一种车载摄像头模组自动标定方法与流程

1.本发明属于摄像头技术领域，尤其涉及一种车载摄像头模组自动标定方法。


背景技术：

2.视觉技术是人类从外界环境中获取信息最主要的途径，以其效率高、功能强大、适用范围广等优点被广泛应用于工业检测、医学图像分析和农产品品质检测及分类。摄像机标定作为立体视觉测量的基础，对后续立体匹配的成功率和三维重建的准确度有直接影响。
3.在获取图像过程中，有的车载摄像头模组由于本身参数设置的原因，导致获取的图像不清晰，因此，需要对车载摄像头进行标定。现有的车载摄像头模组直接进行标定，未对偏离标准范围的图像进行还原，导致其偏差较大，精确度低，达不到用户心理预期。


技术实现要素：

4.现有的车载摄像头模组直接进行标定，未对偏离标准范围的图像进行还原，导致其偏差较大，精确度低，达不到用户心理预期。
5.针对上述问题，提出一种车载摄像头模组自动标定方法，通过对当前图像是否符合标准参数范围进行自动角点检测和判断，并利用标准内参及畸变系数对对当前图像进行自动还原，使得车载摄像头模组能够自动标定靶标位置，从而能够更加智能精确的拍到所需要的图片。
6.一种车载摄像头模组自动标定方法，包括：
7.获取特定型号摄像头模组的标准内参及畸变系数；
8.对当前图像进行角点检测，利用角点检测结果对所述当前图像是否在标准范围进行判断；
9.若所述当前图像不在标准范围，则利用所述标准内参及畸变系数对当前图像进行还原；
10.利用靶标计算摄像头模组的旋转向量及偏移向量，进行自动标定。
11.结合本发明所述的车载摄像头模组自动标定方法，第一种可能的实施方式中，所述步骤：对当前图像进行角点检测，利用角点检测结果对所述当前图像是否在标准范围进行判断，包括：
12.采用梯度算子对所述当前图像进行边缘检测。
13.结合本发明第一种可能的实施方式，第二种可能的实施方式中，所述步骤：采用梯度算子对所述当前图像进行边缘检测，包括：
14.获取当前图像的边缘特征编码；
15.根据所述边缘特征编码进角点检测。
16.结合本发明第二种可能的实施方式中，第三种可能的实施方式，所述步骤：获取当前图像的边缘特征编码，包括：
17.对当前图像进行预分割；
18.对预分割后图像中的边界特征点进行顺序编码，获取边缘特征编码。
19.结合本发明第三种可能的实施方式中，第四种可能的实施方式，所述步骤：根据所述边缘特征编码进角点检测，包括：
20.记录每个检测到的特征角点位置；
21.在当前图像中将所有检测到的特征角点标记出来。
22.结合本发明第四种可能的实施方式中，第五种可能的实施方式，所述步骤：若所述当前图像不在标准范围，则利用所述标准内参及畸变系数对当前图像进行还原，包括：
23.将标准内参及畸变系数导入摄像头模组；
24.利用所述标准内参及畸变系数对所述摄像头模组进行还原，以获取标准范围内的拍摄图像。
25.结合本发明第五种可能的实施方式中，第六种可能的实施方式，所述步骤：利用靶标计算摄像头模组的旋转向量及偏移向量，进行自动标定，包括：
26.获取车辆世界坐标系；
27.利用所述世界坐标系，获取图像的像素坐标系；
28.利用所述像素坐标系计算每幅图像的转移向量和平移向量。
29.结合本发明第六种可能的实施方式中，第七种可能的实施方式，所述步骤：利用所述世界坐标系，获取图像的像素坐标系，包括：
30.利用式子(1)计算摄像头坐标系，
[0031][0032]
其中，t3×1、r3×3分别为平移向量、旋转向量矩阵、(xw，yw，zw)为世界坐标系，(xc，yc，zc)为摄像头坐标系；
[0033]
利用式子(2)计算当前的图像坐标系，
[0034][0035]
其中，(x，y)为图像坐标系；
[0036]
利用式子(3)计算当前图像的像素坐标系，
[0037][0038]
其中，(u，v)为像素坐标系。
[0039]
结合本发明第七种可能的实施方式中，第八种可能的实施方式，所述方法还包括：
[0040]
角点检测后，若当前图像偏差超过规定值，则向用户进行报警指示。
[0041]
结合本发明第八种可能的实施方式中，第九种可能的实施方式，所述梯度算子为：
[0042]
robers算子、sobel算子或者prewitt算子。
[0043]
实施本发明所述的车载摄像头模组自动标定方法，通过对当前图像是否符合标准参数范围进行自动角点检测和判断，并利用标准内参及畸变系数对对当前图像进行自动还原，使得车载摄像头模组能够自动标定靶标位置，从而能够更加智能精确的拍到所需要的图片。
附图说明
[0044]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]
图1为本发明提出的车载摄像头模组自动标定方法第一示意图；
[0046]
图2为本发明提出的车载摄像头模组自动标定方法第二示意图；
[0047]
图3为本发明提出的车载摄像头模组自动标定方法第三示意图；
[0048]
图4为本发明提出的车载摄像头模组自动标定方法第四示意图；
[0049]
图5为本发明提出的车载摄像头模组自动标定方法第五示意图；
[0050]
图6为本发明提出的车载摄像头模组自动标定方法第六示意图；
[0051]
图7为本发明提出的车载摄像头模组自动标定方法第七示意图；
具体实施方式
[0052]
下面将结合发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
[0053]
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例的目的，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。
[0054]
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
[0055]
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
[0056]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0057]
现有的车载摄像头模组直接进行标定，未对偏离标准范围的图像进行还原，导致其偏差较大，精确度低，达不到用户心理预期。
[0058]
针对上述问题，提出一种车载摄像头模组自动标定方法。
[0059]
实施例1
[0060]
一种车载摄像头模组自动标定方法，如图1，图1为本发明提出的车载摄像头模组自动标定方法第一示意图，包括：
[0061]
步骤100、获取特定型号摄像头模组的标准内参及畸变系数；步骤200、对当前图像进行角点检测，利用角点检测结果对当前图像是否在标准范围进行判断；步骤300、若当前图像不在标准范围，则利用标准内参及畸变系数对当前图像进行还原；步骤400、利用靶标计算摄像头模组的旋转向量及偏移向量，进行自动标定。通过对当前图像是否符合标准参数范围进行自动角点检测和判断，并利用标准内参及畸变系数对对当前图像进行自动还原，使得车载摄像头模组能够自动标定靶标位置，从而能够更加智能精确的拍到所需要的图片。
[0062]
在确定标准标准内参时，可以多收集统计某一型号的车载摄像头模组的内参和畸变系数，在进行归纳后，确定一个标准内参和畸变系数。
[0063]
现有的车载摄像头模组直接进行标定，未对偏离标准范围的图像进行还原，导致其偏差较大，精确度低，达不到用户心理预期。
[0064]
在本实施例中，首先判断当前拍摄的图像是否偏离标准范围，可以实施为：
[0065]
优选地，步骤200包括：
[0066]
步骤210、采用梯度算子对图像进行边缘检测。其中的梯度算子可以选择robers算子、sobel算子或者prewitt算子的一种进行边缘特征检测。
[0067]
图像梯度计算的是图像的边缘信息，图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值。
[0068]
具体地，如图2，图2为本发明提出的车载摄像头模组自动标定方法第二示意图；步骤210包括：步骤211、获取图像的边缘特征编码；步骤212、根据边缘特征编码进角点检测。
[0069]
优选地，如图3，图3为本发明提出的车载摄像头模组自动标定方法第三示意图；步
骤211包括：步骤2111、对图像进行预分割；步骤2112、对预分割后图像中的边界特征点进行顺序编码，获取边缘特征编码。
[0070]
在本实施例中，基于边缘特征的角点检测。主要步骤为：首先，对图像进行预分割；然后对预分割后得到的图像中边界轮廓点进行顺序编码，得到边缘轮廓编码；最后，根据边缘轮廓编码对图像中的角点进行描述和提取。
[0071]
在进行角点检测时，优选地，如图4，图4为本发明提出的车载摄像头模组自动标定方法第四示意图；步骤212包括：步骤2121、记录每个检测到的特征角点位置；步骤2122、在图像中将所有检测到的特征角点标记出来。
[0072]
实施例2
[0073]
在实施例1的基础上，本实施例对对偏离标准范围的图像进行还原，避免获取的图像偏差较大，精确度低，提高用户体验，具体可以实施为：
[0074]
优选地，如图5，图5为本发明提出的车载摄像头模组自动标定方法第五示意图；步骤300包括：
[0075]
步骤310、将标准内参及畸变系数导入摄像头模组；步骤320、利用标准内参及畸变系数对摄像头模组进行还原，以获取标准范围内的拍摄图像。
[0076]
对图像进行自动还原后，继续获取当前标靶图像的旋转向量及平移向量，对摄像头模组进行自动标定，具体可以实施为：
[0077]
优选地，如图6，图6为本发明提出的车载摄像头模组自动标定方法第六示意图；步骤400包括：步骤410、获取车辆世界坐标系；步骤420、利用世界坐标系，获取图像的像素坐标系；步骤430、利用像素坐标系计算每幅图像的转移向量和平移向量。
[0078]
进一步地，如图7，图7为本发明提出的车载摄像头模组自动标定方法第七示意图；步骤420包括：
[0079]
步骤421、利用式子(1)计算摄像头坐标系，
[0080][0081]
其中，(xw，yw，zw)为世界坐标系，(xc，yc，zc)为摄像头坐标系；
[0082]
步骤422、利用式子(2)计算当前的图像坐标系，
[0083][0084]
其中，(x，y)为图像坐标系；
[0085]
步骤423、利用式子(3)计算当前图像的像素坐标系，
[0086][0087]
其中，t3×1、r3×3分别为平移向量、旋转向量矩阵，(u，v)为像素坐标系。
[0088]
利用公式(1)、(2)、(3)并利用已知的车辆世界坐标系坐标、图像坐标系坐标及像素坐标系坐标计算t3×1、r3×3。
[0089]
实施例3
[0090]
在本实施例中，在拍摄的图像偏差超过标准值后，对用户进行提示：
[0091]
步骤500、角点检测后，若当前图像偏差超过规定值，则向用户进行报警指示。
[0092]
实施本发明的车载摄像头模组自动标定方法，通过对当前图像是否符合标准参数范围进行自动角点检测和判断，并利用标准内参及畸变系数对对当前图像进行自动还原，使得车载摄像头模组能够自动标定靶标位置，从而能够更加智能精确的拍到所需要的图片。
[0093]
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种车载摄像头模组自动标定方法，其特征在于，包括：获取特定型号摄像头模组的标准内参及畸变系数；对当前图像进行角点检测，利用角点检测结果对所述当前图像是否在标准范围进行判断；若所述当前图像不在标准范围，则利用所述标准内参及畸变系数对当前图像进行还原；利用靶标计算摄像头模组的旋转向量及偏移向量，进行自动标定。2.根据权利要求1所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：对当前图像进行角点检测，利用角点检测结果对所述当前图像是否在标准范围进行判断，包括：采用梯度算子对所述当前图像进行边缘检测。3.根据权利要求2所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：采用梯度算子对所述当前图像进行边缘检测，包括：获取当前图像的边缘特征编码；根据所述边缘特征编码进角点检测。4.根据权利要求3所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：获取当前图像的边缘特征编码，包括：对当前图像进行预分割；对预分割后图像中的边界特征点进行顺序编码，获取边缘特征编码。5.根据权利要求4所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：根据所述边缘特征编码进角点检测，包括：记录每个检测到的特征角点位置；在当前图像中将所有检测到的特征角点标记出来。6.根据权利要求5所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：若所述当前图像不在标准范围，则利用所述标准内参及畸变系数对当前图像进行还原，包括：将标准内参及畸变系数导入摄像头模组；利用所述标准内参及畸变系数对所述摄像头模组进行还原，以获取标准范围内的拍摄图像。7.根据权利要求6所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：利用靶标计算摄像头模组的旋转向量及偏移向量，进行自动标定，包括：获取车辆世界坐标系；利用所述世界坐标系，获取图像的像素坐标系；利用所述像素坐标系计算每幅图像的转移向量和平移向量。8.根据权利要求7所述的车载摄像头模组自动标定方法，其特征在于，所述步骤：利用所述世界坐标系，获取图像的像素坐标系，包括：利用式子(1)计算摄像头坐标系，
其中，t3×1、r3×3分别为平移向量、旋转向量矩阵、(x
w
，y
w
，z
w
)为世界坐标系，(x
c
，y
c
，z
c
)为摄像头坐标系；利用式子(2)计算当前的图像坐标系，其中，(x，y)为图像坐标系；利用式子(3)计算当前图像的像素坐标系，其中，(u，v)为像素坐标系。9.根据权利要求8所述的车载摄像头模组自动标定方法，其特征在于，所述方法还包括：角点检测后，若当前图像偏差超过规定值，则向用户进行报警指示。10.根据权利要求2-9任一所述的车载摄像头模组自动标定方法，其特征在于，所述梯度算子为：robers算子、sobel算子或者prewitt算子。

技术总结
本发明公开了一种车载摄像头模组自动标定方法，方法包括步骤：获取特定型号摄像头模组的标准内参及畸变系数；对当前图像进行角点检测，利用角点检测结果对当前图像是否在标准范围进行判断；若当前图像不在标准范围，则利用标准内参及畸变系数对当前图像进行还原；利用靶标计算摄像头模组的旋转向量及偏移向量，进行自动标定。通过对当前图像是否符合标准参数范围进行自动角点检测和判断，并利用标准内参及畸变系数对对当前图像进行自动还原，使得车载摄像头模组能够自动标定靶标位置，从而能够更加智能精确的拍到所需要的图片。够更加智能精确的拍到所需要的图片。够更加智能精确的拍到所需要的图片。


技术研发人员：林挺 林锋芳
受保护的技术使用者：信利光电股份有限公司
技术研发日：2023.03.31
技术公布日：2023/8/14