相机标定方法、相机及存储介质技术

本申请提供一种相机标定方法、相机及存储介质，所述方法包括：获取标定图片，所述标定图片为多张，且所述标定图片所对应的物体等比排列；标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸；利用BP神经网络配合上述步骤拟合标定摄像机模型。以此可以计算每一个像素点的物理尺寸，其不需要对镜头畸变进行矫正，只需要测量点的像素坐标及深度信息即可使相机标点的精度较高。

Camera calibration method, camera and storage medium

The present application provides a camera calibration method, a camera and a storage medium, the method includes: obtaining a calibration picture, the calibration picture is a plurality of pictures, and the objects corresponding to the calibration picture are arranged in an equal proportion; marking the pixel points in the calibration picture, and calculating the actual size represented by each pixel point; fitting the calibration camera with BP neural network and the above steps Model. The physical size of each pixel can be calculated by this method. It does not need to correct the lens distortion, but only needs to measure the pixel coordinates and depth information of the points to make the camera punctuation more accurate.

【技术实现步骤摘要】
相机标定方法、相机及存储介质
本专利技术涉及图像处理的应用领域，特别是涉及一种相机标定方法、相机及存储介质。
技术介绍
随着成像设备性能的不断提升以及计算机视觉应用的不断普及使得基于图像处理的非接触式高精度测量成为科学研究的热点之一。相机作为计算机视觉的信号输入源，在透镜加工与相机装配过程中会引入镜头畸变，对于高精度的测量应用，需要对相机进行畸变校正。传统的标定方法描述如下：在视觉测量系统中，相机的标定精度至关重要，将影响整个测量系统的精度。针对现有相机标定方法难以兼顾精度和操作复杂度的问题，现有文件(一种基于棋盘格的高精度分区域相机标定方法)提出了一种基于棋盘格的高精度分区域相机标定方法。首先，将棋盘格置于不同位置，提取不同位置角点的世界坐标和像素坐标，对所有角点用线性变换和非线性最优算法求解出全局标定参数。然后，将角点分为中间区域角点和边缘区域角点，对两区域角点分别标定得到两组分区域标定参数。标定实验结果表明：与全局标定法相比，分区域标定法的图像平均投影误差至少降低16％。该方法操作简单，精度高，可以很好的应用于工业视觉检测。但是，其中提到的分区域标定相机的方法，针对透镜立体角的有限元单元划分的精度不高，且其方法在二维平面内存在非线性失真问题。
技术实现思路
本专利技术主要是提供一种相机标定方法、相机及存储介质，以解决二维平面内畸变矫正引起的精度问题，及三维空间深度距离与像素平面尺寸非线性引起的精度问题。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种相机标定方法，包括：获取标定图片，所述标定图片为多张，且所述标定图片所对应的物体等比排列；标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸；利用BP神经网络配合上述步骤拟合标定摄像机模型。为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种相机，包括：相互连接的存储器及处理器，其中，所述存储器用于存储实现上述任一项所述的相机标定方法的程序指令；所述处理器用于执行所述存储器存储的所述程序指令。为解决上述技术问题，本专利技术采用的又一个技术方案是：提供一种存储介质，包括：存储有程序数据，所述程序数据能够被执行以实现上述任意一项所述的相机标定方法。本专利技术的有益效果是：区别于现有技术的情况，本专利技术所述相机标定方法通过获取标定图片，标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸；利用BP神经网络配合上述步骤拟合标定摄像机模型。以此可以计算每一个像素点的物理尺寸，其不需要对镜头畸变进行矫正，只需要测量点的像素坐标及深度信息即可进行测量，精度较高。附图说明图1是本专利技术相机标定方法的第一实施例的结构示意图；图2是本专利技术相机标定方法的第二实施例的结构示意图；图3是本专利技术相机标定方法的第三实施例的结构示意图；图4是本专利技术相机标定方法的第四实施例的结构示意图；图5是本专利技术相机标定方法中的标定模板摆放位置及预设平面位置的结构示意图；图6是本专利技术相机标定方法中有限元单元划分原理结构示意图；图7是本专利技术相机标定方法中有限元单元中棋盘格图片的划分结构示意图；图8是本专利技术相机的结构示意图；图9是本专利技术存储介质的结构示意图。具体实施方式为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解的是，此处所描述的具体实施例仅用以理解本专利技术，并不用于限定本专利技术。请参见图1，为本专利技术相机标定方法的第一实施例的结构示意图。具体包括：步骤S11：获取标定图片，所述标定图片为多张，且所述标定图片按照与相机的视角依次排列。具体地，请参照图2，为本专利技术相机标定方法的第二实施例的结构示意图。具体包括：步骤S111：建立标定模板。具体地，在本申请中，选用黑白相间的矩形棋盘格作为标定模板。步骤S112：在与相机相对的第一位置及第二位置间设定若干预设平面，并在所述预设平面设置标定模板以拍摄标定图片。具体地，所述若干预设平面间的距离相同或所述若干预设平面间的距离不同；在本实施例中，假设所述若干预设平面间的距离相同，且每两个相邻的预设平面建的距离为10cm，第一位置为距离相机1m的位置处，第二位置为距离相机3m的位置处，所述各个若干预设平面的位置如图5所示，所述相机从所述相机成像平面21拍摄标定模板摆放平面22，以拍摄标定图片。步骤S113：将每一所述预设平面根据透镜立体角划分为多个有限元单元，且所述多个有限元单元包含整个所述预设平面，在每个所述有限元单元内分别获取多张棋盘格图片。具体地，根据图6所示的有限元划分原理结构图根据透镜立体角将每一个预设平面划分为多个有限元单元，其划分原理请参照图6，需要注意的是，所述每个有限元单元需要包含整个所述预设平面，参照图6，可知在相机601与标定模板602的立体角603一定时，所述标定模板602距离相机601的距离越远，其预设平面越大，且每个预设平面对应一个有限元单元604。在每个所述有限元单元内分别获取多张棋盘格图片，在本实施例中，所述多张棋盘格图片具体为8张，具体请参照图7。步骤S12：标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸。具体地，请参照图3，为本专利技术相机标定方法的第三实施例的结构示意图。具体包括：步骤S121：将拍摄到的标定图片根据所属的不同的有限元单元进行分组以得到n组，且每组均包含有各个预设平面的棋盘格图片。具体地，如此时拍摄到的标定图片为3张，第一张图片所属的有限元单元包括(S1、S2、S3、S4)，第二张图片所属的有限元单元包括(n1、n2、n3、n4)，第三张图片所属的有限元单元包括(m1、m2、m3、m4)，将其根据所属的不同的有限元单元进行分组，能够得到四组，具体为，第一组(S1、n1、m1)，第二组(S2、n2、m2)，第三组(S3、n3、m3)，第四组(S4、n4、m4)，还可以为其它组合，只要能够保证每一组中的棋盘格图片属于不同的有限元单元即可。步骤S122：将各组标定图片输入电脑，利用函数定位棋盘格各角点的像素坐标，并根据标定图片与相机的距离将所述标定图片的中心点像素坐标转化为相机坐标系上的坐标。将步骤S121所得的各组标定图片分别输入电脑，并利用函数定位棋盘格各角点的像素坐标，具体地，利用cvFindChessboardCorners函数来进行定位，cvFindChessboardCorners函数是用于寻找棋盘图的内角点位置的。在得到棋盘格各角点的像素坐标后根据标定图片与相机的距离将所述标定图片的中心点像素坐标转化为相机坐标系上的坐标，此时假设标定图片的中心点像素坐标在相机坐标系上的坐标为(x1,x2,x3)。步骤S123：根据相邻两棋盘格中心点坐标的差得到每一格的像素尺寸，并获取标定模板上棋盘格边长的实际尺寸，以得出该棋盘格中各像素点所代表的物理本文档来自技高网...

【技术保护点】
1.一种相机标定方法，其特征在于，该方法包括：/n获取标定图片，所述标定图片为多张，且所述标定图片所对应的物体等比排列；/n标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸；/n利用BP神经网络配合上述步骤拟合标定摄像机模型。/n

【技术特征摘要】
1.一种相机标定方法，其特征在于，该方法包括：
获取标定图片，所述标定图片为多张，且所述标定图片所对应的物体等比排列；
标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸；
利用BP神经网络配合上述步骤拟合标定摄像机模型。


2.根据权利要求1所述的方法，其特征在于，
所述获取标定图片，所述标定图片为多张，且所述标定图片所对应的物体等比排列的步骤具体包括：
建立标定模板；
在与相机相对的第一位置及第二位置间设定若干预设平面，并在所述预设平面设置标定模板以拍摄标定图片；
将每一所述预设平面根据透镜立体角划分为多个有限元单元，且所述多个有限元单元包含整个所述预设平面，在每个所述有限元单元内分别获取多张棋盘格图片。


3.根据权利要求2所述的方法，其特征在于，
所述标记所述标定图片中的像素点，并计算各所述像素点所代表的实际尺寸的步骤具体包括：
将拍摄到的标定图片根据所属的不同的有限元单元进行分组以得到n组，且每组均包含有各个预设平面的棋盘格图片；
将各组标定图片输入电脑，利用函数定位棋盘格各角点的像素坐标，并根据标定图片与相机的距离将所述标定图片的中心点像素坐标转化为相机坐标系上的坐标；
根据相邻两棋盘格中心点坐标的差得到每一格的像素尺寸，并通过测量标准件获取标定模板上棋盘格边长的实际尺寸，以得出该棋盘格中各像素点所代表的物理尺寸。


4.根据权利要求3所述的方法，其特征在于，
所述根据相邻两棋盘格中心点坐标的差得到每一格的像素尺寸，并通过测量标准件获取标定模板上棋盘格边长的实际尺寸，以得出该棋盘格中各像素点所代表的物理尺寸具体为：



其中，(u，v)为每一格的像素尺寸，d为标定模板上棋盘格边长的实际尺寸，r为棋盘格中各像素点所代表的物理尺寸。


5.根据权利要求4所述的方法，其特征在于，
所述利用BP神经网络配合上述步骤拟合标定摄像机模型的步骤具体包括：
设置输入层节点个数，隐含层节点个数及输出层节点个数，且设置所述神经网络的输入为棋盘格中心点的像素坐标在所述相机坐标系上的坐标，输出为该像素坐标点所代表的物理尺寸；
将分组得到的n组中的每组图片分别进行训练。


6.根据权...

【专利技术属性】
技术研发人员：赵健康，董星煜，刘传奇，吴向东，徐立成，
申请(专利权)人：湖南交工智能技术有限公司，
类型：发明
国别省市：湖南;43