图中的特征点提取模块：提取所述标定板图中的特征点；

相机内外参数的标定模块：以所述标定板图所在平面为零平面，计算出特征点的世界坐标，利用张正友标定法进行相机内外参数的标定；

相机畸变矫正模块：由特征点的世界坐标，根据外参的变换得到特征点的理想相机坐标；然后提取特征点的像素坐标，根据内参的反变换得到畸变的相机坐标；将理想的相机坐标与畸变的相机坐标一一对应，并构建神经网络；通过神经网络训练得到畸变矫正模型，通过畸变矫正模型，对相机进行畸变矫正。

8.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载以执行权利要求1～6任一项所述的检测方法。