[发明专利]相机标定方法、装置、电子设备及计算机可读存储介质

说明书

本申请涉及一种相机标定方法、装置、电子设备及计算机可读存储介质。该方法包括：获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。本申请实施例通过将标定样本图像输入至相机外参标定模型中，通过模型自动完成相机标定，无需人工标注，避免人工误差，通过机器学习的方式，提升模型标定的准确性。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种相机标定方法、装置、电子设备及计算机可读存储介质。

背景技术

随着计算机技术和卫星定位技术的快速发展，车辆的导航技术也日益进步，自动驾驶技术也在日益成熟。

无论是车辆导航技术还是车辆自动驾驶技术，都需要采集车载相机对行驶道路进行图像拍摄，并基于拍摄得到的图像，识别出道路上车道线的分布情况。而相机在使用之前，都需要进行标定，现有技术中，对相机进行标定时，一般都是采用人工标注的方式，存在人工标注误差，可能存在标注图片-标定计算-结果不好-重新标定的情况，耗时耗力，并且可能导致标定结果不准确，影响导航和自动驾驶的准确性。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种相机标定方法、装置、电子设备及计算机可读存储介质，能够采用机器学习模型，对相机进行自动标定，无需人工标注，提升相机标定的效率和准确性。

本申请第一方面提供一种相机标定方法，该方法包括：

获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；

将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。

作为本申请一种可能的实施方式，在该实施方式中，所述预设的相机外参标定模型通过如下方法训练：

获取样本图像集，所述样本图像集中的每张样本图像多包含至少三条车道线；

采用所述样本图像集，对预先设置的相机外参标定模型进行训练，其中，所述相机外参标定模型为深度学习神经网络模型；

当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练。

作为本申请一种可能的实施方式，在该实施方式中，所述采用所述样本图像集，对预先设置的相机外参标定模型进行训练，包括：

将所述样本图像输入所述预先设置的相机外参标定模型；

将所述样本图像中的至少三条车道线投影到预设的投影空间，得到至少三条投影线段；

调节所述相机外参标定模型中的相机外参，以使所述至少三条投影线段所在的直线平行。

作为本申请一种可能的实施方式，在该实施方式中，所述误差函数为投影线段所在的直线的平行程度，所述当所述相机外参标定模型的误差函数的值小于预设阈值时，完成所述相机外参标定模型的训练，包括：

当所述至少三条投影线段的平行程度满足预设要求时，完成所述相机外参标定模型的训练。

本申请第二方面提供一种相机标定装置，该装置包括：

图像获取模块，获取标定样本图像，所述标定样本图像用于标定待标定相机，所述标定样本图像中至少包括三条车道线；；

外参确定模块，用于将所述标定样本图像输入至预设的相机外参标定模型，得到所述待标定相机的外参。

作为本申请一种可能的实施方式，在该实施方式中，所述外参确定模块还包括相机外参标定模型训练模块，所述相机外参标定模型训练模块包括：