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】
本专利技术涉及摄像头模组组装,具体涉及一种图像传感器aa制程中基于单张图片对畸变中心的标定方法。
技术介绍
1、aa制程,即active al ignment(主动对准)的缩写,是摄像头组装过程中的一项装配技术,通过扫描的方式获取多张图像,计算扫描中的图像中指定位置的解析力,获得图像传感器和镜头之间的位置关系,然后通过6轴平台进行调整,使图像传感器平面与镜头光轴垂直,从而保证生产的良率。目前,标定镜头畸变中心的原理与方法大部分基于“张正友标定法”。该方法需要通过调节相机模组和标定板的相对位姿,采集数十张标定图片,根据标定板的世界坐标和图像坐标,计算出相对旋转、平移等外参信息,相机内参数,畸变系数等。
2、在aa过程中,受限于aa制程设备尺寸,标定板的空间自由度也会受限,由于硬件环境很难满足“张正友标定法”采集图像要求,导致标定过程相机内参约束不够,计算结果鲁棒性差,准确性差等问题,也无法准确的确定畸变中心cod的位置。并且“张氏标定法”存在计算多张图片导致数据量大,参数较多,耗时严重的问题。
技术实现思路
1、本专利技术的目的是设计一种图像传感器aa制程中基于单张图片对畸变中心的标定方法,使其实现快速准确实现地确认畸变中心点。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种图像传感器aa制程中基于单张图片对畸变中心的标定方法,包括以下步骤:
4、步骤1:以带直线图案的定位板作为标定板对图像坐标精准定位,并采集若干组共线的点
5、步骤2:图像坐标点归一化处理,进行迭代优化;
6、步骤3:根据张正友标定法,对图像坐标点集建立径向畸变正向模型;
7、步骤4:对图像坐标点集进行反畸变操作,获取反畸变后的点集;
8、步骤5:计算图像坐标点反畸变前后的误差;
9、步骤6:建立所有的点的总误差优化目标函数;
10、步骤7:求解总误差优化目标函数,对对最优点逆归一化操作,求出畸变中心点。
11、进一步的,步骤1中的标定板使用棋盘格作为定位板,利用摄像模组采集一张清晰的图像作为标定图像,在标定的图像上获取多组共线的点集。
12、进一步的,步骤1中调用opencv进行亚像素角点检测和共线点检测。
13、进一步的,步骤1中通过harris方法进行角点检测,然后沿着边缘方向进行角点的共线检测。
14、进一步的,步骤2中的图像坐标点归一化处理,进行迭代优化,具体如下:
15、xn=sx,yn=sy#(1)
16、
17、其中表示图像角点,记为p(xn,yn)表示图像焦点进行归一化操作后的点,记为pn;s是常量,表示归一化缩放系数;w,h是常量,分别代表图像的长和宽。
18、进一步的,步骤3中对图像坐标点集建立径向畸变正向模型具体如下:
19、
20、其中,(xu,yu)反畸变点,记为pu,(x0,y0)表示畸变中心点,记为p0;表示畸变点到畸变中心的欧氏距离。
21、步骤4具体如下:
22、
23、对图像上第i组共线的点集进行反畸变操作,得到一组反畸变后的点集。根据标定板图案的物理特性可知,该组反畸变点集共线,设定共线通用方程式为:
24、aix+biy+ci=0#(5)
25、其中,ai、bi、ci为第i条直线对应直线方程中的常数。
26、进一步的,步骤5具体如下:
27、根据图1,由相似三角形关系和向量关系可知:
28、
29、
30、
31、其中,表示点p′u到点pd的向量,表示点p′u到点p0的向量,d0、dd分别代表p0、pd到直线l的投影点p′0和p′d距离,整理上式可得:
32、
33、
34、对于第i条直线上的第j个点,反畸变后点的误差为:
35、
36、进一步的,步骤6具体如下:
37、对于实际标定板上提取的m条直线(m>0),和该直线上的n个点(n>2),可以得到所有点的总误差优化目标函数为:
38、
39、进一步的,步骤7具体如下:
40、使用非线性优化求解法,通过gauss-newton法或lm法求解总误差优化目标函数,对于非线性求解得到的最优cod点,进行逆归一化操作,即可得到当前图像畸变中心点:
41、
42、与现有技术相比,本专利技术的有益效果:
43、简化了标定板要求,不用特定的棋盘格,只需要有直线图案即可;无需大量取图,只要采取一张图片即可;简化了图片采集的要求,不需要改变相机和标定板的相对位姿进行大量取图,仅需要采集一张图像即可完成标定,这使得在aa过程紧凑密闭的环境中,进行图像采集更加方便;提高了cod标定结果的精准性,传统标定法需要标定板的三维点信息,再经过外参的投影变换到相机坐标系下,该过程也会引入计算误差。本专利技术采用“逆畸变模型”,是直接在二维图像坐标系下进行一系列计算,省去了三维投影的过程,提升计算精度,从数据量上进行优化,不依赖多张图片数据,提升计算速度。从计算量上优化:模型省去了三维到二维的投影过程,直接在图像2位平面上进行建模,从而提高计算效率;减少模型参数,引入归一化等操作,提升系统的稳定性。
本文档来自技高网...【技术保护点】
1.一种图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤1中使用棋盘格或者具有共线点图案的定位板作为定位板,再利用摄像模组采集一张清晰的图像作为标定图像,在标定图像上获取多组共线的图像坐标点集。
3.根据权利要求1所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤1中调用opencv进行亚像素角点检测和共线点检测。
4.根据权利要求1所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤1中通过harris方法进行角点检测,然后沿着边缘方向进行角点的共线检测。
5.根据权利要求3或4所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤2对图像坐标点归一化处理,进行迭代优化,具体如下:
6.根据权利要求5所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤3中对图像坐标点集建立径向畸变正向模型具体如下:
7.根据权利要求6所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤4具体如下:
8.根据权利要求1所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤5具体如下:
9.根据权利要求8所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤6具体如下:
10.根据权利要求6所述的图像传感器AA制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤7具体如下:
...【技术特征摘要】
1.一种图像传感器aa制程中基于单张图片对畸变中心的标定方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的图像传感器aa制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤1中使用棋盘格或者具有共线点图案的定位板作为定位板,再利用摄像模组采集一张清晰的图像作为标定图像,在标定图像上获取多组共线的图像坐标点集。
3.根据权利要求1所述的图像传感器aa制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤1中调用opencv进行亚像素角点检测和共线点检测。
4.根据权利要求1所述的图像传感器aa制程中基于单张图片对畸变中心的标定方法,其特征在于,步骤1中通过harris方法进行角点检测,然后沿着边缘方向进行角点的共线检测。
5.根据权利要求3或4所述的图像传感器aa制程中...
【专利技术属性】
技术研发人员:于泽,王攀,罗盛来,马吉顺,
申请(专利权)人:珠海广浩捷科技股份有限公司,
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。