申请/专利权人:东南大学
申请日:2023-11-16
公开(公告)日:2024-03-15
公开(公告)号:CN117710480A
主分类号:G06T7/80
分类号:G06T7/80;G06N3/0464;G06N3/045;G06N3/08;G06V10/766;G06V10/82;G06V10/77
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明公开了一种基于DenseNet和注意力机制的通用相机标定方法。该方法包括:首先,基于五种投影模型的数学结构相似性,构建了通用相机投影模型,该通用相机投影模型可以拟合多种投影模型。其次,搭建了相机标定网络模型,该标定网络模型可以从单张图像中学习通用相机投影模型所需的相机内参,不仅克服了传统相机标定方法中投影模型单一的限制,同时实现了智能化和实时性的相机标定,也解决了内外参耦合的问题。最后,设计了基于通用相机投影模型重投影误差的损失函数,该损失函数能有效地引导标定网络模型更准确地学习通用相机投影模型的内参。实验结果显示,本发明在标定精度上接近张正友标定法,同时无需标志物,并且具有更好的通用性。
主权项:1.一种基于DenseNet和注意力机制的通用相机标定方法,其特征在于,包括以下步骤:步骤1:准备数据集,综合使用SynWoodScape、WoodScape和采集的数据集对相机标定网络模型进行训练和评估,并选择其中的90%作为训练集,余下的10%作为测试集;步骤2:构建通用相机投影模型,对透视投影模型和四种鱼眼相机投影模型的成像公式进行了泰勒级数展开,发现五种投影模型具有数学结构相似性,并基于这种相似性构建了通用相机投影模型;步骤3:搭建相机标定网络模型DCN,DCN能从单张图像中学习通用相机投影模型所需的相机内参,克服了传统相机标定方法中投影模型单一的限制,同时实现了智能化和实时性的相机标定,也解决了内外参耦合的问题;步骤4:设计基于重投影误差的损失函数,采用通用相机投影模型的重投影误差作为DCN模型训练的损失函数,该损失函数能有效地引导DCN模型更准确地学习通用相机投影模型的内参;步骤5:模型训练与评估,使用步骤4设计的函数对DCN模型进行训练,并采用多种评估指标对DCN模型的标定精度和通用性进行评估。
全文数据:
权利要求:
百度查询: 东南大学 一种基于DenseNet和注意力机制的通用相机标定方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。