CN109859137A - 一种广角相机非规则畸变全域校正方法 - Google Patents
一种广角相机非规则畸变全域校正方法 Download PDFInfo
- Publication number
- CN109859137A CN109859137A CN201910114952.9A CN201910114952A CN109859137A CN 109859137 A CN109859137 A CN 109859137A CN 201910114952 A CN201910114952 A CN 201910114952A CN 109859137 A CN109859137 A CN 109859137A
- Authority
- CN
- China
- Prior art keywords
- checkerboard
- interpolation
- corner
- correction
- points
- 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
- 230000001788 irregular Effects 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 10
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 4
- 235000005459 Digitaria exilis Nutrition 0.000 claims description 3
- 244000046146 Pueraria lobata Species 0.000 claims description 3
- 235000010575 Pueraria lobata Nutrition 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种广角相机非规则畸变全域校正方法，包括以下步骤：S1：图片采集：对采集的图像作辅助线，并实时显示，将辅助线对齐棋盘格中心区域，拍摄照片；S2：角点检测，剔除边沿点和角点评分低于阈值的角点；S3：棋盘格检测：对检测到的角点，通过生长法检测出棋盘格，进行棋盘格方向校正，重复部分全部通过，则进行拼接，得到新的棋盘格；S4：数据初始化，根据检测到的棋盘格，初始化期望棋盘格的位置数据；S5：拟合曲面：使用改进后的TPS方法拟合出插值曲面；S6：生成插值地图：使用得到的插值曲面，获取插值地图；S7：实时畸变校正：载入插值地图，实时采集图片，并实时进行畸变校正。
Description
技术领域
本发明属于相机标定技术畸变校正领域，涉及一种广角相机非规则畸变全域校正方法。
背景技术
随着计算机行业和芯片行业的飞速发展和不断更新，智能驾驶、智能监控等技术不断成熟。相机的作用和应用有了很大的发展,相机不仅仅是获取图像,我们希望通过计算机处理所得的图片，并从中提取需要的信息，以完成后续的计算和应用。我们知道三维世界中的点在二维图像上存在唯一的对应点,为了更准确的得到图像中的信息,我们需要建立相机成像模型,这些模型的参数就是相机参数,求解这些相机参数的过程称为相机的标定。依据相机焦距的长短可以将相机镜头分为三类,长焦镜头、标准镜头和广角镜头。长焦镜头可以拍摄很远的目标,远处景物如同在眼前一样,但拍摄视角比较小,不便拍摄近处景物。标准镜头是日常生活中最常见的,可以拍摄出比较符合人眼的观察习惯的图像。广角镜头的最大特点是拍摄视角大,得到的图像信息量比较多,但图像畸变比较大,一般需要对图像进行校正,目前多用于监控系统。
现有的相机标定方法分为传统标定方法和自主标定方法。目前多采用张正友相机模型和畸变模型，来进行相机内外参和畸变标定。但仍然面临一些需要解决的问题：
一方面，现有张正友标定方法的畸变模型，对于广角相机或者广角镜头的广角方向，其畸变校正精度仍然存在一定的误差，所以现有的立体视觉多考虑无畸变的90°，或者更小角度的相机进行，有效三角测量角度范围受到相机角度的限制较大。因此设计一个广角相机畸变校正算法是十分有必要的。
另一方面，对于某些特殊场景(大角度)，作为广角相机，不需要消耗额外的系统资源来做标准相机的拼接。因为对于实时拼接而言，在线计算拼接每次拼接之前，都需要计算特征点，匹配，滤波，计算矩阵需要占用较多的系统资源；而离线计算拼接矩阵，则又涉及到相机抖动之后，产生有较大的，无法预测的拼接误差。处理好广角相机的广角方向上的畸变，广角相机所具有的优势能更好的体现出来。
其次，对于不规则的图像畸变或不对称的畸变，使用张正友标定方法无法得到解决。
最后，原有的TPS(薄板样条插值)算法进行畸变校正，由于受控制点的影响，对于边沿(最外一层控制点之外的区域)，会存在较大的未处理的畸变，从而影响可视性。
而本文的改进TPS(薄板样条插值)算法能够改进这种边沿畸变的可读性，增加广角方向上的畸变校正精度和有效范围，并且能够处理一些不规则和非对称畸变。
发明内容
有鉴于此，本发明的目的在于改进广角相机以及非规则畸变的校正问题，提高广角相机广角方向的校正精度，以及成像的边沿区域可视性，提供一种广角相机非规则畸变全域校正方法。
为达到上述目的，本发明提供如下技术方案：
一种广角相机非规则畸变全域校正方法，包括以下步骤：
S1：图片采集：对采集的图像作辅助线，并实时显示，将辅助线对齐棋盘格中心区域，拍摄照片；
S2：角点检测：①使用Prewitt算子计算出两个方向的梯度，并计算图片梯度的方向和幅值；②归一化梯度方向，初始化角点模板，使用角点模板对原图片进行滤波处理，获得初始角点；③并对得到角点进行非极大值抑制；④对角点进行亚像素化；⑤剔除边沿点和角点评分低于阈值的角点；
S3：棋盘格检测：对检测到的角点，通过生长法检测出棋盘格；①与图像最中心点的欧氏距离从近到远循环每一个角点；②初始化一个棋盘格，通过寻找该点周围八个方向上的匹配点作为初始棋盘格；③通过向上下左右四个方向上生长，计算生长后棋盘格的能量，当能量函数小于阈值时，生长成功；④进行棋盘格方向校正，重复部分全部通过，则进行拼接，得到新的棋盘格；
S4：数据初始化：检测中心区域的棋盘格，并以中心点为基准，图像左上角为像素坐标系原点，向右为u轴正方向，向下为v轴正方向；根据检测到的棋盘格，初始化期望棋盘格的位置数据；
S5：拟合曲面：使用改进后的TPS方法拟合出插值曲面；
S6：生成插值地图：使用得到的插值曲面，获取插值地图；
S7：实时畸变校正：载入插值地图，实时采集图片，并使用反向二插值，进行实时进行畸变校正。
进一步，步骤S2中，通过下列公式进行棋盘内角点匹配：
其中，和表示i的两种可能性(黑白棋盘格调换)；表示图像在i大小的(A,B,C,D)四类核(四类模板)的卷积值。
亚像素角和方向细化：对检测出的内角点，去除边沿点和低得分点。然后亚像素化角点，即寻找满足下式的c值：
其中，NI表示像素周围11x11的候选像素；表示P点与周围的候选像素的梯度差。
进一步，步骤S3中棋盘格生长方法包括：恢复结构，即优化能量函数，生长棋盘格：初始化6个点构成4个方格的棋盘格，然后通过寻找四个方向中能量最小的方向生长棋盘，直到没有新的棋盘格阵列，其中棋盘能量定义为：
E(x,y)＝Ecorners(y)+Estruct(x,y)
Ecorners(y)＝-size(chessboard,1)*size(chessboard,2)
其中，Ecorners表示当前棋盘格中角点的个数的负值，size(chessboard,1)表示棋盘格的高，size(chessboard,2)表示棋盘格的宽，Estruct表示预测和实际棋盘的匹配程度，ci,j,k表示三个相邻的横纵棋盘格点；当四个方向上的总能量都大于零时结束生长。
进一步，步骤S3中的棋盘格方向校正包括：重复部分全部通过，则进行拼接，得到新的棋盘格。首先进行棋盘格方向校正，如下列公式所示：
acha(i)＝Pa(i+1)-Pa(i),i＝1…n-1
direction.ab＝direction.a-direction.b
其中，Pa(i)表示两个棋盘的相同点在棋盘a的位置；direction.a表示棋盘a的相对角度(可以在表格1中查到，□：a或者b，*：任意取值)；direction.ab表示棋盘格b相对于棋盘a的角度；Cb表示棋盘b；表示校正方向后的棋盘b。
然后，通过匹配来进行棋盘格的扩张：
C(m+max(a1,b1)-a1,n+max(a2,b2)-a2)＝a(m,n)
C(m+max(a1,b1)-b1,n+max(a2,b2)-b2)＝b(m,n)
其中，(a1,a2)＝(pa(1).x,pa(1).y),表示两个棋盘第一个相同点在棋盘a的位置。(b1,b2)＝(pb(1).x,pb(1).y),表示两个棋盘第一个相同点在棋盘b的位置。C表示匹配后的棋盘格。
进一步，步骤S5中的TPS算法包括：当径向函数为二次的时候被称为薄板样条插值，是一种求取经过所有数据点的，具有最小曲率的平滑金属薄板的方法；
在数据具有二次连续导数的前提下，具有能量函数为：
对于具体的离散的数据点，其最小能量函数为：
该能量函数包含两部分，仿射部分a0+x+x[a1r2+a2r4]，表示无穷远处的薄板的曲面趋势，剩余离散部分，弯曲数据点附近的曲面，以使其通过该数据点。|·|表示欧几里德范数，ci是系数，U为TPS的核函数，表达式为
U(r)＝r2log(r),r2＝(x-xi)2+(y-yi)2
通过对函数中的参数的计算，得到拟合后的曲面。
进一步，步骤S7中的实时校正中的运用插值地图，进行畸变校正，使用反向双线性插值算法进行畸变校正，寻找已知权重的四个点中间的任意一点的权重；
然后在x方向进行线性插值，得到
然后在y方向进行线性插值，得到
综合起来就是双线性插值最后的结果：
本发明的有益效果在于：本发明的改进TPS(薄板样条插值)算法能够改进边沿畸变的可读性，增加广角方向上的畸变校正精度和有效范围，并且能够处理一些不规则和非对称畸变。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为初始棋盘格的8个基本模型图；
图2为使用反向双线性插值算法进行畸变校正示意图；
图3为本发明所述广角相机非规则畸变全域校正方法流程示意图；
图4为图像采集实时显示图；
图5为拟合曲面图(从上到下依次为：u的拟合曲面、v的拟合曲面)；
图6为算法比较图(从上到下依次为：opencv、TPS、改进TPS)。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
TPS(薄板样条插值)是一种最小曲率插值方法，该函数分为两部分：基函数和趋势函数。基函数也是离散部分，通过对每个数据点附近的曲面进行弯曲拉伸，使其通过数据点，并使其能量函数最小；趋势函数也是仿射部分，根据所有数据点拟合的一个平面，反映数据点外的薄板的曲面趋势。通过对函数中的参数的计算，得到拟合后的曲面。
其中，|·|表示欧几里德范数，ci是系数，U为TPS的核函数
改进TPS(薄板样条插值)函数的趋势函数部分，提高畸变校正后的图像的边沿的可读性。改进后的趋势函数如下：
f(x,y)趋势函数＝a0+x+x[a1r2+a2r4]
其中，r2为欧氏距离的平方。
如图1所示，一种广角相机非规则畸变全域校正方法，包括以下步骤：
S1：图片采集：对采集的图像作辅助线，并实时显示，将辅助线对齐棋盘格中心区域，拍摄照片，如图2；
S2：角点检测：①使用Prewitt算子计算出两个方向的梯度，并计算图片梯度的方向和幅值；②归一化梯度方向到[0,pi]，初始化角点模板，使用角点模板对原图片进行滤波处理，获得初始角点；③并对得到角点进行非极大值抑制(阈值＝0.045)；④对角点进行亚像素化，使角点更加准确。⑤剔除边沿点(非角点)和角点评分低于阈值的角点；
S3：棋盘格检测：对检测到的角点，通过生长法检测出棋盘格；①与图像最中心点的欧氏距离从近到远循环每一个角点。②初始化一个3x3的棋盘格，通过寻找该点周围8个方向上的匹配点作为初始棋盘格。③通过向上下左右四个方向上生长，计算生长后棋盘格的能量，当能量函数小于阈值时，生长成功。④进行棋盘格方向校正，重复部分全部通过，则进行拼接，得到新的棋盘格；
S4：数据初始化：检测中心区域的棋盘格，并以中心点为基准，图像左上角为像素坐标系原点，向右为u轴正方向，向下为v轴正方向；根据检测到的棋盘格，初始化期望棋盘格的位置数据；
S5：拟合曲面：使用改进后的TPS(薄板样条插值)方法拟合出插值曲面，如图3，从上到下依次为：u的拟合曲面、v的拟合曲面；
S6：生成插值地图：使用得到的插值曲面，获取插值地图；
S7：实时畸变校正：载入插值地图，实时采集图片，并使用反向二插值，并实时进行畸变映射校正。
进一步，步骤S2中的角点检测，初始棋盘格的8个基本模型如下图4所示。将原来的三种尺度(4、8、16)增加为四种尺度(根据图像中的棋盘格像素大小进行修改，当前增加了尺度30)；
通过下列公式进行棋盘内角点匹配：
其中，和表示i的两种可能性(黑白棋盘格调换)；表示图像在i大小的(A,B,C,D)四类核(四类模板)的卷积值。
亚像素角和方向细化：对检测出的内角点，去除边沿点和低得分点。然后亚像素化角点，即寻找满足下式的c值：
其中，NI表示像素周围11x11的候选像素；表示P点与周围的候选像素的梯度差。
进一步，步骤S3中棋盘格生长方法包括：恢复结构，即优化能量函数，生长棋盘格：初始化6个点构成4个方格的棋盘格，然后通过寻找四个方向中能量最小的方向生长棋盘，直到没有新的棋盘格阵列，其中棋盘能量定义为：
E(x,y)＝Ecorners(y)+Estruct(x,y)
Ecorners(y)＝-size(chessboard,1)*size(chessboard,2)
其中，Ecorners表示当前棋盘格中角点的个数的负值，size(chessboard,1)表示棋盘格的高，size(chessboard,2)表示棋盘格的宽，Estruct表示预测和实际棋盘的匹配程度，ci,j,k表示三个相邻的横纵棋盘格点；当四个方向上的总能量都大于零时结束生长。
进一步，步骤S3中的棋盘格方向校正包括：重复部分全部通过，则进行拼接，得到新的棋盘格。首先进行棋盘格方向校正，如下列公式所示：
acha(i)＝Pa(i+1)-Pa(i),i＝1…n-1
direction.ab＝direction.a-direction.b
其中，Pa(i)表示两个棋盘的相同点在棋盘a的位置；direction.a表示棋盘a的相对角度(可以在表格1中查到，□：a或者b，*：任意取值)；direction.ab表示棋盘格b相对于棋盘a的角度；Cb表示棋盘b；表示校正方向后的棋盘b。
表格1相对角度查值表
然后，通过匹配来进行棋盘格的扩张：
C(m+max(a1,b1)-a1,n+max(a2,b2)-a2)＝a(m,n)
C(m+max(a1,b1)-b1,n+max(a2,b2)-b2)＝b(m,n)
其中，(a1,a2)＝(pa(1).x,pa(1).y),表示两个棋盘第一个相同点在棋盘a的位置。(b1,b2)＝(pb(1).x,pb(1).y),表示两个棋盘第一个相同点在棋盘b的位置。C表示匹配后的棋盘格。
进一步，步骤S5中的TPS(Thin Plate Splines)算法包括：当径向函数为二次的时候被称为薄板样条插值，是一种求取经过所有数据点的，具有最小曲率的平滑金属薄板的方法；
在数据具有二次连续导数的前提下，具有能量函数为：
对于具体的离散的数据点，其最小能量函数为：
该能量函数包含两部分，仿射部分a0+x+x[a1r2+a2r4]，表示无穷远处的薄板的曲面趋势，剩余离散部分，弯曲数据点附近的曲面，以使其通过该数据点。|·|表示欧几里德范数，ci是系数，U为TPS的核函数，表达式为
U(r)＝r2log(r),r2＝(x-xi)2+(y-yi)2
通过对函数中的参数的计算，得到拟合后的曲面。
进一步，步骤S7中的实时校正中的运用插值地图，进行畸变校正，使用反向双线性插值算法进行畸变校正，如图5所示，寻找已知权重的四个点中间的任意一点的权重；
然后在x方向进行线性插值，得到
然后在y方向进行线性插值，得到
综合起来就是双线性插值最后的结果：
最终结果如图6，在图中从上到下依次为：opencv、TPS、改进TPS。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.一种广角相机非规则畸变全域校正方法，其特征在于：包括以下步骤：
S1：图片采集：对采集的图像作辅助线，并实时显示，将辅助线对齐棋盘格中心区域，拍摄照片；
S2：角点检测：①使用Prewitt算子计算出两个方向的梯度，并计算图片梯度的方向和幅值；②归一化梯度方向，初始化角点模板，使用角点模板对原图片进行滤波处理，获得初始角点；③并对得到角点进行非极大值抑制；④对角点进行亚像素化；⑤剔除边沿点和角点评分低于阈值的角点；
S3：棋盘格检测：对检测到的角点，通过生长法检测出棋盘格；①与图像最中心点的欧氏距离从近到远循环每一个角点；②初始化一个棋盘格，通过寻找该点周围八个方向上的匹配点作为初始棋盘格；③通过向上下左右四个方向上生长，计算生长后棋盘格的能量，当能量函数小于阈值时，生长成功；④进行棋盘格方向校正，重复部分全部通过，则进行拼接，得到新的棋盘格；
S4：数据初始化：检测中心区域的棋盘格，并以中心点为基准，图像左上角为像素坐标系原点，向右为u轴正方向，向下为v轴正方向；根据检测到的棋盘格，初始化期望棋盘格的位置数据；
S5：拟合曲面：使用改进后的TPS方法拟合出插值曲面；
S6：生成插值地图：使用得到的插值曲面，获取插值地图；
S7：实时畸变校正：载入插值地图，实时采集图片，并使用反向二插值，并实时进行畸变校正。
2.根据权利要求1所述的广角相机非规则畸变全域校正方法，其特征在于：步骤S2中，通过下列公式进行棋盘内角点匹配：
其中，和表示i的黑白棋盘格调换两种可能性；表示图像在i大小的(A,B,C,D)四类核的卷积值；
亚像素角和方向细化：对检测出的内角点，去除边沿点和低得分点。然后亚像素化角点，即寻找满足下式的c值：
其中，NI表示像素周围11x11的候选像素；表示P点与周围的候选像素的梯度差。
3.根据权利要求1所述的广角相机非规则畸变全域校正方法，其特征在于：步骤S3中棋盘格生长方法包括：恢复结构，即优化能量函数，生长棋盘格：初始化6个点构成4个方格的棋盘格，然后通过寻找四个方向中能量最小的方向生长棋盘，直到没有新的棋盘格阵列，其中棋盘能量定义为：
E(x,y)＝Ecorners(y)+Estruct(x,y)
Ecorners(y)＝-size(chessboard,1)*size(chessboard,2)
其中，Ecorners表示当前棋盘格中角点的个数的负值，size(chessboard,1)表示棋盘格的高，size(chessboard,2)表示棋盘格的宽，Estruct表示预测和实际棋盘的匹配程度，ci,j,k表示三个相邻的横纵棋盘格点；当四个方向上的总能量都大于零时结束生长。
4.根据权利要求1所述的广角相机非规则畸变全域校正方法，其特征在于：步骤S3中的棋盘格方向校正包括：重复部分全部通过，则进行拼接，得到新的棋盘格。首先进行棋盘格方向校正，如下列公式所示：
acha(i)＝Pa(i+1)-Pa(i),i＝1…n-1
direction.ab＝direction.a-direction.b
其中，Pa(i)表示两个棋盘的相同点在棋盘a的位置；direction.a表示棋盘a的相对角度(可以在表格1中查到，□：a或者b，*：任意取值)；direction.ab表示棋盘格b相对于棋盘a的角度；Cb表示棋盘b；表示校正方向后的棋盘b；
然后，通过匹配来进行棋盘格的扩张：
C(m+max(a1,b1)-a1,n+max(a2,b2)-a2)＝a(m,n)
C(m+max(a1,b1)-b1,n+max(a2,b2)-b2)＝b(m,n)
其中，(a1,a2)＝(pa(1).x,pa(1).y),表示两个棋盘第一个相同点在棋盘a的位置；
(b1,b2)＝(pb(1).x,pb(1).y)，表示两个棋盘第一个相同点在棋盘b的位置；C表示匹配后的棋盘格。
5.根据权利要求1所述的广角相机非规则畸变全域校正方法，其特征在于：步骤S5中的TPS算法包括：当径向函数为二次的时候被称为薄板样条插值，是一种求取经过所有数据点的，具有最小曲率的平滑金属薄板的方法；
在数据具有二次连续导数的前提下，具有能量函数为：
对于具体的离散的数据点，其最小能量函数为：
该能量函数包含两部分，仿射部分a0+x+x[a1r2+a2r4]，表示无穷远处的薄板的曲面趋势，剩余离散部分，弯曲数据点附近的曲面，以使其通过该数据点，|·|表示欧几里德范数，ci是系数，U为TPS的核函数，表达式为
U(r)＝r2log(r),r2＝(x-xi)2+(y-yi)2
通过对函数中的参数的计算，得到拟合后的曲面。
6.根据权利要求1所述的广角相机非规则畸变全域校正方法，其特征在于：步骤S7中的实时校正中的运用插值地图，进行畸变校正，使用反向双线性插值算法进行畸变校正，寻找已知权重的四个点中间的任意一点的权重；
然后在x方向进行线性插值，得到
然后在y方向进行线性插值，得到
综合起来就是双线性插值最后的结果：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910114952.9A CN109859137B (zh) | 2019-02-14 | 2019-02-14 | 一种广角相机非规则畸变全域校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910114952.9A CN109859137B (zh) | 2019-02-14 | 2019-02-14 | 一种广角相机非规则畸变全域校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109859137A true CN109859137A (zh) | 2019-06-07 |
| CN109859137B CN109859137B (zh) | 2023-02-17 |
Family
ID=66897879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910114952.9A Active CN109859137B (zh) | 2019-02-14 | 2019-02-14 | 一种广角相机非规则畸变全域校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109859137B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110223356A (zh) * | 2019-06-10 | 2019-09-10 | 于兴虎 | 一种基于能量生长的单目相机全自动标定方法 |
| CN111210472A (zh) * | 2019-12-31 | 2020-05-29 | 山东信通电子股份有限公司 | 一种视频画面的3d定位方法、装置、设备以及介质 |
| CN112017117A (zh) * | 2020-08-10 | 2020-12-01 | 武汉威盛通科技有限公司 | 一种基于红外热像仪的全景图像获取方法及系统 |
| CN112634173A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种曲面屏图像校正方法及系统 |
| CN113706625A (zh) * | 2021-07-28 | 2021-11-26 | 昆山丘钛微电子科技股份有限公司 | 一种镜头畸变校正方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5777751A (en) * | 1995-09-28 | 1998-07-07 | Eastman Kodak Company | Correction of curved scan lines in an optical scanning system |
| CN101949832A (zh) * | 2010-09-02 | 2011-01-19 | 西安交通大学 | 傅里叶变换红外光谱畸变识别与处理方法 |
| CN104021388A (zh) * | 2014-05-14 | 2014-09-03 | 西安理工大学 | 基于双目视觉的倒车障碍物自动检测及预警方法 |
| CN104809739A (zh) * | 2015-05-15 | 2015-07-29 | 南京大学 | 一种超广角镜头相机视频实时校正的方法 |
| CN104822030A (zh) * | 2015-04-16 | 2015-08-05 | 北京理工大学深圳研究院 | 一种基于图像变形的不规则视频矩形化矫正方法 |
| US20170010540A1 (en) * | 2014-03-25 | 2017-01-12 | Carl Zeiss Sms Ltd. | Method and apparatus for generating a predetermined three-dimensional contour of an optical component and/or a wafer |
| US20170082436A1 (en) * | 2014-05-05 | 2017-03-23 | Hexagon Technology Center Gmbh | Surveying system |
| CN108871353A (zh) * | 2018-07-02 | 2018-11-23 | 上海西井信息科技有限公司 | 路网地图生成方法、系统、设备及存储介质 |
| CN108876749A (zh) * | 2018-07-02 | 2018-11-23 | 南京汇川工业视觉技术开发有限公司 | 一种鲁棒的镜头畸变校正方法 |
| CN109255818A (zh) * | 2018-08-12 | 2019-01-22 | 浙江农林大学 | 一种新型标靶及其亚像素级角点的提取方法 |
-
2019
- 2019-02-14 CN CN201910114952.9A patent/CN109859137B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5777751A (en) * | 1995-09-28 | 1998-07-07 | Eastman Kodak Company | Correction of curved scan lines in an optical scanning system |
| CN101949832A (zh) * | 2010-09-02 | 2011-01-19 | 西安交通大学 | 傅里叶变换红外光谱畸变识别与处理方法 |
| US20170010540A1 (en) * | 2014-03-25 | 2017-01-12 | Carl Zeiss Sms Ltd. | Method and apparatus for generating a predetermined three-dimensional contour of an optical component and/or a wafer |
| US20170082436A1 (en) * | 2014-05-05 | 2017-03-23 | Hexagon Technology Center Gmbh | Surveying system |
| US20180017384A1 (en) * | 2014-05-05 | 2018-01-18 | Hexagon Technology Center Gmbh | Surveying system |
| CN104021388A (zh) * | 2014-05-14 | 2014-09-03 | 西安理工大学 | 基于双目视觉的倒车障碍物自动检测及预警方法 |
| CN104822030A (zh) * | 2015-04-16 | 2015-08-05 | 北京理工大学深圳研究院 | 一种基于图像变形的不规则视频矩形化矫正方法 |
| CN104809739A (zh) * | 2015-05-15 | 2015-07-29 | 南京大学 | 一种超广角镜头相机视频实时校正的方法 |
| CN108871353A (zh) * | 2018-07-02 | 2018-11-23 | 上海西井信息科技有限公司 | 路网地图生成方法、系统、设备及存储介质 |
| CN108876749A (zh) * | 2018-07-02 | 2018-11-23 | 南京汇川工业视觉技术开发有限公司 | 一种鲁棒的镜头畸变校正方法 |
| CN109255818A (zh) * | 2018-08-12 | 2019-01-22 | 浙江农林大学 | 一种新型标靶及其亚像素级角点的提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| XIANLUN WANG等: ""An improved method of nonlinear distortion correction for wide-angle lens"", 《2016 IEEE INTERNATIONAL CONFERENCE ON SIGNAL AND IMAGE PROCESSING (ICSIP)》 * |
| 段马丽: ""广角图像畸变校正算法的研究与实现"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110223356A (zh) * | 2019-06-10 | 2019-09-10 | 于兴虎 | 一种基于能量生长的单目相机全自动标定方法 |
| CN111210472A (zh) * | 2019-12-31 | 2020-05-29 | 山东信通电子股份有限公司 | 一种视频画面的3d定位方法、装置、设备以及介质 |
| CN112017117A (zh) * | 2020-08-10 | 2020-12-01 | 武汉威盛通科技有限公司 | 一种基于红外热像仪的全景图像获取方法及系统 |
| CN112634173A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种曲面屏图像校正方法及系统 |
| CN112634173B (zh) * | 2020-12-30 | 2023-12-08 | 凌云光技术股份有限公司 | 一种曲面屏图像校正方法及系统 |
| CN113706625A (zh) * | 2021-07-28 | 2021-11-26 | 昆山丘钛微电子科技股份有限公司 | 一种镜头畸变校正方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109859137B (zh) | 2023-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859137B (zh) | 一种广角相机非规则畸变全域校正方法 | |
| CN110889829B (zh) | 一种基于鱼眼镜头的单目测距方法 | |
| CN110197466B (zh) | 一种广角鱼眼图像矫正方法 | |
| CN108122191B (zh) | 鱼眼图像拼接成全景图像和全景视频的方法及装置 | |
| CN111243033B (zh) | 一种优化双目相机外参数的方法 | |
| CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
| CN104778656B (zh) | 基于球面透视投影的鱼眼图像校正方法 | |
| CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
| CN111199528A (zh) | 一种鱼眼图像畸变矫正方法 | |
| CN101783011A (zh) | 一种鱼眼镜头的畸变校正方法 | |
| WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
| CN109118544B (zh) | 基于透视变换的合成孔径成像方法 | |
| CN113160339A (zh) | 一种基于沙姆定律的投影仪标定方法 | |
| CN108154536A (zh) | 二维平面迭代的相机标定法 | |
| CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
| CN107680035B (zh) | 一种参数标定方法和装置、服务器及可读存储介质 | |
| CN117557657A (zh) | 基于ChArUco标定板的双目鱼眼相机标定方法及系统 | |
| CN108269234A (zh) | 一种全景相机镜头姿态估计方法及全景相机 | |
| CN113554709A (zh) | 一种基于偏振信息的相机-投影仪系统标定方法 | |
| CN116579962A (zh) | 一种基于鱼眼相机的全景感知方法、装置、设备及介质 | |
| CN107256563B (zh) | 基于差异液位图像序列的水下三维重建系统及其方法 | |
| CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 | |
| CN118261835A (zh) | 一种手持式无标定图像畸变矫正方法及系统 | |
| CN116402904A (zh) | 一种基于激光雷达间和单目相机的联合标定方法 | |
| CN114511894A (zh) | 瞳孔中心坐标的获取系统及获取方法 |
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 |