Nothing Special   »   [go: up one dir, main page]

CN113256540A - 图像去畸变方法和装置、电子设备和计算机可读存储介质 - Google Patents

图像去畸变方法和装置、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN113256540A
CN113256540A CN202110792843.XA CN202110792843A CN113256540A CN 113256540 A CN113256540 A CN 113256540A CN 202110792843 A CN202110792843 A CN 202110792843A CN 113256540 A CN113256540 A CN 113256540A
Authority
CN
China
Prior art keywords
image
distortion
target image
target object
distortion removal
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
Application number
CN202110792843.XA
Other languages
English (en)
Other versions
CN113256540B (zh
Inventor
吴志洋
张海强
李成军
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing 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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202110792843.XA priority Critical patent/CN113256540B/zh
Publication of CN113256540A publication Critical patent/CN113256540A/zh
Application granted granted Critical
Publication of CN113256540B publication Critical patent/CN113256540B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/80Geometric correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种图像去畸变方法和装置、电子设备和计算机可读存储介质,其中,该方法包括:获取目标图像,其中所述目标图像中包含目标物体;确定目标物体在目标图像中的像素信息;根据目标物体在目标图像中的像素信息,在预设配置文件中进行匹配,得到目标图像对应的去畸变参数,预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;根据去畸变参数对目标图像进行去畸变处理,得到去畸变图像。本申请在需要对当前的图像进行去畸变处理时,不需要再去计算图像的去畸变参数,直接根据图像的像素信息从预设配置文件中提取对应的去畸变参数即可,省去了在实时采集图像过程中实时计算去畸变参数的环节,进而大大提高了图像去畸变的处理效率。

Description

图像去畸变方法和装置、电子设备和计算机可读存储介质
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像去畸变方法和装置、电子设备和计算机可读存储介质。
背景技术
图像畸变是指用于相机的透镜制造精度以及组装工艺的偏差会导致原始图像失真,进而出现图像畸变的现象。
相机镜头的畸变可以分为径向畸变和切向畸变两类。径向畸变是由于镜头自身凸透镜的固有特性造成的,产生原因是光线在远离透镜中心的地方比靠近中心的地方更加弯曲。径向畸变沿着透镜半径方向分布,主要包括桶形畸变和枕形畸变两种,如图1所示,提供了现有技术中桶形畸变和枕形畸变的示意图。切向畸变是由于透镜本身与相机传感器平面(成像平面)或图像平面不平行而产生的,这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致,如图2所示,提供了现有技术中切向畸变产生的原理示意图。
为了使相机拍摄到的图像能够尽可能还原出真实的场景或物体状态,往往需要对图像进行去畸变处理,然而现有的图像去畸变方法在进行去畸变处理时往往需要实时动态的计算图像的去畸变参数,导致图像去畸变的处理效率不高。
发明内容
本申请实施例提供了一种图像去畸变方法和装置、电子设备和计算机可读存储介质,以提高图像去畸变的处理效率。
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图像去畸变方法,其中,所述方法包括:
获取目标图像,其中所述目标图像中包含目标物体;
确定所述目标物体在所述目标图像中的像素信息;
根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数,其中所述预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;
根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像。
可选地,所述像素信息包括目标物体的像素占比,所述去畸变参数包括相机内参和畸变系数,
所述根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数包括:
确定目标物体的像素占比;
根据所述目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机内参和畸变系数。
可选地,所述确定目标物体的像素占比包括:
确定目标物体的像素以及所述目标物体所在的目标图像的整体像素;
计算所述目标物体的像素与所述目标图像的整体像素的比值,得到所述目标物体的像素占比。
可选地,所述预设配置文件通过如下方式得到:
利用相机的内参标定工具,对相机在不同焦距下拍摄的不同像素占比的图像的去畸变参数进行标定;
将标定结果存储到所述预设配置文件中。
可选地,在根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配之后,所述方法还包括:
获取当前的目标图像对应的相机焦距;
将当前的目标图像对应的相机焦距与上一帧目标图像对应的相机焦距进行比较,以根据比较结果确定相机是否变焦。
可选地,所述预设配置文件中预存有物体的像素占比、相机焦距和去畸变参数之间的对应关系,所述获取当前的目标图像对应的相机焦距包括:
根据当前的目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机焦距,作为当前的目标图像对应的相机焦距。
可选地,所述根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像包括:
获取预设去畸变模型;
将所述去畸变参数输入所述预设去畸变模型,得到所述去畸变图像。
第二方面,本申请实施例还提供一种图像去畸变装置,其中,所述装置用于实现前述之任一所述方法。
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前述之任一所述方法。
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前述之任一所述方法。
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:本申请实施例的图像去畸变方法,先获取目标图像,其中目标图像中包含目标物体;然后确定目标物体在目标图像中的像素信息;之后根据目标物体在目标图像中的像素信息,在预设配置文件中进行匹配,得到目标图像对应的去畸变参数,其中预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;最后根据去畸变参数对目标图像进行去畸变处理,得到去畸变图像。本申请实施例中的图像去畸变方法事先构建了存储有物体的像素信息与去畸变参数的对应关系的配置文件,在需要对当前的图像进行去畸变处理时,不需要实时去计算图像的去畸变参数,直接根据图像的像素信息从配置文件中提取对应的去畸变参数即可,省去了在实时采集图像过程中实时计算去畸变参数的环节,进而大大提高了图像去畸变的处理效率,同时具有较好的图像去畸变效果。
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为现有技术中桶形畸变和枕形畸变的示意图;
图2为现有技术中切向畸变产生的原理示意图;
图3为本申请实施例中一种图像去畸变方法的流程示意图;
图4(a)为本申请实施例中一种对路侧设备采集的图像去畸变前的效果示意图;
图4(b)为本申请实施例中一种对路侧设备采集的图像去畸变后的效果示意图;
图5(a)为本申请实施例中一种对车载设备采集的图像去畸变前的效果示意图;
图5(b)为本申请实施例中一种对车载设备采集的图像去畸变后的效果示意图;
图6为本申请实施例中一种图像去畸变装置的结构示意图;
图7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。
本申请实施例提供了一种图像去畸变方法,如图3所示,提供了本申请实施例中一种图像去畸变方法的流程示意图,所述方法至少包括如下的步骤S310至步骤S340:
步骤S310,获取目标图像,其中所述目标图像中包含目标物体。
本申请实施例在进行图像去畸变时,先获取需要进行去畸变的目标图像,这里的获取方式可以是针对相机等图像采集设备实时采集到的图像实时进行获取,采集到的目标图像中具体可以包含有目标物体。
上述相机等图像采集设备可以部署在道路两侧的路侧设备中,用于实时采集道路的图像,也可以部署在车载设备中,用于实时采集车辆附近的图像。以路侧设备为例,路侧设备会实时采集并上传其所监控的区域内的道路图像,该图像就可以看作是目标图像,采集到的目标图像中可以包括车辆、行人等目标物体。
步骤S320,确定所述目标物体在所述目标图像中的像素信息。
步骤S330,根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数,其中所述预设配置文件中预存有物体的像素信息与去畸变参数的对应关系。
实际应用场景下,目标物体在图像中的像素大小等像素信息与图像去畸变参数存在一定关系,目标物体在图像中的像素大小等像素信息不同,其对应的图像去畸变参数一般也不同。
基于此,本申请实施例事先建立起了不同的物体的像素信息与去畸变参数的对应关系并存储到了预设配置文件中,在确定目标图像的去畸变参数之前,可以先确定目标图像中的目标物体的像素信息,然后将目标物体的像素信息在上述预设配置文件中进行检索匹配,从而可以得到目标物体的像素信息所对应的去畸变参数,作为目标图像的去畸变参数。
步骤S340,根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像。
在得到目标图像的去畸变参数后,就可以直接利用目标图像的去畸变参数对目标图像进行去畸变处理,从而得到去畸变图像。
本申请实施例中的图像去畸变方法事先构建了存储有物体的像素信息与去畸变参数的对应关系的配置文件,在需要对当前的图像进行去畸变处理时,不需要实时去计算图像的去畸变参数,直接根据图像的像素信息从配置文件中提取对应的去畸变参数即可,省去了在实时采集图像过程中实时计算去畸变参数的环节,进而大大提高了图像去畸变的处理效率,同时具有较好的图像去畸变效果。
在本申请的一个实施例中,所述像素信息包括目标物体的像素占比,所述去畸变参数包括相机内参和畸变系数,所述根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数包括:确定目标物体的像素占比;根据所述目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机内参和畸变系数。
本申请实施例的像素信息可以是指目标物体在目标图像中的像素占比,去畸变参数可以包括相机内参和畸变系数,相机内参主要反映相机自身的属性,各个相机的内参一般是不一样的,需要通过对相机标定才能确定相机内参。畸变系数可以包括径向畸变系数和切向畸变系数,径向畸变系数主要针对发生在相机坐标系转图像物理坐标系的过程中所产生的径向畸变而设置的,切向畸变系数主要是针对发生在相机制作过程由于感光元平面跟透镜不平行所产生的切向畸变而设置的。
基于此,本申请实施例中的预设配置文件中可以存储不同的物体的像素占比与相机内参和畸变系数的一一对应关系,在确定出目标物体的像素占比后,就可以利用上述对应关系,从预设配置文件中查找出与目标物体的像素占比对应的相机内参和畸变系数,以此作为对目标图像进行去畸变的依据。
在本申请的一个实施例中,所述确定目标物体的像素占比包括:确定目标物体的像素以及所述目标物体所在的目标图像的整体像素;计算所述目标物体的像素与所述目标图像的整体像素的比值,得到所述目标物体的像素占比。
在确定目标物体的像素占比时,可以先确定目标物体的像素,以及目标图像的整体像素,然后将二者的比值作为目标物体的像素占比。例如,目标物体的像素为960*540,目标图像的整体像素为1920*1080,那么像素占比就可以为
Figure DEST_PATH_IMAGE002
在本申请的一个实施例中,所述预设配置文件通过如下方式得到:利用相机的内参标定工具,对相机在不同焦距下拍摄的不同像素占比的图像的去畸变参数进行标定;将标定结果存储到所述预设配置文件中。
由于每个相机镜头的畸变程度各不相同,往往需要通过相机标定来校正这种镜头畸变,实质上可以理解为是用这种标定的方式来求解相机内参和畸变参数,相当于一种相机校准,然后这些参数就可以用于后面的去畸变处理。
基于此,本申请实施例在构建预设配置文件时,可以利用相机的内参标定工具,标定出相机在不同焦距下拍摄到的不同像素占比的图像的去畸变参数,包括相机内参和畸变系数,从而建立起不同的像素占比与相机内参和畸变系数等去畸变参数的对应关系,作为后续获取去畸变参数的依据。
具体的相机标定方法可以采用张正友标定法等,当然具体本领域技术人员可根据实际需求灵活选择其他标定方法来标定出相机内参和畸变系数等参数,在此不作具体限定。
在本申请的一个实施例中,在根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配之后,所述方法还包括:获取当前的目标图像对应的相机焦距;将当前的目标图像对应的相机焦距与上一帧目标图像对应的相机焦距进行比较,以根据比较结果确定相机是否变焦。
本申请实施例还可以获取当前的目标图像对应的相机焦距等信息,通过将当前的目标图像对应的相机焦距与上一帧目标图像对应的相机焦距进行比较,如果二者一致,说明相机没有发生变焦,如果二者不一致,说明相机发生变焦。
上述过程主要是为了确定每一帧图像是在什么样的相机焦距下拍摄到的或者相机是否处于实时动态变焦的情况,从而丰富本申请实施例的应用场景。
在本申请的一个实施例中,所述预设配置文件中预存有物体的像素占比、相机焦距和去畸变参数之间的对应关系,所述获取当前的目标图像对应的相机焦距包括:根据当前的目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机焦距,作为当前的目标图像对应的相机焦距。
基于上述实施例,本申请实施例在构建预设配置文件时,也可以将相机焦距作为一项参数与不同的像素占比和去畸变参数建立对应关系,这样在获取当前的目标图像对应的相机焦距时,就可以通过预设配置文件中存储的物体的像素占比与焦距的对应关系确定出当前的目标物体的像素占比所对应的相机焦距。这样针对每一帧目标图像,通过该帧目标图像中的目标物体的像素占比都可以确定出该帧目标图像是在多大焦距下拍摄得到的。
需要说明的是,上述各实施例中对图像进行的去畸变处理与相机是否发生变焦并没有关系,无论相机是否发生变焦,只要能够计算出目标物体的像素占比,就可以在预设配置文件中查找到与之对应的去畸变参数,因此本申请实施例的方案对于实时动态变焦场景下采集到的图像同样适用,且具有较高的去畸变处理效率。
在本申请的一个实施例中,所述根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像包括:获取预设去畸变模型;将所述去畸变参数输入所述预设去畸变模型,得到所述去畸变图像。
在得到目标图像对应的相机内参和畸变系数等去畸变参数后,就可以利用现有的去畸变算法即预设去畸变模型对目标图像进行去畸变处理了,这里的预设去畸变模型可以用主点(principle point)周围的泰勒级数展开式的前几项进行描述,通常使用前两项,即k1和k2,对于畸变很大的镜头,如鱼眼镜头,可以增加使用第三项k3来进行描述。本申请实施例的预设去畸变模型主要包括径向畸变模型和切向畸变模型,根据成像仪上某点根据其在径向方向上的分布位置,可以将径向畸变模型的公式表示为:
Figure DEST_PATH_IMAGE004
,(1)
切向畸变是由于透镜本身与相机传感器平面(成像平面)或图像平面不平行而产生的,这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致。切向畸变模型可以用两个额外的参数p1和p2来描述:
Figure DEST_PATH_IMAGE006
,(2)
结合式(1)和式(2),可以得到:
Figure DEST_PATH_IMAGE008
,(3)
上式(1)-(3)中,(xdistorted,ydistorted)是畸变点在成像仪上的原始位置,(x,y)是畸变校正后新的位置,实际应用时,可灵活保留式(3)中的各项系数。
上述两个模型的具体推算过程为本领域技术人员结合本领域的公知常识所能够确定的,因此不再赘述。
由于目标图像对应的相机内参和畸变系数均为已知,因此本申请实施例不需要再去实时计算目标图像的相机内参和畸变系数,而是可以直接利用事先计算好的相机内参和畸变系数以及去畸变算法,确定出去畸变后的图像信息,从而得到去畸变图像。
本申请实施例在得到去畸变图像后还可以将去畸变图像输出到显示终端如车载终端的显示屏上进行显示,以便于用户查看。
如图4(a)所示,提供了本申请实施例中一种对路侧设备采集的图像去畸变前的效果示意图,如图4(b)所示,提供了本申请实施例中一种对路侧设备采集的图像去畸变后的效果示意图。如图5(a)所示,提供了本申请实施例中一种对车载设备采集的图像去畸变前的效果示意图,如图5(b)所示,提供了本申请实施例中一种对车载设备采集的图像去畸变后的效果示意图。可以看出,利用本申请实施例的图像去畸变方法得到的去畸变图像能够保证在整个图像采集的过程中的图像零畸变。
本申请实施例还提供了一种图像去畸变装置600,如图6所示,提供了本申请实施例中一种图像去畸变装置的结构示意图,所述装置600包括:第一获取单元610、确定单元620、匹配单元630以及去畸变单元640,其中:
第一获取单元610,用于获取目标图像,其中所述目标图像中包含目标物体;
确定单元620,用于确定所述目标物体在所述目标图像中的像素信息;
匹配单元630,用于根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数,其中所述预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;
去畸变单元640,用于根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像。
在本申请的一个实施例中,所述像素信息包括目标物体的像素占比,所述去畸变参数包括相机内参和畸变系数,所述匹配单元630具体用于:确定目标物体的像素占比;根据所述目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机内参和畸变系数。
在本申请的一个实施例中,所述匹配单元630具体用于:确定目标物体的像素以及所述目标物体所在的目标图像的整体像素;计算所述目标物体的像素与所述目标图像的整体像素的比值,得到所述目标物体的像素占比。
在本申请的一个实施例中,所述预设配置文件通过如下方式得到:利用相机的内参标定工具,对相机在不同焦距下拍摄的不同像素占比的图像的去畸变参数进行标定;将标定结果存储到所述预设配置文件中。
在本申请的一个实施例中,所述装置还包括:第二获取单元,用于获取当前的目标图像对应的相机焦距;比较单元,用于将当前的目标图像对应的相机焦距与上一帧目标图像对应的相机焦距进行比较,以根据比较结果确定相机是否变焦。
在本申请的一个实施例中,所述预设配置文件中预存有物体的像素占比、相机焦距和去畸变参数之间的对应关系,所述第二获取单元具体用于:根据当前的目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机焦距,作为当前的目标图像对应的相机焦距。
在本申请的一个实施例中,所述去畸变单元640具体用于:获取预设去畸变模型;将所述去畸变参数输入所述预设去畸变模型,得到所述去畸变图像。
图7是本申请的一个实施例电子设备的结构示意图。请参考图7,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7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,在逻辑层面上形成图像去畸变装置。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:
获取目标图像,其中所述目标图像中包含目标物体;
确定所述目标物体在所述目标图像中的像素信息;
根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数,其中所述预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;
根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像。
上述如本申请图3所示实施例揭示的图像去畸变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中图像去畸变装置执行的方法,并实现图像去畸变装置在图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所示实施例中图像去畸变装置执行的方法,并具体用于执行:
获取目标图像,其中所述目标图像中包含目标物体;
确定所述目标物体在所述目标图像中的像素信息;
根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数,其中所述预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;
根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像。
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)

1.一种图像去畸变方法,其中,所述方法包括:
获取目标图像,其中所述目标图像中包含目标物体;
确定所述目标物体在所述目标图像中的像素信息;
根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数,其中所述预设配置文件中预存有物体的像素信息与去畸变参数的对应关系;
根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像。
2.如权利要求1所述方法,其中,所述像素信息包括目标物体的像素占比,所述去畸变参数包括相机内参和畸变系数,
所述根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配,得到所述目标图像对应的去畸变参数包括:
确定目标物体的像素占比;
根据所述目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机内参和畸变系数。
3.如权利要求2所述方法,其中,所述确定目标物体的像素占比包括:
确定目标物体的像素以及所述目标物体所在的目标图像的整体像素;
计算所述目标物体的像素与所述目标图像的整体像素的比值,得到所述目标物体的像素占比。
4.如权利要求2或3所述方法,其中,所述预设配置文件通过如下方式得到:
利用相机的内参标定工具,对相机在不同焦距下拍摄的不同像素占比的图像的去畸变参数进行标定;
将标定结果存储到所述预设配置文件中。
5.如权利要求1所述方法,其中,在根据所述目标物体在所述目标图像中的像素信息,在预设配置文件中进行匹配之后,所述方法还包括:
获取当前的目标图像对应的相机焦距;
将当前的目标图像对应的相机焦距与上一帧目标图像对应的相机焦距进行比较,以根据比较结果确定相机是否变焦。
6.如权利要求5所述方法,其中,所述预设配置文件中预存有物体的像素占比、相机焦距和去畸变参数之间的对应关系,所述获取当前的目标图像对应的相机焦距包括:
根据当前的目标物体的像素占比,在所述预设配置文件中确定出与所述目标物体的像素占比对应的相机焦距,作为当前的目标图像对应的相机焦距。
7.如权利要求1所述方法,其中,所述根据所述去畸变参数对所述目标图像进行去畸变处理,得到去畸变图像包括:
获取预设去畸变模型;
将所述去畸变参数输入所述预设去畸变模型,得到所述去畸变图像。
8.一种图像去畸变装置,其中,所述装置用于实现权利要求1~7之任一所述方法。
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。
CN202110792843.XA 2021-07-14 2021-07-14 图像去畸变方法和装置、电子设备和计算机可读存储介质 Active CN113256540B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110792843.XA CN113256540B (zh) 2021-07-14 2021-07-14 图像去畸变方法和装置、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110792843.XA CN113256540B (zh) 2021-07-14 2021-07-14 图像去畸变方法和装置、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113256540A true CN113256540A (zh) 2021-08-13
CN113256540B CN113256540B (zh) 2021-11-19

Family

ID=77191333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110792843.XA Active CN113256540B (zh) 2021-07-14 2021-07-14 图像去畸变方法和装置、电子设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113256540B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266815A (zh) * 2021-12-22 2022-04-01 合肥瑞识智能科技有限公司 一种深度测量方法、装置、设备及介质
CN114419168A (zh) * 2022-01-21 2022-04-29 北京微链道爱科技有限公司 一种图像特征点的标定方法及装置
CN116645426A (zh) * 2023-06-20 2023-08-25 成都飞机工业(集团)有限责任公司 一种相机内参标定方法、装置、存储介质及电子设备
CN117830391A (zh) * 2023-12-29 2024-04-05 广东美的白色家电技术创新中心有限公司 坐标转换的方法、装置、设备和存储介质
CN118351036A (zh) * 2024-06-17 2024-07-16 浙江托普云农科技股份有限公司 基于容器成像畸变的图像校正方法、系统及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107564091A (zh) * 2017-07-26 2018-01-09 深圳大学 一种基于快速对应点搜索的三维重建方法及装置
CN108932698A (zh) * 2017-11-17 2018-12-04 北京猎户星空科技有限公司 图像畸变的校正方法、装置、电子设备和存储介质
CN109345471A (zh) * 2018-09-07 2019-02-15 贵州宽凳智云科技有限公司北京分公司 基于高精轨迹数据测量绘制高精地图数据方法
CN110660034A (zh) * 2019-10-08 2020-01-07 北京迈格威科技有限公司 图像校正方法、装置及电子设备
US20200051279A1 (en) * 2017-03-14 2020-02-13 Nec Corporation Camera parameter estimation apparatus, camera parameter estimation method, and computer-readable recording medium
CN111815710A (zh) * 2020-05-28 2020-10-23 北京易航远智科技有限公司 鱼眼相机自动标定方法
CN111970454A (zh) * 2020-09-10 2020-11-20 青岛鳍源创新科技有限公司 一种拍摄画面的展示方法、装置、设备及储存介质
CN112927307A (zh) * 2021-03-05 2021-06-08 深圳市商汤科技有限公司 一种标定方法、装置、电子设备及存储介质
CN112967345A (zh) * 2021-03-09 2021-06-15 北京百度网讯科技有限公司 鱼眼相机的外参标定方法、装置以及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200051279A1 (en) * 2017-03-14 2020-02-13 Nec Corporation Camera parameter estimation apparatus, camera parameter estimation method, and computer-readable recording medium
CN107564091A (zh) * 2017-07-26 2018-01-09 深圳大学 一种基于快速对应点搜索的三维重建方法及装置
CN108932698A (zh) * 2017-11-17 2018-12-04 北京猎户星空科技有限公司 图像畸变的校正方法、装置、电子设备和存储介质
CN109345471A (zh) * 2018-09-07 2019-02-15 贵州宽凳智云科技有限公司北京分公司 基于高精轨迹数据测量绘制高精地图数据方法
CN110660034A (zh) * 2019-10-08 2020-01-07 北京迈格威科技有限公司 图像校正方法、装置及电子设备
CN111815710A (zh) * 2020-05-28 2020-10-23 北京易航远智科技有限公司 鱼眼相机自动标定方法
CN111970454A (zh) * 2020-09-10 2020-11-20 青岛鳍源创新科技有限公司 一种拍摄画面的展示方法、装置、设备及储存介质
CN112927307A (zh) * 2021-03-05 2021-06-08 深圳市商汤科技有限公司 一种标定方法、装置、电子设备及存储介质
CN112967345A (zh) * 2021-03-09 2021-06-15 北京百度网讯科技有限公司 鱼眼相机的外参标定方法、装置以及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266815A (zh) * 2021-12-22 2022-04-01 合肥瑞识智能科技有限公司 一种深度测量方法、装置、设备及介质
CN114419168A (zh) * 2022-01-21 2022-04-29 北京微链道爱科技有限公司 一种图像特征点的标定方法及装置
CN116645426A (zh) * 2023-06-20 2023-08-25 成都飞机工业(集团)有限责任公司 一种相机内参标定方法、装置、存储介质及电子设备
CN117830391A (zh) * 2023-12-29 2024-04-05 广东美的白色家电技术创新中心有限公司 坐标转换的方法、装置、设备和存储介质
CN118351036A (zh) * 2024-06-17 2024-07-16 浙江托普云农科技股份有限公司 基于容器成像畸变的图像校正方法、系统及装置
CN118351036B (zh) * 2024-06-17 2024-10-18 浙江托普云农科技股份有限公司 基于容器成像畸变的图像校正方法、系统及装置

Also Published As

Publication number Publication date
CN113256540B (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN113256540B (zh) 图像去畸变方法和装置、电子设备和计算机可读存储介质
CN113256741B (zh) 用于扫描光场成像系统的镜头标定方法及装置
JP5141245B2 (ja) 画像処理装置、補正情報生成方法、および撮像装置
CN113408454A (zh) 一种交通目标检测方法、装置、电子设备及检测系统
CN112330576A (zh) 车载鱼眼摄像头畸变矫正方法、装置、设备及存储介质
CN112308934B (zh) 标定检测方法及装置、存储介质、计算设备
CN109102026B (zh) 一种车辆图像检测方法、装置及系统
CN110689565B (zh) 一种深度图确定的方法、装置及电子设备
CN113781414B (zh) 一种镜头解像力测试方法、装置和电子设备
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
WO2021183283A1 (en) Automatic fisheye camera calibration for video analytics
CN109963085B (zh) 一种调整快门速度的方法、装置及机器人
KR102636767B1 (ko) 디지털 파노라마 이미지를 캡처 및 처리하는 방법
CN114913105A (zh) 激光点云融合方法、装置、服务器及计算机可读存储介质
CN115272124A (zh) 一种畸变图像校正方法、装置
CN115829890A (zh) 一种图像融合方法、装置、设备、存储介质及产品
CN115683046A (zh) 测距方法、装置、传感器及计算机可读存储介质
CN113822261A (zh) 交通信号灯的检测方法、装置及电子设备、存储介质
CN113409375A (zh) 图像处理方法、装置以及非易失性存储介质
CN116580095A (zh) 一种目标定位方法和装置、电子设备和存储介质
CN118537580B (zh) 鱼眼图像的边缘直线特征提取方法、装置、设备及介质
CN118505709B (zh) 正射影像间相对精度质检方法、装置、设备及介质
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
CN114743004A (zh) 多尺度路面全要素语义分割方法、装置及电子设备、存储介质
JP2019201346A (ja) 画像センサ

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