CN111899305A - 一种相机自动标定优化方法及相关系统、设备 - Google Patents

Abstract

一种相机自动标定优化方法及相关系统、设备，该相机自动标定优化方法包括：根据空间中多个标记点的第一投影二维坐标与相机接收到的多个标记点的第一二维坐标进行匹配，计算两者之间的欧氏距离，通过判断欧氏距离是否在预设阈值内，确定待优化相机，得出优化后的相机标定结果。通过不断优化相机的标定状态来实现自动标定的功能，利于使得系统时刻处于最优的标定状态，从而提升系统运行的精确度和流畅性；另外，找出待优化相机后，使得待优化相机处于屏蔽状态，如此，既可以不影响其它相机的正常工作，又可以通过正常工作的相机来支持待优化相机进行相机的自动标定。

Description

一种相机自动标定优化方法及相关系统、设备

技术领域

本发明涉及相机标定技术领域，具体涉及一种相机自动标定优化方法及相关系统、设备。

背景技术

在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定(或摄像机标定)。

例如，在光学运动捕捉系统中，采用多个相机的形式采集运动对象的光学图像，在光学运动捕捉过程中，跟踪定位软件均采用计算机多目视觉原理，根据图像二维点云间的匹配关系及相机的相对位置和朝向，计算点云在三维捕捉空间内的坐标及方向。以点云的三维坐标为基础，通过识别绑定在运动物体不同部位的刚体结构，解算出每个刚体在运动空间内的位置及朝向，进而确定出运动物体在运动空间内的运动轨迹。为了精确地计算三维捕捉空间内的点云坐标以及刚体运动姿态，动作捕捉系统运行前均需要确定所有相机的自身状态以及它们之间的相互位置关系，这就需要进行相机标定。

无论是在光学动作捕捉、图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响到相机工作产生结果的准确性，甚至相机标定的精确度会直接影响整个光学动作捕捉系统的捕捉精度，具有差之毫厘谬以千里的重大影响，因此，做好相机标定是做好后续工作的前提。

然而，在光学动作捕捉系统的应用过程中，关于相机标定还存在以下问题：(1)系统运行的环境是不断变化的，比如说早晚温度的差异，这会影响相机的自身状态，也就是相机内参；(2)相机安装环境不可避免的会遇到震动，从而导致相机和初始安装位置发生了偏移，会影响到当前相机之间的位置关系，也就是相机外参；(3)现实中我们不可能随时都对系统重新进行相机标定，这会浪费大量的时间，也大大降低了整个系统的运行流畅性。

发明内容

本发明主要解决的技术问题是在如何及时地对计算机视觉系统中的多个相机进行相机自动标定。为解决上述技术问题，本申请提供一种相机自动标定优化方法及相关系统、设备。

根据第一方面，一种实施例中提供一种相机自动标定优化方法，包括以下步骤：

S1：根据空间中多个标记点的第一投影二维坐标与相机接收到的所述多个标记点的第一二维坐标进行匹配，计算两者之间的欧氏距离，所述第一投影二维坐标为将通过相机标定获得的标记点三维坐标投影到相机中，得到对应的第一投影二维坐标；

S2：判断所述欧氏距离是否大于预设的第二阈值，若是，进入步骤S3，若否，进入步骤S4；

S3：若所述欧氏距离大于预设的第二阈值，重新进行所述相机标定，并返回步骤S1；

S4：若所述欧氏距离大于预设的第一阈值且小于或等于预设的第二阈值，则将对应相机确定为待优化的相机，其中，第一阈值小于第二阈值；

若所述欧氏距离小于或等于预设的第一阈值，则将对应相机确定为正常相机，所述正常相机为无需标定优化的相机；

S5：将所述正常相机获得的所述标记点三维坐标投影到所述待优化相机中，得到对应的第二投影二维坐标，将所述第二投影二维坐标与所述待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。

所述步骤S3包括：

若所述欧氏距离大于预设的第二阈值，则重新进行所述相机标定，得到相机之间新的位置关系，根据所述相机之间新的位置关系得到所述标记点新的三维坐标，将所述新的三维坐标投影到相机中，得到对应的新的所述第一投影二维坐标；

返回步骤S1，以使所述通过相机标定获得的新的所述第一投影二维坐标与所述第一二维坐标之间的欧氏距离不大于预设的第二阈值。

所述步骤S5包括：采用梯度下降法得出优化后的相机标定结果，具体方法为：

根据所述第二投影二维坐标与所述第二二维坐标的匹配关系，计算所述第二投影二维坐标与所述第二二维坐标之间的投影差值，根据所述投影差值逆投影，得到旋转矩阵和平移矩阵；

将所述旋转矩阵和平移矩阵更新为相机当前的标定数据，并根据所述当前的标定数据循环计算所述当前的投影差值，直至所述当前的投影差值小于预设阈值时，则将对应的所述旋转矩阵和平移矩阵作为优化后的相机标定结果。

所述根据所述第二投影二维坐标与所述第二二维坐标的匹配关系，计算所述第二投影二维坐标与所述第二二维坐标之间的投影差值，根据所述投影差值逆投影，得到旋转矩阵和平移矩阵包括：

计算所述多个标记点的第二投影二维坐标与所述第二二维坐标之间的欧式距离值，所述欧式距离值越小，则确定对应的所述第二投影二维坐标与所述第二二维坐标之间存在匹配关系；

根据所述匹配关系计算所述第二投影二维坐标与所述第二二维坐标之间的投影差值，根据所述投影差值逆投影，得到旋转矩阵和平移矩阵。

所述标定数据包括旋转信息和/或位置信息，所述旋转信息、所述位置信息分别用于标定任意一相机相对于空间坐标系的旋转状态和偏移状态。

所述步骤S5还包括：

逐一屏蔽每个所述待优化相机，或者同时屏蔽多个所述待优化相机，以使所述待优化相机不参与计算所述标记点三维坐标，将所述正常相机获得的所述标记点三维坐标投影到所述待优化相机中，得到对应的第二投影二维坐标，将所述第二投影二维坐标与所述待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。

所述步骤S5之后，还包括：

判断步骤：多次重复步骤S1-S5，以进行迭代更新，直至判断出计算得到的欧氏距离是否小于或等于预设的第一阈值，若是，进入结束步骤，若否，进入步骤S1。

结束步骤：停止相机自动标定优化过程，即完成了对待优化相机的自动标定优化处理。

根据第二方面，一种实施例中提供一种光学动作捕捉系统，包括待捕捉的多个标记点和对所述标记点进行拍摄的多个相机，还包括处理器；

多个所述标记点配置在预设的刚体上；

多个所述相机分布在预设的运动空间中，均与所述处理器通信连接，以对所述刚体上的标记点进行拍摄；

所述处理器用于定期地根据上述第一方面所述的相机自动标定优化方法对各个所述相机进行标定。

根据第三方面，一种实施例中提供一种相机自动标定优化处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述相机自动标定优化处理设备执行上述第一方面所述的相机自动标定优化处理方法。

根据第四方面，一种实施例中提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述第一方面所述的方法。

本申请的有益效果是：

依据上述实施例的一种相机自动标定优化方法及相关系统、设备，该相机自动标定优化方法包括：根据空间中多个标记点的第一投影二维坐标与相机接收到的多个标记点的第一二维坐标进行匹配，计算两者之间的欧氏距离；判断欧氏距离是否大于预设的第二阈值，若是，重新进行相机标定，若否，采取如下方法进行自动优化：若欧氏距离大于预设的第一阈值且小于或等于预设的第二阈值，则将对应相机确定为待优化的相机，若欧氏距离小于或等于预设的第一阈值，则将对应相机确定为正常相机；将正常相机获得的标记点三维坐标投影到待优化相机中，得到对应的第二投影二维坐标，将第二投影二维坐标与待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。如此，在不影响相机系统正常运行的情况下，通过收集投影二维坐标与相机二维坐标之间的匹配数据，判断当前标定信息是否正确，如若存在明显的偏差，会自动修正当前系统的相机标定数据，这样提升了系统运行的精确度和流畅性。

附图说明

图1为相机自动标定优化方法的流程图；

图2为通过投影形成投影点的示意图；

图3为通过图像处理形成采集点的示意图；

图4为光学动作捕捉系统的结构示意图；

图5为相机标定处理设备的一个实施例的结构示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其它元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第二”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

本申请的发明构思在于：在计算机视觉系统中，特别是在光学运动捕捉系统中，针对相机的内参或外参发生变化时不能及时地进行相机标定的问题，本申请提出了“自动标定”的概念和方法，在不影响光学运动捕捉系统正常运行的情况下，通过收集三维空间坐标与相机二维坐标之间的匹配数据，判断相机的当前标定信息是否正确，如若存在明显的偏差，会自动修正当前系统的相机标定文件，其目的是实时地确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，建立相机成像的几何模型(几何模型的参数就是相机的内参和外参)，以保障定位精度和体验效果。对相机进行自动标定时，可有助于提升系统运行的精确度和流畅性，同时在一定程度上避免了用户时不时就要进行相机标定的问题，节约了用户时间。要明确的一点是，自动标定的作用是在系统运行时发现相机原有标定数据存在误差，进而可以自动调整优化，而在有大量相机位置发生了偏移的情况下，必须重新扫场标定才能得以解决。

实施例一：

请参考图1，本申请公开一种相机自动标定优化方法，用于对一计算机视觉系统中的多个相机进行标定。请求保护的相机自动标定优化方法包括步骤S100-S500，下面将分别说明。

步骤S100，根据空间中多个标记点的第一投影二维坐标与相机接收到的多个标记点的第一二维坐标进行匹配，计算两者之间的欧氏距离，第一投影二维坐标为将通过相机标定获得的标记点三维坐标投影到相机中，得到对应的第一投影二维坐标；

在一实施例中，实现该步骤S100的方法如下：

根据各个相机拍摄得到的图像计算各个标记点在空间坐标系中的三维坐标；

需要说明的是，例如在光学动作捕捉系统中，多个相机均会连续拍摄多个标记点(如一个或多个捕捉对象上的多个点)的图像，并建立捕捉对象所在的运动空间的空间坐标系(或称为世界坐标系)，然后根据同一时刻拍摄的多幅图像处理得到捕捉对象在该空间坐标系中的空间坐标。由于根据多幅图像处理得到空间坐标的方法属于光学动作捕捉中常见的技术手段，因此这里不再进行详细说明。

根据每个相机的当前标定参数将各个标记点的三维坐标投影至每个相机，得到各个标记点在每个相机的相机坐标系中形成的第一投影二维坐标，其中，当前标定参数是通过预先对空间进行扫场，即预先进行相机标定获得的已知参数数据，通过该参数就可确定标记点的三维坐标；

在一具体实施例中，可见图2，构建了空间坐标系Xw-Yw-Zw和一个相机的相机坐标系Xc-Yc，在空间坐标系中得到一个标记点的三维坐标W1。将三维坐标W1投影到该相机的相机坐标系中，形成了投影点C1。由于，两个坐标系存在旋转角度和偏移位置的差别，所以在投影过程中借助了该相机的当前标定参数，以使得三维坐标W1在当前标定参数的作用下能够得到投影点C1。当空间坐标系中存在多个标记点时，将各个标记点的三维坐标均投影到该相机的相机坐标系中，分别形成类似于C1的投影点。这里描述的是将三维坐标W1投影到相机坐标系Xc-Yc的过程，同时，还存在将其他三维坐标投影到其他相机坐标系的过程，从而可形成多个投影点的集合。此外，由于各个标记点的三维坐标将投影在相机坐标系的Xc-Yc平面上，所以投影形成的各个投影点均为二维坐标数据，即实现了三维坐标到二维坐标的正投影过程。

需要说明的是，空间坐标系是真实物体在空间中的一种映射关系，空间坐标系的原点是通常为Ow。相机坐标系是以相机的光轴作为Z轴，光线在相机光学系统的中心位置就是原点Oc(实际上就是透镜的中心)，水平轴Xc、和垂直轴Yc并不与空间坐标系的相应轴平行，而是有一定的角度，并且有一定的平移。

获取多个标记点的第一二维坐标，这里的第一二维坐标是指每个相机对拍摄得到的各个标记点的图像处理形成的二维点的二维坐标，即各个标记点直接映射到每个相机时在相机坐标系中映射形成的二维坐标；

在一具体实施例中，可见图3，构建了一个相机的相机坐标系，当该相机对一个标记点进行取像时，该标记点通过光线直接映射在该相机的透镜上时，就在该相机的相机坐标系中形成了一个采集点(即相机接收到的标记点)，该采集点将在拍摄的图像上以二维点的形式进行呈现，例如Kc。此外，由于标记点直接映射在相机坐标系的Xc-Yc平面上，所以映射形成的采集点Kc为二维坐标数据。

分别将第一投影二维坐标与第一二维坐标进行匹配，计算两者之间的欧氏距离，在一具体实施例中，认为第一投影二维坐标与第一二维坐标之间存在最小欧氏距离时，对应的两坐标之间具有匹配关系。

需要说明的是，由于在相机坐标系上形成的第一投影二维坐标包括了各个标记点的投影坐标，在相机坐标系上映射形成的第一二维坐标也包括了各个标记点的映射坐标，但还存在无法建立任意一标记点的投影坐标和该标记点的映射坐标之间的对应关系。所以这里采用最小欧氏距离作为判断标准，若一个投影点与一个采集点之间的欧氏距离最小，则认为该投影点和该采集点对应于同一个标记点，即这两个点之间具有匹配关系。确定好匹配关系后，就可计算出两者之间的欧氏距离。

步骤S200，判断欧氏距离是否大于预设的第二阈值，若是，进入步骤S300，若否，进入步骤S400；

步骤S300，若欧氏距离大于预设的第二阈值，重新进行相机标定，并返回步骤S100；

需要说明的是，如果一个相机发生了剧烈变化，即在有大量相机位置发生了偏移的情况下，必须重新扫场标定才能进入下一步自动标定优化步骤。

因为重新扫场就相当于所有相机位置都未知，在未知情况下重新标定相机之间的位置关系就能克服标定参数误差过大问题，从而再进行标定优化。

也就是说，若欧氏距离大于预设的第二阈值，则重新进行相机标定，得到相机之间新的位置关系，根据相机之间新的位置关系得到标记点新的三维坐标，将新的三维坐标投影到相机中，得到对应的新的第一投影二维坐标；

重新预先进行相机标定之后，返回步骤S100，重复执行步骤S100-S300，以使通过相机标定获得的新的第一投影二维坐标与第一二维坐标之间的欧氏距离不大于预设的第二阈值。

需要说明的是，步骤S300用于确保扫场空间内所有相机的预先标定数据误差在合理的阈值范围内，即都不超过预设的第二阈值，如果超过了预设的第二阈值，则无法进行步骤S400-S500的自动标定优化过程。

步骤S400，若欧氏距离大于预设的第一阈值且小于或等于预设的第二阈值，则将对应相机确定为待优化的相机，其中，第一阈值小于第二阈值；

若欧氏距离小于或等于预设的第一阈值，则将对应相机确定为正常相机，该正常相机为无需标定优化的相机；

如果欧氏距离没有超过预设的第二阈值，说明空间中的多个相机的标定参数可以用来进行自动标定优化过程，在这个前提下，再判断欧氏距离是否超过预设的第一阈值，其中，第一阈值小于第二阈值。

如果欧氏距离大于预设的第一阈值且小于或等于预设的第二阈值，则说明对应相机为待优化的相机。

如果欧氏距离小于或等于预设的第一阈值时，则认为该相机的当前标定参数引起的测量误差仍在可控的范围内，所以无需对该相机的标定参数进行重新标定优化，即确定为正常相机。

步骤S500，将正常相机获得的标记点三维坐标投影到待优化相机中，得到对应的第二投影二维坐标，将第二投影二维坐标与待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。

该步骤进一步采用梯度下降法得出优化后的相机标定结果，具体方法为：

根据第二投影二维坐标与第二二维坐标的匹配关系，计算第二投影二维坐标与第二二维坐标之间的投影差值，根据投影差值逆投影，得到旋转矩阵和平移矩阵；

在一个实施例中，获得上述旋转矩阵和平移矩阵的方法具体可以为：

计算多个标记点的第二投影二维坐标与第二二维坐标之间的欧式距离值，欧式距离值越小，则确定对应的第二投影二维坐标与第二二维坐标之间存在匹配关系；

根据匹配关系计算第二投影二维坐标与第二二维坐标之间的投影差值，根据投影差值逆投影，得到旋转矩阵和平移矩阵。

将旋转矩阵和平移矩阵更新为相机当前的标定数据，并根据当前的标定数据循环计算当前的投影差值，直至当前的投影差值小于预设阈值时，则将对应的旋转矩阵和平移矩阵作为优化后的相机标定结果。

需要说明的是，将正常相机获得的标记点三维坐标投影到待优化相机中，得到对应的第二投影二维坐标的方法可参考上述步骤S100里获取第一投影二维坐标的方法，这里不再进行详细说明。获取待优化相机接收到的第二二维坐标方法可参考上述步骤S100里获取第一二维坐标的方法，这里不再进行详细说明。

计算第二投影二维坐标与第二二维坐标之间的欧氏距离；对于每一投影点，按照将与该投影点对应的欧氏距离最小的采集点作为该投影点的匹配点的规则，确定第二投影二维坐标与第二二维坐标之间的匹配关系。

在一实施例中，将每个投影点分别与各个采集点之间的欧氏距离进行比较，确定该投影点与最小欧氏距离对应的采集点之间存在匹配关系。如此，可得到投影点与采集点的匹配关系。

例如，标记点1至标记点n在一个相机中投影形成的投影点分别为L1(x_a1，y_a1)、...、Ln(x_an，y_an)，标记点1至标记点n在该相机中图像处理形成的采集点分别为N1(x_b1，y_b1)、...、Nn(x_bn，y_bn)，则计算L1分别与N1(x_b1，y_b1)、...、Nn(x_bn，y_bn)之间的欧氏距离d1、d2、...、d_n，若在d1、d2、...、d_n之中d1的值最小，则认为d1为最小欧氏距离，表明投影点L1和采集点N1之间存在匹配关系。

上述标定数据包括旋转信息和/或位置信息，旋转信息、位置信息分别用于标定任意一相机相对于空间坐标系的旋转状态和偏移状态。

相机的标定数据可包括内部参数和外部参数，其中内部参数通常是唯一的，往往由一个参数矩阵(f_x，f_y，c_x，c_y)和一个畸变系数(包括三个径向系数k1、k2、k3和两个切向系数p1、p2)构成。其中外部参数通常是不唯一的，由相机与空间坐标系的相对位姿关系决定，往往由旋转矩阵(例如旋转矩阵R3x3)和平移矩阵(例如Tx，Ty，Tz)构成。

在本实施例中，标定数据包括旋转信息和/或位置信息，这里的旋转信息、位置信息分别用于标定任意一相机相对于空间坐标系的旋转状态和偏移状态。

在进行上述步骤S500时，可对待优化相机进行数据隔离，排除待优化相机的干扰，通过其它正常相机得到各个标记点在空间坐标系中的三维坐标即可。

在一个实施例中，逐一屏蔽每个待优化相机，将正常相机获得的标记点三维坐标投影到一个待优化相机中，以及获得一个待优化相机接收到的二维坐标，然后对所有待优化相机依次进行循环优化，或者同时屏蔽多个待优化相机，将正常相机获得的标记点三维坐标投影到多个待优化相机中，以及获得多个待优化相机接收到的二维坐标，一次性进行对多个待优化相机的优化处理，从而实现使待优化相机不参与计算标记点三维坐标，将正常相机获得的标记点三维坐标投影到待优化相机中，得到对应的第二投影二维坐标，将第二投影二维坐标与待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。

在另一个实施例中，为获得较好的相机自动标定优化效果，本申请的相机自动标定优化方法还进一步地包括判断步骤和结束步骤。

判断步骤：多次重复步骤S100至步骤S500，以进行迭代更新，直至判断出计算得到的欧氏距离是否小于或等于预设的第一阈值。即，若欧氏距离小于或等于预设的第一阈值，代表所有相机为正常相机，无需进行自动标定优化，然后进入结束步骤，反之进入步骤S100。

结束步骤：停止相机自动标定优化过程，即完成了对待优化相机的自动标定优化处理。

实施例二：

请参考图4，本申请在实施例一请求保护的相机自动标定优化方法的基础上，还公开一种光学动作捕捉系统，其不仅包括待捕捉的多个标记点和对该标记点进行摄像的多个相机，还包括处理器12。

其中，多个标记点设置在运动空间中的一个或多个捕捉对象11上，如图4所示。多个相机(例如相机1、相机2、...相机i、...相机m，1＜i＜m)分布在运动空间中，均与处理器12通信连接，以对捕捉对象的标记点进行摄像。

需要说明的是，本实施例中提到的标记点可以是光学动作捕捉系统中常用到的对刚体进行配置的反光标记点或荧光标记点，也可以是针对主动光刚体发光源的标记点。

处理器12用于定期地根据实施例一中公开的相机自动标定优化方法对各个相机进行标定。例如，根据步骤S100-S400周期性地对各个相机进行工作状态判断，如果判断相机1为待优化的相机，则会根据步骤S500计算得到相机1的新标定数据并对当前标定数据进行更新，直至最后一次迭代所得到的新标定数据不大于预设的第一阈值，然后进入结束步骤以结束相机自动标定优化过程。

参照图5，图5为本发明实施例提供的相机标定优化处理设备的结构示意图。该相机标定处理设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对相机标定处理设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在相机标定处理设备500上执行存储介质530中的一系列指令操作。

相机标定处理设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的相机标定处理设备结构并不构成对相机标定处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本申请还提供一种存储介质，该存储介质可以为非易失性存储介质，也可以为易失性存储介质，所述存储介质中存储有相机标定优化处理程序，该相机标定优化处理程序被处理器执行时实现如上所述的相机标定优化处理方法的步骤。

其中，在上述处理器上运行的相机标定优化处理程序被执行时所实现的方法及有益效果可参照本申请相机标定优化处理方法的各个实施例，此处不再赘述。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种相机自动标定优化方法，其特征在于，包括以下步骤：

S1：根据空间中多个标记点的第一投影二维坐标与相机接收到的所述多个标记点的第一二维坐标进行匹配，计算两者之间的欧氏距离，所述第一投影二维坐标为将通过相机标定获得的标记点三维坐标投影到相机中，得到对应的第一投影二维坐标；

S2：判断所述欧氏距离是否大于预设的第二阈值，若是，进入步骤S3，若否，进入步骤S4；

S3：若所述欧氏距离大于预设的第二阈值，重新进行所述相机标定，并返回步骤S1；

S4：若所述欧氏距离大于预设的第一阈值且小于或等于预设的第二阈值，则将对应相机确定为待优化的相机，其中，第一阈值小于第二阈值；

若所述欧氏距离小于或等于预设的第一阈值，则将对应相机确定为正常相机，所述正常相机为无需标定优化的相机；

S5：将所述正常相机获得的所述标记点三维坐标投影到所述待优化相机中，得到对应的第二投影二维坐标，将所述第二投影二维坐标与所述待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。

2.根据权利要求1所述的相机自动标定优化方法，其特征在于，所述步骤S3包括：

若所述欧氏距离大于预设的第二阈值，则重新进行所述相机标定，得到相机之间新的位置关系，根据所述相机之间新的位置关系得到所述标记点新的三维坐标，将所述新的三维坐标投影到相机中，得到对应的新的所述第一投影二维坐标；

返回步骤S1，以使所述通过相机标定获得的新的所述第一投影二维坐标与所述第一二维坐标之间的欧氏距离不大于预设的第二阈值。

3.根据权利要求1所述的相机自动标定优化方法，其特征在于，所述步骤S5包括：采用梯度下降法得出优化后的相机标定结果，具体方法为：

根据所述第二投影二维坐标与所述第二二维坐标的匹配关系，计算所述第二投影二维坐标与所述第二二维坐标之间的投影差值，根据所述投影差值逆投影，得到旋转矩阵和平移矩阵；

将所述旋转矩阵和平移矩阵更新为相机当前的标定数据，并根据所述当前的标定数据循环计算所述当前的投影差值，直至所述当前的投影差值小于预设阈值时，则将对应的所述旋转矩阵和平移矩阵作为优化后的相机标定结果。

4.根据权利要求3所述的相机自动标定优化方法，其特征在于，所述根据所述第二投影二维坐标与所述第二二维坐标的匹配关系，计算所述第二投影二维坐标与所述第二二维坐标之间的投影差值，根据所述投影差值逆投影，得到旋转矩阵和平移矩阵包括：

计算所述多个标记点的第二投影二维坐标与所述第二二维坐标之间的欧式距离值，所述欧式距离值越小，则确定对应的所述第二投影二维坐标与所述第二二维坐标之间存在匹配关系；

根据所述匹配关系计算所述第二投影二维坐标与所述第二二维坐标之间的投影差值，根据所述投影差值逆投影，得到旋转矩阵和平移矩阵。

5.如权利要求3所述的相机自动标定优化方法，其特征在于，所述标定数据包括旋转信息和/或位置信息，所述旋转信息、所述位置信息分别用于标定任意一相机相对于空间坐标系的旋转状态和偏移状态。

6.如权利要求1所述的相机自动标定优化方法，其特征在于，所述步骤S5包括：

逐一屏蔽每个所述待优化相机，或者同时屏蔽多个所述待优化相机，以使所述待优化相机不参与计算所述标记点三维坐标，将所述正常相机获得的所述标记点三维坐标投影到所述待优化相机中，得到对应的第二投影二维坐标，将所述第二投影二维坐标与所述待优化相机接收到的第二二维坐标进行匹配，得出优化后的相机标定结果。

7.根据权利要求1-6任一项所述的相机自动标定优化方法，其特征在于，所述步骤S5之后，还包括：

判断步骤：多次重复所述步骤S1-S5，以进行迭代更新，直至判断出计算得到的所述欧氏距离是否小于或等于预设的第一阈值，若是，进入结束步骤，若否，返回步骤S1。

结束步骤：停止所述相机自动标定优化过程。

8.一种光学动作捕捉系统，包括待捕捉的多个标记点和对所述标记点进行拍摄的多个相机，其特征在于，还包括处理器；

多个所述标记点配置在预设的刚体上；

多个所述相机分布在预设的运动空间中，均与所述处理器通信连接，以对所述刚体上的标记点进行拍摄；

所述处理器用于定期地根据权利要求1-7任一项所述的相机自动标定优化方法对各个所述相机进行标定。

9.一种相机自动标定优化处理设备，其特征在于，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述相机自动标定优化处理设备执行如权利要求1-7中任一项所述的相机自动标定优化处理方法。

10.一种存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的相机自动标定优化处理方法。

Images