CN109360245A - 无人驾驶车辆多相机系统的外参数标定方法 - Google Patents
无人驾驶车辆多相机系统的外参数标定方法 Download PDFInfo
- Publication number
- CN109360245A CN109360245A CN201811256308.7A CN201811256308A CN109360245A CN 109360245 A CN109360245 A CN 109360245A CN 201811256308 A CN201811256308 A CN 201811256308A CN 109360245 A CN109360245 A CN 109360245A
- Authority
- CN
- China
- Prior art keywords
- camera
- calibrated
- relay
- vehicle
- common
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 239000003550 marker Substances 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000009466 transformation 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种无人驾驶车辆多相机系统的外参数标定方法,包括:在车辆的相邻待标定相机之间设置至少两个中继相机组;同步所述待标定相机以及中继相机;围绕所述车辆移动标定板,使该标定板依次经过所有相机;启动所述待标定相机以及中继相机,对移动的标定板进行拍摄;检测各特征图案在每个相机中的2D像素坐标;外参数估算。本发明引入中继相机并基于此建立冗余姿态图优化策略,克服了传统方法相机之间由于距离产生的外参数误差积累的问题,得到了满足SLAM系统要求的精确外参数估计,并且不需要建立与车辆平台本身成比例的标定结构,节省场地、节约标识物的设计与制造费用。
Description
技术领域
本发明属于多相机系统技术领域,尤其涉及一种无人驾驶车辆多相机系统的外参数标定方法。
背景技术
作为当今世界最具潜力之一的技术,无人驾驶是指汽车在不需要人为操作的情况下,通过自身配备的传感器感知周围环境并完成导航任务。普华永道预测无人驾驶技术的普及将使整体交通事故减少百分之九十;毕马威汽车研究中心预测,无人驾驶技术将驱使生产力与能源效率将能获得改善,并会出现新的商业模式。
无人驾驶汽车通常配备有相机、惯性测量单元(IMU)、激光雷达和全球定位系统(GPS)等传感器。其中,相机能够感知的外界信息最为丰富,包括景物的色彩、结构、纹理以及一些语义信息(如:道路、行人、交通标识等)。相比于人类驾驶员在同一时刻仅能够观测某一方向的交通状况,无人驾驶技术旨在实现360度全方位无死角地对车身四周的环境进行感知。由于单个相机的视场角有限,通常使用多个相机组成全景成像系统。导航任务通常要求将多相机的信息转换到同一个坐标系下进行描述,因此需要对多相机之间的外参数进行标定。对于小型车辆,厂商或开发者可以通过搭建静态的标识物(标定板),通过全局定位获得多目相机之间的外参数。然而,对于大型车辆(如带有拖车的重型卡车),在兼顾环视无死角和出于成本考量的前提下,通常会将有限数量的相机以环绕的方式安装在车身上。此时会出现两个问题:(1)相机与相机之间会有很大的间隔;(2)某些相机之间没有(或只有很小的)视野重叠区。这些实际情况使得对于多目相机的外参数标定变得非常困难。简单地照搬上述对于小型车辆环视多目相机的标定策略会对场地有很大要求。此外,目前大部分现有针对环视系统外参数标定技术主要是针对于产生高质量的360度鸟瞰图任务而开发,而最终图像拼接结果的优劣通常由视觉感官判定。事实上,SLAM系统对于多目相机系统的外参数标定精度的要求远远高于以图像拼接为目的的系统。
现有标定方案及其优缺点如下:
1、发明专利名称:一种全景视觉辅助泊车系统的标定方法,公开号:CN101425181B:
该发明公开了一种全景视觉辅助泊车系统的标定方法,用安装在汽车四周的四个广角鱼眼摄像机产生的图像生成汽车顶部某一高度的虚拟鸟瞰图。其中,各个相机相对于虚拟鸟瞰相机的位置关系是通过基于地平面的单应性变换矩阵的计算来确定。由于虚拟鸟瞰相机的位置是通过低精度测量估计得到,因此,建立在该虚拟鸟瞰相机基础上的多目相机之间的空间位置关系虽然满足完成无缝图像拼接的要求,但无法满足基于多目相机的SLAM系统的设计需求。
2、发明专利名称:动态标定系统、动态标定系统中的联合优化方法及装置,公开号:CN105844624A:
该发明提供了一种动态标定系统、动态标定系统中的联合优化方法及装置。其中,相机间的外参数标定步骤需要人为搭建若干组相对空间位置已知的静态标定物。标定任务需要搭载有相机的车辆沿着设计的轨迹穿过上述静态标志物,在动态过程中完成标定数据的采集。与专利CN 101425181 B中的方法相比,该方法获得的相机外参数更加准确,但对于标定场景的要求过于严格,不易于推广到大型车辆平台下的环视多目相机系统的标定任务。
3、发明专利名称:一种基于双目鱼眼摄像头的载重货车行驶障碍物检测及跟踪方法,公开号:CN105678787A:
该发明公开了一种基于双目鱼眼摄像头的载重货车行驶障碍物检测及跟踪方法,属于交通车辆主动安全技术领域。为了检测载重货车倒车时车辆后方障碍物,在车尾部安装有一组双目鱼眼相机。有图需要测量景深,两台鱼眼相机的视野有足够的重叠视野。这种配置简化了双目相机的外参数标定,可利用的现有开源的摄像机标定工具箱完成。然而,对于大型载重货车的环视多目相机系统,无法使用上述方法,原因是相机之间的距离(基线)较远,且没有(或只有很小的)视野重叠区。
发明内容
基于此,针对上述技术问题,提供一种无人驾驶车辆多相机系统的外参数标定方法。
为解决上述技术问题,本发明采用如下技术方案:
一种无人驾驶车辆多相机系统的外参数标定方法,包括:
110、在车辆的相邻待标定相机之间设置至少两个中继相机组,所述至少两个中继相机组左右布置,每个中继相机组在上下方向包括至少一个中继相机,相邻相机之间具有共视区域,所述共视区域的角度为50°-150°;
120、同步所述待标定相机以及中继相机;
130、围绕所述车辆移动标定板,使该标定板依次经过所有相机,所述标定板的正面面朝所述待标定相机以及中继相机,该正面具有矩阵布置的多个特征图案;
140、启动所述待标定相机以及中继相机,对移动的标定板进行拍摄;
150、检测各特征图案在每个相机中的2D像素坐标;
160、外参数估算:
161、对共视区域中的特征图案的2D像素坐标与3D世界坐标进行共视关联,生成以相机的绝对位姿为节点、共视关系为边的姿态图,绝对位姿由{R,t}表示,R为旋转矩阵,t为平移向量;
162、依据共视特征图案的数量以及最大重投影误差,通过广度优先搜索算法生成最小生成树:选择共视特征图案数量多的边为连接两个节点的边,若共视特征图案数量相同,则选择最大重投影误差较小的边为连接两个节点的边;
163、在所述最小生成树中任选一个待标定相机节点的绝对位姿以及最小生成树路径上的所有节点之间的相对位姿作为待标定外参数集合,相对位姿通过公式Tf Wn=Tf WmTf mn得到,其中Tf Wn为n号相机在f时刻的绝对位姿,Tf Wm为m号相机在f时刻的绝对位姿,Tf mn为n号相机相对于m号相机的相对位姿;
164、通过以重投影误差为能量的非线性最小二乘法,获得待标定外参数的优化估计值。
所述中继相机固定于所述车辆上,或者可左右转动调节的固定于三脚架上。
通过发送同步时钟信号,同步所述待标定相机以及中继相机。
由人工手持标定板围绕所述车辆移动。
本发明引入中继相机并基于此建立冗余姿态图优化策略,克服了传统方法相机之间由于距离产生的外参数误差积累的问题,得到了满足SLAM系统要求的精确外参数估计,并且不需要建立与车辆平台本身成比例的标定结构,节省场地、节约标识物的设计与制造费用。
附图说明
下面结合附图和具体实施方式本发明进行详细说明:
图1为本发明的原理示意图;
图2为本发明的中继相机组的结构示意图;
图3为本发明的中继相机组的俯视示意图;
图4为本发明的姿态图以及最小生成树示意图;
图5为本发明中采用的标定板特征图案的示意图。
具体实施方式
一种无人驾驶车辆多相机系统的外参数标定方法,包括:
110、如图1所示,在车辆20的相邻待标定相机21之间设置至少两个中继相机组30,中继相机组30左右布置,每个中继相机组30在上下方向包括至少一个中继相机31,相邻相机之间具有共视区域,共视区域为扇形,其角度为50°-150°。
在每个中继相机组30中,中继相机31的数量为1个时,可以通过机械固定或者磁力吸附等方式固定于车辆20上,如图2以及图3所示,中继相机31的数量如果是2个或2个以上时,可通过相机固定架32上下布置在三脚架33上,通过相机固定架可以对中继相机进行左右转动调节。
120、通过向各相机发送同步时钟信号,同步待标定相机21以及中继相机31,从而可以相同的帧率进行拍摄。
130、围绕车辆20移动标定板40,使该标定板40依次经过所有相机,标定板40的正面面朝待标定相机21以及中继相机31,其正面具有矩阵布置的多个特征图案,本实施例采用AprilTags特征图案,参见图5。
在本实施例中,由人工手持标定板40围绕车辆20移动,移动路径L见图1。
140、启动待标定相机21以及中继相机31,对移动的标定板40进行拍摄。
150、检测各特征图案在每个相机中的2D像素坐标xk=(uk,vk)T。
160、外参数估算:
161、对共视区域中的特征图案的2D像素坐标与3D世界坐标进行共视关联,生成以相机的绝对位姿为节点、共视关系为边的姿态图。
其中,在两个相机的共视区域中的某个特征图案在该两个相邻相机中具有不同的2D像素坐标,共视关联就是对该特征图案的3D世界坐标与相应的两个2D像素坐标进行关联。
共视关系是指两个相机具有共视区域,则相应的两个节点通过边连通。
162、依据共视特征图案的数量以及最大重投影误差,通过广度优先搜索算法生成最小生成树:选择共视特征图案数量多的边为连接两个节点的边,若共视特征图案数量相同,则选择最大重投影误差较小的边为连接两个节点的边。
在计算机视觉中,经常会用到重投影误差(Reprojection error):是3D图案的像素坐标(相机观测到的投影位置)与3D图案按照该相机当前估计的位姿进行投影得到的位置相比较得到的误差,如某个特征图案的3d坐标通过A相机的绝对位姿转换成的2d像素坐标与由A相机观测到的2d像素坐标之间的误差。
其中,绝对位姿由{R,t}表示,R为旋转矩阵,t为平移向量。
每个相机的绝对位姿的初始值通过PnP(Perspective-n-Point)算法获得,关联后的3D世界坐标与2D像素坐标为PnP算法的输入参数,我们把3D世界坐标系定义在标定板40的一个角上,标定板40相对于相机运动相当于相机相对于标定板40运动,由于标定板40上喷涂的特征图案尺寸已知,故特征图案的3D世界坐标已知。
163、在最小生成树中任选一个待标定相机节点的绝对位姿以及最小生成树路径上的所有节点之间的相对位姿作为待标定外参数集合,相对位姿通过公式Tf Wn=Tf WmTf mn得到,其中Tf Wn为n号相机在f时刻的绝对位姿,Tf Wm为m号相机在f时刻的绝对位姿,Tf mn为n号相机相对于m号相机的相对位姿。
164、通过以重投影误差为能量的非线性最小二乘法,获得待标定外参数的优化估计值。
中继相机组30包含上下布置的多个中继相机31时,可以与待标定相机21构成一个稠密的位姿图(即一个过约束的最小二乘问题),有利于得到更加精确的估计值。
如图4所示,我们以两个待标定相机为例,两个待标定相机之间设置两个中继相机,图中,1、2代表两个待标定相机,3、4代表两个中继相机,浅色边为最小生成树的路径,通过能量函数对待标定外参数进行优化估计:
其中,表示重投影误差,xk为相机观测到特征图案的2D像素坐标,为该特征图案的3d世界坐标通过n号相机的绝对位姿转换而成的2d像素坐标,为n号相机在f时刻的绝对位姿,Xk为该特征图案的3d世界坐标,n为相机序号,k为特征图案的序号。
表示待标定外参数,即1号相机在各个时刻的绝对位姿,3号相机相对于1号相机的相对位姿,4号相机相对于3号相机的相对位姿,4号相机相对于2号相机的相对位姿,特征点在图像上的投影位置坐标用xk表示。
本发明引入中继相机并基于此建立冗余姿态图优化策略,克服了传统方法相机之间由于距离产生的外参数误差积累的问题,得到了满足SLAM系统要求的精确外参数估计,并且不需要建立与车辆平台本身成比例的标定结构,节省场地、节约标识物的设计与制造费用,适用于大型车辆平台上的环视多目相机系统的外参数标定。
但是,本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (4)
1.一种无人驾驶车辆多相机系统的外参数标定方法,其特征在于,包括:
110、在车辆的相邻待标定相机之间设置至少两个中继相机组,所述至少两个中继相机组左右布置,每个中继相机组在上下方向包括至少一个中继相机,相邻相机之间具有共视区域,所述共视区域的角度为50°-150°;
120、同步所述待标定相机以及中继相机;
130、围绕所述车辆移动标定板,使该标定板依次经过所有相机,所述标定板的正面面朝所述待标定相机以及中继相机,该正面具有矩阵布置的多个特征图案;
140、启动所述待标定相机以及中继相机,对移动的标定板进行拍摄;
150、检测各特征图案在每个相机中的2D像素坐标;
160、外参数估算:
161、对共视区域中的特征图案的2D像素坐标与3D世界坐标进行共视关联,生成以相机的绝对位姿为节点、共视关系为边的姿态图,绝对位姿由{R,t}表示,R为旋转矩阵,t为平移向量;
162、依据共视特征图案的数量以及最大重投影误差,通过广度优先搜索算法生成最小生成树:选择共视特征图案数量多的边为连接两个节点的边,若共视特征图案数量相同,则选择最大重投影误差较小的边为连接两个节点的边;
163、在所述最小生成树中任选一个待标定相机节点的绝对位姿以及最小生成树路径上的所有节点之间的相对位姿作为待标定外参数集合,相对位姿通过公式Tf Wn=Tf WmTf mn得到,其中Tf Wn为n号相机在f时刻的绝对位姿,Tf Wm为m号相机在f时刻的绝对位姿,Tf mn为n号相机相对于m号相机的相对位姿;
164、通过以重投影误差为能量的非线性最小二乘法,获得待标定外参数的优化估计值。
2.根据权利要求1所述的一种无人驾驶车辆多相机系统的外参数标定方法,其特征在于,所述中继相机固定于所述车辆上,或者可左右转动调节的固定于三脚架上。
3.根据权利要求1或2所述的一种无人驾驶车辆多相机系统的外参数标定方法,其特征在于,通过发送同步时钟信号,同步所述待标定相机以及中继相机。
4.根据权利要求3所述的一种无人驾驶车辆多相机系统的外参数标定方法,其特征在于,由人工手持标定板围绕所述车辆移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811256308.7A CN109360245B (zh) | 2018-10-26 | 2018-10-26 | 无人驾驶车辆多相机系统的外参数标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811256308.7A CN109360245B (zh) | 2018-10-26 | 2018-10-26 | 无人驾驶车辆多相机系统的外参数标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109360245A true CN109360245A (zh) | 2019-02-19 |
CN109360245B CN109360245B (zh) | 2021-07-06 |
Family
ID=65346751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811256308.7A Active CN109360245B (zh) | 2018-10-26 | 2018-10-26 | 无人驾驶车辆多相机系统的外参数标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109360245B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244282A (zh) * | 2019-06-10 | 2019-09-17 | 于兴虎 | 一种多相机系统和激光雷达联合系统及其联合标定方法 |
CN110910453A (zh) * | 2019-11-28 | 2020-03-24 | 魔视智能科技(上海)有限公司 | 基于无重叠视域多相机系统的车辆位姿估计方法及其系统 |
CN111210478A (zh) * | 2019-12-31 | 2020-05-29 | 重庆邮电大学 | 一种无共同视野多相机系统外参标定方法、介质及系统 |
CN111260733A (zh) * | 2020-01-13 | 2020-06-09 | 魔视智能科技(上海)有限公司 | 车载环视多相机系统的外参数估计方法及其系统 |
CN111256689A (zh) * | 2020-01-15 | 2020-06-09 | 北京智华机器人科技有限公司 | 一种机器人定位方法、机器人和存储介质 |
CN111768364A (zh) * | 2020-05-15 | 2020-10-13 | 成都飞机工业(集团)有限责任公司 | 一种飞机表面质量检测系统标定方法 |
CN111815716A (zh) * | 2020-07-13 | 2020-10-23 | 北京爱笔科技有限公司 | 一种参数标定方法及相关装置 |
CN112233188A (zh) * | 2020-10-26 | 2021-01-15 | 南昌智能新能源汽车研究院 | 一种基于激光雷达的车顶全景相机及其标定方法 |
CN112489141A (zh) * | 2020-12-21 | 2021-03-12 | 像工场(深圳)科技有限公司 | 车载摄像头单板单图带中继镜的产线标定方法及装置 |
CN112598749A (zh) * | 2020-12-21 | 2021-04-02 | 西北工业大学 | 大场景非共同视野多相机标定方法 |
GB2588489A (en) * | 2019-07-12 | 2021-04-28 | Sela Gal | System and method for optical axis calibration |
WO2021110497A1 (en) * | 2019-12-04 | 2021-06-10 | Valeo Schalter Und Sensoren Gmbh | Estimating a three-dimensional position of an object |
CN113112551A (zh) * | 2021-04-21 | 2021-07-13 | 阿波罗智联(北京)科技有限公司 | 相机参数的确定方法、装置、路侧设备和云控平台 |
CN110163915B (zh) * | 2019-04-09 | 2021-07-13 | 深圳大学 | 一种多rgb-d传感器的空间三维扫描方法及装置 |
CN113256742A (zh) * | 2021-07-15 | 2021-08-13 | 禾多科技(北京)有限公司 | 界面展示方法、装置、电子设备和计算机可读介质 |
CN113345031A (zh) * | 2021-06-23 | 2021-09-03 | 地平线征程(杭州)人工智能科技有限公司 | 多摄像设备外参标定设备和方法、存储介质、电子设备 |
CN114092564A (zh) * | 2021-10-29 | 2022-02-25 | 上海科技大学 | 无重叠视域多相机系统的外参数标定方法、系统、终端及介质 |
CN114299120A (zh) * | 2021-12-31 | 2022-04-08 | 北京银河方圆科技有限公司 | 基于多摄像机模组的补偿方法、注册方法和可读存储介质 |
TWI814053B (zh) * | 2021-05-31 | 2023-09-01 | 新加坡商聯發科技(新加坡)私人有限公司 | 標定樣板、標定系統及其標定方法 |
CN117128985A (zh) * | 2023-04-27 | 2023-11-28 | 荣耀终端有限公司 | 点云地图更新的方法及设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101073119A (zh) * | 2004-12-11 | 2007-11-14 | 三星电子株式会社 | 包括用于多角度标题的元数据的信息存储介质和用于再现其的设备和方法 |
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN101419055A (zh) * | 2008-10-30 | 2009-04-29 | 北京航空航天大学 | 基于视觉的空间目标位姿测量装置和方法 |
CN201373736Y (zh) * | 2008-11-28 | 2009-12-30 | 北京航空航天大学 | 主动视觉非接触式伺服机构参数测量装置 |
CN201881988U (zh) * | 2010-09-17 | 2011-06-29 | 长安大学 | 一种车辆车道变换辅助装置 |
CN102478759A (zh) * | 2010-11-29 | 2012-05-30 | 中国空间技术研究院 | 一种空间相机波前畸变与光轴抖动的集成测量方法 |
WO2015170361A1 (ja) * | 2014-05-07 | 2015-11-12 | 野村ユニソン株式会社 | ケーブルロボットのキャリブレーション方法 |
CN106408650A (zh) * | 2016-08-26 | 2017-02-15 | 中国人民解放军国防科学技术大学 | 在轨掠飞成像对空间目标三维重建与测量方法 |
CN206563649U (zh) * | 2017-03-24 | 2017-10-17 | 中国工程物理研究院应用电子学研究所 | 一种基于成像共轭的光瞳在线测量装置 |
CN107346425A (zh) * | 2017-07-04 | 2017-11-14 | 四川大学 | 一种三维纹理照相系统、标定方法及成像方法 |
CN107401976A (zh) * | 2017-06-14 | 2017-11-28 | 昆明理工大学 | 一种基于单目相机的大尺寸视觉测量系统及其标定方法 |
-
2018
- 2018-10-26 CN CN201811256308.7A patent/CN109360245B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101073119A (zh) * | 2004-12-11 | 2007-11-14 | 三星电子株式会社 | 包括用于多角度标题的元数据的信息存储介质和用于再现其的设备和方法 |
CN101226638A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN101226638B (zh) * | 2007-01-18 | 2010-05-19 | 中国科学院自动化研究所 | 一种对多相机系统的标定方法及装置 |
CN101419055A (zh) * | 2008-10-30 | 2009-04-29 | 北京航空航天大学 | 基于视觉的空间目标位姿测量装置和方法 |
CN201373736Y (zh) * | 2008-11-28 | 2009-12-30 | 北京航空航天大学 | 主动视觉非接触式伺服机构参数测量装置 |
CN201881988U (zh) * | 2010-09-17 | 2011-06-29 | 长安大学 | 一种车辆车道变换辅助装置 |
CN102478759A (zh) * | 2010-11-29 | 2012-05-30 | 中国空间技术研究院 | 一种空间相机波前畸变与光轴抖动的集成测量方法 |
WO2015170361A1 (ja) * | 2014-05-07 | 2015-11-12 | 野村ユニソン株式会社 | ケーブルロボットのキャリブレーション方法 |
CN106408650A (zh) * | 2016-08-26 | 2017-02-15 | 中国人民解放军国防科学技术大学 | 在轨掠飞成像对空间目标三维重建与测量方法 |
CN206563649U (zh) * | 2017-03-24 | 2017-10-17 | 中国工程物理研究院应用电子学研究所 | 一种基于成像共轭的光瞳在线测量装置 |
CN107401976A (zh) * | 2017-06-14 | 2017-11-28 | 昆明理工大学 | 一种基于单目相机的大尺寸视觉测量系统及其标定方法 |
CN107346425A (zh) * | 2017-07-04 | 2017-11-14 | 四川大学 | 一种三维纹理照相系统、标定方法及成像方法 |
Non-Patent Citations (2)
Title |
---|
YU QI-FENG: "Pose-relay videometric method and ship deformation measurement system with camera-series", 《2010 INTERNATIONAL SYMPOSIUM ON OPTOMECHATRONIC TECHNOLOGIES》 * |
封倩倩: "基于单目RGB摄像机的三维重建技术的算法研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163915B (zh) * | 2019-04-09 | 2021-07-13 | 深圳大学 | 一种多rgb-d传感器的空间三维扫描方法及装置 |
CN110244282A (zh) * | 2019-06-10 | 2019-09-17 | 于兴虎 | 一种多相机系统和激光雷达联合系统及其联合标定方法 |
GB2588489B (en) * | 2019-07-12 | 2023-02-15 | Sela Gal | System and method for optical axis calibration |
GB2588489A (en) * | 2019-07-12 | 2021-04-28 | Sela Gal | System and method for optical axis calibration |
CN110910453A (zh) * | 2019-11-28 | 2020-03-24 | 魔视智能科技(上海)有限公司 | 基于无重叠视域多相机系统的车辆位姿估计方法及其系统 |
CN110910453B (zh) * | 2019-11-28 | 2023-03-24 | 魔视智能科技(上海)有限公司 | 基于无重叠视域多相机系统的车辆位姿估计方法及其系统 |
WO2021110497A1 (en) * | 2019-12-04 | 2021-06-10 | Valeo Schalter Und Sensoren Gmbh | Estimating a three-dimensional position of an object |
CN111210478A (zh) * | 2019-12-31 | 2020-05-29 | 重庆邮电大学 | 一种无共同视野多相机系统外参标定方法、介质及系统 |
CN111260733B (zh) * | 2020-01-13 | 2023-03-24 | 魔视智能科技(上海)有限公司 | 车载环视多相机系统的外参数估计方法及其系统 |
CN111260733A (zh) * | 2020-01-13 | 2020-06-09 | 魔视智能科技(上海)有限公司 | 车载环视多相机系统的外参数估计方法及其系统 |
CN111256689A (zh) * | 2020-01-15 | 2020-06-09 | 北京智华机器人科技有限公司 | 一种机器人定位方法、机器人和存储介质 |
CN111256689B (zh) * | 2020-01-15 | 2022-01-21 | 北京智华机器人科技有限公司 | 一种机器人定位方法、机器人和存储介质 |
CN111768364B (zh) * | 2020-05-15 | 2022-09-20 | 成都飞机工业(集团)有限责任公司 | 一种飞机表面质量检测系统标定方法 |
CN111768364A (zh) * | 2020-05-15 | 2020-10-13 | 成都飞机工业(集团)有限责任公司 | 一种飞机表面质量检测系统标定方法 |
CN111815716A (zh) * | 2020-07-13 | 2020-10-23 | 北京爱笔科技有限公司 | 一种参数标定方法及相关装置 |
CN112233188B (zh) * | 2020-10-26 | 2024-03-12 | 南昌智能新能源汽车研究院 | 一种激光雷达和全景相机的数据融合系统的标定方法 |
CN112233188A (zh) * | 2020-10-26 | 2021-01-15 | 南昌智能新能源汽车研究院 | 一种基于激光雷达的车顶全景相机及其标定方法 |
CN112489141A (zh) * | 2020-12-21 | 2021-03-12 | 像工场(深圳)科技有限公司 | 车载摄像头单板单图带中继镜的产线标定方法及装置 |
CN112598749A (zh) * | 2020-12-21 | 2021-04-02 | 西北工业大学 | 大场景非共同视野多相机标定方法 |
CN112598749B (zh) * | 2020-12-21 | 2024-02-27 | 西北工业大学 | 大场景非共同视野多相机标定方法 |
CN112489141B (zh) * | 2020-12-21 | 2024-01-30 | 像工场(深圳)科技有限公司 | 车载摄像头单板单图带中继镜的产线标定方法及装置 |
CN113112551B (zh) * | 2021-04-21 | 2023-12-19 | 阿波罗智联(北京)科技有限公司 | 相机参数的确定方法、装置、路侧设备和云控平台 |
CN113112551A (zh) * | 2021-04-21 | 2021-07-13 | 阿波罗智联(北京)科技有限公司 | 相机参数的确定方法、装置、路侧设备和云控平台 |
TWI814053B (zh) * | 2021-05-31 | 2023-09-01 | 新加坡商聯發科技(新加坡)私人有限公司 | 標定樣板、標定系統及其標定方法 |
CN113345031A (zh) * | 2021-06-23 | 2021-09-03 | 地平线征程(杭州)人工智能科技有限公司 | 多摄像设备外参标定设备和方法、存储介质、电子设备 |
CN113256742A (zh) * | 2021-07-15 | 2021-08-13 | 禾多科技(北京)有限公司 | 界面展示方法、装置、电子设备和计算机可读介质 |
CN114092564A (zh) * | 2021-10-29 | 2022-02-25 | 上海科技大学 | 无重叠视域多相机系统的外参数标定方法、系统、终端及介质 |
CN114092564B (zh) * | 2021-10-29 | 2024-04-09 | 上海科技大学 | 无重叠视域多相机系统的外参数标定方法、系统、终端及介质 |
CN114299120A (zh) * | 2021-12-31 | 2022-04-08 | 北京银河方圆科技有限公司 | 基于多摄像机模组的补偿方法、注册方法和可读存储介质 |
CN114299120B (zh) * | 2021-12-31 | 2023-08-04 | 北京银河方圆科技有限公司 | 补偿方法、注册方法和可读存储介质 |
CN117128985A (zh) * | 2023-04-27 | 2023-11-28 | 荣耀终端有限公司 | 点云地图更新的方法及设备 |
CN117128985B (zh) * | 2023-04-27 | 2024-05-31 | 荣耀终端有限公司 | 点云地图更新的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109360245B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360245B (zh) | 无人驾驶车辆多相机系统的外参数标定方法 | |
US10659677B2 (en) | Camera parameter set calculation apparatus, camera parameter set calculation method, and recording medium | |
JP7073315B2 (ja) | 乗物、乗物測位システム、及び乗物測位方法 | |
CN111986506B (zh) | 基于多视觉系统的机械式停车位泊车方法 | |
KR102550678B1 (ko) | 비-강성 스테레오 비전 카메라 시스템 | |
US9858639B2 (en) | Imaging surface modeling for camera modeling and virtual view synthesis | |
CN111046743B (zh) | 一种障碍物信息标注方法、装置、电子设备和存储介质 | |
CN104442567B (zh) | 交通工具图像显示系统中的物体突显和传感 | |
JP5588812B2 (ja) | 画像処理装置及びそれを用いた撮像装置 | |
CN110345937A (zh) | 一种基于二维码的导航定姿定位方法和系统 | |
KR102295809B1 (ko) | 이동체의 전방향에 대한 거리 취득 장치 및 방법 | |
WO2005088971A1 (ja) | 画像生成装置、画像生成方法、および画像生成プログラム | |
JP2004198212A (ja) | 移動体周辺監視装置 | |
CN102163331A (zh) | 采用标定方法的图像辅助系统 | |
JP2004198211A (ja) | 移動体周辺監視装置 | |
JP2011215063A (ja) | カメラ姿勢パラメータ推定装置 | |
CN103802725A (zh) | 一种新的车载驾驶辅助图像生成方法 | |
CN101487895A (zh) | 显示鸟瞰车辆图像的倒车雷达系统 | |
JP2018139084A (ja) | 装置、移動体装置及び方法 | |
CN109883433B (zh) | 基于360度全景视图的结构化环境中车辆定位方法 | |
JP6910454B2 (ja) | 道路の合成トップビュー画像を生成するための方法およびシステム | |
Kinzig et al. | Real-time seamless image stitching in autonomous driving | |
TW202020734A (zh) | 載具、載具定位系統及載具定位方法 | |
WO2020118619A1 (en) | Method for detecting and modeling of object on surface of road | |
CN108195359B (zh) | 空间数据的采集方法及系统 |
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 |