具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。 下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机 系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此 处的顺序执行所示出或描述的步骤。

在相关技术中，相机焦距可能发生连续且未知变化，此时，在只有像素信息时没有很好 的基于单个普通相机、单幅照片及三维标定模板来确定相机的五个内参数的方法。相机标定 是由已知特征点的世界坐标及图像坐标求解相机内外参数从而进行相机标定，因此提取特征 点的精度直接决定相机标定的准确度，本实施例提供了一种相机标定模板的设计及一种新的 与之匹配的特征点提取算法，设计了一种基于同心圆环的标定模板及特征点和边界特征提取 算法，该方法有较高的精度，能有效简化相机标定过程。

在本实施例中提供了一种相机标定板，包括：主标定板和辅标定板，其中，所述主标定 板上绘制的图案包括：至少一个同心圆环图案和至少一对矩形图案；每个辅标定板上至少一 个同心圆环图案；两个标定板设置间隔预定距离的位置。为了方便操作，两个辅助板可以简 化成对折成一定角度的一个辅标定板，如图4所示。

通过上述标定板，同心圆环图案可以用来进行标定，同时使用了至少一对矩形图案，有 利于确认同心圆环图案所在的平面。使用该相机标定板的情况下，可以只拍摄一幅图片就可 以完成标定，这是因为在这一幅图片中存在至少三个不共面同心圆图案。

使用上述相机标定板的时候，可以将主标定板和辅标定板作为三维结构，做成三维结构 的方法有很多，例如，所述辅标定板的数量为1个，所述辅标定板上的同心圆图案为至少两 个，其中，在所述辅标定板被折的情况下，所述辅标定板被折出的两个面上分别至少有一个 所述同心圆环图案；又例如，所述辅标定板的数量至少为2个，每个辅标定板上至少绘制有 一个所述同心圆环图案。在实际使用时可以灵活选择这两种方式进行，或者也可以使用更多 的标定板来进行标定。

作为一个可选的实施方式，可以使用两组标定板，其中一组为辅标定板为1个，另一个 组为辅标定板为2个，即上述两个例子的情况。将这两组标定板设置间隔预定距离的位置， 相机拍摄一张照片将这两组标定板均拍摄在内，然后使用这三个不共面的同心圆的几何度量 以及对应特征点亚像素坐标计算相机的内参数，再利用主标定板的特征点以及匹配的世界坐 标计算外参数。

为了使标定板的图案更加容易识别和计算，所述主标定板和/或所述辅标定板上的图案按 照多行分布，其中，每一行的图案均为圆形，或者，每一行的图案均为矩形。主标定板不同 行用直线隔开，其中一个辅标定板由行和列的直线隔开各同心圆。两类直线称为第一直线和/ 或第二直线，下面对此进行分别说明：

所述主标定板和/或所述辅标定板部分或全部的行与行之间绘制有第一直线，其中，所述 第一直线用于间隔相邻的行；所述主标定板和/或所述辅标定板上的同类型图案按照列对齐；

所述主标定板和/或所述辅标定板上的部分或全部的列与列之间绘制有第二直线，其中， 所述第二直线用于间隔相邻的列，所述第二直线的长度能够间隔相邻列的所有元素或者部分 元素。

作为另一个可选实施方式，还可以对同心圆的内环图案和/或矩阵的内部进行处理：所述 同心圆的内圆图案被从圆心出发的直线划分为面积相等的N部分；和/或，所述矩形被从所述 矩形中心出发的直线划分为N部分(例如4)，其中，N大于等于3，所述N部分中的一半被 绘制为第一颜色，所述N部分中的另一半被绘制为第二颜色，所述第一颜色与所述第二颜色 不同，所述N部分中任意相邻两个部分的颜色不同。

当矩形被分为四部分的时候，可以有两种情况：所述矩形被两条对角线划分为四个部分， 或者，分别连接所述矩形对边中点的两条中线划分为四个面积相等的四个部分，其中，所述 矩形包括四个类型至少之一：类型一，被对角线划分为四个部分，颜色相间分布；类型二， 被对角线划分为四个部分，颜色与类型一相反；类型三，被所述两条中线划分为四个部分， 颜色相间分布；类型四，被所述两条中线划分为四个部分，颜色与类型三相反。

在所述主标定板和所述辅标定板上按照行分布的矩形中，每行包括至少两个类型的矩形 图案，每个类型的矩形图案均为一对。

下面结合附图和一个用于相机标定的标定板设计的优选实施例来进行说明。

本实施例设计了一种基于同心圆环的相机标定模板，用此种标定模板进行标定不需要完 整的拍摄标定板上的标定图案，只需要单个相机拍摄到的一张图像中有三个不同平面上的同 心圆及底标定板上的一对长方形即可进行相机标定。标定模板可以直接由激光打印机打印， 设备简单容易获取，并且控制一张标定板在平坦的地面上，另一张标定板对折与此标定板成 一定角度随相机任意摆放，使标定板处于三维空间中，该实施例属于三维标定物的标定方法。 在提取同心圆圆心及长方形中心的算法上，特征点圆心的精度及标记之间的匹配程度较高， 从而使得标定的结果较好。

相机标定的精度很大程度上取决于特征点的检测，而与同心圆图案相比，基于四边形和 三角形的标定图案更容易受到图像噪声，畸变和分辨率的影响，且圆形图案具有能检测投影 中心的优势且同心圆环的投影图像是一个曲线对，曲线对存在投影前后矩阵的特征值不变的 特性，则以此来修正畸变参数，因此本实施例提供了一种以同心圆为定标模式的标定板图案， 标定板由主标定板和辅标定板组成，图1(a)(b)是根据本申请实施例的两个标定板的示意 图，如图1所示，图1中的(a)是主标定板，图1中的(b)是辅标定板，图1中的(a)中标定板图 案由同心圆环、长方形和直线组成，并且把每个长方形和同心圆环的内圆图案从中心点出发 分成四个部分，用黑白块相间的方式使得用亚像素角点或鞍点提取图案中心更准确，把长方 形分成了三种类型的图案，易于区分和匹配，实现了局部识别就可以进行标定。因为本实施 例要识别同心圆确定其二维图像坐标并且要准确知道同心圆的世界坐标，由直线作为分界线， 不同的长方形和同心圆相互匹配就可以确定识别到的具体是哪个同心圆从而进行标定。图案 可以在激光打印机上打印出来，一个好的用于校准的图案首先应该提供足够的几何约束，然 后应该很容易被检测和识别。本实施例采用同心圆平面图形来开展本实施例的工作，具有比 其他图形更多的特征。并且该技术只需要相机拍摄一张处于三个不同平面的标定板且只要识 别部分标定板上的图案即可完成标定。

在本实施例中提供了一种相机标定板的使用方法，使用一张主标定板和一张辅标定板， 将所述一张辅标定板折叠后与所述一张主标定板立体放置，所述一张辅标定板折叠后形成的 两个平面与所述一张主标定板的一张平面所构成的三维空间中的每个平面上至少有一个同心 圆图案；或者，使用一张主标定板和两张辅标定板，三张标定板立体放置所构成的三维空间 中的每个平面上至少有一个同心圆图案；其中，所述主标定板为上述的相机标定板的主标定 板，所述辅标定板为上述的相机标定板的辅标定板。

在本实施例中提供了一种相机标定的特征点提取方法，用于从图像中提取特征点，所述 图像为对使用上述的相机标定板的使用方法摆放的标定板进行拍照得到的图像，图2是根据 本申请实施例的相机标定的特征点提取方法的流程图，如图2所示，该方法的流程包括以下 步骤：

步骤S202，以所述图像上选取任一点为中心构一个LxL的宫格，并根据预定判断标准得 到二值矩阵V；

步骤S204，搜索所述二值矩阵V的连通集，并按照填充后的连通集内元素的个数从大到 小排列；

步骤S206，提取所述图像内标记的亚像素边界；

步骤S208，判断所述连通集是否为圆形图案，再通过判断内部是否含有圆形图案的另一 个连通集，由此来确定这对连通集是否构成同心圆图案；

步骤S210，判断所述连通集是否为矩形图案；

步骤S212，在确定所述连通集为所述同心圆的外圆、所述同心圆的内圆以及所述矩形之 后，定位所述矩形和所述同心圆的亚像素中心坐标；

步骤S214，根据所述标定板上的标记位置进行所述矩形的匹配；

步骤S216，至少根据匹配的所述矩形对所述同心圆进行分类，并对分类后的所述同心圆 亚像素边界进行拟合得到椭圆边界方程。

通过上述步骤，使用了单张图片或者图像就可以进行特征点的提取，相比于现有技术中 需要拍摄多张图片才能进行处理的情况，为相机的标定提供了一种更加便利的方式。

在标定板上设置了矩形的情况下，还可以匹配出矩形的类型，根据所述标定板上的标记 位置进行所述矩形的匹配包括：判断出所述矩形的三个类型，并根据所述矩形的类型和所述 标定板上的标记位置进行所述矩形的匹配，其中，所述矩形被两条对角线划分为四个部分， 或者，分别连接所述矩形对边中点的两条中线划分为四个面积相等的四个部分，其中，所述 矩形包括如下类型的至少之一：类型一，被对角线划分为四个部分，颜色相间分布；类型二， 被对角线划分为四个部分，颜色与类型一相反；类型三，被所述两条中线划分为四个部分， 颜色相间分布；类型四，被所述两条中线划分为四个部分，颜色与类型三相反。

根据匹配的所述矩形对所述同心圆进行分类包括：根据直线和匹配的所述矩形对所述同 心圆进行分类，其中，所述直线包括第一直线和/或第二直线，其中，所述主标定板和/或所述 辅标定板上的图案按照多行分布，每一行的图案均为圆形，或者，每一行的图案均为矩形； 所述主标定板和/或所述辅标定板部分或全部的行与行之间绘制有第一直线，所述第一直线用 于间隔相邻的行；所述主标定板和/或所述辅标定板上的部分或全部的列与列之间绘制有第二 直线，其中，所述第二直线用于间隔相邻的列，所述第二直线的长度能够间隔相邻列的所有 元素或者部分元素。

下面结合一个用于相机标定的特征点提取算法及同心圆环亚像素边缘检测的具体实施例 来介绍本申请实施例的实现方式。

相机标定的精度很大程度上取决于特征点的检测，而特征点的检测通常会受到图像噪声、 失真和分辨率的影响。由于投影变换，同心圆经过小孔成像投影变换为两个椭圆，而图像中 椭圆的中心并不是同心圆的圆心。完成相机标定需要准确计算出相机的内外参数，快速而精 确地定位椭圆的边缘及同心圆的圆心对于相机标定起着重要的作用，因此需要检测图像边缘 及圆心达到亚像素级。鉴于此本实施例用文献[1](Agustí,Trujillo-Pino,N.,Krissian,K.,Alem,M., n-Flores,&Santana-CedrD.(2013).Accurate subpixeledge location based on partial area effect.Image and Vision Computing.)中详细介绍的亚像素边缘检测方法的Matlab源代码及文献[2](Wang,X.,Chern, A.,&Alexa,M.(2019).Center of circle after perspective transformation.)中提出的一个稳健估计椭圆真 实中心位置的算法相结合，提出了一种稳健的特征点提取算法。具体步骤如下：

设计制作一个如图1所示的标定板，标定板中同心圆的半径分别为15mm和8mm(这两 个值可以设置为其他值)本实施例用A4纸打印出来，将主标定板固定在平坦的面上，辅标 定板从中间对折固定在另一个面上；

将标定板置于需要标定的普通相机视野范围内采集标定板的图像；

用Matlab提取图像的RGB数据，本实施例用图像颜色的R值进行讨论。设卷积核矩阵 选取图像上的任一点(i,j)(非图像边界点)为中心画一个九宫格，九宫格中 每一点对应的R值设为B；

令矩阵B和矩阵H₁的卷积代表R处的x轴方向偏导数，记为f_x；

同理设卷积核矩阵选取图像上的任一点(i,j)(非图像边界点)为中心 画一个九宫格，九宫格中每一点对应的R值设为B；

令矩阵B和矩阵H₂的卷积代表R处的y轴方向偏导数，记为f_y；

定义(i,j)处的J值为J＝abs(f_x(i,j))+abs(f_y(i,j))；

接下来本实施例以图像内的任一点(i,j)为中心构造一个11×11的121宫格，以121宫格 的中心点对应的J值比此宫格中对应最小J值的点大180为判断标准得到二值矩阵V；

用Matlab搜索此V中的连通集，并把连通集元素个数从大到小排列，从大的连通集开始 用imfill函数对连通集填充，然后对填充后的元素个数从大到小排序来先后进行同心圆和长 方形标记的识别，这样可以提高运行效率；

用文献[1]中提供的matlab源代码提取图像的亚像素边界；

判断当前讨论的连通集是否为同心圆的大圆：针对当前连通集确定其亚像素边界上最远 的两个点A、B并获得其两点间距离，记为b；确定边界点到两个最远点连线的离差的最大最 小值点C、D并获得其两点间距离，记为a；理想状态下椭圆的面积为πab，由亚像素边界填 充得到的椭圆面积记为area1，以area1与πab的比值大于0.95且C、D在AB直线上的垂足 距离小于0.0063倍的图像最大像素值为判断条件，若条件成立则判定连通集即为同心圆的外 圆。

用imfill填充该连通集，然后根据imlabel判断内部是否还有其他连通集，对其内的各连 通集用imfill填充，根据填充面积从大到小用判断大圆的方法判断是否内含圆，如果内含圆 且圆的长轴与外圆的长轴比小于0.8，则确定该两个圆为同心圆，保存相应数据信息。

判断当前讨论的连通集是否为长方形:类似以上判断圆的方法获取A、B、C、D四点，用 atan2d来得到逆时针方向排序下的四点，然后根据相邻两点长度来通过按顺序移动使得前两 点对应最长边，记四条边长短边的长度分别为a、b，理想状态下长方形的面积为ab，由亚像 素边界填充得到的长方形面积为area2，如果ab与area2的比值大于0.8且小于1.25同时此标 记在RGB像素空间坐标系中到x＝y＝z轴线的距离小于15且最长边小于图像最大像素的 0.1474倍时，则此种连通集即为长方形。

利用找到的同心圆和长方形的几何中心作为初始点，然后采用鞍点检测方法找到每个标 记中心的亚像素坐标。

判断出长方形后要确定其三种不同类型的图案，根据上一步找到的长方形的四个顶点按 逆时针排序，图3(a)(b)(c)(d)是根据本申请实施例的长方形标记的三种不同类型及四 个角点的划分的示意图，如图3所示，计算出四条边的中点并结合已找到的长方形亚像素中 心点连成如图3中(a)和(b)所示的三角形，然后对两条对角线和两个对边围成的三角形进行 形态学的腐蚀处理(腐蚀参数选2)，以使得三角形内的点尽可能都是黑色。

此时对应如下两种情形：

1)如图3中的(a)中长边对应的两个三角形内像素值小于135pixel的点个数占这两个三角 形内所有点的比值大于65％并且如图3中的(b)中短边对应的两个三角形内像素值小于 135pixel的点个数占这两个三角形内所有点的比值小于65％，则判定该长方形为第一种类型；

2)如图3中的(a)中长边对应的两个三角形内像素值小于135pixel的点个数占这两个三角 形内所有点的比值小于65％并且如图3中的(b)中短边对应的两个三角形内像素值小于 135pixel的点个数占这两个三角形内所有点的比值大于65％，则判定该长方形为第二种类型。

对于图3中的(c)，找到两条长边和两条短边的中心，分别和中心连线构成四个小的长方 形，按照编号，1和3角点对应的小长方形内的像素值小于135pixel的点占这两个长方形所 有点的比值大于65％且2和4角点对应的小长方形内的像素值小于135pixel的点个数不超过 这两个长方形所有点的65％时，则判定该长方形为第三种类型。

针对保存的长方形的类型、中心坐标、长轴、短轴等信息来进行配对。

长方形的配对：

针对讨论的长方形，找出与之中心距离最近的三个长方形，剔除各自的长方形连通集后 通过判定两中心连线中间是否跨过其他连通集，如果没有跨过，且在正常的像素距离内则判 定为配对的两个长方形(标定板上两条直线之间的两两相邻的长方形为一对)，结果如图5中 的(a)所示，图5是根据本申请实施例的本算法提取的亚像素特征点及边界的实物图，其中， 图5中的(a)是两个标定板标记识别与分类，图5中的(b)是同心圆亚像素边界及中心点提取。

判断长方形标记的位置：

利用配对长方形的类型来确定理论上对应的A4纸上的坐标对。

同心圆分类到三个不同平面。

同心圆的中心与上一步配对的长方形的中心在给定像素距离范围内，且中间当且仅当跨 过一根直线，由此来确定主标定板上同心圆的坐标及对应的理论坐标。

也就是说，由以上找到的同心圆中心出发，呈11个不同的角度画直线，直线长度为0.15 倍的图像最大像素值，与上一步配对的长方形的中心在给定的距离范围内且中间当且仅当跨 过一根直线，则可以确定此同心圆为主标定板上的同心圆，标记为3，进而确定同心圆的坐 标及对应的理论坐标。

辅标定板上的同心圆对应的世界坐标不进行确定，只需识别处于哪个平面，如果中间跨 过一根直线的判定为辅标定板上的同心圆标记为2，中间没有直线只有同心圆的判定为辅标 定板上另一个平面的同心圆标记为1，识别结果如图5中的(a)所示。

最后采用最小二乘法对离散图像中的待测目标亚像素坐标进行拟合(如图5中的(b)所示 拟合椭圆的边界)，获得椭圆边界的边缘函数，使得图像数据和边缘模型数据之间的均方差最 小，且同心圆环的投影图像是一个曲线对，曲线对存在投影前后矩阵的特征值不变，以此来 修正畸变参数，从而精确定位亚像素边缘的几何特征。

两个同心圆经过投影变换特征值不变原理如下：

类似于椭圆，二次曲线的方程一般形式可表示为：

Ax²+Bxy+Cy²+Dx+Ey+F＝0 (1)

写成矩阵形式：

普通相机成像原理为针孔成像模型，因此一个三维点投影到二维图像点对应的公式如下：

假设Z＝0

则将上式代入式(2)可得：

假设Q₁和Q₂是有同心圆经过投影变换得到的，所以Q₁′和Q₂′对应的同心圆的半径分别为r 和R。因为特征值在投影变换下是不变量，因此有

在实际情况中，当使用文献[1]中的方法检测同心圆的边缘由于畸变的影响产生误差时， 本实施例可以利用同心圆特征值在投影变换下为不变量的特性来修正同心圆边缘。

图4(a)(b)是根据本申请实施例的相机安装和标定板位置的示意图，如图4所示，主 标定板和辅标定板处于三维世界坐标中，相机在能拍摄到三个平面处进行拍摄。在实际操作 中，图1中的(a)中的标定板可以附着在平坦的地面上，固定不动，用一张图1中的(b)中的标 定板从中间对折固定在平面上且与另一张标定板成一定角度，形成三维标定物，和/或用图1 中的(b)中的标定板从中间对半撕开成两个辅标定板，两个辅标定板设置间隔预定距离的位置， 形成三维标定物。

图5(a)(b)是根据本申请实施例的本算法提取的亚像素特征点及边界的实物图，如图 5所示，图5为用本实施例提出的特征点检测算法和边缘提取算法识别出的配对长方形中心 及同心圆亚像素中心和边界。图像分辨率为1920×1080，从图中可以看出此种算法对于同心 圆圆心及边界的提取更准确，能实现不同图形之间的相互匹配，也能更准确的区分识别不同 平面上的同心圆图案，足以证明此算法稳定性高，实用性强。

图6是根据本申请实施例进行相机标定板设计及特征点提取的具体流程图，如图6所示， 该流程包括如下步骤：按照要求设计好标定模板，标定板至于需要标定的普通相机视野范围 内采集标定板的图像，用Matlab提取图像的RGB数据，选取图像上任一点为中心构造一个121 宫格的矩阵，给定一个判断标准得到二值矩阵V，用Matlab搜索此矩阵V的连通集，用imfill 函数填充，并对填充后的各连通集内元素个数从大到小排列，提取图像内标记的亚像素边界， 判断连通集是否为同心圆的外圆，再判断是否含有内圆，判断连通集是否为长方形，采用鞍 点检测法定位长方形和同心圆的亚像素中心坐标，判断出长方形的三种类型，针对预先设计 好的标定板上的标记位置，进行长方形两两配对，结合直线和配对的长方形，将三个不同平 面上的同心圆进行分类，最后用最小二乘法对同心圆亚像素边界进行拟合，获得椭圆边界的 边缘函数。

本实施例用新设计的标定板和相匹配的特征点提取算法进行标定。本实施例考虑到同心 圆图案具有能检测投影中心的优势，且同心圆环的投影图像是一个曲线对，曲线对存在投影 前后矩阵的特征值不变的特性，本实施例以此来修正畸变参数，开发了一种以同心圆为主要 定标模式其他标识用来识别定位的标定板图案及特征点提取算法。本实施例设计的标定板图 案由同心圆环、长方形和直线组成，并且把每个长方形和同心圆环的内圆图案从中心点出发 分成四个部分，用黑白块相间的方式使得用亚像素角点或鞍点提取图案中心更准确，把长方 形分成了三种类型的图案，具有易于区分和成对匹配的好处。

在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序， 处理器被设置为运行计算机程序以执行以上实施例中的方法。

这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他 可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设 备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方 框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。

上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)， 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实 现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存 储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机 存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除 可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他 磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和 载波。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申 请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进 等，均应包含在本申请的权利要求范围之内。