Сконфигурируйте монокулярную fisheye-камеру

В этом примере показано, как преобразовать модель fisheye-камеры в модель крошечного отверстия и создать соответствующую монокулярную симуляцию датчика камеры. В этом примере вы изучаете, как калибровать fisheye-камеру и сконфигурировать monoCamera Объект (Automated Driving Toolbox).

Обзор

Чтобы симулировать монокулярный датчик камеры, смонтированный в транспортном средстве, выполните эти шаги:

  1. Оцените внутренние параметры камеры путем калибровки камеры с помощью шахматной доски. Внутренние параметры описывают свойства самой fisheye-камеры.

  2. Оцените внешние параметры камеры путем калибровки камеры снова, использования той же шахматной доски от предыдущего шага. Внешние параметры описывают монтирующееся положение fisheye-камеры в системе координат транспортного средства.

  3. Удалите искажение изображения путем преобразования внутренних параметров fisheye-камеры во внутренние параметры камеры с точечной диафрагмой. Эти внутренние параметры описывают синтетическую камеру с точечной диафрагмой, которая может гипотетически сгенерировать неискаженные изображения.

  4. Используйте внутренние параметры камеры с точечной диафрагмой и внешние параметры, чтобы сконфигурировать монокулярный датчик камеры для симуляции. Можно затем использовать этот датчик, чтобы обнаружить контуры маршрута и объекты.

Оцените внутренние параметры fisheye-камеры

Чтобы оценить внутренние параметры, используйте шахматную доску для калибровки фотоаппарата. В качестве альтернативы, чтобы лучше визуализировать результаты, используйте приложение Camera Calibrator. Для fisheye-камеры полезно поместить шахматную доску близко к камере, для того, чтобы получить большое значимое искажение в изображении.

 % Gather a set of calibration images.
images = imageDatastore(fullfile(toolboxdir('vision'), 'visiondata', ...
      'calibration', 'gopro'));
imageFileNames = images.Files;
 
% Detect calibration pattern.
[imagePoints, boardSize] = detectCheckerboardPoints(imageFileNames);

% Generate world coordinates of the corners of the squares.
squareSize = 0.029; % Square size in meters
worldPoints = generateCheckerboardPoints(boardSize, squareSize);

% Calibrate the camera.
I = readimage(images, 1); 
imageSize = [size(I, 1), size(I, 2)];
params = estimateFisheyeParameters(imagePoints, worldPoints, imageSize);

Оцените значения внешних параметров fisheye-камеры

Чтобы оценить внешние параметры, используйте ту же шахматную доску, чтобы оценить монтирующееся положение камеры в системе координат транспортного средства. Следующий шаг оценивает параметры от одного изображения. Можно также взять несколько изображений шахматной доски, чтобы получить несколько оценок и составить в среднем результаты.

% Load a different image of the same checkerboard, where the checkerboard 
% is placed on the flat ground. Its X-axis is pointing to the right of the 
% vehicle, and its Y-axis is pointing to the camera. The image includes 
% noticeable distortion, such as along the wall next to the checkerboard.

imageFileName = fullfile(toolboxdir('driving'), 'drivingdata', 'checkerboard.png');
I = imread(imageFileName);
imshow(I)
title('Distorted Checkerboard Image');

[imagePoints, boardSize] = detectCheckerboardPoints(I);
 
% Generate coordinates of the corners of the squares.
squareSize = 0.029; % Square size in meters
worldPoints = generateCheckerboardPoints(boardSize, squareSize);
 
% Estimate the parameters for configuring the monoCamera object. 
% Height of the checkerboard is zero here, since the pattern is 
% directly on the ground.
originHeight = 0;
[pitch, yaw, roll, height] = estimateMonoCameraParameters(params.Intrinsics, ...
                               imagePoints, worldPoints, originHeight);
                           

Создайте синтетическую камеру с точечной диафрагмой для неискаженного изображения

% Undistort the image and extract the synthetic pinhole camera intrinsics.
[J1, camIntrinsics] = undistortFisheyeImage(I, params.Intrinsics, 'Output', 'full');
imshow(J1)
title('Undistorted Image');

% Set up monoCamera with the synthetic pinhole camera intrinsics. 
% Note that the synthetic camera has removed the distortion.
sensor = monoCamera(camIntrinsics, height, 'pitch', pitch, 'yaw', yaw, 'roll', roll);

Постройте вид с высоты птичьего полета

Теперь можно подтвердить monoCamera (Automated Driving Toolbox) путем графического вывода вида с высоты птичьего полета.

% Define bird's-eye-view transformation parameters
distAheadOfSensor = 6; % in meters
spaceToOneSide = 2.5;  % look 2.5 meters to the right and 2.5 meters to the left
bottomOffset = 0.2;  % look 0.2 meters ahead of the sensor
outView = [bottomOffset, distAheadOfSensor, -spaceToOneSide, spaceToOneSide];
outImageSize = [NaN,1000]; % output image width in pixels

birdsEyeConfig = birdsEyeView(sensor, outView, outImageSize);

% Transform input image to bird's-eye-view image and display it
B = transformImage(birdsEyeConfig, J1);

% Place a 2-meter marker ahead of the sensor in bird's-eye view
imagePoint0 = vehicleToImage(birdsEyeConfig, [2, 0]);
offset = 5; % offset marker from text label by 5 pixels
annotatedB = insertMarker(B, imagePoint0 - offset);
annotatedB = insertText(annotatedB, imagePoint0, '2 meters');

figure
imshow(annotatedB)
title('Bird''s-Eye View')

График выше показов, что камера измеряет расстояния точно. Теперь можно использовать монокулярную камеру для объекта и обнаружения контура маршрута. Смотрите, что Визуальное Восприятие Использует Монокулярную Камеру (Automated Driving Toolbox) пример.

Для просмотра документации необходимо авторизоваться на сайте