[發明專利]一種雙目相機標定方法、裝置及可讀存儲介質

有效

• 申請號: 202011442701.2
• 申請日: 2020-12-08
• 公開（公告）號: CN112700500B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 羅楊梅
• 申請（專利權）人: 中大檢測（湖南）股份有限公司
• 主分類號: G06T7/80
• 分類號: G06T7/80;G06N3/08
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 楊斌

本發明涉及圖像處理技術，公開了一種雙目相機標定方法、裝置及可讀存儲介質，本發明雙目相機標定方法，包括獲取待標定對象的第一圖像樣本和第二圖像樣本，第一圖像樣本信息基于雙目相機的第一相機獲取，第二圖像樣本信息基于雙目相機的第二相機獲??；基于第一圖像樣本和第二圖像樣本生成特征初始樣本集；將特征初始樣本集輸入預設的神經網絡模型進行計算，以得到待標定對象的標定模型。可以解決現有技術中的雙目相機的標定精度低的問題。

技術領域

本發明涉及圖像處理技術，尤其涉及一種雙目相機標定方法、裝置及可讀存儲介質。

背景技術

理想的相機模型為針孔成像模型，但是由于相機凸鏡在加工運輸階段的影響，模型會發生非線性畸變。因此用線性成像模型來代替相機實際成像過程的方法過于簡單，且標定的精度達不到工業級應用水平，很難在實際生產中應用。

對于雙目相機而言，不僅需要考慮每一個相機的標定參數，而且需要考慮兩個相機之間的轉換矩陣，因此，現有的雙目相機在標定過程中的計算參數多，所涉及到計算量較大，導致標定精度低。

發明內容

本發明提供了一種雙目相機標定方法、裝置及可讀存儲介質，以解決現有技術中的雙目相機的標定精度低的問題。

為了實現上述目的，本發明通過如下的技術方案來實現：

本發明提供一種雙目相機標定方法，包括：

獲取待標定對象的第一圖像樣本和第二圖像樣本，所述第一圖像樣本的信息基于所述雙目相機的第一相機獲取，所述第二圖像樣本的信息基于所述雙目相機的第二相機獲?。?/p>

基于所述第一圖像樣本和所述第二圖像樣本生成特征初始樣本集；

將所述特征初始樣本集輸入預設的神經網絡模型進行計算，以得到所述待標定對象的標定模型。

可選地，所述基于所述第一圖像樣本和所述第二圖像樣本生成特征初始樣本集，包括：

確定特征點在所述第一圖像樣本中的第一像素位置坐標，并確定所述特征點在所述第二圖像樣本中的第二像素位置坐標；

確定所述第一像素位置坐標和所述第二像素位置坐標之間的對應關系；

基于所述對應關系生成特征初始樣本集。

可選地，所述確定特征點在所述第一圖像樣本中的第一像素位置坐標，并確定所述特征點在所述第二圖像樣本中的第二像素位置坐標，包括：

對所述第一圖像樣本進行角點位置檢測，得到所述第一類圖像樣本中所有角點像素坐標值，并確定特征點在所述第一類圖像樣本中的第一像素位置坐標；

對所述第二圖像樣本進行角點位置檢測，得到所述第二類圖像樣本中所有角點像素坐標值，并確定特征點在所述第二類圖像樣本中的第二像素位置坐標。

可選地，所述將所述特征初始樣本集輸入預設的神經網絡模型進行計算之前，所述方法還包括：

將所述特征初始樣本集按照預設的比例分為訓練集、測試集以及驗證集；

構建初始神經網絡的網絡結構，并初始化所述初始神經網絡的閾值和權重；

將所述訓練集輸入所述初始神經網絡的網絡結構進行訓練得到神經網絡模型。

可選地，所述將所述訓練集輸入所述初始神經網絡的網絡結構進行訓練得到神經網絡模型之后，所述方法還包括：

基于預設的阻滯增長模擬算法優化所述初始神經網絡的閾值和權重；

基于優化后的閾值和權重優化所述神經網絡模型。

可選地，所述基于預設的阻滯增長模擬算法優化所述初始神經網絡的閾值和權重，包括：