一种剔除干扰点后的商用立体相机组的标定方法及装置制造方法及图纸

本申请提供了一种剔除干扰点后的商用立体相机组的标定方法及装置，包括：（A）获取多个待标定相机采集的原始标定数据集；（B）基于原始标定数据集，确定每个待标定相机的初始标定参数；（C）从原始标定数据集中滤除干扰标记点，得到目标标定数据集；（D）基于目标标定数据集，对每个待标定相机的初始标定参数进行优化，得到待标定相机的候选标定参数；（E）确定优化次数是否达到预设次数；（F）当为否时，将待标定相机的候选标定参数确定为初始标定参数，返回执行步骤C；（G）当为是时，将待标定相机的候选标定参数确定为目标标定参数。这样，通过对干扰数据进行剔除以及对标定参数进行迭代优化，从而可以提高相机标定的精确度。而可以提高相机标定的精确度。而可以提高相机标定的精确度。

【技术实现步骤摘要】
一种剔除干扰点后的商用立体相机组的标定方法及装置


[0001]本申请涉及计算机视觉
，尤其是涉及一种剔除干扰点后的商用立体相机组的标定方法及装置。

技术介绍

[0002]在大空间定位领域，商业应用最为普及的大空间定位方案之一，是基于计算机视觉技术的红外立体相机组光学定位方案。该定位方案定位精度高，技术成熟，广泛应用于虚拟现实、动作捕捉、影视娱乐、空间测量等行业领域。
[0003]商用红外立体相机组标定，指的是使用便携的T型标定杆获取标定数据进而完成立体视觉标定任务的方法和手段，而非一般实验室标定场景中所使用的标定板设备，比如棋盘格标定板、圆点标定板等。商用红外立体相机组在进行标定时，使用待标定红外相机采集T型杆上三个红外标记点在多个时刻不同姿态下的像素坐标，获得标定数据集。但由于背景环境中偶然出现的照射光/反射光干扰点的影响，在采集数据集中往往会混入坏数据。而所有坏数据都会直接对标定过程造成负面影响，包括：内外参标定结果不收敛，或收敛到局部错误数值。所以对商用红外立体相机组标定场景而言，为了提高标定结果的准确性，就必须精准的剔除所采集的标定数据集中的坏数据。
[0004]但是，现有计算机视觉领域常用的坏数据剔除方案主要有两种：随机样本一致性算法（RANSAC）和鲁棒核函数算法。随机采样一致性（random sample consensus，RANSAC）是一种对带有坏数据的数据拟合参数模型的迭代方法。随机样本一致性算法是一种概率算法，为了能确保有更高的概率找到真正的内点集合，必须实验足够多的次数，因此只有在数据量比较小的情况下才可行。目前对于大空间定位场景来说，一次有上百台相机需要进行参数标定，随机样本一致性算法多次操作必然非常耗时，且无法保证结果的全局最优性，导致标定任务的失败。鲁棒核函数方法是通过降低坏数据的权重来降低错误数据的影响，从而直接优化求解模型参数，获得鲁棒性更强的最小二乘法的结果。但是鲁棒核函数方法不能剔除坏数据，仅保证非线性优化不会因为坏数据而影响整体的收敛性，因此结果必然不会精准。

技术实现思路

[0005]有鉴于此，本申请的目的在于提供一种剔除干扰点后的商用立体相机组的标定方法及装置，通过对原始标定数据中的干扰数据进行精准剔除得到目标标定数据集，并通过目标标定数据集多次迭代优化相机的标定参数，从而可以提高相机标定的准确度。
[0006]本申请实施例提供了一种剔除干扰点后的商用立体相机组的标定方法，所述标定方法包括：（A）获取由多个待标定相机采集的原始标定数据集；所述原始标定数据集中包括多帧原始标定数据，每帧原始标定数据中包括多个候选标记点在像素坐标系下的像素坐标；
（B）基于所述原始标定数据集对每个待标定相机进行标定，确定每个待标定相机的初始标定参数，并在标定过程中确定每个候选标记点在世界坐标系下的重建坐标；（C）基于每个候选标记点的像素坐标、每个候选标记点的重建坐标以及每个待标定相机的初始标定参数，从所述原始标定数据集中确定出干扰标记点，并滤除所述干扰标记点，得到目标标定数据集；（D）基于所述目标标定数据集，采用非线性优化算法对所述每个待标定相机的初始标定参数进行优化，得到每个待标定相机的候选标定参数；（E）统计优化次数，确定所述优化次数是否达到预设优化次数阈值；（F）当为否时，针对于每个待标定相机，将该待标定相机的候选标定参数确定为该待标定相机的初始标定参数，返回执行步骤（C）；（G）当为是时，针对于每个待标定相机，将该待标定相机的候选标定参数确定为该待标定相机的目标标定参数。
[0007]可选的，通过以下步骤确定干扰标记点：针对所述原始标定数据集中的每个候选标记点，基于该候选标记点的重建坐标以及该候选标记点对应目标待标定相机的初始标定参数中的初始外参，确定该候选标记点的成像深度值，将成像深度值为负值的候选标记点确定为第一问题标记点；将所述原始标定数据集的第一问题标记点剔除，得到第一标定数据集；所述第一标定数据集中包括多帧第一标定数据；针对于所述第一标定数据集中的每帧第一标定数据，基于该帧第一标定数据中多个候选标记点的重建坐标以及预先确定的任意两个候选标记点间的真实距离，确定该帧第一标定数据的距离误差，将距离误差大于预设误差阈值的第一标定数据中所包括的所有候选标记点确定为第二问题标记点；将距离误差大于预设误差阈值的第一标定数据剔除，得到第二标定数据集；所述第二标定数据集中包括多帧第二标定数据；针对于第二标定数据集中的每帧第二标定数据，基于该帧第二标定数据中多个候选标记点的像素坐标、重建坐标以及该帧第二标定数据对应的目标待标定相机的初始标定参数，确定该帧第二标定数据的重投影误差，将重投影误差大于预设投影误差的第二标定数据中所包括的所有候选标记点确定为第三问题标记点；将重投影误差大于预设投影误差的第二标定数据剔除，得到目标标定数据集；基于所述第一问题标记点、第二问题标记点以及第三问题标记点确定所述干扰标记点。
[0008]可选的，每帧原始标定数据中还包括目标待标定相机的标识信息，所述针对所述原始标定数据集中的每个候选标记点，基于该候选标记点的重建坐标以及该候选标记点对应目标待标定相机的初始标定参数中的初始外参，确定该候选标记点的成像深度值，将成像深度值为负值的候选标记点确定为第一问题标记点，包括：针对所述原始标定数据集中的每个候选标记点，根据该候选标记点所属原始标定数据中包括的目标待标定相机的标识信息，确定该候选标记点所对应的目标待标定相机；基于该候选标记点的重建坐标和目标待标定相机的初始标定参数中的初始外参，通过坐标系转换公式，确定该候选标记点在目标待标定相机的相机坐标系下的相机坐标；
所述相机坐标为三维坐标；将相机坐标中的z轴坐标值为负值的候选标记点确定为第一问题标记点；所述相机坐标中的z轴坐标值为候选标记点相对于目标待标定相机的成像深度值。
[0009]可选的，所述针对于所述第一标定数据集中的每帧第一标定数据，基于该帧第一标定数据中多个候选标记点的重建坐标以及预先确定的任意两个候选标记点间的真实距离，确定该帧第一标定数据的距离误差，将距离误差大于预设误差阈值的第一标定数据中所包括的所有候选标记点确定为第二问题标记点，包括：针对于所述第一标定数据集中的每帧第一标定数据，基于该帧第一标定数据中多个候选标记点的重建坐标以及两点间距离计算公式，计算并获取该帧第一标定数据中候选标记点间的最短测量距离和最长测量距离；获取该帧第一标定数据中候选标记点间的最短真实距离和最长真实距离；基于该帧第一标定数据的最短测量距离和最短真实距离，确定该帧第一标定数据的第一距离误差，基于该帧第一标定数据的最长测量距离和最长真实距离，确定该帧第一标定数据的第二距离误差；将第一距离误差大于预设误差阈值和第二距离误差大于预设误差阈值的第一标定数据中所包括的所有候选标记点确定为第二问题标记点。
[0010]可选的，所述针对于第二标定数据集中的每帧第二标定数据，基于该帧第二标定数据中多个候选标记点的像素坐标、重建坐标以及该帧第二标定数据对应的目标待标定相机的初始标定参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种剔除干扰点后的商用立体相机组的标定方法，其特征在于，所述标定方法包括：（A）获取由多个待标定相机采集的原始标定数据集；所述原始标定数据集中包括多帧原始标定数据，每帧原始标定数据中包括多个候选标记点在像素坐标系下的像素坐标；（B）基于所述原始标定数据集对每个待标定相机进行标定，确定每个待标定相机的初始标定参数，并在标定过程中确定每个候选标记点在世界坐标系下的重建坐标；（C）基于每个候选标记点的像素坐标、每个候选标记点的重建坐标以及每个待标定相机的初始标定参数，从所述原始标定数据集中确定出干扰标记点，并滤除所述干扰标记点，得到目标标定数据集；（D）基于所述目标标定数据集，采用非线性优化算法对所述每个待标定相机的初始标定参数进行优化，得到每个待标定相机的候选标定参数；（E）统计优化次数，确定所述优化次数是否达到预设优化次数阈值，（F）当为否时，针对于每个待标定相机，将该待标定相机的候选标定参数确定为该待标定相机的初始标定参数，返回执行步骤（C）；（G）当为是时，针对于每个待标定相机，将该待标定相机的候选标定参数确定为该待标定相机的目标标定参数。2.根据权利要求1所述的标定方法，其特征在于，通过以下步骤确定干扰标记点：针对所述原始标定数据集中的每个候选标记点，基于该候选标记点的重建坐标以及该候选标记点对应目标待标定相机的初始标定参数中的初始外参，确定该候选标记点的成像深度值，将成像深度值为负值的候选标记点确定为第一问题标记点；将所述原始标定数据集的第一问题标记点剔除，得到第一标定数据集；所述第一标定数据集中包括多帧第一标定数据；针对于所述第一标定数据集中的每帧第一标定数据，基于该帧第一标定数据中多个候选标记点的重建坐标以及预先确定的任意两个候选标记点间的真实距离，确定该帧第一标定数据的距离误差，将距离误差大于预设误差阈值的第一标定数据中所包括的所有候选标记点确定为第二问题标记点；将距离误差大于预设误差阈值的第一标定数据剔除，得到第二标定数据集；所述第二标定数据集中包括多帧第二标定数据；针对于第二标定数据集中的每帧第二标定数据，基于该帧第二标定数据中多个候选标记点的像素坐标、重建坐标以及该帧第二标定数据对应的目标待标定相机的初始标定参数，确定该帧第二标定数据的重投影误差，将重投影误差大于预设投影误差的第二标定数据中所包括的所有候选标记点确定为第三问题标记点；将重投影误差大于预设投影误差的第二标定数据剔除，得到目标标定数据集；基于所述第一问题标记点、第二问题标记点以及第三问题标记点确定所述干扰标记点。3.根据权利要求2所述的标定方法，其特征在于，每帧原始标定数据中还包括目标待标定相机的标识信息，所述针对所述原始标定数据集中的每个候选标记点，基于该候选标记点的重建坐标以及该候选标记点对应目标待标定相机的初始标定参数中的初始外参，确定该候选标记点的成像深度值，将成像深度值为负值的候选标记点确定为第一问题标记点，包括：
针对所述原始标定数据集中的每个候选标记点，根据该候选标记点所属原始标定数据中包括的目标待标定相机的标识信息，确定该候选标记点所对应的目标待标定相机；基于该候选标记点的重建坐标和目标待标定相机的初始标定参数中的初始外参，通过坐标系转换公式，确定该候选标记点在目标待标定相机的相机坐标系下的相机坐标；所述相机坐标为三维坐标；将相机坐标中的z轴坐标值为负值的候选标记点确定为第一问题标记点；所述相机坐标中的z轴坐标值为候选标记点相对于目标待标定相机的成像深度值。4.根据权利要求2所述的标定方法，其特征在于，所述针对于所述第一标定数据集中的每帧第一标定数据，基于该帧第一标定数据中多个候选标记点的重建坐标以及预先确定的任意两个候选标记点间的真实距离，确定该帧第一标定数据的距离误差，将距离误差大于预设误差阈值的第一标定数据中所包括的所有候选标记点确定为第二问题标记点，包括：针对于所述第一标定数据集中的每帧第一标定数据，基于该帧第一标定数据中多个候选标记点的重建坐标以及两点间距离计算公式，计算并获取该帧第一标定数据中候选标记点间的最短测量距离和最长测量距离；获取该帧第一标...

【专利技术属性】
技术研发人员：郭，
申请(专利权)人：轻威科技绍兴有限公司，
类型：发明
国别省市：