[发明专利]图像采集设备及其外参修正方法、装置及存储介质

权利要求书

1.一种图像采集设备的外参修正方法，其特征在于，所述方法包括：

将第一图像和第二图像分别输入训练好的深度神经网络模型，计算两张图像的变换矩阵；所述第一图像由采集位置未发生变化的第一图像采集装置获得，所述第二图像由采集位置发生变化的第二图像采集装置获得；

根据所述变换矩阵和所述第一图像采集装置的外参，修正所述第二图像采集装置的外参。

2.根据权利要求1所述的方法，其特征在于，所述将第一图像和第二图像分别输入训练好的深度神经网络模型，得到两张图像的变换矩阵，包括：

将所述第一图像和所述第二图像输入训练好的深度神经网络模型，分别提取所述第一图像和所述第二图像的图像特征；

将提取的特征依次接入所述深度神经网络模型的两个全连接层；其中，最后接入的全连接层具有预设维度；

采用归一化函数输出所述第一图像和所述第二图像的变换矩阵。

3.根据权利要求2所述的方法，其特征在于，所述提取所述第一图像和所述第二图像的图像特征，包括：

对所述第一图像和所述第二图像执行预设次数的特征提取操作，所述特征提取操作包括连续执行预设层数的卷积后执行一次池化。

4.根据权利要求2所述的方法，其特征在于，所述采用归一化函数输出所述第一图像和所述第二图像的变换矩阵，包括：

采用归一化函数依次输出所述变换矩阵的各个元素，每个所述元素均包括符号位、第一预设数目个整数位和第二预设数目个小数位；

对于每个元素，根据所述符号位的置信度确定所述元素的正负，根据所述第一预设数目个整数位各自的置信度确定所述元素的整数部分，以及根据所述第二预设数目个小数位的置信度确定所述元素的小数部分。

5.根据权利要求1所述的方法，其特征在于，所述根据所述变换矩阵和所述第一图像采集装置的外参，修正所述第二图像采集装置的外参，包括：

将所述变换矩阵和所述第一图像采集装置的外参的乘积用作所述第二图像采集装置的新外参。

6.根据权利要求1所述的方法，其特征在于，所述将第一图像和第二图像分别输入训练好的深度神经网络模型，得到两张图像的变换矩阵之前，还包括：

根据所述第一图像和所述第二图像的所有图像类型，得到训练样本组；

通过所述训练样本组训练所述深度神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一图像和所述第二图像的所有图像类型，得到训练样本组，包括：

根据所述第一图像和所述第二图像的所有图像类型，按照所述变换矩阵对预设的图像数据集中的相应图像数据进行修改，将修改后的图像数据作为训练样本。

8.一种图像采集设备的外参修正装置，其特征在于，所述装置包括：

计算模块，用于将第一图像和第二图像分别输入训练好的深度神经网络模型，计算两张图像的变换矩阵；所述第一图像由采集位置未发生变化的第一图像采集装置获得，所述第二图像由采集位置发生变化的第二图像采集装置获得；

修正模块，根据所述变换矩阵和所述第一图像采集装置的外参，修正所述第二图像采集装置的外参。

9.一种图像采集设备，包括处理器、存储器及存储在所述存储器上并能够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以实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。