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, ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。