相机标定方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请涉及一种相机标定方法、装置、电子设备及计算机可读存储介质。该方法包括：获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。本申请实施例通过将标定样本图像输入至相机外参标定模型中，通过模型自动完成相机标定，无需人工标注，避免人工误差，通过机器学习的方式，提升模型标定的准确性。升模型标定的准确性。升模型标定的准确性。

【技术实现步骤摘要】
相机标定方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及图像处理
，尤其涉及一种相机标定方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着计算机技术和卫星定位技术的快速发展，车辆的导航技术也日益进步，自动驾驶技术也在日益成熟。
[0003]无论是车辆导航技术还是车辆自动驾驶技术，都需要采集车载相机对行驶道路进行图像拍摄，并基于拍摄得到的图像，识别出道路上车道线的分布情况。而相机在使用之前，都需要进行标定，现有技术中，对相机进行标定时，一般都是采用人工标注的方式，存在人工标注误差，可能存在标注图片
‑
标定计算
‑
结果不好
‑
重新标定的情况，耗时耗力，并且可能导致标定结果不准确，影响导航和自动驾驶的准确性。

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标定方法、装置、电子设备及计算机可读存储介质，能够采用机器学习模型，对相机进行自动标定，无需人工标注，提升相机标定的效率和准确性。
[0005]本申请第一方面提供一种相机标定方法，该方法包括：
[0006]获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；
[0007]将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。
[0008]作为本申请一种可能的实施方式，在该实施方式中，所述预设的相机外参标定模型通过如下方法训练：<br/>[0009]获取样本图像集，所述样本图像集中的每张样本图像多包含至少三条车道线；
[0010]采用所述样本图像集，对预先设置的相机外参标定模型进行训练，其中，所述相机外参标定模型为深度学习神经网络模型；
[0011]当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练。
[0012]作为本申请一种可能的实施方式，在该实施方式中，所述采用所述样本图像集，对预先设置的相机外参标定模型进行训练，包括：
[0013]将所述样本图像输入所述预先设置的相机外参标定模型；
[0014]将所述样本图像中的至少三条车道线投影到预设的投影空间，得到至少三条投影线段；
[0015]调节所述相机外参标定模型中的相机外参，以使所述至少三条投影线段所在的直线平行。
[0016]作为本申请一种可能的实施方式，在该实施方式中，所述误差函数为投影线段所在的直线的平行程度，所述当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练，包括：
[0017]当所述至少三条投影线段的平行程度满足预设要求时，完成所述相机外参标定模型的训练。
[0018]本申请第二方面提供一种相机标定装置，该装置包括：
[0019]图像获取模块，获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；；
[0020]外参确定模块，用于将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。
[0021]作为本申请一种可能的实施方式，在该实施方式中，所述外参确定模块还包括相机外参标定模型训练模块，所述相机外参标定模型训练模块包括：
[0022]样本集获取模块，用于获取样本图像集，所述样本图像集中的每张样本图像多包含至少三条车道线；
[0023]训练模块，用于采用所述样本图像集，对预先设置的相机外参标定模型进行训练，其中，所述相机外参标定模型为深度学习神经网络模型；
[0024]误差判定模块，用于当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练。
[0025]作为本申请一种可能的实施方式，在该实施方式中，所述训练模块包括：
[0026]图像输入单元，用于将所述样本图像输入所述预先设置的相机外参标定模型；
[0027]图像处理单元，用于将所述样本图像中的至少三条车道线投影到预设的投影空间，得到至少三条投影线段；
[0028]标定单元，用于调节所述相机外参标定模型中的相机外参，以使所述至少三条投影线段所在的直线平行。
[0029]作为本申请一种可能的实施方式，在该实施方式中，所述误差函数为投影线段所在的直线的平行程度，所述误差判定模块用于：
[0030]当所述至少三条投影线段的平行程度满足预设要求时，完成所述相机外参标定模型的训练。
[0031]本申请第三方面提供一种电子设备，包括：
[0032]处理器；以及
[0033]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。
[0034]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。
[0035]本申请实施例通过将标定样本图像输入至相机外参标定模型中，通过模型自动完成相机标定，无需人工标注，避免人工误差，通过机器学习的方式，提升模型标定的准确性。
[0036]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
[0037]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。
[0038]图1是本申请实施例示出的相机标定方法的流程示意图；
[0039]图2是本申请实施例示出的车道线示意图；
[0040]图3是本申请实施例示出的投影线段示意图；
[0041]图4是本申请实施例示出的相机外参标定模型的方法流程示意图；
[0042]图5是本申请实施例示出的相机外参确定方法的流程示意图；
[0043]图6是本申请实施例示出的一种相机标定装置的结构示意图；
[0044]图7是本申请实施例示出的电子设备的结构示意图。
具体实施方式
[0045]下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
[0046]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0047]应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相机标定方法，其特征在于，所述方法包括：获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。2.根据权利要求1所述的相机标定方法，其特征在于，所述预设的相机外参标定模型通过如下方法训练：获取样本图像集，所述样本图像集中的每张样本图像包含至少三条车道线；采用所述样本图像集，对预先设置的相机外参标定模型进行训练，其中，所述相机外参标定模型为深度学习神经网络模型；当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练。3.根据权利要求2所述的相机标定方法，其特征在于，所述采用所述样本图像集，对预先设置的相机外参标定模型进行训练，包括：将所述样本图像输入所述预先设置的相机外参标定模型；将所述样本图像中的至少三条车道线投影到预设的投影空间，得到至少三条投影线段；调节所述相机外参标定模型中的相机外参，以使所述至少三条投影线段所在的直线平行。4.根据权利要求3所述的相机标定方法，其特征在于，所述误差函数表示的是投影线段所在的直线的平行程度，所述当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练，包括：当所述至少三条投影线段的平行程度满足预设要求时，完成所述相机外参标定模型的训练。5.一种相机标定装置，其特征在于，所述装置包括：图像获取模块，用于获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；外参确定模块，用于将所述标定样本图像...

【专利技术属性】
技术研发人员：李耀萍，朱磊，贾双成，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：