本申请涉及一种相机外参标定方法、装置、电子设备及计算机可读存储介质。该方法包括：获取待标定相机针对同一标定参照物拍摄的至少三张连续的标定样本图像；将至少三张标定样本图像输入卷积层进行特征提取，得到标定样本图像特征；将标定样本图像特征输入至全连接层，得到特征整合结果；将特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果；将门控输出结果通过全连接层整合，得到待标定相机的外参。本申请实施例通过多次无固定起始点的卷积对标定样本图像进行处理，提取标定样本图像的特征图，并对特征图采用双向GRU结构处理，能够有效降低相机外参标定的误差，能够有效提升模型准确率的同时，避免人工误差，提高相机标定效率。提高相机标定效率。提高相机标定效率。
【技术实现步骤摘要】
相机外参标定方法、装置、电子设备及计算机可读存储介质
[0001]本申请涉及神经网络
，尤其涉及一种相机外参标定方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着图像识别和计算机技术的快速发展，自动驾驶技术也已经处于稳步发展阶段。
[0003]对于自动驾驶技术，比较关键的就是图像识别技术，通过车载相机识别道路上的障碍物、车道线等，而车载相机在使用之前，需要进行标定，标定结果的准确与否，将直接影响对车载相机拍摄的图片的识别效果，进而影响自动驾驶的安全性。现有对相机的标定技术中，采用单张照片进行标定，先通过人工对单张照片进行标注，再计算相机的外参，因为人工误差的存在，会导致相机标定结果并不准确，而再采用简单的神经网络进行标定时，也产生较大的误差。
技术实现思路
[0004]为解决或部分解决相关技术中存在的问题，本申请提供一种相机外参标定方法、装置、电子设备及计算机可读存储介质，能够快速准确地对待标定相机进行标定，避免人工误差，降低标定误差。
[0005]本申请第一方面提供一种相机外参标定方法，该方法包括：
[0006]获取待标定相机针对同一标定参照物拍摄的至少三张连续的标定样本图像；
[0007]将所述至少三张连续的标定样本图像输入卷积层进行特征提取，得到标定样本图像特征；
[0008]将所述标定样本图像特征输入至全连接层，对特征进行整合，得到特征整合结果；
[0009]将所述特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果；
[0010]将所述门控输出结果通过全连接层整合，得到待标定相机的外参。
[0011]作为本申请一种可能的实施方式，在该实施方式中，所述将所述至少三张连续的标定样本图像输入卷积层进行特征提取，得到标定样本图像特征，包括：
[0012]针对所述至少三张标定样本图像中的一张标定样本图像，采用多次卷积运算提取特征，得到所述一张标定样本图像的图像特征。
[0013]作为本申请一种可能的实施方式，在该实施方式中，所述针对所述至少三张标定样本图像中的一张标定样本图像，采用多次卷积运算提取特征，得到所述一张标定样本图像的图像特征，包括：
[0014]针对所述至少三张标定样本图像中的第i张标定样本图像，以所述标定样本图像的第i个特征点为起点，采用步长为n的卷积层对所述标定样本图像进行特征提取，得到所述第i张标定样本图像的图像特征；其中，i为大于0小于n的整数。
[0015]作为本申请一种可能的实施方式，在该实施方式中，所述将所述标定样本图像特
征输入至全连接层，对特征进行整合，得到特征整合结果，包括：
[0016]将每张所述标定样本图像的图像特征输入至对应的全连接层，得到每张所述样本图像对应的特征整合结果。
[0017]作为本申请一种可能的实施方式，在该实施方式中，所述将所述特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果，包括：
[0018]针对每张所述标定样本图像对应的特征整合结果，分别采用双向门控制循环单元进行特征融合，得到各所述标定样本图像对应的门控输出结果。
[0019]作为本申请一种可能的实施方式，在该实施方式中，所述将所述门控输出结果通过全连接层整合，得到待标定相机的外参，包括：
[0020]将各所述标定样本图像对应的门控输出结果通过全连接层整合，得到待标定相机的外参。
[0021]本申请第二方面提供一种相机外参标定装置，该装置包括：
[0022]图像获取模块，用于获取待标定相机针对同一标定参照物拍摄的至少三张连续的标定样本图像；
[0023]特征提取模块，用于将所述至少三张连续的标定样本图像输入卷积层进行特征提取，得到标定样本图像特征；
[0024]特征整合模块，用于将所述标定样本图像特征输入至全连接层，对特征进行整合，得到特征整合结果；
[0025]门控模块，用于将所述特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果；
[0026]外参确定模块，用于将所述门控输出结果通过全连接层整合，得到待标定相机的外参。
[0027]作为本申请一种可能的实施方式，在该实施方式中，所述将所述至少三张连续的标定样本图像输入卷积层进行特征提取，得到标定样本图像特征，包括：
[0028]针对所述至少三张标定样本图像中的一张标定样本图像，采用多次卷积运算提取特征，得到所述一张标定样本图像的图像特征。
[0029]作为本申请一种可能的实施方式，在该实施方式中，所述特征提取模块用于：
[0030]针对所述至少三张标定样本图像中的第i张标定样本图像，以所述标定样本图像的第i个特征点为起点，采用步长为n的卷积层对所述标定样本图像进行特征提取，得到所述第i张标定样本图像的图像特征；其中，i为大于0小于n的整数。
[0031]作为本申请一种可能的实施方式，在该实施方式中，所述将所述标定样本图像特征输入至全连接层，对特征进行整合，得到特征整合结果，包括：
[0032]将每张所述标定样本图像的图像特征输入至对应的全连接层，得到每张所述样本图像对应的特征整合结果。
[0033]作为本申请一种可能的实施方式，在该实施方式中，所述将所述特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果，包括：
[0034]针对每张所述标定样本图像对应的特征整合结果，分别采用双向门控制循环单元进行特征融合，得到各所述标定样本图像对应的门控输出结果。
[0035]作为本申请一种可能的实施方式，在该实施方式中，所述将所述门控输出结果通
过全连接层整合，得到待标定相机的外参，包括：
[0036]将各所述标定样本图像对应的门控输出结果通过全连接层整合，得到待标定相机的外参。
[0037]本申请第三方面提供一种电子设备，包括：
[0038]处理器；以及
[0039]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
[0040]本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
[0041]本申请实施例通过多次无固定起始点的卷积对标定样本图像进行处理，提取标定样本图像的特征图，并对特征图采用双向GRU结构处理，能够有效降低相机外参标定的误差，为相机外参标定提供一种自动标定模型，能够有效提升模型准确率的同时，避免人工误差，提高相机标定效率。
[0042]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0043]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
[0044]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种相机外参标定方法，其特征在于，所述方法包括：获取待标定相机针对同一标定参照物拍摄的至少三张连续的标定样本图像；将所述至少三张连续的标定样本图像输入卷积层进行特征提取，得到标定样本图像特征；将所述标定样本图像特征输入至全连接层，对特征进行整合，得到特征整合结果；将所述特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果；将所述门控输出结果通过全连接层整合，得到待标定相机的外参。2.根据权利要求1所述的相机外参标定方法，其特征在于，所述将所述至少三张连续的标定样本图像输入卷积层进行特征提取，得到标定样本图像特征，包括：针对所述至少三张标定样本图像中的一张标定样本图像，采用多次卷积运算提取特征，得到所述一张标定样本图像的图像特征。3.根据权利要求2所述的相机外参标定方法，其特征在于，所述针对所述至少三张标定样本图像中的一张标定样本图像，采用多次卷积运算提取特征，得到所述一张标定样本图像的图像特征，包括：针对所述至少三张标定样本图像中的第i张标定样本图像，以所述标定样本图像的第i个特征点为起点，采用步长为n的卷积层对所述标定样本图像进行特征提取，得到所述第i张标定样本图像的图像特征；其中，i为大于0小于n的整数。4.根据权利要求3所述的相机外参标定方法，其特征在于，所述将所述标定样本图像特征输入至全连接层，对特征进行整合，得到特征整合结果，包括：将每张所述标定样本图像的图像特征输入至对应的全连接层，得到每张所述样本图像对应的特征整合结果。5.根据权利要求4所述的相机外参标定方法，其特征在于，所述将所述特征整合结果输入到预设的双向门控制循环单元，得到门控输出结果，包括：针对每张所述标定样本图像对应的特征整合结果，分别...
【专利技术属性】
技术研发人员：李耀萍，贾双成，朱磊，单国航，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：
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。