CN118570309A - 单目相机标定方法、装置及电子设备、存储介质 - Google Patents
单目相机标定方法、装置及电子设备、存储介质 Download PDFInfo
- Publication number
- CN118570309A CN118570309A CN202410726625.XA CN202410726625A CN118570309A CN 118570309 A CN118570309 A CN 118570309A CN 202410726625 A CN202410726625 A CN 202410726625A CN 118570309 A CN118570309 A CN 118570309A
- Authority
- CN
- China
- Prior art keywords
- image
- monocular camera
- point
- view
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种单目相机标定方法、装置及电子设备、存储介质，所述方法包括获取单目相机的图像，所述图像至少包括两条平行车道线；根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；测量相机视野内任意点的在UTM坐标系下的第一坐标点；根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。通过本申请提高了单目相机的定位精度。
Description
技术领域
本申请涉及相机标定技术领域，尤其涉及一种单目相机标定方法、装置及电子设备、存储介质。
背景技术
主流的相机标定方法是使用PnP(Perspective-n-Point)进行外参标定，选择一组对应的图像点和WGS84 UTM点计算出相机外参。其中所选择的标志点，一般要选择多个点，并且均匀分布在整幅图中，对多个点对进行非线性优化，获取相机姿态。
由于道路平面与绝对地平面不是完全重合，相机与道路的距离计算存在误差，导致计算出的像素点到UTM的映射关系存在误差，误差大小根据道路的水平面的不平整和相机到目标的距离而不同。距离相机越远误差越大，道路与绝对水平面的夹角越大误差越大。
发明内容
本申请实施例提供了一种单目相机标定方法、装置及电子设备、存储介质，以提高单目相机的定位精度。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种单目相机标定方法，其中，所述方法包括：
获取单目相机的图像，所述图像至少包括两条平行车道线；
根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；
根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；
测量相机视野内任意点的在UTM坐标系下的第一坐标点；
根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
在一些实施例中，所述方法还包括：对所述单目相机的图像进行去畸变处理，得到至少包括两条车道线的单目相机的图像。
在一些实施例中，所述第一坐标点根据RTK测量仪测量得到，所述第一坐标点至少包括一个。
在一些实施例中，所述第二坐标点根据第一坐标点、所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离计算得到，所述第二坐标点包括多个。
在一些实施例中，所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，包括：
基于所述鸟瞰图，在水平方向选择两个特征点、在垂直方向上选择两个特征点；
计算每两个特征点之间的像素间隔并测量出真实距离；
根据每两个特征点之间的像素间隔、测量出的真实距离，计算每个像素点在图像中占据的横向距离和纵向距离。
在一些实施例中，根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点，包括：
在所述鸟瞰图中找到所述第一坐标点对应的坐标点作为原点；
根据横向距离和纵向距离的比值，得到所述鸟瞰图中每个像素点对应原点的物理距离和世界坐标值，作为所述第二坐标点。
在一些实施例中，所述真实场景中的车道长宽比通过测量得到。
第二方面，本申请实施例还提供一种单目相机标定装置，其中，所述装置包括：
获取模块，用于获取单目相机的图像，所述图像至少包括两条平行车道线；
创建模块，用于根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；
计算模块，用于根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；
车辆模块，用于测量相机视野内任意点的在UTM坐标系下的第一坐标点；
求解模块，用于根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第四方面，本申请实施例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存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：获取单目相机的图像，所述图像至少包括两条平行车道线。根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图。再根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离。最后通过测量相机视野内任意点的在UTM坐标系下的第一坐标点，再根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。通过上述方法，使用车道线先验知识和一个RTK测量点完成单目高精度定位，方法简单有效，精度高。此外，对比相关技术中的标定方法减少了人为误差引入，不用选择很多像素点及其对应的3D点，更多的点对会引入误差较大。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中单目相机标定方法的去畸变的前视图；
图2为本申请实施例中单目相机标定方法的鸟瞰图；
图3为本申请实施例中单目相机标定方法的流程示意图；
图4为本申请实施例中单目相机标定装置的结构示意图；
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
如图1所示，是单目相机拍摄的去畸变前的前视图像，其中的长方形由图像中的车道线框出，并且由于是小孔成像两条平行的线段在某处相交。如图2所示，前视图是经过转换后的鸟瞰图。
本申请实施例提供了一种单目相机标定方法，如图3所示，提供了本申请实施例中单目相机标定方法流程示意图，所述方法至少包括如下的步骤S310至步骤S350：
步骤S310，获取单目相机的图像，所述图像至少包括两条平行车道线。
获取单目相机的图像信息，且在图像信息中至少包括两条平行的车道线。
步骤S320，根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图。
继续在单目相机的图像中根据两条平行车道线创建长方形，并且根据长方形将单目相机的图像的前视图转化得到鸟瞰图即俯视图。
可以理解，前视图可以采用透视变换转鸟瞰图。并且在变换时选择的长方形是随机的。
步骤S330，根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离。
接着在鸟瞰图中确定图中的车道长宽比与真实场景中的车道长宽比，根据长宽比，计算得到鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离。
前视图可以采用透视变换转鸟瞰图，在变换时选择的长方形是随机的所以鸟瞰图中的车道线长宽比是失真的，所以鸟瞰图的车道线宽和高对应的真实世界的比例是不一样的。故，需要在鸟瞰图上的水平方向选择两个特征点，计算像素间隔和测量真实距离，计算水平像素间隔比例。同样的，也需要在鸟瞰图上的垂直方向选择两个特征点。即计算出的所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，可以得到鸟瞰图与真实世界中的相差(缩放)比例。
步骤S340，测量相机视野内任意点的在UTM坐标系下的第一坐标点。
测量得到相机视野内任意点的在UTM坐标系下的第一坐标点即真实场景中的3D坐标位置。
步骤S350，根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
在鸟瞰图中找到对应的像素点坐标作为起始点以及对应的道路平面上每个像素点代表的横向距离和纵向距离，就可以反推出相机图像道路平面上每一个像素点对应的WGS84 UTM坐标，从而完成路侧单目相机高精度定位即相机的标定过程。
上述基于相机鸟瞰图的高精度定位方法，能够作为在智能道路建设中的单目相机定位方案，使用车道线先验知识和一个测量点完成单目高精度定位，方法简单有效，精度高。此外，上述方法与对比传统的标定方法减少了人为误差引入。不用选择很多像素点及其对应的3D点，减少因为引入更多的点造成的较大误差。
在本申请的一个实施例中，所述方法还包括：对所述单目相机的图像进行去畸变处理，得到至少包括两条车道线的单目相机的图像。
如图1所示，在获得单目相机的图像还需要进行去畸变处理，由于图像中存在非线性的因子，通过去畸变后图像中的车道线(直线)弯曲较少。
在本申请的一个实施例中，所述第一坐标点根据RTK测量仪测量得到，所述第一坐标点至少包括一个。
使用RTK测量仪测量相机视野内一个坐标点在真实世界中的UTM投影坐标。此时，第一坐标点的数量包括一个。
在本申请的一个实施例中，所述第二坐标点根据第一坐标点、所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离计算得到，所述第二坐标点包括多个。
第二坐标点的数量包括多个，且是根据第一坐标点、所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离计算得到。
在本申请的一个实施例中，所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，包括：基于所述鸟瞰图，在水平方向选择两个特征点、在垂直方向上选择两个特征点；计算每两个特征点之间的像素间隔并测量出真实距离；根据每两个特征点之间的像素间隔、测量出真实距离，计算横向距离和纵向距离。
在鸟瞰图上，水平方向选择两个特征点，计算像素间隔和测量真实距离，计算水平像素间隔比例。同样的需要在垂直方向上选择两个特征点，计算像素间隔和测量真实距离，计算垂直像素间隔比例。
在本申请的一个实施例中，根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点，包括：在所述鸟瞰图中找到所述第一坐标点对应的坐标点作为原点；根据横向距离和纵向距离的比值，得到所述鸟瞰图中每个像素点对应原点的物理距离和世界坐标值，作为所述第二坐标点。
在鸟瞰图中找到对应像素点坐标作为起始点，根据横向距离和纵向距离比，得到鸟瞰图中每个像素点对应原点的物理距离和其世界坐标值。
在本申请的一个实施例中，所述真实场景中的车道长宽比通过测量得到。
对于真实场景中的车道长宽比可以在通过实际标定的过程中测量得到。
本申请实施例还提供了单目相机标定装置400，如图4所示，提供了本申请实施例中单目相机标定装置的结构示意图，所述单目相机标定装置400至少包括：获取模块410、创建模块420、计算模块430、测量模块440以及求解模块450，其中：
在本申请的一个实施例中，所述获取模块410具体用于：获取单目相机的图像，所述图像至少包括两条平行车道线。
获取单目相机的图像信息，且在图像信息中至少包括两条平行的车道线。
在本申请的一个实施例中，所述获取模块420具体用于：根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图。
继续在单目相机的图像中根据两条平行车道线创建长方形，并且根据长方形将单目相机的图像的前视图转化得到鸟瞰图即俯视图。
可以理解，前视图可以采用透视变换转鸟瞰图。并且在变换时选择的长方形是随机的。
在本申请的一个实施例中，所述获取模块430具体用于：根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离。
接着在鸟瞰图中确定图中的车道长宽比与真实场景中的车道长宽比，根据长宽比，计算得到鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离。
前视图可以采用透视变换转鸟瞰图，在变换时选择的长方形是随机的所以鸟瞰图中的斑马线长宽比是失真的，所以鸟瞰图的车道线宽和高对应的真实世界的比例是不一样的。故，需要在鸟瞰图上的水平方向选择两个特征点，计算像素间隔和测量真实距离，计算水平像素间隔比例。同样的，也需要在鸟瞰图上的垂直方向选择两个特征点。
在本申请的一个实施例中，所述获取模块440具体用于：测量相机视野内任意点的在UTM坐标系下的第一坐标点。
测量得到相机视野内任意点的在UTM坐标系下的第一坐标点即真实场景中的3D坐标位置。
在本申请的一个实施例中，所述求解模块450具体用于：根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
在鸟瞰图中找到对应角点像素坐标作为起始点以及对应的道路平面上每个像素点代表的横向距离和纵向距离，就可以反推出相机图像道路平面上每一个像素点对应的WGS84 UTM坐标，从而完成路侧单目相机高精度定位即相机的标定过程。
能够理解，上述单目相机标定装置，能够实现前述实施例中提供的单目相机标定方法的各个步骤，关于单目相机标定方法的相关阐释均适用于单目相机标定装置，此处不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成单目相机标定装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取单目相机的图像，所述图像至少包括两条平行车道线；
根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；
根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；
测量相机视野内任意点的在UTM坐标系下的第一坐标点；
根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
上述如本申请图3所示实施例揭示的单目相机标定装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图3中单目相机标定装置执行的方法，并实现单目相机标定装置在图3所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图3所示实施例中单目相机标定装置执行的方法，并具体用于执行：
获取单目相机的图像，所述图像至少包括两条平行车道线；
根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；
根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；
测量相机视野内任意点的在UTM坐标系下的第一坐标点；
根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种单目相机标定方法，其中，所述方法包括：
获取单目相机的图像，所述图像至少包括两条平行车道线；
根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；
根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；
测量相机视野内任意点的在UTM坐标系下的第一坐标点；
根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
2.如权利要求1所述方法，其中，所述方法还包括：对所述单目相机的图像进行去畸变处理，得到至少包括两条车道线的单目相机的图像。
3.如权利要求2所述方法，其中，所述第一坐标点根据RTK测量仪测量得到，所述第一坐标点至少包括一个。
4.如权利要求2所述方法，其中，所述第二坐标点根据第一坐标点、所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离计算得到，所述第二坐标点包括多个。
5.如权利要求1所述方法，其中，所述计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，包括：
基于所述鸟瞰图，在水平方向选择两个特征点、在垂直方向上选择两个特征点；
计算每两个特征点之间的像素间隔并测量出真实距离；
根据每两个特征点之间的像素间隔、测量出的真实距离，计算每个像素点在图像中占据的横向距离和纵向距离。
6.如权利要求1所述方法，其中，根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点，包括：
在所述鸟瞰图中找到所述第一坐标点对应的坐标点作为原点；
根据横向距离和纵向距离的比值，得到所述鸟瞰图中每个像素点对应原点的物理距离和世界坐标值，作为所述第二坐标点。
7.如权利要求1所述方法，其中，所述真实场景中的车道长宽比通过测量得到。
8.一种单目相机标定装置，其中，所述装置包括：
获取模块，用于获取单目相机的图像，所述图像至少包括两条平行车道线；
创建模块，用于根据所述单目相机的图像中的两条平行车道线创建长方形，并按照所述长方形将所述单目相机的图像的前视图转化得到鸟瞰图；
计算模块，用于根据所述鸟瞰图中的车道长宽比与真实场景中的车道长宽比，计算所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离；
测量模块，用于测量相机视野内任意点的在UTM坐标系下的第一坐标点；
求解模块，用于根据所述第一坐标点以及所述鸟瞰图中道路平面上每个像素点代表的横向距离和纵向距离，求解出所述单目相机的图像中道路平面上每个二维像素点对应的UTM坐标系下的第二坐标点。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
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一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410726625.XA CN118570309A (zh) | 2024-06-06 | 2024-06-06 | 单目相机标定方法、装置及电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410726625.XA CN118570309A (zh) | 2024-06-06 | 2024-06-06 | 单目相机标定方法、装置及电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118570309A true CN118570309A (zh) | 2024-08-30 |
Family
ID=92465268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410726625.XA Pending CN118570309A (zh) | 2024-06-06 | 2024-06-06 | 单目相机标定方法、装置及电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118570309A (zh) |
-
2024
- 2024-06-06 CN CN202410726625.XA patent/CN118570309A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
| CN111080805A (zh) | 标注对象立体框图生成方法、装置、电子设备及存储介质 | |
| CN106570907B (zh) | 一种相机标定方法及装置 | |
| CN114279453B (zh) | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 | |
| CN115546315A (zh) | 自动驾驶车辆的传感器在线标定方法、装置及存储介质 | |
| CN111080682A (zh) | 点云数据的配准方法及装置 | |
| CN114754761A (zh) | 高精地图车道线的优化方法、装置及电子设备、存储介质 | |
| CN114332349B (zh) | 一种双目结构光边缘重建方法、系统及存储介质 | |
| CN115376090A (zh) | 高精地图构建方法、装置及电子设备、存储介质 | |
| CN113781661B (zh) | 面向沉浸式场景的多投影空间布局评估方法和系统 | |
| CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
| CN118570309A (zh) | 单目相机标定方法、装置及电子设备、存储介质 | |
| CN112767498A (zh) | 相机标定方法、装置和电子设备 | |
| US11195305B2 (en) | Method and device for identifying stereoscopic object, and vehicle and storage medium | |
| CN116740680A (zh) | 一种车辆定位方法、装置及电子设备 | |
| CN116152347A (zh) | 一种车载摄像头安装姿态角标定方法及系统 | |
| CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
| CN112800351B (zh) | 轨迹相似度判断方法、系统及计算机介质 | |
| CN116182794A (zh) | 高精地图路面高度生成方法、装置、电子设备和存储介质 | |
| CN113658268B (zh) | 摄像头标定结果的验证方法、装置及电子设备、存储介质 | |
| CN115511977A (zh) | 一种基于标定模板的外参标定方法及装置 | |
| CN116128974A (zh) | 路杆上多相机协同标定自检方法、装置及电子设备、存储介质 | |
| CN116309628A (zh) | 车道线识别方法和装置、电子设备和计算机可读存储介质 | |
| CN118154696A (zh) | 路侧相机的参数标定方法、装置及路面元素三维定位方法 | |
| CN113484879A (zh) | 可穿戴设备的定位方法和装置 |
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 |