【技术实现步骤摘要】
本申请涉及图像处理，具体地涉及一种内参标定的评估方法、评估装置、电子设备和存储介质。
技术介绍
1、随着计算机视觉技术的发展，鱼眼摄像头因其广阔的视场角越来越多地被应用于监控、自动驾驶、机器人导航等领域。鱼眼摄像头的内参标定是确保图像准确处理的关键步骤，但由于鱼眼镜头固有的严重畸变，传统的标定方法往往难以准确评估标定结果的质量。
2、目前的评估方法大多侧重于全局误差指标，例如全局重投影误差，而忽略了局部的畸变效果，这不仅限制了标定结果评估的有效性和可靠性，而且无法评估使用摄像头内参对图像进行去畸变后，不同图像区域的去畸变效果。这种情况下，对于具有严重畸变的鱼眼镜头，可能会出现局部区域去畸变效果不佳，但全局误差较小的情况，导致实际应用效果大打折扣。因此，我们需要一种新的标定评估方法，能够考虑到鱼眼摄像头的局部畸变效果，以及在使用内参进行去畸变后，不同图像区域的去畸变效果，从而更准确地评估标定结果的质量。
技术实现思路
1、有鉴于此，本申请提供一种内参标定的评估方法、评估装置、电子设备和存储介质，以利于解决现有技术中对于摄像头内参标定的评估不准确的问题。
2、第一方面，本申请实施例提供了一种内参标定的评估方法，所述方法包括：
3、从不同视角采集多个标定图像；
4、对所述多个标定图像进行标定，得到摄像头内参；
5、基于所述多个标定图像生成目标图像，所述目标图像的特征点包括每个所述标定图像的标定特征点；
6、计算所述特
7、基于所述特征点覆盖率、所述全局重投影误差和所述局部重投影误差对所述摄像头内参进行评估。
8、在一种可能的实现方式中，所述基于所述多个标定图像生成目标图像，所述目标图像的特征点包括每个所述标定图像的标定特征点包括：
9、获取第一图像，所述第一图像的大小与所述标定图像的大小相等；
10、提取每个所述标定图像的标定特征点；
11、将所述每个所述标定图像的标定特征点作为所述第一图像的特征点，生成目标图像。
12、在一种可能的实现方式中，所述计算所述特征点的特征点覆盖率包括：
13、获取所述特征点的最外层特征点；
14、基于所述最外层特征点计算所述特征点的包围面积；
15、确定所述目标图像的有效标定面积；
16、基于所述特征点的包围面积与所述目标图像的有效标定面积计算所述特征点的特征点覆盖率，所述特征点的特征点覆盖率与所述特征点的包围面积正相关，与所述目标图像的有效标定面积负相关。
17、在一种可能的实现方式中，所述确定所述目标图像的有效标定面积包括：
18、确定所述目标图像的图像面积；
19、确定所述目标图像的暗角面积；
20、根据所述图像面积与所述暗角面积确定所述目标图像的有效标定面积，所述目标图像的有效标定面积与所述图像面积正相关，与所述暗角面积负相关。
21、在一种可能的实现方式中，所述根据所述图像面积与所述暗角面积确定所述目标图像的有效标定面积包括：
22、根据所述图像面积与所述暗角面积的差值确定所述目标图像的有效标定面积。
23、在一种可能的实现方式中，所述基于所述特征点的包围面积与所述目标图像的有效标定面积计算所述特征点的特征点覆盖率包括：
24、基于所述特征点的包围面积与所述目标图像的有效标定面积的比值确定所述特征点的特征点覆盖率。
25、在一种可能的实现方式中，所述计算所述特征点的全局重投影误差包括：
26、获取所述特征点中每个特征点的重投影误差；
27、根据所述重投影误差的平均误差确定所述特征点的全局重投影误差。
28、在一种可能的实现方式中，所述计算所述特征点的局部重投影误差包括：
29、将所述目标图像的有效标定区域划分为多个区域，所述有效标定区域为所述目标图像除去暗角以外的其它区域；
30、根据每个区域的重投影误差确定所述特征点的局部重投影误差。
31、在一种可能的实现方式中，所述将所述目标图像的有效标定区域划分为多个区域包括：
32、以所述目标区域的中心为圆心，按照径向方向将所述目标图像的有效标定区域划分为多个区域。
33、在一种可能的实现方式中，所述以所述目标区域的中心为圆心，按照径向方向将所述目标图像的有效标定区域划分为多个区域包括：
34、以所述目标区域的中心为圆心，按照径向方向，以径向长度占比为依据将所述目标图像的有效标定区域划分为多个区域，其中，每个所述区域的径向长度占比相等。
35、在一种可能的实现方式中，所述根据每个区域的重投影误差确定所述特征点的局部重投影误差包括：
36、获取每个区域所包括的每个特征点的重投影误差；
37、根据所述每个区域所包括的每个特征点的重投影误差计算每个区域的平均重投影误差；
38、根据所述每个区域的平均重投影误差确定所述特征点的局部重投影误差。
39、在一种可能的实现方式中，所述方法还包括：
40、根据评估结果生成可视化报告，所述可视化报告包括特征点覆盖率报告和特征点重投影误差分布报告，所述特征点重投影误差分布报告包括特征点全局重投影误差分布报告和特征点局部重投影误差分布报告。
41、第二方面，本申请实施例提供了一种内参标定的评估装置，所述装置包括：
42、采集单元，用于从不同视角采集多个标定图像；
43、标定单元，用于对所述多个标定图像进行标定，得到摄像头内参；
44、生成单元，用于基于所述多个标定图像生成目标图像，所述目标图像的特征点包括每个所述标定图像的标定特征点；
45、计算单元，用于计算所述特征点的特征点覆盖率、全局重投影误差和局部重投影误差；
46、评估单元，用于基于所述特征点覆盖率、所述全局重投影误差和所述局部重投影误差对所述摄像头内参进行评估。
47、第三方面，本申请实施例提供了一种电子设备，包括：
48、处理器；
49、存储器；
50、所述存储器中存储有计算机程序，当所述计算机程序被执行时，使得所电子设备执行第一方面任一项所述的方法
51、第四方面，本申请实施例提供了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程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面任一项所述的方法
52、与现有技术相比，本申请实施例采用特征点覆盖率、全局重投影误差和局部重投影误差多项评估指标对摄像头内参标定结果进行评估，不仅能评估摄像头内参标定结果的全局的标定质量，也能对局部的去畸变效果进行量化评估，从而提供更为全面的评估结果。
本文档来自技高网...【技术保护点】
1.一种内参标定的评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个标定图像生成目标图像，所述目标图像的特征点包括每个所述标定图像的标定特征点包括：
3.根据权利要求1所述的方法，其特征在于，所述计算所述特征点的特征点覆盖率包括：
4.根据权利要求3所述的方法，其特征在于，所述确定所述目标图像的有效标定面积包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述图像面积与所述暗角面积确定所述目标图像的有效标定面积包括：
6.根据权利要求3所述的方法，其特征在于，所述基于所述特征点的包围面积与所述目标图像的有效标定面积计算所述特征点的特征点覆盖率包括：
7.根据权利要求1所述的方法，其特征在于，所述计算所述特征点的全局重投影误差包括：
8.根据权利要求1所述的方法，其特征在于，所述计算所述特征点的局部重投影误差包括：
9.根据权利要求8所述的方法，其特征在于，所述将所述目标图像的有效标定区域划分为多个区域包括：
10.根据权
11.根据权利要求8所述的方法，其特征在于，所述根据每个区域的重投影误差确定所述特征点的局部重投影误差包括：
12.根据权利要求1所述的方法，其特征在于，所述方法还包括：
13.一种内参标定的评估装置，其特征在于，所述装置包括：
14.一种电子设备，其特征在于，包括：
15.一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程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1-12任一项所述的方法。
...【技术特征摘要】
1.一种内参标定的评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个标定图像生成目标图像，所述目标图像的特征点包括每个所述标定图像的标定特征点包括：
3.根据权利要求1所述的方法，其特征在于，所述计算所述特征点的特征点覆盖率包括：
4.根据权利要求3所述的方法，其特征在于，所述确定所述目标图像的有效标定面积包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述图像面积与所述暗角面积确定所述目标图像的有效标定面积包括：
6.根据权利要求3所述的方法，其特征在于，所述基于所述特征点的包围面积与所述目标图像的有效标定面积计算所述特征点的特征点覆盖率包括：
7.根据权利要求1所述的方法，其特征在于，所述计算所述特征点的全局重投影误差包括：
8.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：邓宗乾，覃芳玥，钟淇，李天辉，覃高峰，
申请(专利权)人：上汽通用五菱汽车股份有限公司，
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。