專(zhuān)利名稱(chēng)：一種攝像機(jī)定標(biāo)方法、圖像處理設(shè)備和機(jī)動(dòng)車(chē)輛的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于攝像機(jī)定標(biāo)技術(shù)領(lǐng)域，具體涉及一種攝像機(jī)定標(biāo)方法、圖像處理設(shè)備 和機(jī)動(dòng)車(chē)輛。
背景技術(shù)：
空間物體表面某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)間的相互關(guān)系由攝像機(jī) 成像的幾何模型決定，其參數(shù)就是攝像機(jī)參數(shù)。該參數(shù)包括攝像機(jī)內(nèi)部幾何和光學(xué)特性 (內(nèi)部參數(shù))，以及攝像機(jī)相對(duì)世界坐標(biāo)系的三維位置和方向(外部參數(shù))。這些參數(shù)必須 通過(guò)實(shí)驗(yàn)和計(jì)算得到，這個(gè)過(guò)程稱(chēng)為攝像機(jī)定標(biāo)。在攝像機(jī)成像中，通過(guò)攝像機(jī)的定標(biāo)可以建立世界坐標(biāo)與圖像坐標(biāo)的對(duì)應(yīng)關(guān)系， 再通過(guò)視角變換將圖像轉(zhuǎn)化為俯瞰圖等視圖。這種技術(shù)可應(yīng)用于如車(chē)載攝像機(jī)定標(biāo)、機(jī)器 人手眼定標(biāo)、移動(dòng)攝像機(jī)定標(biāo)等領(lǐng)域。攝像機(jī)定標(biāo)技術(shù)主要分為傳統(tǒng)的攝像機(jī)定標(biāo)技術(shù)、基于主動(dòng)視覺(jué)的攝像機(jī)定標(biāo)技 術(shù)和自定標(biāo)技術(shù)。傳統(tǒng)攝像機(jī)定標(biāo)技術(shù)標(biāo)定精度較高，但是其對(duì)實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)控制要求 太高，例如要求模板與攝像機(jī)的位置關(guān)系固定，這種定標(biāo)技術(shù)往往因?yàn)椴荒軡M足條件而無(wú) 法應(yīng)用。基于主動(dòng)視覺(jué)的攝像機(jī)定標(biāo)技術(shù)和自定標(biāo)技術(shù)較為靈活，但是此類(lèi)技術(shù)存在以下 一些缺點(diǎn)往往需要對(duì)攝像運(yùn)動(dòng)進(jìn)行一定的控制從而采集不同位置的圖像，定標(biāo)時(shí)間長(zhǎng)； 許多模型都是基于線性假設(shè)的，對(duì)于完全的射影模型，即當(dāng)有畸變因子(skew factor)存在 時(shí)，定標(biāo)精度不高；對(duì)于同時(shí)標(biāo)定內(nèi)部參數(shù)和外部參數(shù)的情況還不能很好地解決；往往需 要角點(diǎn)檢測(cè)，但在超廣角攝像機(jī)定標(biāo)拍攝下會(huì)發(fā)生很大的畸變，無(wú)法進(jìn)行角點(diǎn)檢測(cè)。

發(fā)明內(nèi)容
本發(fā)明要解決的主要技術(shù)問(wèn)題是提供一種攝像機(jī)定標(biāo)方法、圖像處理設(shè)備和裝置 和機(jī)動(dòng)車(chē)輛，降低對(duì)定標(biāo)環(huán)境的要求，減少了定標(biāo)時(shí)間。根據(jù)本發(fā)明的一方面，提供一種攝像機(jī)定標(biāo)方法，包括步驟獲取模板圖像步驟對(duì)預(yù)定模板進(jìn)行拍攝獲取模板圖像；分配參數(shù)步驟利用收斂算法分配一個(gè)參數(shù)系列，所述一個(gè)參數(shù)系列包括一組或 多組攝像機(jī)參數(shù)；計(jì)算適應(yīng)值步驟比較模板圖像與預(yù)定模板的理想世界圖像的差異，得到適應(yīng)值， 所述適應(yīng)值計(jì)算步驟包括根據(jù)預(yù)先建立的模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及分配的攝 像機(jī)參數(shù)，計(jì)算模板圖像的圖像坐標(biāo)；和計(jì)算模板圖像與理想世界圖像之間相同圖像坐標(biāo)的像素差異值的總和，得到與各 組攝像機(jī)參數(shù)相關(guān)聯(lián)的適應(yīng)值；終止判斷步驟判斷適應(yīng)值計(jì)算結(jié)果是否滿足設(shè)定的終止條件，當(dāng)適應(yīng)值計(jì)算結(jié) 果滿足終止條件時(shí)將與該適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)作為定標(biāo)參數(shù)；當(dāng)沒(méi)有滿足終止條件時(shí)繼續(xù)執(zhí)行分配參數(shù)步驟，重新產(chǎn)生一個(gè)參數(shù)系列。根據(jù)本發(fā)明的另一方面，提供一種圖像處理設(shè)備，包括攝像裝置，用于對(duì)預(yù)定模板進(jìn)行拍攝獲取模板圖像；分配參數(shù)模塊，用于利用收斂算法分配一個(gè)參數(shù)系列，所述一個(gè)參數(shù)系列包括一 組或多組攝像機(jī)參數(shù)；適應(yīng)值計(jì)算模塊，用于比較模板圖像與預(yù)定模板的理想世界圖像的差異，從而得 到適應(yīng)值，所述適應(yīng)值計(jì)算模塊包括圖像坐標(biāo)計(jì)算單元，用于根據(jù)預(yù)先建立的模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的 轉(zhuǎn)換關(guān)系以及分配的攝像機(jī)參數(shù)，計(jì)算模板圖像的圖像坐標(biāo)；和像素差異值計(jì)算單元，用于計(jì)算模板圖像與理想世界圖像之間相同圖像坐標(biāo)的像 素差異值的總和，得到與各組攝像機(jī)參數(shù)相關(guān)聯(lián)的適應(yīng)值；終止判斷模塊，用于判斷適應(yīng)值計(jì)算結(jié)果是否滿足設(shè)定的終止條件，當(dāng)適應(yīng)值計(jì) 算結(jié)果滿足終止條件時(shí)將與該適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)作為定標(biāo)參數(shù)；當(dāng)沒(méi)有滿足 終止條件時(shí)繼續(xù)執(zhí)行分配參數(shù)步驟，重新產(chǎn)生一個(gè)參數(shù)系列。本發(fā)明還提供一種包括上述圖像處理設(shè)備的機(jī)動(dòng)車(chē)輛。與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)將攝像機(jī)定標(biāo)問(wèn)題轉(zhuǎn)化為參數(shù)優(yōu)化問(wèn)題，減少對(duì)定 標(biāo)環(huán)境的要求和定標(biāo)時(shí)間，提高了定標(biāo)精度。


圖1為一種實(shí)施例中圖像處理設(shè)備的結(jié)構(gòu)示意圖；圖2為一種實(shí)施例中適應(yīng)值計(jì)算模塊的結(jié)構(gòu)示意圖；圖3為一種實(shí)施例中分配參數(shù)模塊的結(jié)構(gòu)示意圖；圖4為另一種實(shí)施例中圖像處理設(shè)備的結(jié)構(gòu)示意圖；圖5為一種實(shí)施例中攝像機(jī)自動(dòng)定標(biāo)方法的流程圖；圖6為攝像機(jī)獲取的模板圖像；圖7為模板圖像二值化后的圖像；圖8為一種實(shí)施例中判斷是否滿足設(shè)定的終止條件的流程圖；圖9為完成攝像機(jī)定標(biāo)后圖像矯正的效果示意圖。
具體實(shí)施例方式下面通過(guò)具體實(shí)施方式
結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。在下面具體的描述中，為了深入理解以下所描述的實(shí)施例，提供了很多具體細(xì)節(jié)。 然而，本領(lǐng)域的技術(shù)人員應(yīng)該認(rèn)識(shí)到，其中一個(gè)或幾個(gè)具體細(xì)節(jié)可以省略，或者可以用其他 的方法，器件或材料來(lái)代替。在有些情況下，有些操作沒(méi)有圖示也沒(méi)有詳細(xì)描述。請(qǐng)參考圖1，圖1示出了一種實(shí)施例中圖像處理設(shè)備的結(jié)構(gòu)示意圖，圖像處理設(shè)備 包括攝像裝置10、分配參數(shù)模塊30、適應(yīng)值計(jì)算模塊40和終止判斷模塊50。攝像裝置10用于對(duì)預(yù)定模板進(jìn)行攝像獲取模板圖像，攝像裝置10可以是攝像機(jī)、 攝像頭或其它可拍攝圖像的裝置。當(dāng)需要定標(biāo)時(shí)，在攝像裝置10可拍攝到的區(qū)域內(nèi)放置預(yù) 先定制的模板，控制攝像裝置10像通常拍照一樣拍攝。預(yù)先定制的模板可以是黑白格相間
6的平面體，具有指定的外圍尺寸和方格數(shù)量。預(yù)先定制的模板也可以是黑白條相間的平面 體。為用于后面的對(duì)比，在圖像處理設(shè)備中的存儲(chǔ)裝置中已經(jīng)預(yù)先存儲(chǔ)了該定制模板的理 想世界圖像，理想世界圖像就是按照理想化的小孔成像原理拍攝到的圖像。分配參數(shù)模塊30用于利用收斂算法分配一個(gè)參數(shù)系列，一個(gè)參數(shù)系列可以包括 一組攝像機(jī)參數(shù)，也可以包括多組攝像機(jī)參數(shù)，每組攝像機(jī)參數(shù)都包括攝像機(jī)外部參數(shù)和 攝像機(jī)內(nèi)部參數(shù)。攝像機(jī)外部參數(shù)是指攝像機(jī)相對(duì)世界坐標(biāo)系的三維位置和方向，比如位 置高度、旋轉(zhuǎn)角度、平移方向和大小等。攝像機(jī)內(nèi)部參數(shù)是指攝像機(jī)內(nèi)部幾何和光學(xué)特性， 比如焦距、比例因子和鏡頭畸變等。當(dāng)進(jìn)行第一次適應(yīng)值計(jì)算時(shí)，分配參數(shù)模塊30進(jìn)行初 始化，隨機(jī)或均勻產(chǎn)生一參數(shù)系列用于適應(yīng)值的計(jì)算。適應(yīng)值計(jì)算模塊40用于比較模板圖像與預(yù)定模板的理想世界圖像的差異，從而 得到適應(yīng)值。攝像裝置10自然拍攝的模板圖像不同于模板的理想世界圖像，兩者之間存在 一定的對(duì)應(yīng)關(guān)系，而該對(duì)應(yīng)關(guān)系由攝像機(jī)參數(shù)決定，該攝像機(jī)參數(shù)就是用于將攝像裝置10 自然拍攝的圖像轉(zhuǎn)換成由圖像坐標(biāo)表示的世界圖像的定標(biāo)參數(shù)。本實(shí)施例中，適應(yīng)值為模 板圖像與模板的理想世界圖像之間的差異。終止判斷模塊50用于判斷適應(yīng)值計(jì)算結(jié)果是否滿足設(shè)定的終止條件，當(dāng)適應(yīng)值 計(jì)算結(jié)果滿足終止條件時(shí)將與該適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)作為定標(biāo)參數(shù)；當(dāng)沒(méi)有滿 足終止條件時(shí)繼續(xù)執(zhí)行分配參數(shù)步驟，重新產(chǎn)生一個(gè)參數(shù)系列。請(qǐng)參考圖2，在一種實(shí)施例中，所述適應(yīng)值計(jì)算模塊40包括圖像坐標(biāo)計(jì)算單元41 和像素差異值計(jì)算單元42。圖像坐標(biāo)計(jì)算單元41用于根據(jù)預(yù)先建立的模板圖像的世界坐 標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及分配的攝像機(jī)參數(shù)，計(jì)算模板圖像的圖像坐標(biāo)。上述實(shí)施例中，將拍攝的模板的普通圖像通過(guò)預(yù)先建立的圖像坐標(biāo)與世界坐標(biāo)的 對(duì)應(yīng)關(guān)系模型轉(zhuǎn)換成模板的世界圖像，使模板圖像在攝像機(jī)參數(shù)確定的情況下可建立確定 的世界圖像，不斷優(yōu)化攝像機(jī)參數(shù)也使模板的世界圖像得到不斷優(yōu)化，從而將攝像機(jī)定標(biāo) 問(wèn)題轉(zhuǎn)化為攝像機(jī)參數(shù)優(yōu)化問(wèn)題，逐步尋找最優(yōu)解，從而完成攝像機(jī)定標(biāo)。在攝像機(jī)參數(shù)優(yōu) 化過(guò)程中，不要求攝像裝置在特定的位置和從特定的角度來(lái)采集模板的圖像，攝像裝置可 如拍攝普通圖像一樣來(lái)拍攝預(yù)定模板的圖像，因此降低了對(duì)定標(biāo)環(huán)境的要求。在攝像機(jī)參 數(shù)優(yōu)化過(guò)程中，攝像裝置只需要采集一次圖像即可，不需要從不同的位置和方向多次采集 圖像，因此也不需要對(duì)多個(gè)圖像進(jìn)行處理，因此縮短了定標(biāo)的時(shí)間。在一種實(shí)施例中，所述圖像坐標(biāo)計(jì)算單元41用于建立圖像坐標(biāo)與世界坐標(biāo)的對(duì) 應(yīng)關(guān)系，包括外部參數(shù)計(jì)算單元411和內(nèi)部參數(shù)計(jì)算單元413，外部參數(shù)計(jì)算單元411用于 根據(jù)外部參數(shù)建立世界坐標(biāo)與攝像機(jī)坐標(biāo)的對(duì)應(yīng)關(guān)系，即根據(jù)預(yù)先建立的模板圖像的世界 坐標(biāo)和攝像機(jī)坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及攝像機(jī)外部參數(shù)計(jì)算模板圖像的攝像機(jī)坐標(biāo)。內(nèi)部 參數(shù)計(jì)算單元413用于根據(jù)內(nèi)部參數(shù)建立所述矯正后的攝像機(jī)坐標(biāo)與圖像坐標(biāo)的對(duì)應(yīng)關(guān) 系，即根據(jù)預(yù)先建立的模板圖像的攝像機(jī)坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及攝像機(jī)內(nèi)部 參數(shù)計(jì)算模板圖像的圖像坐標(biāo)。本領(lǐng)域技術(shù)人員應(yīng)該認(rèn)識(shí)到，還可以通過(guò)其它方法計(jì)算模 板圖像的圖像坐標(biāo)。在另一實(shí)施例中，圖像坐標(biāo)計(jì)算單元41還包括畸變矯正單元412和插值單元414， 畸變矯正單元413用于根據(jù)內(nèi)部參數(shù)中的畸變參數(shù)矯正所述攝像機(jī)坐標(biāo)；插值單元414用 于將所述坐標(biāo)關(guān)系中的小數(shù)轉(zhuǎn)化為整數(shù)形式。
像素差異值計(jì)算單元42用于計(jì)算模板圖像與理想世界圖像之間相同圖像坐標(biāo)的 像素差異值的總和，從而得到與各組攝像機(jī)參數(shù)相關(guān)聯(lián)的適應(yīng)值。請(qǐng)參考圖3，在一種實(shí)施例中，分配參數(shù)模塊30所用的收斂算法可以是粒子群智 能算法，分配參數(shù)模塊30利用粒子群智能算法為每次的迭代計(jì)算分配一個(gè)參數(shù)系列。在一 具體實(shí)施例中，分配參數(shù)模塊30包括初始化單元31、適應(yīng)值評(píng)價(jià)單元32、密度計(jì)算單元33 和粒子進(jìn)化單元34。初始化單元31用于在進(jìn)行第一次迭代計(jì)算時(shí)初始化算法參數(shù)，將解空 間按照粒子數(shù)分割從而生成初始解。將每組攝像機(jī)參數(shù)作為一個(gè)粒子的坐標(biāo)，即每組攝像 機(jī)參數(shù)決定一個(gè)粒子。適應(yīng)值評(píng)價(jià)單元32用于評(píng)價(jià)粒子所處位置的適應(yīng)值的優(yōu)劣，根據(jù)適 應(yīng)值查找出本次迭代計(jì)算的最優(yōu)粒子和最差粒子，所述最優(yōu)粒子為與適應(yīng)值中最小適應(yīng)值 相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子，所述最差粒子為與適應(yīng)值中最大適應(yīng)值相關(guān)聯(lián)的一 組攝像機(jī)參數(shù)確定的粒子。密度計(jì)算單元33用于計(jì)算用于本次迭代計(jì)算適應(yīng)值步驟中的 粒子群體的密度。粒子進(jìn)化單元34用于根據(jù)粒子群體密度確定用于下次計(jì)算適應(yīng)值步驟 中的參數(shù)系列，當(dāng)粒子群體密度判斷為低時(shí)，使粒子朝著最優(yōu)粒子運(yùn)動(dòng)從而確定用于下次 計(jì)算適應(yīng)值步驟中的參數(shù)系列；當(dāng)粒子群體密度判斷為高時(shí)，使粒子背向最壞粒子運(yùn)動(dòng)從 而確定用于下次計(jì)算適應(yīng)值步驟中的參數(shù)系列。在如圖4所示的另一實(shí)施例中，與上述實(shí)施例不同的是圖像處理設(shè)備還包括圖像 前處理模塊20，圖像前處理模塊20用于對(duì)攝像裝置10拍攝的模板圖像進(jìn)行去噪處理，使 圖像更清晰。在一種實(shí)施例中，圖像前處理模塊20包括灰度直方圖單元21、分割閾值單元 22和二值化單元23。圖像前處理模塊20處理后的圖像輸出給適應(yīng)值計(jì)算模塊40用于計(jì) 算各組攝像機(jī)參數(shù)的適應(yīng)值。灰度直方圖單元21根據(jù)圖像統(tǒng)計(jì)生成灰度直方圖；分割閥值 單元22將灰度直方圖分為高灰度類(lèi)與低灰度類(lèi)，并根據(jù)兩類(lèi)之間距離最大的原則確定分 割閥值；二值化單元23依據(jù)所述分割閥值將圖像進(jìn)行二值化轉(zhuǎn)化。上述實(shí)施例中，分配參數(shù)模塊、適應(yīng)值計(jì)算模塊和終止判斷模塊可以是各自獨(dú)立 的處理器，也可以是根據(jù)自身功能分成若干分立的處理器，也可以是兩個(gè)或三個(gè)模塊集成 在一個(gè)處理器中，處理器通過(guò)執(zhí)行計(jì)算機(jī)可執(zhí)行指令實(shí)現(xiàn)各模塊的功能。請(qǐng)參考圖5，在一種實(shí)施例中，基于上述圖像處理設(shè)備的一種攝像機(jī)自動(dòng)定標(biāo)方法 流程圖包括以下步驟步驟Sll 對(duì)預(yù)定模板進(jìn)行拍攝獲取模板圖像，如圖6所示，在一種實(shí)施例中，獲取 的模板圖像為黑白相間的圖像。步驟S12 對(duì)采集的模板圖像進(jìn)行去噪處理。具體的，首先統(tǒng)計(jì)圖像的像素直方圖，假定閥值將直方圖劃分為高像素與低像素 兩類(lèi)，根據(jù)兩個(gè)類(lèi)間方差值最大的原則確定分割閥值，對(duì)圖像進(jìn)行二值化處理，降低圖像噪
聲影響。其中，分割閥值計(jì)算方法為對(duì)某張圖像，記t為前景與背景的分割閾值，前景點(diǎn) 數(shù)占圖像比例為wO，平均像素為uO ；背景點(diǎn)數(shù)占圖像比例為wl，平均像素為ul。圖像的 總平均像素為u = W0*u0+Wl*ul。從最小像素值到最大像素值遍歷t，當(dāng)t使得值g = wO*(uO-u)2+wl*(ul-u)2最大時(shí)t即為分割的最佳閾值。二值化單元依據(jù)分割閥值t對(duì)圖 像進(jìn)行二值化處理，最終處理后的圖像如圖7所示。步驟S13 利用收斂算法分配一個(gè)參數(shù)系列，每個(gè)參數(shù)系列包括一組或多組攝像機(jī)參數(shù)，每組攝像機(jī)參數(shù)包括攝像機(jī)外部參數(shù)和攝像機(jī)內(nèi)部參數(shù)。收斂算法可以是粒子智 能算法、遺傳算法、螞蟻算法或魚(yú)群算法。當(dāng)采用粒子智能算法為迭代計(jì)算分配參數(shù)系列 時(shí)，一組攝像機(jī)參數(shù)對(duì)應(yīng)一個(gè)粒子；當(dāng)采用遺傳算法為迭代計(jì)算分配參數(shù)系列時(shí)，一組攝像 機(jī)參數(shù)對(duì)應(yīng)一個(gè)染色體；當(dāng)采用魚(yú)群算法為迭代計(jì)算分配參數(shù)系列時(shí)，一組攝像機(jī)參數(shù)對(duì) 應(yīng)一條魚(yú)；當(dāng)采用螞蟻算法為迭代計(jì)算分配參數(shù)系列時(shí)，一組攝像機(jī)參數(shù)對(duì)應(yīng)一個(gè)螞蟻。當(dāng) 第一次進(jìn)行迭代計(jì)算時(shí)，收斂算法進(jìn)行初始化，使粒子/染色體/螞蟻隨機(jī)分布或均勻分 布，從而為第一次的迭代計(jì)算分組一個(gè)參數(shù)系列，該參數(shù)系列可以只包括一個(gè)粒子/染色 體/螞蟻，即只包括一組攝像機(jī)參數(shù)，也可以包括多個(gè)粒子/染色體/螞蟻，即包括多組攝 像機(jī)參數(shù)，例如50個(gè)粒子/染色體/螞蟻。在以后的迭代計(jì)算中，收斂算法根據(jù)一定的規(guī) 則產(chǎn)生新的參數(shù)系列。步驟S14 根據(jù)預(yù)先建立的模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系模型 以及分配的攝像機(jī)參數(shù)，計(jì)算模板圖像的圖像坐標(biāo)。在一種實(shí)施例中，模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系模型可通過(guò)以 下方式建立假設(shè)攝像機(jī)參數(shù)已知的情況下，建立模板圖像坐標(biāo)與世界坐標(biāo)之間的對(duì)應(yīng)關(guān)系。 具體包括步驟 為坐標(biāo)。

坐標(biāo)；m2
為
第一步，先根據(jù)攝像機(jī)外部參數(shù)確立攝像機(jī)坐標(biāo)與世界坐標(biāo)的關(guān)系。其計(jì)算公式
I 1
尺 3x3 '3x1
Or 1
1
(1)
其中t3X1為平移向量，R3x3為旋轉(zhuǎn)矩陣，(X。Y。Z。)T為攝像機(jī)坐標(biāo)，(XwYwZJt為世界
第二步，再根據(jù)徑向畸變參數(shù)和切向畸變參數(shù)，對(duì)攝像機(jī)坐標(biāo)進(jìn)行修正。 其計(jì)算公式為
Λ
χ = x(\ +U1TTI2 + k2m4)+ IplXy + p2(m2 +2x2)...................(2)
Λ
y = y(l-^klTn2 +k2m4) + 2p2xy + ρλ{(lán)m2 + 2x2)
式中，；^和丨是由小孔模型計(jì)算出來(lái)的圖像點(diǎn)坐標(biāo)的理想值，(x，y)為實(shí)際圖像點(diǎn)的 =x2+y2，kl、k2為徑向畸變系數(shù)，pl、p2為切向畸變系數(shù)。 第三步，根據(jù)攝像機(jī)內(nèi)部參數(shù)建立攝像機(jī)坐標(biāo)與圖像坐標(biāo)的關(guān)系；其計(jì)算公式
其中，(u，ν)表示圖像坐標(biāo)系中的坐標(biāo)，原點(diǎn)位于(u0，vO)像素點(diǎn)上，kXl表示一 個(gè)像素點(diǎn)的大小(其單位為毫米)，f為攝像機(jī)焦距，θ為攝像機(jī)坐標(biāo)系的偏斜度。第四步，為了提高了攝像機(jī)定標(biāo)精度，利用雙線性插值處理對(duì)模板圖像坐標(biāo)進(jìn)行 整數(shù)化處理，最終確定模板圖像坐標(biāo)和世界坐標(biāo)的關(guān)系。利用雙線性插值將模板圖像坐標(biāo) 整數(shù)化，其計(jì)算公式為 f (x, y) = ax+by+cxy+d.
⑷根據(jù)坐標(biāo)位置最鄰近的若干個(gè)坐標(biāo)點(diǎn)的像素值，再通過(guò)加權(quán)平均計(jì)算得出。因此在步驟S14中，首先利用分配的攝像機(jī)外部參數(shù)，在模板圖像的世界坐標(biāo)已 知的情況下，利用公式(1)可計(jì)算出模板圖像的攝像機(jī)坐標(biāo)。然后利用分配的攝像機(jī)內(nèi)部 參數(shù)，在模板圖像的攝像機(jī)坐標(biāo)已知的情況下，利用公式(3)可計(jì)算出模板圖像的圖像坐 標(biāo)，形成由圖像坐標(biāo)確定的模板的世界圖像。步驟S15 計(jì)算模板圖像與理想世界圖像之間相同圖像坐標(biāo)的像素差異值的總 和，得到與各組攝像機(jī)參數(shù)相關(guān)聯(lián)的適應(yīng)值。其中，所述像素差異值的總和的計(jì)算公式為
η m Sum = YY^Nlj-Mv\
=1 ；=1其中，Nij表示模板圖像上坐標(biāo)(i，j)上的像素值，Mij表示理想世界圖像上坐標(biāo) (i，j)的像素值，Sum表示世界圖像和理想世界圖像像素差異值的總和，也就是適應(yīng)值，每 個(gè)適應(yīng)值與一組攝像機(jī)參數(shù)相關(guān)聯(lián)。圖像中每個(gè)坐標(biāo)是對(duì)應(yīng)一個(gè)像素值，相同的坐標(biāo)對(duì)于 兩幅不同的圖就會(huì)有不同的像素值，已知具體的一個(gè)參數(shù)數(shù)組就可以計(jì)算出Sum的值。已知模板形狀，即理想世界圖像是已知的，將模板圖像與理想世界圖像的像素差 異值的總和作為優(yōu)化函數(shù)模型的函數(shù)值，攝像機(jī)參數(shù)為變量。改變變量，使函數(shù)值改變，本 實(shí)施例中，像素差異值的總和越小，攝像機(jī)參數(shù)越優(yōu)。步驟S16 判斷適應(yīng)值計(jì)算結(jié)果是否滿足設(shè)定的終止條件，當(dāng)適應(yīng)值計(jì)算結(jié)果滿 足終止條件時(shí)執(zhí)行步驟S17,當(dāng)沒(méi)有滿足終止條件時(shí)繼續(xù)執(zhí)行步驟S13，重新產(chǎn)生一個(gè)參數(shù) 系列。設(shè)定的終止條件包括收斂算法運(yùn)行次數(shù)達(dá)到設(shè)定值、迭代計(jì)算的次數(shù)達(dá)到設(shè)定 值和適應(yīng)值達(dá)到預(yù)期值中的任一或兩個(gè)以上的組合。在一種實(shí)施例中，判斷適應(yīng)值計(jì)算結(jié) 果是否滿足設(shè)定的終止條件的流程如圖8所示，包括步驟S161，判斷迭代計(jì)算的次數(shù)是否達(dá)到設(shè)定的次數(shù)，如果是，則執(zhí)行步驟S17， 否則繼續(xù)步驟S162。步驟S162，判斷本次迭代計(jì)算中是否有適應(yīng)值小于預(yù)期值，如果有，則執(zhí)行步驟 S17，否則繼續(xù)步驟S163。步驟S163，判斷收斂算法的運(yùn)行次數(shù)是否達(dá)到設(shè)定值，如果是，則執(zhí)行步驟S17。
10
當(dāng)然，本領(lǐng)域根據(jù)此處公開(kāi)的內(nèi)容應(yīng)該認(rèn)識(shí)到，終止條件判斷步驟中還可以是在 上述實(shí)施例的基礎(chǔ)上減少一個(gè)或兩個(gè)終止條件，也可以任意改變其判斷順序，也可以只選 擇其中的一個(gè)終止條件。步驟S17 將與該適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)作為定標(biāo)參數(shù)輸出，結(jié)束迭代計(jì)算。利用確定的定標(biāo)參數(shù)對(duì)平時(shí)拍攝的圖像進(jìn)行矯正，圖9為完成攝像機(jī)定標(biāo)后模板 圖像矯正的效果圖。下面以收斂算法采用粒子群智能算法為例，說(shuō)明如何分配攝像機(jī)參數(shù)。本實(shí)施例中，將每個(gè)世界坐標(biāo)對(duì)應(yīng)的像素值定義為一個(gè)粒子，用粒子的位置表示 待優(yōu)化問(wèn)題的解，每個(gè)粒子的優(yōu)劣程度取決于待優(yōu)化問(wèn)題目標(biāo)函數(shù)確定的適應(yīng)值(即Sum 值)，適應(yīng)值越小，代表粒子越優(yōu)。首先，定義攝像機(jī)參數(shù)數(shù)組為粒子位置，即一個(gè)粒子就是一組攝像機(jī)參數(shù)。初始化 粒子群算法參數(shù)及粒子位置，粒子隨機(jī)分布在解空間，以每次迭代計(jì)算具有50個(gè)粒子為例 進(jìn)行說(shuō)明，即每次迭代計(jì)算產(chǎn)生50組攝像機(jī)參數(shù)。在適應(yīng)值計(jì)算步驟中，采用產(chǎn)生的50組攝像機(jī)參數(shù)分別計(jì)算出與各自攝像機(jī)參 數(shù)相關(guān)聯(lián)的50個(gè)適應(yīng)值。根據(jù)計(jì)算出的適應(yīng)值，評(píng)價(jià)粒子所處位置的適應(yīng)值的優(yōu)劣，根據(jù) 適應(yīng)值得到最優(yōu)粒子和最壞粒子，適應(yīng)值越小，粒子最優(yōu)，適應(yīng)值越大，粒子越差。在一種實(shí) 施例中，查找本次迭代計(jì)算的最優(yōu)粒子和最差粒子步驟包括以下步驟根據(jù)歷次計(jì)算出的與各粒子相關(guān)聯(lián)的適應(yīng)值，查找個(gè)體或者群體最優(yōu)粒子并將個(gè) 體或者群體最優(yōu)粒子作為本次迭代計(jì)算的最優(yōu)粒子，查找個(gè)體或者群體最差粒子并將個(gè)體 或者群體最差粒子作為本次迭代計(jì)算的最差粒子，找出各粒子的個(gè)體或群體最優(yōu)粒子、個(gè) 體或群體最差粒子，所述某粒子的個(gè)體最優(yōu)粒子為與該粒子歷次計(jì)算出的適應(yīng)值中最小適 應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子，所述某粒子的個(gè)體最差粒子為與該粒子歷次計(jì) 算出的適應(yīng)值中最大適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子。所述某粒子的群體最優(yōu) 粒子為所有個(gè)體最優(yōu)粒子適應(yīng)值中的最小適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子，所 述某粒子的群體最差粒子為所有個(gè)體最差粒子適應(yīng)值中的最大適應(yīng)值相關(guān)聯(lián)的一組攝像 機(jī)參數(shù)確定的粒子。例如有50個(gè)粒子參加迭代計(jì)算，共進(jìn)行了 10次迭代計(jì)算，即每個(gè)粒子都有10個(gè) 適應(yīng)值，在每個(gè)粒子的10個(gè)適應(yīng)值中查找出最小的適應(yīng)值和最大的適應(yīng)值，該最小適應(yīng)值 對(duì)應(yīng)的粒子為個(gè)體最優(yōu)粒子，該最大適應(yīng)值對(duì)應(yīng)的粒子為個(gè)體最差粒子。按照上述方法可 找到50個(gè)個(gè)體最優(yōu)粒子和50個(gè)個(gè)體最差粒子，在50個(gè)個(gè)體最優(yōu)粒子中再查找出最小的適 應(yīng)值，該最小適應(yīng)值對(duì)應(yīng)的粒子為群體最優(yōu)粒子。同樣，在50個(gè)個(gè)體最差粒子中再查找出 最大的適應(yīng)值，該最大適應(yīng)值對(duì)應(yīng)的粒子為群體最差粒子。在另一種實(shí)施例中，查找本次迭代計(jì)算的最優(yōu)粒子和最差粒子步驟包括以下步 驟在本次迭代計(jì)算得到的適應(yīng)值中找出最大適應(yīng)值和最小適應(yīng)值，將與最小適應(yīng)值 相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子作為本次迭代計(jì)算的最優(yōu)粒子，將與最大適應(yīng)值相關(guān) 聯(lián)的一組攝像機(jī)參數(shù)確定的粒子作為本次迭代計(jì)算的最差粒子。確定最優(yōu)和最差粒子后計(jì)算粒子群體密度。在一種實(shí)施例中，所述粒子群體密度的計(jì)算步驟包括計(jì)算所有粒子各維度的平均值，得到中心粒子；計(jì)算各個(gè)粒子與中心粒 子的空間歐氏距離的平方和。若該平方和超過(guò)設(shè)定的閥值則認(rèn)為粒子密度為低，若低于設(shè) 定的閥值則認(rèn)為粒子密度為高。然后根據(jù)粒子群體密度的情況，進(jìn)行粒子進(jìn)化。當(dāng)群體密度較低時(shí)，粒子朝著最優(yōu)粒子運(yùn)動(dòng)；而當(dāng)群體密度較高時(shí)，粒子背向最差 粒子運(yùn)動(dòng)。粒子每次運(yùn)動(dòng)的步距可根據(jù)公式實(shí)時(shí)計(jì)算出來(lái)，也可以規(guī)定步距為一確定的值， 用于本次迭代計(jì)算的粒子加上或減去步距后可得到用于下一次迭代計(jì)算的粒子。同時(shí)，粒 子以一定的概率產(chǎn)生變異，而隨機(jī)分布在可行解范圍。本實(shí)施例通過(guò)將攝像機(jī)定標(biāo)問(wèn)題轉(zhuǎn)化為參數(shù)優(yōu)化問(wèn)題，并利用粒子群優(yōu)化算法進(jìn) 行求解以完成攝像機(jī)定標(biāo)，搜索的精度更高，無(wú)局部收斂現(xiàn)象，可以更大概率搜索到全局最 優(yōu)的定標(biāo)參數(shù)，提高了定標(biāo)精度，并且減少了定標(biāo)時(shí)間。實(shí)施例中包括多個(gè)步驟，而其中一些步驟可以通過(guò)通用或?qū)Ｓ玫挠?jì)算機(jī)(或其他 電子器件)執(zhí)行機(jī)器可執(zhí)行指令來(lái)實(shí)現(xiàn)。另外，這些步驟也可以通過(guò)包含有特定邏輯電路 的硬件或者通過(guò)硬件、軟件和/或固件的組合來(lái)實(shí)現(xiàn)。具體實(shí)施例也可以是一個(gè)可完成這里所描述的過(guò)程的計(jì)算機(jī)程序產(chǎn)品，它包括一 個(gè)可機(jī)讀的介質(zhì)，介質(zhì)中存儲(chǔ)有計(jì)算機(jī)(或其他電子器件)可執(zhí)行的指令?？蓹C(jī)讀介質(zhì)包 括但不限于硬件驅(qū)動(dòng)器、軟盤(pán)、光盤(pán)、CD ROM、DVD ROM、ROM、RAM、EPROM、EEPROM、磁卡或光 卡、固體存儲(chǔ)器件或其他類(lèi)型的適用于存儲(chǔ)電子指令的媒介/可機(jī)讀介質(zhì)。上述實(shí)施例中的步驟和圖像處理設(shè)備可以集成在機(jī)動(dòng)車(chē)輛上，也可以制作成一個(gè) 單獨(dú)的設(shè)備安裝在機(jī)動(dòng)車(chē)輛上，用于機(jī)動(dòng)車(chē)輛的安全駕駛和安全泊車(chē)。上述實(shí)施例中的步 驟和圖像處理設(shè)備可以用于智能機(jī)器人或其他圖像處理設(shè)備上。以上內(nèi)容是結(jié)合具體的實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā) 明的具體實(shí)施只局限于這些說(shuō)明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫 離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù) 范圍。
權(quán)利要求
一種攝像機(jī)定標(biāo)方法，其特征在于，包括獲取模板圖像步驟對(duì)預(yù)定模板進(jìn)行拍攝獲取模板圖像；分配參數(shù)步驟利用收斂算法分配一個(gè)參數(shù)系列，所述一個(gè)參數(shù)系列包括一組或多組攝像機(jī)參數(shù)；計(jì)算適應(yīng)值步驟比較模板圖像與預(yù)定模板的理想世界圖像的差異，得到適應(yīng)值，所述適應(yīng)值計(jì)算步驟包括根據(jù)預(yù)先建立的模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及分配的攝像機(jī)參數(shù)，計(jì)算模板圖像的圖像坐標(biāo)；和計(jì)算模板圖像與理想世界圖像之間相同圖像坐標(biāo)的像素差異值的總和，得到與各組攝像機(jī)參數(shù)相關(guān)聯(lián)的適應(yīng)值；終止判斷步驟判斷適應(yīng)值計(jì)算結(jié)果是否滿足設(shè)定的終止條件，當(dāng)適應(yīng)值計(jì)算結(jié)果滿足終止條件時(shí)將與該適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)作為定標(biāo)參數(shù)；當(dāng)沒(méi)有滿足終止條件時(shí)繼續(xù)執(zhí)行分配參數(shù)步驟，重新產(chǎn)生一個(gè)參數(shù)系列。
2.如權(quán)利要求1所述的方法，其特征在于，所述分配的每組攝像機(jī)參數(shù)包括攝像機(jī)外 部參數(shù)和攝像機(jī)內(nèi)部參數(shù)，所述根據(jù)模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及 分配的攝像機(jī)參數(shù)計(jì)算模板圖像的圖像坐標(biāo)包括根據(jù)預(yù)先建立的模板圖像的世界坐標(biāo)和攝像機(jī)坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及攝像機(jī)外部 參數(shù)計(jì)算模板圖像的攝像機(jī)坐標(biāo)；根據(jù)預(yù)先建立的模板圖像的攝像機(jī)坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及攝像機(jī)內(nèi)部 參數(shù)計(jì)算模板圖像的圖像坐標(biāo)。
3.如權(quán)利要求1或2所述的方法，其特征在于，所述收斂算法為粒子群智能算法。
4.如權(quán)利要求3所述的方法，其特征在于，利用粒子群智能算法計(jì)算攝像機(jī)參數(shù)包括將每組攝像機(jī)參數(shù)作為一個(gè)粒子的坐標(biāo)，根據(jù)適應(yīng)值查找出本次迭代計(jì)算的最優(yōu)粒子和最差粒子，所述最優(yōu)粒子為與適應(yīng)值中最小適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒 子，所述最差粒子為與適應(yīng)值中最大適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子；計(jì)算用于本次迭代計(jì)算適應(yīng)值步驟中的粒子群體的密度；根據(jù)粒子群體密度確定用于下次計(jì)算適應(yīng)值步驟中的參數(shù)系列，當(dāng)粒子群體密度判斷 為低時(shí)，使粒子朝著最優(yōu)粒子運(yùn)動(dòng)從而確定用于下次計(jì)算適應(yīng)值步驟中的參數(shù)系列；當(dāng)粒 子群體密度判斷為高時(shí)，使粒子背向最壞粒子運(yùn)動(dòng)從而確定用于下次計(jì)算適應(yīng)值步驟中的 參數(shù)系列。
5.如權(quán)利要求4所述的方法，其特征在于，所述一個(gè)參數(shù)系列包括多組攝像機(jī)參數(shù)，所 述查找本次迭代計(jì)算的最優(yōu)粒子和最差粒子步驟包括根據(jù)歷次計(jì)算出的與各粒子相關(guān)聯(lián)的適應(yīng)值，查找個(gè)體或者群體最優(yōu)粒子并將個(gè)體或 者群體最優(yōu)粒子作為本次迭代計(jì)算的最優(yōu)粒子，查找個(gè)體或者群體最差粒子并將個(gè)體或者 群體最差粒子作為本次迭代計(jì)算的最差粒子，所述某粒子的個(gè)體最優(yōu)粒子為與該粒子歷次 計(jì)算出的適應(yīng)值中最小適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子，所述某粒子的個(gè)體最 差粒子為與該粒子歷次計(jì)算出的適應(yīng)值中最大適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒 子，所述某粒子的群體最優(yōu)粒子為所有個(gè)體最優(yōu)粒子適應(yīng)值中的最小適應(yīng)值相關(guān)聯(lián)的一組 攝像機(jī)參數(shù)確定的粒子，所述某粒子的群體最差粒子為所有個(gè)體最差粒子適應(yīng)值中的最大適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子。
6.如權(quán)利要求4所述的方法，其特征在于，所述查找本次迭代計(jì)算的最優(yōu)粒子和最差 粒子步驟包括在本次迭代計(jì)算得到的適應(yīng)值中找出最大適應(yīng)值和最小適應(yīng)值，將與最小適應(yīng)值相關(guān) 聯(lián)的一組攝像機(jī)參數(shù)確定的粒子作為本次迭代計(jì)算的最優(yōu)粒子，將與最大適應(yīng)值相關(guān)聯(lián)的 一組攝像機(jī)參數(shù)確定的粒子作為本次迭代計(jì)算的最差粒子。
7.如權(quán)利要求4所述的方法，其特征在于，所述粒子群體密度的計(jì)算步驟包括計(jì)算所 有粒子各維度的平均值，得到中心粒子；計(jì)算各個(gè)粒子與中心粒子的空間歐氏距離的平方 和，若該平方和超過(guò)設(shè)定的閥值則認(rèn)為粒子群體密度為低，若低于設(shè)定的閥值則認(rèn)為粒子 群體密度為高。
8.如權(quán)利要求1至7中任一項(xiàng)所述的方法，其特征在于，用于進(jìn)行第一次適應(yīng)值計(jì)算的 參數(shù)系列為隨機(jī)產(chǎn)生。
9.如權(quán)利要求1至8中任一項(xiàng)所述的方法，其特征在于，所述設(shè)定的終止條件包括收 斂算法運(yùn)行次數(shù)達(dá)到設(shè)定值、迭代計(jì)算的次數(shù)達(dá)到設(shè)定值和適應(yīng)值達(dá)到預(yù)期值中的任一或 兩個(gè)以上的組合。
10.如權(quán)利要求1所述的方法，其特征在于，所述收斂算法還包括遺傳算法、螞蟻算法 或魚(yú)群算法。
11.一種圖像處理設(shè)備，其特征在于包括攝像裝置，用于對(duì)預(yù)定模板進(jìn)行拍攝獲取模板圖像；分配參數(shù)模塊，用于利用收斂算法分配一個(gè)參數(shù)系列，所述一個(gè)參數(shù)系列包括一組或 多組攝像機(jī)參數(shù)；適應(yīng)值計(jì)算模塊，用于比較模板圖像與預(yù)定模板的理想世界圖像的差異，從而得到適 應(yīng)值，所述適應(yīng)值計(jì)算模塊包括圖像坐標(biāo)計(jì)算單元，用于根據(jù)預(yù)先建立的模板圖像的世界坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換 關(guān)系以及分配的攝像機(jī)參數(shù)，計(jì)算模板圖像的圖像坐標(biāo)；和像素差異值計(jì)算單元，用于計(jì)算模板圖像與理想世界圖像之間相同圖像坐標(biāo)的像素差 異值的總和，得到與各組攝像機(jī)參數(shù)相關(guān)聯(lián)的適應(yīng)值；終止判斷模塊，用于判斷適應(yīng)值計(jì)算結(jié)果是否滿足設(shè)定的終止條件，當(dāng)適應(yīng)值計(jì)算結(jié) 果滿足終止條件時(shí)將與該適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)作為定標(biāo)參數(shù)；當(dāng)沒(méi)有滿足終止 條件時(shí)繼續(xù)執(zhí)行分配參數(shù)步驟，重新產(chǎn)生一個(gè)參數(shù)系列。
12.如權(quán)利要求11所述的圖像處理設(shè)備，其特征在于，所述分配的每組攝像機(jī)參數(shù)包 括攝像機(jī)外部參數(shù)和攝像機(jī)內(nèi)部參數(shù)，所述圖像坐標(biāo)計(jì)算單元用于根據(jù)預(yù)先建立的模板圖 像的世界坐標(biāo)和攝像機(jī)坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及攝像機(jī)外部參數(shù)計(jì)算模板圖像的攝像機(jī) 坐標(biāo)，根據(jù)預(yù)先建立的模板圖像的攝像機(jī)坐標(biāo)和圖像坐標(biāo)之間的轉(zhuǎn)換關(guān)系以及攝像機(jī)內(nèi)部 參數(shù)計(jì)算模板圖像的圖像坐標(biāo)。
13.如權(quán)利要求11或12所述的圖像處理設(shè)備，其特征在于，所述分配參數(shù)模塊利用粒 子群智能算法為每次的迭代計(jì)算分配一個(gè)參數(shù)系列。
14.如權(quán)利要求13所述的圖像處理設(shè)備，其特征在于，所述分配參數(shù)模塊包括適應(yīng)值評(píng)價(jià)單元，用于將每組攝像機(jī)參數(shù)作為一個(gè)粒子的坐標(biāo)，根據(jù)適應(yīng)值查找出本次迭代計(jì)算的最優(yōu)粒子和最差粒子，所述最優(yōu)粒子為與適應(yīng)值中最小適應(yīng)值相關(guān)聯(lián)的一組 攝像機(jī)參數(shù)確定的粒子，所述最差粒子為與適應(yīng)值中最大適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù) 確定的粒子；密度計(jì)算單元，用于計(jì)算用于本次迭代計(jì)算適應(yīng)值步驟中的粒子群體的密度；粒子進(jìn)化單元，用于根據(jù)粒子群體密度確定用于下次計(jì)算適應(yīng)值步驟中的參數(shù)系列， 當(dāng)粒子群體密度判斷為低時(shí)，使粒子朝著最優(yōu)粒子運(yùn)動(dòng)從而確定用于下次計(jì)算適應(yīng)值步驟 中的參數(shù)系列；當(dāng)粒子群體密度判斷為高時(shí)，使粒子背向最壞粒子運(yùn)動(dòng)從而確定用于下次 計(jì)算適應(yīng)值步驟中的參數(shù)系列。
15.如權(quán)利要求14所述的圖像處理設(shè)備，其特征在于，所述一個(gè)參數(shù)系列包括多組攝 像機(jī)參數(shù)，所述適應(yīng)值評(píng)價(jià)單元用于根據(jù)歷次計(jì)算出的與各粒子相關(guān)聯(lián)的適應(yīng)值，查找個(gè)體最優(yōu)粒子或者群體最優(yōu)粒子并 將個(gè)體或者群體最優(yōu)粒子作為本次迭代計(jì)算的最優(yōu)粒子，查找個(gè)體最差粒子或者群體最差 粒子并將個(gè)體或者群體最差粒子作為本次迭代計(jì)算的最差粒子，所述某粒子的個(gè)體最優(yōu)粒 子為與該粒子歷次計(jì)算出的適應(yīng)值中最小適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子，所 述某粒子的個(gè)體最差粒子為與該粒子歷次計(jì)算出的適應(yīng)值中最大適應(yīng)值相關(guān)聯(lián)的一組攝 像機(jī)參數(shù)確定的粒子，所述某粒子的群體最優(yōu)粒子為所有個(gè)體最優(yōu)粒子適應(yīng)值中的最小適 應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子，所述某粒子的群體最差粒子為所有個(gè)體最差粒 子適應(yīng)值中的最大適應(yīng)值相關(guān)聯(lián)的一組攝像機(jī)參數(shù)確定的粒子。
16.如權(quán)利要求14所述的圖像處理設(shè)備，其特征在于，所述適應(yīng)值評(píng)價(jià)單元用于在本次迭代計(jì)算得到的適應(yīng)值中找出最大適應(yīng)值和最小適應(yīng)值，將與最小適應(yīng)值相關(guān) 聯(lián)的一組攝像機(jī)參數(shù)確定的粒子作為本次迭代計(jì)算的最優(yōu)粒子，將與最大適應(yīng)值相關(guān)聯(lián)的 一組攝像機(jī)參數(shù)確定的粒子作為本次迭代計(jì)算的最差粒子。
17.如權(quán)利要求14所述的圖像處理設(shè)備，其特征在于，所述密度計(jì)算單元用于計(jì)算所 有粒子各維度的平均值，得到中心粒子；計(jì)算各個(gè)粒子與中心粒子的空間歐氏距離的平方 和，若該平方和超過(guò)設(shè)定的閥值則認(rèn)為粒子群體密度為低，若低于設(shè)定的閥值則認(rèn)為粒子 群體密度為高。
18.如權(quán)利要求11至17中任一項(xiàng)所述的圖像處理設(shè)備，其特征在于，用于進(jìn)行第一次 適應(yīng)值計(jì)算的參數(shù)系列為隨機(jī)產(chǎn)生。
19.如權(quán)利要求11所述的圖像處理設(shè)備，其特征在于，所述設(shè)定的終止條件包括收斂 算法運(yùn)行次數(shù)達(dá)到設(shè)定值、迭代計(jì)算的次數(shù)達(dá)到設(shè)定值和適應(yīng)值達(dá)到預(yù)期值中的任一或兩 個(gè)以上的組合。
20.一種包括如權(quán)利要求11至19中任一項(xiàng)所述的圖像處理設(shè)備的機(jī)動(dòng)車(chē)輛。
全文摘要
本發(fā)明公開(kāi)了一種攝像機(jī)定標(biāo)方法、圖像處理設(shè)備和機(jī)動(dòng)車(chē)輛，其中攝像機(jī)定標(biāo)方法包括步驟獲取模板圖像步驟；分配參數(shù)步驟；計(jì)算適應(yīng)值步驟；終止判斷步驟。與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)將攝像機(jī)定標(biāo)問(wèn)題轉(zhuǎn)化為參數(shù)優(yōu)化問(wèn)題，減少對(duì)定標(biāo)環(huán)境的要求和定標(biāo)時(shí)間，提高了定標(biāo)精度。
文檔編號(hào)G06T7/00GK101957990SQ20101025302
公開(kāi)日2011年1月26日 申請(qǐng)日期2010年8月13日 優(yōu)先權(quán)日2010年8月13日
發(fā)明者吳澤俊 申請(qǐng)人:武漢大學(xué)