[发明专利]鱼眼相机自动标定方法

说明书

一种鱼眼相机自动标定方法，包括：1)读取预处理配置文件和相机MEI参数；2)基于图像分割提取角点坐标；3)基于MEI模型对角点坐标去畸变；4)由去畸变角点坐标和对应顶视图坐标求透视变换矩阵；5)利用相机内参和透视变换矩阵求取顶视图查找表；6)保存透视变换矩阵和查找表至配置文件，获得相机标定结果。所述方法对顶视图进行网格化处理，采用直接透视变换和双线性差值相结合的方式，大大提高计算效率的同时海保证了生成顶视图的质量。所述方法能够满足产线自动标定时的高精度和高实时性需求，为完善自动驾驶中的视觉功能提供保障。

技术领域

本发明涉及计算机图像分析处理领域，具体涉及自动驾驶领域的摄像机参数校准技术，特别涉及一种车载鱼眼相机自动标定方法和装置。

背景技术

随着计算机视觉技术的快速发展和移动硬件处理能力的不断提升，计算机视觉在自动驾驶方面得到不断的应用并逐渐发挥出愈加重要的作用。鱼眼相机由于其超大广角的优点在车载相机市场中得到广泛应用。

为了达到较大的摄影视角，鱼眼相机的前镜片直径很短且呈抛物状向镜头前部凸出，类似鱼的眼睛，其视角能够接近或等于180°，“鱼眼相机”因此而得名。但是，较大的视角也伴随着较大的畸变，这导致鱼眼相机在实际使用中存在一些特殊的技术难题，普通车载相机的标定方法无法保证去畸变后的效果，因而不能满足车载鱼眼相机的标定需要。然而在自动驾驶中，相机标定又是视觉功能中非常基础的工作，是不可或缺的环节，其标定精度以及实时性好坏对自动驾驶的视觉功能将产生直接的影响。特别地，自动驾驶中基于鱼眼相机的顶视图拼接，尤其是视觉测距等功能对车载鱼眼相机的标定结果有很高的精度要求。低精度、甚至是错误的标定结果不仅影响用户体验，甚至还会给驾驶的安全带来隐患。因此，车载鱼眼相机的标定是目前车载相机标定研究的重点，也是难点。

现有的相机标定方法有人工手动标定和基于棋盘格检测、基于直线检测、基于角点检测的自动标定方法等。

其中，人工手动标定大多数使用棋盘格作为标定图案，如张氏标定法和scaramuzza标定法等。人工手动标定方法具有精度高，鲁棒性好的优点，但人工手动选点耗费时间长，效率低，并不适用于产线标定等有大批量需求的应用场景。

基于棋盘格检测的自动标定方法由于存在冗余棋盘格角点，会给角点检测算法带来干扰，因此存在角点误检、少检和棋盘生成错误等问题，此外，所述方法对标定场景要求高，实用性较低。

基于直线检测的方案需要检测出一定数量的不共线直线，且优化时间复杂度高，相对耗时较大，同样不适合产线标定等实时性要求高的场景。

为了解现有技术的发展状况，本发明对已有的专利和论文进行了检索、比较和分析：

技术方案1：专利文献CN107622513A(“一种拼缝标定点检测装置及环视系统自动标定方法”)在顶视图拼缝处放置大小相同的方形图案，利用面积排除非方格轮廓，排除干扰，在相机图像中自动检测方形图案的角点，将检测出角点和世界坐标系下的角点建立方程组，能够求解出相机的外参。然而，该方法直接用鱼眼相机大畸变图像下的坐标联立方程组求解，给求解结果引入了误差。并且，该方法的标定结果虽然能够实现顶视图拼接，但是并不能满足视觉测距等高精度任务的需求。

技术方案2：专利文献CN109859279A(“一种基于线特征的车载360环视系统的流水线下线标定方法”)首先利用已标定的相机内参对大畸变鱼眼图去除畸变；然后进行透视投影图直线检测，检测图像中存在的直线，通过直接线变换法初步求解相机外参；最后，采用LM算法对标定结果进行优化，得到最终结果。但是，该方法需要至少检测4条不共线的直线，这提高了标定成功的要求，因而实际应用场合中实现难度大。另外，所述方法优化部分需要大量的计算和多次迭代，时间复杂性高，系统计算消耗大，无法满足产线标定的高实时性要求。