【技术实现步骤摘要】
一种相机镜头畸变参数估计装置及方法
本专利技术涉及视觉及图像处理
,尤其涉及一种相机镜头畸变参数估计装置及方法。
技术介绍
相机在安防、机器人、自动驾驶以及日常生活中等诸多行业中得以应用。相机的镜头是相机结构中最为重要的部件,它直接影响到相机实际成像效果。而由于透镜的固有特性——凸透镜汇聚光线、凹透镜发散光线,往往相机在成像时都有透视失真,这种失真对于成像质量是十分不利的。抑制由于透镜四周所产生的畸变失真直接影响到相机最终成像效果,改善视觉效果,更加真实的还原场景物体。高档的相机镜头通常通过光学设计和特殊晶片材料来抑制镜头畸变,但仍然无法完全消除畸变,而普通的体积较小相机由于设计的空间有限无法从光路上进行改善,并且随着镜头的视场角(FieldOfView,FOV)增加成像四周的畸变和失真会愈加严重。因此针对数字相机中,小体积镜头的畸变失真相抑制显得尤为重要。工业中批次量产镜头的数量多,并且各个镜头间具有差异,其个体间的镜头参数无法做到全部通用。已有的量产镜头畸变参数计算包括:首先需要采购专门的标定光箱,然后通过专业的数字采集工具,对光箱内棋盘格进行符合一定要求的成像,根据采集到的畸变图像计算出棋盘格X型角点(CornerofXType,CXT)。在提取到的角点基础上,采用相应的畸变失真模型计算出透镜畸变失真参数,即镜头内部参数。但在工业大批量的量产要求下,逐个标定镜头参数需要巨大的人力与物力,延长了产品的量产周期和交货时间,极大的提高了工厂生产成本,因此较为准确地估计出批次镜头近似参数,在提高出 ...
【技术保护点】
1.一种相机镜头畸变参数估计装置,其特征在于,包括:/n棋盘格、光源、图像采集模块、畸变校正模块和参数估计模块;/n所述光源发出光照射所述棋盘格,经过棋盘格后的光传递至大批量生产的相机镜头中随机选择的样本镜头,使用图像采集模块获取棋盘格的近距离成像;畸变校正模块将采集到的像进行角点提取,利用自身设定公式/n
【技术特征摘要】
1.一种相机镜头畸变参数估计装置,其特征在于,包括:
棋盘格、光源、图像采集模块、畸变校正模块和参数估计模块;
所述光源发出光照射所述棋盘格,经过棋盘格后的光传递至大批量生产的相机镜头中随机选择的样本镜头,使用图像采集模块获取棋盘格的近距离成像;畸变校正模块将采集到的像进行角点提取,利用自身设定公式
,
,
计算并记录镜头的内部参数和畸变参数,并将计算得到的镜头的内部参数和畸变参数传递至参数估计模块,其中,A为相机内部参数矩阵,其中s为缩放因子,u,v表示图像坐标系中的一点(u,v)的坐标,R为相机的旋转矩阵,T为相机的平移矩阵,x,y,z为空间中一点(x,y,z)的坐标,xd,yd为畸变图像上一点(xd,yd)的坐标,r2=x2+y2,k1,k2,k3分别是径向畸变的三个参数,p1,p2是切向畸变系数;参数估计模块将计算得到的镜头的内部参数和畸变参数进行最优化估计,进而得到批量镜头的估计参数。
2.如权利要求1所述的相机镜头畸变参数估计装置,其特征在于,所述光源包括自然光源,所述自然光源照射棋盘格并反射至所述样本镜头;所述光源包括灯具光源,所述灯具光源照射棋盘格透射至所述样本镜头;使用自然光源时所述棋盘格的透光性低于使用灯具光源时所述棋盘格的透光性。
3.如权利要求1所述的相机镜头畸变参数估计装置,其特征在于,所述畸变校正模块能够对畸变棋盘格图像的角点进行精准标注、随机分割图像以及使用分割结果训练网络。
4.一种相机镜头畸变参数估计方法,其特征在于,包括步骤:
光源发出光照射棋盘格,经过棋盘格后的光传递至大批量生产的相机镜头中随机选择的样本镜头;
使用图像采集模块在所述样本镜头处获取棋盘格的近距离成像,并将成像传递至畸变校正模块;
所述畸变校正模块将采集到的像进行角点提取,根据公式
,
,
计算并记录镜头的内部参数和畸变参数,并将计算得到的镜头的内部参数和畸变参数传递至参数估计模块,其中,A为相机内部参数矩阵,其中s为缩放因子,u,v表示图像坐标系中的一点(u,v)的坐标,R为相机的旋转矩阵,T为相机的平移矩阵,x,y,z为空间中一点(x,y,z)的坐标,xd,yd为畸变图像上一点(xd,yd)的坐标,r2=x2+y2,k1,k2,k3分别是径向畸变的三个参数,p1,p2是切向畸变系数;以及
所述参数估计模块进行最优化估计,进而得到批量镜头的估计参数。
5.如权利要求4所述的相机镜头畸变参数估计方法,其特征在于,所述所述畸变校正模块将采集到的像进行角点提取中,包括:
1)进行深度神经网络训练:
1.1)首先构建网络训练数据集,随机选择多个样本镜头分别对所述棋盘格进行成像,获取图片后对所述多个样本的图片中的角点进行精确标注,并记录角点位置;
1.2)统计畸变图中相邻标注点的间距,并求出最小标注点间距,若最小间距值大于256个像素,则选用256作为裁减图像窗口,否则使用最小间距值的0.75倍作为裁减窗口w;
1.3)在样本畸变图片中初始化一个随机位置,以初始位置为裁减窗口w×w中心,滑动窗口将图像分割,若窗口内有X型角点,则根据初始化位置更新标注点输出;若窗口内没有标注点,则对应输出无效坐标(256,256);该步骤至少执行1次;
1.4)若裁减窗口w小于256,则对样本集的右下方添加黑边,将样本集尺寸扩展为256×256;
2)使用训练好的深度神经网络对采集到的像进行角点提取,涉及:
2.1)对图像进行...
【专利技术属性】
技术研发人员:谭孝江,赵晓刚,李强,杨靖博,
申请(专利权)人:上海海栎创微电子有限公司,
类型:发明
国别省市:上海;31
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。