[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112233187B - 一种方便稳定的rgbd相机外参数标定方法 - Google Patents

一种方便稳定的rgbd相机外参数标定方法 Download PDF

Info

Publication number
CN112233187B
CN112233187B CN202011124427.4A CN202011124427A CN112233187B CN 112233187 B CN112233187 B CN 112233187B CN 202011124427 A CN202011124427 A CN 202011124427A CN 112233187 B CN112233187 B CN 112233187B
Authority
CN
China
Prior art keywords
point
points
planes
corner
camera
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.)
Expired - Fee Related
Application number
CN202011124427.4A
Other languages
English (en)
Other versions
CN112233187A (zh
Inventor
欧阳若愚
王红力
卢雄辉
洪涛
陈诺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wujing Intelligent Robot Co ltd
Original Assignee
Shenzhen Wujing Intelligent Robot Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Wujing Intelligent Robot Co ltd filed Critical Shenzhen Wujing Intelligent Robot Co ltd
Priority to CN202011124427.4A priority Critical patent/CN112233187B/zh
Publication of CN112233187A publication Critical patent/CN112233187A/zh
Application granted granted Critical
Publication of CN112233187B publication Critical patent/CN112233187B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及rgbd相机技术领域，具体涉及一种方便稳定的rgbd相机外参数标定方法。包括以下步骤：准备三个互相垂直的平面，将三张黑白相间的棋盘格标定纸分别贴在三个平面上，将rgbd相机对准三个平面的交点拍摄深度图，提取出三个平面的参数；结合深度摄像头的内参数，将深度图还原为点云，依次从深度图中提取出属于这三个平面的点云，计算棋盘格的角点特征点的点集与三个平面的距离的和，通过位姿的渐变推算得到rgbd相机的外参数。本发明只引入简单的道具，并避开了对特殊物体以及物体边角点的依赖，提出只需利用房间本身结构或者类似结构方便快捷的rgbd相机标定方法，不需要其它辅助设备，提升了标定的效率和成功率，对普遍的rgbd相机都适用。

Description

一种方便稳定的rgbd相机外参数标定方法
技术领域
本发明涉及rgbd相机技术领域，具体涉及一种方便稳定的rgbd相机外参数标定方法。
背景技术
近些年，随着相机技术的发展，以及视觉技术应用的发展，结合rgb图像和反应物体实际距离的深度图像的rgbd相机得到越来越多的使用。rgbd相机和双目相机一样拥有两个摄像头，每个摄像头拥有自身的一套独特的投影参数，将物体的点投影到图像的像素上，称为摄像头的内参数，而两个摄像头之间拥有一个外参数，描述的是它们之间的平移与旋转关系。用户在使用rgbd相机进行视觉开发时，需要得到rgbd相机的两个内参数和一个外参数。在rgbd相机的出厂设置中，一般会给出较为精准的内部参数，也就是真实世界的三维点投影到图像的像素点的投影参数，而对于彩色摄像头与深度摄像头之间的旋转、平移关系一般不会给出精准的参数，而是一个较为粗略的参数，这两个摄像头之间的位置、姿态参数，专业名词称为外参数，给出的外参数相对粗略，用户需要对外参数再次进行标定。
目前比较常见的深度摄像头有tof(飞行时间测量)摄像头与结构光摄像头，对带这两种摄像头的rgbd相机，外参数标定方法有两种：
1.使用rgb图和ir图进行标定
对于带有红外摄像头进行深度测量的深度摄像头，会传输出一张ir图，用户使rgbd相机对准一张棋盘格图像，使ir图和rgb图都获取到该棋盘格图像，再在这两帧图中用棋盘格特征点的查找方法标记出各自的棋盘格交点，用两幅图像2d-2d的位姿变换求解方法得到外参数。这种方法的缺点有：
①不同厂家生产的深度摄像头的ir图质量不同，如果ir图较模糊则难以识别到棋盘格上的点，另外，使用ir图时一般需要红外补光设备来加强图像质量，是额外的支出。
②对于不同品牌的深度摄像头，ir图与深度图的视角不一定重合，即它们不一定出于同一个摄像头。若不重合则标定效果没有意义。
2.使用rgb图和深度图进行标定
我们可以根据深度摄像头的内参数将一张深度图还原为一帧点云，并用离线工具在rgb图与点云中寻找一一对应的点，使用10对以上的对应点，利用3d-2d的位姿变换计算得到外参数。这种方法的缺点有：
①寻找对应的三维点的过程中，为了找到有特点、易定位的点，有基于几何特征和强度特征的方法，强度特征代表着扫描不同材质的物体反射的点云强度不同，通过显示颜色的差距可以很方便找到贴在墙上的纸张等物体，但深度相机的深度图中一般不带有强度信息，只能从物体几何特征中查找。
②在基于几何特征的三维点查找中，一般寻找物体边缘或尖角的点，这种点特征明显容易选中，但对于深度图而言物体边角很容易缺失，难以选中合适的边角点，也引入了很大的不确定性。
③需要在rgb图和点云中手动选取点，标定的结果取决于用户的选择好坏，难以获得非常好的效果。
发明内容
本发明的目的是克服现有技术的不足和缺陷，提供一种只需利用房间本身结构的方便快捷的rgbd相机标定方法。
本发明的目的是通过以下技术方案来实现的：
一种方便稳定的rgbd相机外参数标定方法，包括以下步骤：
(1)准备三个互相垂直的平面，将三张黑白相间的棋盘格标定纸分别贴在三个平面上，
(2)将rgbd相机对准三个平面的交点拍摄深度图，提取出三个平面的参数；
(3)结合深度摄像头的内参数，将深度图还原为点云，
(4)依次从深度图中提取出属于这三个平面的点云，
(5)三个平面中任意一个平面的参数方程写作ax+by+cz+1＝0的形式，将该平面集中所有的点的三维坐标加入平面的参数方程中，求解出a、b、c，得出拟合的该平面参数方程，重复该步骤得出三个平面拟合的参数方程；
(6)在rgb图中，棋盘格的交点作为角点特征点，检测出棋盘格所有的角点特征点，一个面上所有获取的角点特征点形成该面的角点集合，依次获取每张棋盘格的角点集合；
(7)测量每个棋盘格的尺寸，以棋盘格左上角的角点为原点，测量出现实坐标系下角点的三维坐标，通过pnp算法得到三维坐标与rgb图的像素坐标(u，v)的映射关系，进而计算出每个棋盘格角点特征点的点集在rgb相机坐标系下的一系列三维坐标；
(8)计算棋盘格角点特征点的点集与三个平面距离的和，对角点特征点集合整体进行位姿变换，使得所有角点特征点与三个平面距离的和最小，该位姿变换的参数即为rgb相机坐标系转换到深度相机坐标系的外参数。
具体的，步骤(2)中通过以下方法将深度图还原为点云：
①根据厂家给出的内参数fx，fy，cx，cy，其中fx为x方向焦距，fy为y方向焦距，(cx，cy)为图像的中心点坐标，通过下面公式将世界坐标系中的点(x,y,z)投影到深度图坐标系的像素坐标点(u，v)内：
u＝fx*(x/z)+cx；
v＝fy*(y/z)+cy；
②基于深度图坐标系的像素坐标点(u，v)和该像素的深度d，通过以下公式获取该像素映射的三维坐标点(x，y，z)：
z＝d；
x＝z*(u-cx)/fx；
y＝z*(v-cy)/fy；
所有三维坐标点(x，y，z)形成点云。
具体的，步骤(4)中通过以下方法依次从深度图中提取出属于这三个平面的点云：
a)从点云中随机选取n个点作为一个点集，拟合一个平面，并检查这n个点的平面度；
b)点集若符合要求则以它拟合的平面查看点云中其它点是否符合该平面，符合的点加入到点集中，记录下符合本平面的点数量；若点集不符合要求则重复步骤a；
c)重复步骤a)、b)找出符合某个平面的最大数量的点集，并取出该点集。
具体的，步骤(5)中当有一组a1，b1，c1使所有的点都满足参数方程时，得出的a1x+b1y+c1z+1＝0即为拟合的平面参数方程；当不存在一组a、b、c使所有的点都满足参数方程，通过最小二乘法求得使误差最小的a1，b1，c1，得出的a1x+b1y+c1z+1＝0即为拟合的平面参数方程。
具体的，步骤(6)中具体通过角点检测查找棋盘格中四周灰度变化较剧烈的像素，称为特征点，将所有获取的特征点形成角点集合。
本发明相比现有技术包括以下优点及有益效果：
本发明只引入简单的道具，并避开了对特殊物体以及物体边角点的依赖，提出只需利用房间本身结构或者类似结构方便快捷的rgbd相机标定方法，不需要其它辅助设备，提升了标定的效率和成功率，对普遍的rgbd相机都适用。
附图说明
图1为rgbd相机拍摄的深度图。
图2为rgbd相机的rgb图。
图3为rgbd相机的带有角点集合的rgb图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明的具体实施过程如下：如图1至图3所示，一种方便稳定的rgbd相机外参数标定方法，包括以下步骤：
(1)准备一个平整的墙角或者三个互相垂直的平面，将三张黑白相间的棋盘格标定纸分别贴在三个平面上；
(2)将rgbd相机对准三个平面的交点拍摄深度图，将相机与三个平面保持合理距离，能够拍摄到三张棋盘格标定纸，拍摄出的深度图如图1所示，同时也使三个棋盘格图形完整地显示在rgb图中，如图2所示，提取出三个平面的参数；
(3)结合深度摄像头的内参数，通过以下方法将深度图还原为点云，
①根据厂家给出的内参数fx，fy，cx，cy，其中fx为x方向焦距，fy为y方向焦距，(cx，cy)为图像的中心点坐标，以三个平面交汇点为原点，通过下面公式将世界坐标系的点(x,y,z)投影到深度图坐标系的像素坐标点(u，v)内：
u＝fx*(x/z)+cx；
v＝fy*(y/z)+cy；
②基于深度图坐标系的像素坐标点(u，v)和该像素的深度d，深度图为一幅灰度图，每个像素的灰度值就是该像素的深度d，也即对应物体到相机的距离，通过以下公式获取该像素映射的三维坐标点(x，y，z)：
z＝d；
x＝z*(u-cx)/fx；
y＝z*(v-cy)/fy；
所有三维坐标点(x，y，z)形成点云，
请参照附图1，附图1为深度图，黑色部分是缺失的部分，灰色部分是有深度像素点的部分，对深度图中的所有非缺失的像素点进行计算，得到深度图所映射的点云；
(4)从附图1和附图2中可以看出，深度图中点云刻画的是墙角，也就是三个平整的平面，通过以下方法依次从深度图中提取出属于这三个平面的点云，
a)从点云中随机选取n个点作为一个点集，拟合一个平面，并检查这n个点的平面度；
b)点集若符合要求则以它拟合的平面查看点云中其它点是否符合该平面，符合的点加入到点集中，记录下符合本平面的点数量；若点集不符合要求则重复步骤a；
c)重复步骤a)、b)找出符合某个平面的最大数量的点集，并取出该点集；
(5)三个平面中任意一个平面的参数方程写作ax+by+cz+1＝0的形式，将该平面集中所有的点的三维坐标加入平面的参数方程中，求解出a、b、c，得出拟合的该平面参数方程，当有一组a1，b1，c1使所有的点都满足参数方程时，得出的a1x+b1y+c1z+1＝0即为拟合的平面参数方程；当不存在一组a、b、c使所有的点都满足参数方程，通过最小二乘法求得使误差最小的a1，b1，c1，得出的a1x+b1y+c1z+1＝0即为拟合的平面参数方程；重复该步骤得出三个平面拟合的参数方程；该标定算法的核心思想是棋盘格的交点在世界坐标系下的三维坐标点应该在墙体平面上，因此，理论上棋盘格交点的三维坐标与墙体平面距离为0，但由于计算误差，整体上所有交点距离墙平面的距离之和大于0，我们需要对相机的位姿进行优化，使这个距离之和最小化，拟合三个平面的参数，求得平面参数方程，是为了便于接下来求交点到平面的距离；
(6)请再次参照附图1，在rgb图中，通过角点检测查找棋盘格中四周灰度变化较剧烈的像素，称为角点特征点，棋盘格中四周灰度变化较剧烈的像素即为棋盘格黑白格的交点，通过固定数目的角点查找，可以获取某张棋盘格中的角点，检测出棋盘格所有的角点特征点，一个面上所有获取的角点特征点形成该面的角点集合，依次获取每张棋盘格的角点集合；在其中一个实施例中请参照附图3，附图3靠左侧的棋盘格能够提取出6*7个交点，交点为附图3中的白点，形成6*7的角点集合，同理，我们能够依次获取其他两张图的角点集合；
(7)测量每个棋盘格的尺寸，以棋盘格左上角的角点为原点，测量出现实坐标系下角点的三维坐标，对于一张棋盘格，设为m行n列，可假设本身位置位于z＝0的平面上，而每个格子的尺寸L可测量得到，这样可以得到第i+1行第j+1列的角点的三维坐标为(i*L，j*L，0)。通过pnp算法得到三维坐标与rgb图的像素坐标(u，v)的映射关系，进而计算出每个棋盘格角点特征点的点集在rgb相机坐标系下的一系列三维坐标。
pnp算法指的是在一组三维坐标点和一组在图像中的像素点中，它们已经一一对应，假设某个三维坐标点P(X，Y，Z)，它的齐次坐标为P＝(X，Y，Z，1)，则在图像中像素点X1＝(u1，v1，1)^T，此时相机的姿态R,t是未知的，其中R为旋转矩阵，旋转矩阵有三个变量，t为平移向量，平移向量有四个变量，定义增广矩阵[R|t]为一个3×4的矩阵,包含了旋转与平移信息。把它的展开形式列写如下:
Figure GDA0003595373300000061
一个三维点和一个像素点(一对匹配点)便可以实现一组约束，而需要求得t1～t12的所有数值，需要6对匹配点，当匹配点大于六对时，可以使用SVD等算法对超定方程求最小二乘解。求解完t1～t12的数值之后，便可以得到三维坐标点转换到像素坐标系的位姿变换。
利用pnp算法之后，可以得到棋盘格交点的三维点坐标(rgb相机坐标系下)，而在深度相机坐标系下，棋盘格交点与第2)步求得的平面重合，然后求解rgb相机坐标系转换到深度相机坐标系的变换矩阵；
(8)计算棋盘格角点特征点的点集与三个平面距离的和，对角点特征点集合整体进行位姿变换，使得所有角点特征点与三个平面距离的和最小，该位姿变换的参数即为rgb相机坐标系转换到深度相机坐标系的外参数。
理论上，棋盘格海报的平面与墙体平面应该是重合的，因此，在深度相机坐标系下，棋盘格的角点特征点都在对应的墙体平面上，而当前的角点坐标是在rgb坐标系下的，因此做一个三维空间内的位姿变换，使得所有角点特征点坐标变换至墙体平面上，即点到面的距离为0，在实际操作时，出于现实干扰因素，角点特征点坐标不能完全变换至墙体平面上，因此使所有的点到面的距离的和最小的位姿变换就是rgb相机坐标系转换到深度相机坐标系的外参数。
和现有技术相比，本发明流程简单，不需要其它辅助设备，提高了标定效率也降低了标定失败的概率，对普遍的rgbd相机都适用。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种方便稳定的rgbd相机外参数标定方法，其特征在于，包括以下步骤：
(1)准备三个互相垂直的平面，将三张黑白相间的棋盘格标定纸分别贴在三个平面上，
(2)将rgbd相机对准三个平面的交点拍摄深度图，提取出三个平面的参数；
(3)结合深度摄像头的内参数，将深度图还原为点云，
(4)依次从深度图中提取出属于这三个平面的点云，
(5)三个平面中任意一个平面的参数方程写作ax+by+cz+1＝0的形式，将该平面集中所有的点的三维坐标加入平面的参数方程中，求解出a、b、c，得出拟合的该平面参数方程，重复该步骤得出三个平面拟合的参数方程；
(6)在rgb图中，棋盘格的交点作为角点特征点，检测出棋盘格所有的角点特征点，一个面上所有获取的角点特征点形成该面的角点集合，依次获取每张棋盘格的角点集合；
(7)测量每个棋盘格的尺寸，以棋盘格左上角的角点为原点，测量出现实坐标系下角点的三维坐标，通过pnp算法得到三维坐标与rgb图的像素坐标(u，v)的映射关系，进而计算出每个棋盘格角点特征点的点集在rgb相机坐标系下的一系列三维坐标；
(8)计算棋盘格角点特征点的点集与三个平面距离的和，对角点特征点集合整体进行位姿变换，使得所有角点特征点与三个平面距离的和最小，该位姿变换的参数即为rgb相机坐标系转换到深度相机坐标系的外参数。
2.根据权利要求1所述的一种方便稳定的rgbd相机外参数标定方法，其特征在于，步骤(2)中通过以下方法将深度图还原为点云：
①根据厂家给出的内参数fx，fy，cx，cy，其中fx为x方向焦距，fy为y方向焦距，(cx，cy)为图像的中心点坐标，通过下面公式将世界坐标系中的点(x,y,z)投影到深度图坐标系的像素坐标点(u，v)内：
u＝fx*(x/z)+cx；
v＝fy*(y/z)+cy；
②基于深度图坐标系的像素坐标点(u，v)和该像素的深度d，通过以下公式获取该像素映射的三维坐标点(x，y，z)：
z＝d；
x＝z*(u-cx)/fx；
y＝z*(u-cy)/fy；
所有三维坐标点(x，y，z)形成点云。
3.根据权利要求1所述的一种方便稳定的rgbd相机外参数标定方法，其特征在于，步骤(4)中通过以下方法依次从深度图中提取出属于这三个平面的点云：
a)从点云中随机选取n个点作为一个点集，拟合一个平面，并检查这n个点的平面度；
b)点集若符合要求则以它拟合的平面查看点云中其它点是否符合该平面，符合的点加入到点集中，记录下符合本平面的点数量；若点集不符合要求则重复步骤a；
c)重复步骤a)、b)找出符合某个平面的最大数量的点集，并取出该点集。
4.根据权利要求1所述的一种方便稳定的rgbd相机外参数标定方法，其特征在于，步骤(5)中当有一组a1，b1，c1使所有的点都满足参数方程时，得出的a1x+b1y+c1z+1＝0即为拟合的平面参数方程；当不存在一组a、b、c使所有的点都满足参数方程，通过最小二乘法求得使误差最小的a1，b1，c1，得出的a1x+b1y+c1z+1＝0即为拟合的平面参数方程。
5.根据权利要求1所述的一种方便稳定的rgbd相机外参数标定方法，其特征在于，步骤(6)中具体通过角点检测查找棋盘格中四周灰度变化较剧烈的像素，称为特征点，将所有获取的特征点形成角点集合。
CN202011124427.4A 2020-10-20 2020-10-20 一种方便稳定的rgbd相机外参数标定方法 Expired - Fee Related CN112233187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011124427.4A CN112233187B (zh) 2020-10-20 2020-10-20 一种方便稳定的rgbd相机外参数标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011124427.4A CN112233187B (zh) 2020-10-20 2020-10-20 一种方便稳定的rgbd相机外参数标定方法

Publications (2)

Publication Number Publication Date
CN112233187A CN112233187A (zh) 2021-01-15
CN112233187B true CN112233187B (zh) 2022-06-03

Family

ID=74119098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011124427.4A Expired - Fee Related CN112233187B (zh) 2020-10-20 2020-10-20 一种方便稳定的rgbd相机外参数标定方法

Country Status (1)

Country Link
CN (1) CN112233187B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192144B (zh) * 2021-04-22 2023-04-14 上海炬佑智能科技有限公司 ToF模组参数修正方法、ToF装置及电子设备
CN113433533B (zh) * 2021-07-09 2024-04-19 上海研鼎信息技术有限公司 一种tof摄像头测试装置及其测试方法
CN113689391B (zh) * 2021-08-16 2024-07-19 炬佑智能科技(苏州)有限公司 ToF设备的安装参数获取方法、系统和ToF设备
CN113706632B (zh) * 2021-08-31 2024-01-16 上海景吾智能科技有限公司 基于三维视觉标定板的标定方法和系统
CN116091610B (zh) * 2021-11-08 2023-11-10 南京理工大学 一种基于三维塔式棋盘格的雷达与相机的联合标定方法
CN114125434A (zh) * 2021-11-26 2022-03-01 重庆盛泰光电有限公司 一种tof摄像头的3d校正装置
CN114488098B (zh) * 2022-01-26 2024-10-29 盛泰光电科技股份有限公司 一种基于tof的校正测试方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019001410A1 (zh) * 2017-06-30 2019-01-03 杭州海康威视数字技术股份有限公司 一种相机参数标定方法、装置、设备及系统
CN109754426A (zh) * 2017-11-01 2019-05-14 虹软科技股份有限公司 一种用于验证的方法和装置
CN109816703A (zh) * 2017-11-21 2019-05-28 西安交通大学 一种基于相机标定和icp算法的点云配准方法
CN110161485A (zh) * 2019-06-13 2019-08-23 同济大学 一种激光雷达与视觉相机的外参标定装置及标定方法
CN111429532A (zh) * 2020-04-30 2020-07-17 南京大学 一种利用多平面标定板提高相机标定精确度的方法
CN111612853A (zh) * 2020-05-25 2020-09-01 追创科技(苏州)有限公司 相机参数标定方法及装置
CN111640158A (zh) * 2020-06-11 2020-09-08 武汉斌果科技有限公司 基于对应掩模的端到端的摄像头与激光雷达外参标定方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564617B (zh) * 2018-03-22 2021-01-29 影石创新科技股份有限公司 多目相机的三维重建方法、装置、vr相机和全景相机
CN110490940A (zh) * 2019-08-15 2019-11-22 北京迈格威科技有限公司 基于棋盘格单幅图像的相机标定方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019001410A1 (zh) * 2017-06-30 2019-01-03 杭州海康威视数字技术股份有限公司 一种相机参数标定方法、装置、设备及系统
CN109215082A (zh) * 2017-06-30 2019-01-15 杭州海康威视数字技术股份有限公司 一种相机参数标定方法、装置、设备及系统
CN109754426A (zh) * 2017-11-01 2019-05-14 虹软科技股份有限公司 一种用于验证的方法和装置
CN109816703A (zh) * 2017-11-21 2019-05-28 西安交通大学 一种基于相机标定和icp算法的点云配准方法
CN110161485A (zh) * 2019-06-13 2019-08-23 同济大学 一种激光雷达与视觉相机的外参标定装置及标定方法
CN111429532A (zh) * 2020-04-30 2020-07-17 南京大学 一种利用多平面标定板提高相机标定精确度的方法
CN111612853A (zh) * 2020-05-25 2020-09-01 追创科技(苏州)有限公司 相机参数标定方法及装置
CN111640158A (zh) * 2020-06-11 2020-09-08 武汉斌果科技有限公司 基于对应掩模的端到端的摄像头与激光雷达外参标定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Robust Intrinsic and Extrinsic Calibration of RGB-D Cameras;Filippo et al;《arXiv:1701.05748v2》;20181019;全文 *
融合多种棋盘格约束的面阵相机和线激光外参标定;祝飞等;《武汉大学学报(信息科学版)》;20191031;第44卷(第10期);全文 *

Also Published As

Publication number Publication date
CN112233187A (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN112233187B (zh) 一种方便稳定的rgbd相机外参数标定方法
Ackermann et al. Photometric stereo for outdoor webcams
CN110728671B (zh) 基于视觉的无纹理场景的稠密重建方法
US8098958B2 (en) Processing architecture for automatic image registration
CN108555908A (zh) 一种基于rgbd相机的堆叠工件姿态识别及拾取方法
CN110209997A (zh) 基于三维特征点的深度相机自动标定算法
CN115830103A (zh) 一种基于单目彩色的透明物体定位方法、装置及存储介质
WO2023201578A1 (zh) 单目激光散斑投影系统的外参数标定方法和装置
CN114299156A (zh) 无重叠区域下多相机的标定与坐标统一方法
CN106157322B (zh) 一种基于平面镜的像机安装位置标定方法
Liang et al. Automatic registration of terrestrial laser scanning data using precisely located artificial planar targets
CN111028271A (zh) 基于人体骨架检测的多摄像机人员三维定位跟踪系统
Crombez et al. 3D point cloud model colorization by dense registration of digital images
CN113902809A (zh) 一种红外相机与激光雷达联合标定的方法
CN114137564A (zh) 一种室内物体自动标识定位方法和装置
CN112734844A (zh) 一种基于正八面体的单目6d位姿估计方法
Yamaguchi et al. Superimposing thermal-infrared data on 3D structure reconstructed by RGB visual odometry
CN114140539A (zh) 一种室内物体的位置获取方法和装置
CN115451964A (zh) 基于多模态混合特征的船舶场景同时建图与定位方法
CN112184793B (zh) 深度数据的处理方法、装置及可读存储介质
Cao et al. Camera calibration using symmetric objects
CN111738971B (zh) 一种基于线激光双目立体视觉的电路板立体扫描检测方法
CN113012238B (zh) 一种多深度相机快速标定与数据融合的方法
CN112258633B (zh) 一种基于slam技术的场景高精度重建方法及装置
CN112070844A (zh) 结构光系统的校准方法及装置、校准工具图、设备及介质

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220603

CF01 Termination of patent right due to non-payment of annual fee