System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及高精度地图,特别涉及一种基于基于高精地图的单应性矩阵获取方法、系统、介质及设备。
技术介绍
1、在自动驾驶、车路协同等需要感知定位的领域,需要用摄像头来对物体进行识别、跟踪、定位、预测等,而在定位算法中需要精确的摄像头标定以获取周围环境的空间信息。然而,现有的摄像头标定技术通常需要大量的的人工操作,即在路测摄像头大视野标定中需要人工现场去使用rtk测量工具打点来获得物理空间中的经纬度和东北天坐标等,然后通过物理世界坐标与摄像头像素坐标进行匹配计算关联矩阵,且标定精度有限。
2、因此针对上述问题,需开发一种基于高精度地图的摄像头标定方案,以提高标定精度和效率。
技术实现思路
1、本专利技术提供一种基于高精地图的单应性矩阵获取方法、系统、介质及设备,避免了人工现场标定的步骤与rtk等标定设备的使用,减少了人力时间成本,更高效便捷的完成了摄像头大视野的标定工作。
2、第一方面,提供一种基于高精地图的单应性矩阵获取方法,包括以下步骤:
3、获取关于目标场景的目标高精度地图及待标定摄像头拍摄的目标摄像图像;
4、获取所述目标高精度地图与所述目标摄像图像之间位置相对应的两套特征点坐标;
5、基于rsasac随机采样一致算法计算两套特征点坐标之间的目标单应性矩阵。
6、根据第一方面,在第一方面的第一种可能的实现方式中,所述“获取所述目标高精度地图与所述目标摄像图像之间位置相对应的两套特征点坐标”步骤,具体包括以
7、两套所述特征点坐标包括分别在所述目标高精度地图及所述目标摄像图像中一一对应的一套地图世界坐标及一套图像像素坐标;
8、获取所述目标高精度地图与所述目标摄像图像之间位置相对应的多对特征点,每对所述特征点具有一套所述地图世界坐标及一套所述图像像素坐标。
9、根据第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,所述“基于rsasac随机采样一致算法计算两套特征点坐标之间的目标单应性矩阵”步骤,具体包括以下步骤:
10、步骤一,在位置相对应的多对特征点中随机选取四对特征点为内点对,并计算选取的四对特征点的初始单应性矩阵;
11、步骤二,计算所有特征点对分别关于所述初始单应性矩阵的投影误差,选取投影误差值小于误差阈值时对应的特征点对为新内点对,并计算新内点对的新单应性矩阵;
12、步骤三,将所述新单应性矩阵进行步骤二迭代计算,直至计算结果符合预设迭代条件时,此时所得到的单应性矩阵即为目标单应性矩阵。
13、根据第一方面的第二种可能的实现方式,在第一方面的第三种可能的实现方式中,所述“计算选取的四对特征点的初始单应性矩阵”步骤,具体包括以下步骤:
14、获取选取的四对特征点对应的两套特征点坐标之间的放射变换方程如下:
15、
16、式中,(x,y)为特征点图像像素坐标的二维平面坐标;(x,y)为特征点地图世界坐标的二维平面坐标;(x′,y′)为特征点地图世界坐标归一化后的二维平面坐标;
17、将选取的四对特征点对应的图像像素坐标及地图世界坐标代入放射变换方程中,计算得到两套特征点坐标之间的初始单应性矩阵如下:
18、
19、式中,a33=1。
20、根据第一方面的第二种可能的实现方式,在第一方面的第四种可能的实现方式中,所述“计算所有特征点对分别关于所述初始单应性矩阵的投影误差”步骤,具体包括以下步骤:
21、将所述目标摄像图像中的其中一个特征点坐标经过所述初始单应性矩阵进行转换后,得到一个转换特征点坐标;
22、计算一个所述转换特征点坐标与所述目标高精度地图中位置对应的一个特征点坐标之间的欧式距离;
23、依次计算所有特征点对经过所述初始单应性矩阵转换后的对应欧式距离。
24、根据第一方面的第二种可能的实现方式,在第一方面的第五种可能的实现方式中,所述“直至计算结果符合预设迭代条件时,此时所得到的单应性矩阵即为目标单应性矩阵”步骤,具体包括以下步骤:
25、直至计算结果符合预设迭代条件时,此时得到目标内点对对应的两套特征点坐标之间的目标单应性矩阵;
26、设目标内点对中其中一个特征点坐标归一化后的对应齐次坐标为p(xi,yi,1);
27、目标单应性矩阵为
28、则p经过目标单应性矩阵转换后的对应特征点的齐次坐标为p'(xi',yi',1):
29、p'=h*p;
30、根据目标高精度地图与目标摄像图像之间的目标内点对,将求解目标内点对的p'=h*p方程组转化为求解齐次线性方程组ax=0,求解齐次线性方程组表示如下:
31、
32、其中,系数矩阵a为:
33、
34、通过公式[vd]=eig(a’*a)对齐次线性方程组ax=0进行最小二乘求解,得到目标单应性矩阵h;
35、式中,d为特征值对角矩阵;v为对应d特征值的特征向量组成的特征矩阵;a'为系数矩阵a的转置。
36、根据第一方面的第二种可能的实现方式,在第一方面的第六种可能的实现方式中,所述预设迭代条件为迭代计算预设次数,或者所有特征点对的投影误差值均小于误差阈值,或者连续两次迭代计算分别对应的内点对数不变。
37、第二方面,提供了一种基于高精地图的单应性矩阵获取系统,包括:
38、获取模块,用于获取关于目标场景的目标高精度地图及待标定摄像头拍摄的目标摄像图像;
39、坐标模块,与所述获取模块通信连接,用于获取所述目标高精度地图与所述目标摄像图像之间位置相对应的两套特征点坐标;以及,
40、目标矩阵计算模块,与所述坐标模块通信连接,用于基于rsasac随机采样一致算法计算两套特征点坐标之间的目标单应性矩阵。
41、第三方面,提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述基于高精地图的单应性矩阵获取方法。
42、第四方面,提供了一种电子设备,包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时实现如上述所述基于高精地图的单应性矩阵获取方法。
43、与现有技术相比,本专利技术的优点如下:目前车路协同中尤其是路测摄像头大视野标定需要人工现场去使用rtk工具打点来获得物理空间中的经纬度和东北天坐标等,然后通过物理世界坐标与摄像头像素坐标进行匹配计算关联矩阵。因此针对此问题,本专利技术采用高精度中选取特征点来与摄像头像素坐标进行匹配关联,从而获取两套特征点坐标之间的目标单应性矩阵,再基于目标单应性矩阵对摄像头进行标定,因此避免了人工现场标定的步骤与rtk等标定设备的使用,减少了人力时间成本,同时也覆盖了不适宜人工标定的场景,更高效便捷的完本文档来自技高网...
【技术保护点】
1.一种基于高精地图的单应性矩阵获取方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“获取所述目标高精度地图与所述目标摄像图像之间位置相对应的两套特征点坐标”步骤,具体包括以下步骤:
3.如权利要求2所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“基于RSASAC随机采样一致算法计算两套特征点坐标之间的目标单应性矩阵”步骤,具体包括以下步骤:
4.如权利要求3所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“计算选取的四对特征点的初始单应性矩阵”步骤,具体包括以下步骤:
5.如权利要求3所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“计算所有特征点对分别关于所述初始单应性矩阵的投影误差”步骤,具体包括以下步骤:
6.如权利要求3所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“直至计算结果符合预设迭代条件时,此时所得到的单应性矩阵即为目标单应性矩阵”步骤,具体包括以下步骤:
7.如权利要求3所述的基于高精地图的单应性
8.一种基于高精地图的单应性矩阵获取系统,其特征在于,包括:
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于高精地图的单应性矩阵获取方法。
10.一种电子设备,包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时实现如权利要求1至7中任一项所述基于高精地图的单应性矩阵获取方法。
...【技术特征摘要】
1.一种基于高精地图的单应性矩阵获取方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“获取所述目标高精度地图与所述目标摄像图像之间位置相对应的两套特征点坐标”步骤,具体包括以下步骤:
3.如权利要求2所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“基于rsasac随机采样一致算法计算两套特征点坐标之间的目标单应性矩阵”步骤,具体包括以下步骤:
4.如权利要求3所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“计算选取的四对特征点的初始单应性矩阵”步骤,具体包括以下步骤:
5.如权利要求3所述的基于高精地图的单应性矩阵获取方法,其特征在于,所述“计算所有特征点对分别关于所述初始单应性矩阵的投影误差”步骤,具体包括以下步骤:
6.如权利要求3所述的基于高精地图...
【专利技术属性】
技术研发人员:刘海涛,张志军,冯露华,万党水,
申请(专利权)人:上海中海庭数智技术有限公司,
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。