(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 202210449908.5 (22)申请日 2022.04.27 (71)申请人 群周科技 （上海） 有限公司 地址 200080 上海市虹口区东长治路3 59号 双狮汇大厦B栋 6层 (72)发明人 范锐军　陈潇　武宇飞　 (74)专利代理 机构 上海乐泓专利代理事务所 (普通合伙) 31385 专利代理师 王瑞 (51)Int.Cl. G06T 7/80(2017.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G06N 7/00(2006.01) (54)发明名称 一种基于样本空间的相机标定优化方法 (57)摘要 本发明涉及一种基于样本空间的相机标定 优化方法， 涉及相机参数标定技术领域， 包括以 下步骤： 采集标定图片构成样本空间； 全局样本 优化实现样本筛选； 局部参数拟合提高标定精 度； 得到标定结果； 结果验证。 其优点在于： 本发 明提供的基于样本空间的相机标定优化方法， 解 决了相机标定参数精度受标定图片影响较大的 问题， 能够选择出对标定有利的样本， 并且获得 比一般标定算法更高的标定精度。 权利要求书2页 说明书5页 附图2页 CN 114820815 A 2022.07.29 CN 114820815 A 1.一种基于样本空间的相机标定优化方法， 其特 征在于， 包括以下步骤： S1： 采集标定图片 构成样本空间； S2： 全局样本优化实现样本 筛选； S3： 局部参数拟合； S4： 得到标定结果； S5： 结果验证。 2.根据权利要求1所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤S1 包括： 在样本空间中构建样本与重投影误差之间的带约束的离散非线性方程， 所述离散非 线性方程 为： yerror＝f(x1， x2) 其中， 获取标定图片数量为N， 一次标定所需的图片x1， 在总样本N中选取x1个标定图片 的组合记为x2， 在空间[x1x2]建立标定的重投影误差yerror与样本的关系； C表达组合数， f的 函数值由张氏标定算法给 出。 3.根据权利要求2所述的基于样本空间的相机标定优化方法， 其特征在于， 所述离散非 线性方程优化的目的是寻找离散方程的极小值， 极值点越小， 重投影误差越小， 标定结果越 好。 4.根据权利要求1所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤S2 包括： 采用具有概率全局优化性能的通用优化算法对样本进行优化， 在样本空间的极点进 一步提高标定精度， 在该极点附近 选取批量样本并获取相机标定的参数集。 5.根据权利要求4所述的基于样本空间的相机标定优化方法， 其特征在于， 所述具有概 率全局优化 性能的通用优化 算法为模拟退火算法。 6.根据权利要求1所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤S3 包括： 在相机标定的参数集上进行聚类与拟合， 分别获取参数区域与参数值。 7.根据权利要求1所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤S3 还包括： 局部样本获取， 所述局部样本获取包括对相机内参在 minyerror处进行拟合， 需要获 取一定数量的样本， 样本根据以下公式选取： {(x1x2)/f(x1x2)≤minyerror+Δy} 由以上公式选取的样本 E均具有较小的重投影误差 。 8.根据权利要求1所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤S3 还包括： 在样本E中的标定结果集e＝{e1 e2…e9}， e包含相机4个内参、 两个径向畸变参数、 两个切向畸变参数以及重投影误差， 对8个参数在样本空间上的频次统计， 并通过聚类 DBSCAN聚类算法获取密度最高的区域为相机参数所在的区域， 并对8个区域进 行统计形成8 幅相机参数分布图， 每幅图表示一个相 机参数在参数空间的分布， 图中横坐标表示参数值 的大小， 纵坐标表 示该参数值出现的频次； 在相机参数分布图中均满足一定的函数分布， 且 均有峰值； 在分布的峰值处的点即为相机参数的真值 点。 9.根据权利要求8所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤S3权　利　要　求　书 1/2 页 2 CN 114820815 A 2还包括： 对参数 的分布函数再次通过4阶多项式进行拟合， 对于拟合后的函数， 获取频次极 大值处的参数值基于相机参数的准确值。 10.根据权利要求9所述的基于样本空间的相机标定优化方法， 其特征在于， 所述步骤 S5包括： 在整个样本空间随机选点获取批量的标定结果， 将标定结果的参数按照重投影误差从 小到大排列； 在此样本集中选取重投影误差最小的样本的标定参数， 并将此参数看作是相 机参数的近似准确值ereal； 然后按照重投影误差从小到大划分样本为n个样本集， E＝[E1  E2…En]， 在此样本中后面的样本 集中的每个样本都比前面样本 集中的每个样本的重投影 误 差值要大， Ei在此体现样本的好坏程度； 计算样本集E中每一个子样本中重投影误差最小样本标定结果与ereal的均方差err1＝ [r11 r12…r1n]； 以及聚类拟合算法的结果err2＝[r21 r22…r2n]； 其中err1和err2分别体现 了每一组样本最小重投影误差样本的精度和DBSCAN聚类算法的精度。 11.根据权利要求10所述的基于样本空间的相机标定优化方法， 其特征在于， 所述 DBSCAN聚类是确 定样本分布区域， 由多个区域选取密度最大的一个区域， 密度最大的区域 置信度最大； 然后进行参数拟合， 拟合的结果与ereal做方差是 err2。权　利　要　求　书 2/2 页 3 CN 114820815 A 3