В этом примере показано, как преобразовать модель камеры рыбьего глаза в модель микроотверстия и построить соответствующее моделирование датчика монокулярной камеры. В этом примере показано, как откалибровать камеру рыбьего глаза и настроить monoCamera (Автоматическая панель инструментов управления).
Для имитации датчика монокулярной камеры, установленного в транспортном средстве, выполните следующие действия:
Оцените собственные параметры камеры, откалибровав камеру с помощью шашки. Внутренние параметры описывают свойства самой камеры рыбьего глаза.
Оцените параметры внешней камеры, снова откалибровав камеру с помощью той же шахматной доски, что и на предыдущем шаге. Внешние параметры описывают положение установки камеры «рыбий глаз» в системе координат транспортного средства.
Устраните искажение изображения путем преобразования свойств камеры «рыбий глаз» в свойства камеры «микроотверстие». Эти характеристики описывают синтетическую микроотверстную камеру, которая может гипотетически генерировать неискаженные изображения.
Для настройки датчика монокулярной камеры для моделирования используются параметры внутренней камеры и внешние параметры. Затем этот датчик можно использовать для обнаружения объектов и границ полос движения.
Для оценки собственных параметров используйте шашку для калибровки камеры. В качестве альтернативы, чтобы лучше визуализировать результаты, используйте приложение Camera Calibrator. Для камеры «рыбий глаз» полезно разместить шашку рядом с камерой, чтобы зафиксировать большое заметное искажение изображения.
% 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);
Для оценки внешних параметров используйте ту же самую шашку для оценки положения камеры в системе координат транспортного средства. На следующем шаге производится оценка параметров по одному изображению. Для получения нескольких оценок и усреднения результатов можно также использовать несколько изображений на шахматной доске.
% 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);
% 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);
Теперь можно проверить monoCamera (Automated Driving Toolbox), отображая вид 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')
На графике выше показано, что камера точно измеряет расстояния. Теперь можно использовать монокулярную камеру для обнаружения границ объектов и полос движения. См. пример «Визуальное восприятие с помощью монокулярной камеры» (Automated Driving Toolbox).