[发明专利]一种标定图像自校准方法及装置

说明书

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。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种标定图像自校准方法即装置，只需要在获得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，达到自动校验相机是否移动并自动完成相机移动后的重新标定的技术目的。

背景技术

在自动驾驶或车路协同等过程中，需要将相机拍摄的图像通过单应性矩阵与其他坐标进行标定，如GPS、毫米波雷达或激光雷达等，以常规的像素坐标与GPS标定为例，通过选取多组像素坐标与GPS坐标对计算单应性矩阵，完成图像到地图的标定。

但在实际应用过程中，经过时间推移及一些天气因素的影响，相机位置与拍摄角度可能会发生改变，继续使用原始单应性矩阵会带来定位误差，远处误差甚至超过10米，原始单应性矩阵需要进行更新。

目前所采用的方案是重新获取新的单应性矩阵以替换原始单应性矩阵，具体是通过自动选取多组像素坐标与GPS坐标对，进行重新标定，实时性差；同时，由于相机移动的时间未知，需要人工定期校验相机是否移动；其次，重新标定需要耗费人力物力；再有，使用RTK标定还存在安全性问题。

发明内容

根据背景技术提出的问题，本发明提供一种标定图像自校准方法，自动校验相机是否移动，并自动完成相机移动后的重新标定，方案上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。接下来对本发明做进一步地阐述。

一种标定图像自校准方法，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GPS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GPS坐标的转换关系。

进一步地，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；