【技术实现步骤摘要】
本专利技术实施例涉及车载图像处理，尤其涉及一种车载俯视图像生成方法、装置及计算机可读存储介质。
技术介绍
1、在机动车的车载图像应用中，诸如自动泊车，全景环视系统，机动车地图构建等场景都需要使用全景图像，全景图像是先将安装于机动车车身周围的车载摄像头拍摄的原始图像转换为俯视图像(bev图像)，然后再将不同车身不同方向的俯视图像拼接形成；而为了获得更大、更广的图像视野，车载摄像头的镜头通常采用广角、超广角或鱼眼镜头等获得更大的可视范围，然而，上述镜头在获取到原始图像后，通常会导致原始图像存在畸变，因此，通常需要对上述原始图像进行畸变后转换为俯视图像。
2、现有的图像畸变校正方法主要是采用棋盘格等标定板对车载摄像头进行标定，确定车载摄像头的畸变系数，再在实际过程中则基于图像畸变程度选用张正友多项式畸变校正模型或sami模型进行图像畸变校正。
3、然而，专利技术人在具体实施时发现，采用标定板对车载摄像头进行标定时，需要预先测量知晓标定板的物理尺寸，例如：针对棋盘格作为标定板，需要获知棋盘格在横向和竖向的格数，并保证每个方格大小尺寸和分布规律均保持一致，因此，对标定板的制作难度和制作成本相对较高；另外，在实际标定时，需要采用车载摄像头对标定板拍摄多组不同角度和不同距离的图像，因此，标定周期相对较长，降低了俯视图像的生成效率。
技术实现思路
1、本专利技术实施例要解决的技术问题在于，提供一种车载俯视图像生成方法，能有效提高俯视图像的生成效率。
2、本专利技
3、本专利技术实施例进一步要解决的技术问题在于，提供一种计算机可读存储介质，以存储俯视图像的生成效率的计算机程序。
4、为了解决上述技术问题，本专利技术实施例首先提供以下技术方案：一种车载俯视图像生成方法，包括以下步骤：
5、提取步骤，从车载摄像头采集到的机动车周围环境的视频影像中提取一张目标畸变图像，所述目标畸变图像是指能从中检测出至少三条畸变线并分别对应拟合为圆弧线的原始畸变图像，所述畸变线是指在所述原始畸变图像呈现为曲线但结合实际环境预判应为直线的线条；
6、畸变计算步骤，在所有所述圆弧线中基于图像畸变原理联立任意每两条圆弧线计算获得一个关于所述车载摄像头的初步畸变中心的求解公式，联立任意每两个所述求解公式计算获得一个所述初步畸变中心，基于每条所述圆弧线的所述初步畸变中心对应计算获得一个所述车载摄像头的初步畸变系数，基于最小二乘法结合所有所述初步畸变中心和对应的所述初步畸变系数计算获得一个平均畸变中心和对应的一个平均畸变系数；
7、畸变校正步骤，依据所述平均畸变中心和平均畸变系数基于图像畸变原理对所述车载摄像头采集并传来的每张原始畸变图像进行畸变校正以对应获得校正图像；
8、参数计算步骤，从每张所述校正图像中检测和识别出机动车周围已知尺寸信息的几何图形，依据所述几何图形的尺寸信息和所述校正图像的尺寸大小基于图像几何约束原理和所述车载摄像头的针孔成像原理估算所述车载摄像头的各个内参和外参；以及
9、俯视投影步骤，依据所述车载摄像头的各个所述内参和外参在预定投影平面对每张所述校正图像内进行俯视投影以生成俯视图像。
10、进一步的，所述提取步骤具体包括：
11、提取子步骤，从车载摄像头采集到的机动车周围环境的视频影像中提取一张原始畸变图像；拟合子步骤，在当前提取出来的所述原始畸变图像中检测并拟合出全部符合定义的圆弧线；以及
12、判断子步骤，判断拟合出的所述圆弧线的数量是否大于或等于三条，若是则将当前提取的所述原始畸变图像确定为所述目标畸变图像，否则返回提取子步骤重新提取一张新的原始畸变图像并重复进行拟合子步骤和判断子步骤。
13、进一步的，所述几何图形是由两条车道线作为相对侧边合围形成或由泊车位的泊车线合围形成的梯形形状。
14、进一步的，先采用基于深度学习的图形检测模型从所述校正图像中检测出满足直线特征和机动车行驶路面上的几何特征的第一像素点坐标，再将同属于一个梯形形状的所有所述第一像素点坐标拟合为一个梯形。
15、进一步的，先采用基于深度学习的圆弧线检测模型从所述原始畸变图像中检测出满足圆弧线特征的第二像素点坐标；再采用随机抽样一致性算法原理结合最小二乘法原理将符合同属于一条圆弧线的所述第二像素点坐标拟合为一条圆弧线。
16、另一方面，为了解决上述进一步的技术问题，本专利技术实施例再提供以下技术方案：一种车载俯视图像生成装置，分别与车载摄像头和车载全景影像系统相连，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的车载俯视图像生成方法。
17、进一步的，所述车载摄像头为鱼眼摄像头。
18、再一方面，为了解决上述进一步的技术问题，本专利技术实施例再提供以下技术方案：一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的机动车俯视图像生成方法。
19、采用上述技术方案后，本专利技术实施例至少具有如下有益效果：本专利技术实施例通过从车载摄像头获取的原始畸变图像后，通过在原始畸变图像中检测并拟合畸变线，由于畸变线是指在所述原始畸变图像呈现为曲线但结合实际环境预判应为直线的线条，因此，在畸变线不少于三条时将原始畸变图像确定为目标畸变图像，从而依据所有所述圆弧线基于图像畸变原理和最小二乘法对应计算获得所述车载摄像头的一个平均畸变中心和对应的一个平均畸变系数，进一步通过计算获得的所述平均畸变中心和平均畸变系数基于图像畸变原理对所述车载摄像头采集并传来的每张原始畸变图像进行畸变校正，从而对应获得校正图像，然后通过从每张所述校正图像中检测和识别出机动车周围已知尺寸信息的几何图形，再依据所述几何图形的尺寸信息基于图像几何约束原理和所述车载摄像头的针孔成像原理即可估算出所述车载摄像头的各个内参和外参；最后基于估算出的所述车载摄像头的各个所述内参和外参对每张所述校正图像内进行俯视投影即可获得生成俯视图像，整个过程无需使用标定物，降低图像的畸变校正难度，提高了俯视图像的生成效率。
本文档来自技高网...【技术保护点】
1.一种车载俯视图像生成方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的车载俯视图像生成方法，其特征在于，所述提取步骤具体包括：
3.如权利要求1所述的车载俯视图像生成方法，其特征在于，所述几何图形是由两条车道线作为相对侧边合围形成或由泊车位的泊车线合围形成的梯形形状。
4.如权利要求3所述的车载俯视图像生成方法，其特征在于，先采用基于深度学习的图形检测模型从所述校正图像中检测出满足直线特征和机动车行驶路面上的几何特征的第一像素点坐标，再将同属于一个梯形形状的所有所述第一像素点坐标拟合为一个梯形。
5.如权利要求1或2所述的车载俯视图像生成方法，其特征在于，先采用基于深度学习的圆弧线检测模型从所述原始畸变图像中检测出满足圆弧线特征的第二像素点坐标；再采用随机抽样一致性算法原理结合最小二乘法原理将符合同属于一条圆弧线的所述第二像素点坐标拟合为一条圆弧线。
6.一种车载俯视图像生成装置，分别与车载摄像头和车载全景影像系统相连，其特征在于，所述车载俯视图像生成装置包括处理器、存储器以及存储在所述存储器中且被配置
7.如权利要求6所述的车载俯视图像生成装置，其特征在于，所述车载摄像头为鱼眼摄像头。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的车载俯视图像生成方法。
...【技术特征摘要】
1.一种车载俯视图像生成方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的车载俯视图像生成方法，其特征在于，所述提取步骤具体包括：
3.如权利要求1所述的车载俯视图像生成方法，其特征在于，所述几何图形是由两条车道线作为相对侧边合围形成或由泊车位的泊车线合围形成的梯形形状。
4.如权利要求3所述的车载俯视图像生成方法，其特征在于，先采用基于深度学习的图形检测模型从所述校正图像中检测出满足直线特征和机动车行驶路面上的几何特征的第一像素点坐标，再将同属于一个梯形形状的所有所述第一像素点坐标拟合为一个梯形。
5.如权利要求1或2所述的车载俯视图像生成方法，其特征在于，先采用基于深度学习的圆弧线检测模型从所述原始畸变图像中检测出满足圆弧线特征的第二像素点坐...
【专利技术属性】
技术研发人员：罗小平，崔星星，曾峰，
申请(专利权)人：深圳市豪恩汽车电子装备股份有限公司，
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。