[发明专利]一种基于深度学习的相机标定方法及系统

摘要

本发明涉及一种基于深度学习的相机标定方法及系统，属于图像处理领域，现有的视觉测量系统在运行中大多要求相机固定不动，一旦相机位置或者姿态发生变化，就必须对该相机已获取的所有相关位置坐标重新测量，大大降低了系统灵活性与易用性，针对此问题现有提出的相机标定方法，一般依赖固定制式的标定辅助工具与专有的数学模型，来计算相机坐标系与世界坐标系之间的旋转以及平移矩阵从而把新相机坐标系中测得的坐标变换到原相机标准坐标系。这种方式计算过程复杂，参数要求较高，普适性较差，工作效率低下。与现有技术相比，本发明具有灵活性强，节约时间，操作简便等优点。

主权项

1.一种基于深度学习的相机标定方法，其特征在于，包括以下步骤：步骤1：在相机视野范围内任意选取四个不共线的标记作为标准工作坐标系中的四个不共线的标记；步骤2：截取机器学习相机图像并依次确定机器学习相机图像中所有标记的编号及所有标记在机器学习相机图像中的像素坐标；步骤3：按指定次数改变相机位置和相机姿态，重复步骤2，获取多组像素坐标和与之对应的相机位置和相机姿态的数据；步骤4：将步骤3中获取的数据分为训练集和测试集两部分，利用训练集对所构建的神经网络进行重复训练学习，利用测试集对训练学习结果进行误差达标测试，若达标，保存训练完成的神经网络于磁盘中并执行步骤5，若未达标，返回步骤3并增加所述指定次数；步骤5：重现标准工作坐标系中的四个不共线的标记，使用相机位置和相机姿态发生改变后的相机进行实际应用相机图像抓取，获取标准工作坐标系中的四个不共线的标记在实际应用相机图像中的像素坐标；步骤6：把步骤5中得到的像素坐标输入到训练完成的神经网络中，得到改变后的相机坐标系相对于标准工作坐标系的相机位置和相机姿态的数据；步骤7：利用改变后的相机坐标系相对于标准工作坐标系的相机位置和相机姿态的数据并通过变换公式把改变后的相机坐标系下的像素坐标变换到标准工作坐标系下，完成标定。