(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210521289.6 (22)申请日 2022.05.13 (71)申请人 浙江海康智联科技有限公司 地址 314500 浙江省嘉兴 市桐乡市乌镇 镇 常丰街南大街河西 87号2幢1层1 16室 (72)发明人 刘甜甜　吴越　 (74)专利代理 机构 南昌合达信知识产权代理事 务所(普通 合伙) 36142 专利代理师 闫春燕 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06T 7/11(2017.01)G06T 5/40(2006.01) G06T 5/30(2006.01) G06T 5/00(2006.01) (54)发明名称 一种标定图像自校准方法及装置 (57)摘要 一种标定图像自校准方法， 包括以下步骤： 图片预处理， 将获取的初始图片P1以及移动后图 片P2转化为灰度图， 绘制图片的色彩分布直方 图； 特征点提取， 基于图像的局部特征， 寻找极值 点(角点)作为特征点， 并确保他们具有旋转、 尺 度缩放和亮度不变性； 特征点筛选， 使所选取的 特征点均在路面上； 特征点匹配， 将两张图片上 的特征点依据特征描述直方图的相似度匹配依 据； 异常点筛除， 筛除与局部匹配不吻合的异常 点； 计算图片P2到图片P1的单应性矩阵H2； 计算 新的单应性矩阵H， H＝H1*H2 。 本发明可以大大降 低工作量， 提高安全性， 只需要在获得该相机变 化前后拍摄的两张图片， 就能通过原始单应性矩 阵自动计算变化后的单应性矩阵。 权利要求书2页 说明书5页 附图1页 CN 114821132 A 2022.07.29 CN 114821132 A 1.一种标定图像自校准方法， 其特 征在于， 包括以下步骤： 步骤1， 图片预处理， 将获取的初始图片P1 以及移动后图片P2转化为灰度图， 绘制图片 的色彩分布直方图； 步骤2， 特征点提取， 基于图像的局部特征， 寻找极值点(角点)作为特征点， 并确保他们 具有旋转、 尺度缩放和亮度不变性； 步骤3， 特 征点筛选， 使所选取的特 征点均在路面上； 步骤4， 特 征点匹配， 将两张图片上的特 征点依据特 征描述直方图的相似度进行匹配； 步骤5， 异常点筛除， 筛除与局部匹配不吻合的异常点； 步骤6， 计算图片 P2到图片 P1的单应性矩阵H2， 具体包括以下步骤： 在筛选过后的匹配中随机 选取第一数量组的匹配， 计算得到唯一单应性矩阵； 检查剩余匹配是否符合此矩阵对应的映射关系， 记录符合的匹配 个数； 重复若干次， 选取符合的匹配数量最多的单应性矩阵， 并提取符合该矩阵的所有匹配 得到匹配子集； 基于匹配子集， 计算满足条件 且造成误差最小的单应性矩阵H2； 步骤7， 计算 新的单应性矩阵H， H＝H1* H2； 其中， H1代 表原始图片P1上的像素坐标与GP S坐标的转换关系， H2代表P2上的像素坐标与原 始图片P1上的像素坐标的转换关系， 单应性矩阵H表示P2上的像素坐标与GP S坐标的转换关系。 2.根据权利要求1所述的标定图像自校准方法， 其特 征在于， 图片预处 理步骤中， 转化为灰度图前， 将选 定的初始图片 P1、 移动后图片P2调整为尺寸相同、 无后期字体； 转化为灰度图后， 在得到的色彩分布直方图中， 调整色彩分布范围及峰值， 除去数值过 大或过小且占比很少的部分， 将剩余颜色占满0 ‑255的区间， 且峰值出现在50 ‑150的范围 内； 从而达 到调整对比度和亮度的目的。 3.根据权利要求2所述的标定图像自校准方法， 其特 征在于： 对于特征点提取步骤， 在初始图片P1、 移动后图片P2上各找出第一数量个极值点， 采集 极值点的位置、 尺寸、 方向信息， 以及周围的特 征描述因子； 对于特征描述因子， 选取特征点周围预设范围内的所有像素点， 按像素分部绘制直方 图； 目的是用来描述纹 理特征。 4.根据权利要求3所述的标定图像自校准方法， 其特 征在于， 筛 选步骤包括以下步骤： 建立一个已训练完成的神经网络模型， 对于P1、 P2进行内容划分； 再使用膨胀侵蚀算法， 去掉噪音， 补全缺失， 确保划分的区域连续完整； 根据划分出的路面范围， 对提取的特 征点进行筛 选， 只保留路面上的特 征点。 5.根据权利要求4所述的标定 图像自校准方法， 其特征在于， 对于特征点匹配步骤， 包 括以下步骤： 对于P1中的每一个特征点， 分别计算其直方图与p2中所有特征点直方图的差异性， 筛 选出差异性 最小的第三数量个点， 得到的第一数量与第三数量乘积数量组匹配； 根据差异性将匹配排序， 保留差异性小的前80％。 6.根据权利要求5所述的标定 图像自校准方法， 其特征在于， 对于异常点筛除步骤， 包 括：权　利　要　求　书 1/2 页 2 CN 114821132 A 2对于P1内的每一个局部区域， 检查区域内特 征点是否均匹配到P2的同一个区域； 若该区域内大部分特征点均匹配至P2的同一区域， 则筛选掉未匹配至此区域的异常 点； 若该区域内特征点匹配情况无法达成共识， 则根据特征点分布情况， 分割此区域为若干 块， 检查分割后的区域匹配情况 是否达成共识， 持续分割直到 达成共识， 并筛去异常点。 7.根据权利要求6所述的标定图像自校准方法， 其特征在于， 计算新的单应性矩阵H后， 还包括有检查步骤： 设定单应性矩阵的检验算法和结果判定标准， 通过自动检测机制 检查 单应性矩阵的好坏， 如果计算结果 不达标， 系统将重新自动抓图计算， 直到结果符合标准。 8.一种设备， 其特 征在于， 所述设备包括： 处 理器、 存储器、 系统总线； 所述处理器以及所述存 储器通过 所述系统总线相连； 所述存储器用于存储一个或多个程序， 所述一个或多个程序包括指令， 所述指令当被 所述处理器执行时使所述处 理器执行权利要求1 ‑6任一项所述的标定图像自校准方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有指令， 当 所述指令在终端设备上运行时， 使得所述终端设备执行权利要求1 ‑6任一项所述的标定图 像自校准方法。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品在终端设备上运行时， 使 得所述终端设备 执行权利要求1 ‑6任一项所述的标定图像自校准方法。权　利　要　求　书 2/2 页 3 CN 114821132 A 3