1.本技术涉及信息技术领域，特别是涉及一种相机外参标定方法及存储介质。
背景技术：2.目前，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，该几何模型参数就是相机参数。其中，相机外参数是描述相机采集的图像与世界坐标系的对应关系，确定了相机在某个三维空间中的位置和朝向，比如相机的位置、旋转方向等。
3.然而，目前相机外参的获取往往需要通过实验与计算才能得到，不但人工成本高，而且标定的耗时往往较长，标定效率较低。
技术实现要素：4.本技术实施例的目的在于提供一种相机外参标定方法及存储介质，用以解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。具体技术方案如下：
5.本技术实施例的第一方面，提供了一种相机外参标定方法，包括：
6.获取目标相机采集的监拍图像，其中，所述监拍图像包括输电线；
7.对所述监拍图像中所述输电线进行边缘结构特征的提取，得到并根据所述输电线的边缘结构特征创建目标特征图；
8.获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值，其中，所述目标相机所在场景包括所述输电线，所述目标点云包括输电线点云；
9.根据所述输电线点云和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述输电线点云投影至所述目标特征图上，得到第一投影结果，其中，所述初始投影矩阵表示世界坐标系和所述目标相机的相机坐标系的对应关系；
10.根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参。
11.本技术实施例的第二方面，提供了另一种相机外参标定方法，包括：
12.获取目标相机采集的监拍图像；
13.对所述监拍图像进行特征提取，并根据提取到的特征创建目标特征图；
14.获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值；
15.根据所述目标点云数据和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述目标点云投影至所述目标特征图上，得到第一投影结果；
16.根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参。
17.本技术实施例的第三方面，提供了一种相机外参标定装置，包括：
18.监拍图像获取模块，用于获取目标相机采集的监拍图像，其中，所述监拍图像包括
输电线；
19.结构特征提取模块，用于对所述监拍图像中所述输电线进行边缘结构特征的提取，得到并根据所述输电线的边缘结构特征创建目标特征图；
20.点云获取模块，用于获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值，其中，所述目标相机所在场景包括所述输电线，所述目标点云包括输电线点云；
21.点云投影模块，用于根据所述输电线点云和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述输电线点云投影至所述目标特征图上，得到第一投影结果，其中，所述初始投影矩阵表示世界坐标系和所述目标相机的相机坐标系的对应关系；
22.相机外参计算模块，用于根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参。
23.本技术实施例的第四方面，提供了另一种相机外参标定装置，包括：
24.图像获取模块，用于获取目标相机采集的监拍图像；
25.矩阵创建模块，用于对所述监拍图像进行特征提取，并根据提取到的特征创建目标特征图；
26.位置获取模块，用于获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值；
27.投影结果获取模块，用于根据所述目标点云数据和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述目标点云投影至所述目标特征图上，得到第一投影结果；
28.矩阵修正模块，用于根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参。
29.本技术实施例的另一方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
30.存储器，用于存放计算机程序；
31.处理器，用于执行存储器上所存放的程序时，实现上述任一所述的相机外参标定方法步骤。
32.本技术实施例的另一方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的相机外参标定方法步骤。
33.本技术实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的相机外参标定方法步骤。
34.本技术实施例有益效果：
35.本技术实施例提供的一种相机外参标定方法及存储介质，可以获取目标相机采集的监拍图像；对监拍图像进行特征提取，并根据提取到的特征创建目标特征图；获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值；根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果；根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并
根据目标投影矩阵，计算目标相机的外参。可见，通过本技术实施例的方法，可以通过获取目标相机所在场景的目标点云数据和目标相机的安装位置信息，以及目标相机采集的监拍图像，通过识别通过初始投影矩阵将目标点云投影至目标特征图上得到第一投影结果，进行投影矩阵的求解，从而根据最终得到的目标投影矩阵计算目标相机的外参，实现目标相机的自动标定，解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。
36.当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
37.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
38.图1为本技术实施例提供的相机外参标定方法的一种流程示意图；
39.图2为本技术实施例提供的获取目标相机的安装位置信息的流程示意图；
40.图3为本技术实施例提供的获取目标相机的安装位置信息的实例图；
41.图4为本技术实施例提供的创建目标特征图的流程示意图；
42.图5为本技术实施例提供的获取输电线对应的特征的流程示意图；
43.图6为本技术实施例提供的计算目标相机的外参的流程示意图；
44.图7为本技术实施例提供的相机外参标定方法的另一种流程示意图；
45.图8为本技术实施例提供的相机外参标定装置的一种结构示意图；
46.图9为本技术实施例提供的相机外参标定装置的另一种结构示意图；
47.图10为本技术实施例提供的电子设备的一种结构示意图
48.图11为本技术实施例提供的电子设备的另一种结构示意图。
具体实施方式
49.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员基于本技术所获得的所有其他实施例，都属于本技术保护的范围。
50.本技术实施例的第一方面，提供了一种相机外参标定方法，参见图1，包括：
51.步骤s11，获取目标相机采集的监拍图像。
52.其中，本技术实施例中的目标相机为待进行外参标定的相机，监拍图像是通过该待标注的目标相机采集的图像。具体的，获取目标相机采集的监拍图像，可以是当目标相机安装完成后，需要进行外参的标定时，通过该目标相机采集的图像。本技术实施例中监拍图像中可以包括指定的参考对象，具体的，该指定的参考对象可以是预先指定的一个对象，例如，当本技术实施例的目标相机安装在输电线的杆塔上时，通过该相机对杆塔下的道路或广场等进行监控，而指定参考对象可以是与该目标相机所在的杆塔相邻的杆塔以及该相邻杆塔上架设的输电线的组合。
53.本技术是实施例的方法应用于智能终端，可以通过该智能终端来实施，具体的，该智能终端可以是电脑、手机、智能相机、智能录像机或服务器等。
54.步骤s12，对监拍图像进行特征提取，并根据提取到的特征创建目标特征图。
55.其中，对监拍图像进行特征提取可以对监拍图像进行边缘结构特征的提取，具体的，当本技术实施例中的监拍图像包括指定对象时，对监拍图像进行特征提取可以对监拍图像中的指定对象进行边缘结构特征的提取，并根据提取到的边缘结构特征创建目标特征图。
56.例如，当本技术实施例的方法应用于安装在输电线的杆塔上的目标相机时，可以对相加采集到的图像进行特征提取，如图像中可以包括输电线和杆塔，对监拍图像进行特征提取，可以进行输电线的边缘结构特征和/或杆塔边缘结构特征的提取，然后根据提取到的边缘结构特征构造对应的map，如可以基于输电线边缘结构特征和杆塔边缘结构特征中的一个或两个构建对应的map。
57.步骤s13，获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值。
58.本技术实施例中的目标点云数据可以是通过无人机等目标点云数据采集装置采集的目标相机所在场景的目标点云数据。其中，目标相机所在场景的目标点云数据中可以包括上述指定对象中的整体或一部分的点云。例如，目标相机所在场景是输电线的场景。其中，目标相机的安装位置信息可以包括目标相机的安装高度等信息。获取目标相机的安装位置信息的初始值时，可以获取目标相机的安装环境的环境特征，例如，当目标相机安装在杆塔上时，可以根据杆塔的类型估算杆塔的高度，然后根据杆塔的高度估算目标相机的大致安装位置，如杆塔高度为18m时，目标相机的安装高度大约为15m。
59.步骤s14，根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果。
60.其中，初始投影矩阵可以是将目标点云投影至与目标特征图相同的坐标系的矩阵。一个例子中，本技术实施例中的目标点云为世界坐标系对应的点云，目标特征图为目标相机的相机坐标系对应的图像，在实际使用过程中，根据提取到的特征创建目标特征图时，根据提取到的特征创建的图像为对应相机的图像坐标系的图像，然后对该图像进行逆变换，得到该图对应的相机坐标系的目标特征图。
61.其中，根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，可以根据安装位置获取目标相机的安装高度的初始值，根据目标点云数据获取目标相机的安装位置的欧拉角。具体的，可以将目标点云数据投影至水平面，然后根据投影结果中指定对象与水平面的x轴和y轴的夹角得到相机的安装位置的欧拉角。可选的，根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果，包括：根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵；通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果。
62.步骤s15，根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参。
63.其中，根据第一投影结果对投影矩阵进行修正，可以通过初始投影矩阵将目标点
云投影至目标特征图上之后，识别目标特征图和投影后的点云的偏差，然后根据该偏差对投影矩阵进行修改，然后通过修正后的投影矩阵重新进行投影，以及进行偏差的计算，得到对应该偏差最小的投影矩阵，得到目标投影矩阵。其中，由于投影矩阵时通过相机的欧拉角和高度创建的，因此通过对目标投影矩阵的识别，可以识别到目标投影矩阵对应的相机的安装角度和高度，即相机的外参。
64.可见，通过本技术实施例的方法，可以通过获取目标相机所在场景的目标点云数据和目标相机的安装位置信息，以及目标相机采集的监拍图像，通过识别通过初始投影矩阵将目标点云投影至目标特征图上得到第一投影结果，进行投影矩阵的求解，从而根据最终得到的目标投影矩阵计算目标相机的外参，实现目标相机的自动标定，解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。
65.可选的，参见图2，目标相机所在场景包括第一目标对象和第二目标对象，目标相机所在场景的目标点云数据包括第一目标对象的点云，目标相机的安装位置信息的初始值包括目标相机的安装高度的初始值，获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值，包括：
66.步骤s21，获取目标相机所在场景的目标点云数据；
67.步骤s22，将目标点云数据投影至水平平面，得到第二投影结果；
68.步骤s23，识别并根据第二投影结果中第一目标对象的位置，计算目标相机的安装角度的初始值；
69.步骤s24，获取第二目标对象的预设属性信息，并根据预设属性信息计算目标相机的安装高度的初始值。
70.可选的，步骤s22将目标点云数据投影至水平平面，得到第二投影结果，包括：根据预设高度阈值，识别场景点云中第一目标对象的点云；将第一目标对象的点云投影至xoy平面，得到第二投影结果，其中，xoy平面为水平平面，xoy平面是x轴、y轴，以及x轴和y轴的交点o点所在的平面；
71.步骤s23识别并根据第二投影结果中第一目标对象的位置，计算目标相机的安装角度的初始值，包括：识别第二投影结果中的第一目标对象对应的投影；计算第二投影结果中的第一目标对象的投影的指向，与x轴和/或y轴的夹角，得到目标相机的安装角度的初始值。例如，当本技术实施例的方法应用于输电线的杆塔时，对目标点云数据进行调整，将输电线点云模型沿z轴进行投影在水平平面xoy平面，在xoy平面上拟合输电线直线方程，基于直线方程计算出直线方程与x轴或y轴的夹角，旋转目标点云数据，使拟合直线与x轴平行，此时输电线目标点云数据同时垂直于yoz平面，此时点云与相机位姿的欧拉角约为[-90
°
,0
°
,90
°
]或[90
°
,0
°
,90
°
]，并将该欧拉角作为目标相机的安装角度的初始值。其中，目标点云是基于世界坐标系获取的点云数据。
[0072]
参见图3，以指定参考对象为输电线和杆塔为了进行说明：
[0073]
1、输电线、杆塔点云分类，用户输入的点云模型中包含输电线、杆塔和地面点云。首先采用平面拟合的方法近似的拟合出地面点云；然后基于高度阈值对杆塔和输电线点云进行分类，可将剩下的点云模型划分为输电线点云和杆塔点云。
[0074]
2、调整输电线点云模型使输电线与x轴平行，垂直于yoz平面，对输入的场景点云模型进行调整，将输电线点云模型沿z轴进行投影在xyo平面，在xyo平面上拟合输电线直线
方程，基于直线方程计算出直线方程与x轴或y轴的夹角，旋转目标点云数据，使拟合直线与x轴平行，此时输电线目标点云数据同时垂直于yoz平面，此时点云与相机位姿的欧拉角约为[-90
°
,0
°
,90
°
]或[90
°
,0
°
,90
°
]。
[0075]
3、基于相机朝向及安装高度，确定相机初始外参r,t，具体的，可以基于相机安装杆塔编号及监测的对向杆塔编号，获取相机安装杆塔质心坐标，将对应的x,y坐标作为相机的平移向量x,y坐标；根据相机安装大约高度构建得到相机初始外参t。由相机安装杆塔编号及监测的对向杆塔编号可进一步确认相机位姿的欧拉角。当相机世界坐标x大于对面杆塔世界坐标x，初始欧拉角[-90
°
,0
°
,90
°
]；否则为[90
°
,0
°
,90
°
]；得到相机初始外参r,t。
[0076]
可见，通过本技术实施例的方法，可以将目标点云数据投影至水平平面，得到第二投影结果，并识别并根据第二投影结果中第一目标对象的位置，计算目标相机的安装角度的初始值，以及根据预设属性信息计算目标相机的安装高度的初始值，从而得到安装角度的初始值和安装高度的初始值组成的外参，进而通过该初始外参进行投影矩阵的创建。
[0077]
可选的，参见图4，步骤s12对监拍图像进行特征提取，并根据提取到的特征创建目标特征图，包括：
[0078]
步骤s121，对监拍图像中第一目标对象和第二目标对象进行边缘特征的提取，得到第一目标特征和第二目标特征；
[0079]
步骤s122，根据第一目标特征和/或第二目标特征，构建特征图像；
[0080]
步骤s123，根据预设逆变换公式对特征图像进行逆变换，得到目标特征图。
[0081]
可选的，对监拍图像中第一目标对象和第二目标对象进行边缘特征的提取，得到第一目标特征和第二目标特征，包括：对监拍图像进行灰度化处理，得到灰度图像；对灰度图像中第一目标对象进行线性特征滤波，得到滤波后的图像；对滤波后的图像进行边缘结构特征的提取，得到第一目标特征；通过预先训练好的特征提取模型，检测灰度图像中第二目标对象的位置信息；根据检测到的位置信息，对灰度图像进行边缘结构特征的提取，得到第二目标特征。
[0082]
其中，对监拍图像中第一目标对象和第二目标对象进行边缘特征的提取，得到第一目标特征和第二目标特征之前，可以对监拍图像进行特征提取可以对监拍图像进行预处理，然后通过预处理后的图像进行特征提取，例如，可以对监拍图像进行灰度化、图像旋转等预处理，然后通过对处理后的图像进行边缘特征的提取。
[0083]
具体的，以第一目标模块为输电线，第二目标模块为杆塔进行说明，例如，参见图5，获取输电线对应的特征的步骤可以包括：
[0084]
1、监拍图像转灰度图；
[0085]
2、灰度图边缘特征提取，将输入的监拍图像灰度化后，采用边缘特征提取算子提取对应的边缘特征，具体的，提取边缘特征的提取可以通过canny算子、laplacian算子等进行提取：
[0086]
3、线段检测器提取线段特征及滤波，将输入的监拍图像灰度化后，采用线段检测器检测图像中的线段特征，并基于线段特征的长度及方向特征进行滤波，滤除长度小于预设长度阈值的线段特征和水平方向的线段特征；
[0087]
4、输电线边缘结构特征提取，将线段特征与边缘特征取交集，获取最终的输电线边缘结构特征，保留所有的输电线并滤除其他的噪声，最终提取输电线边缘结构。
[0088]
其中，获取杆塔对应的特征的步骤可以包括：杆塔目标检测，采用深度学习的方法训练对应的检测器，检测出图中杆塔的位置信息；杆塔边缘结构特征提取，基于杆塔的位置信息和边缘特征图，直接提取杆塔的边缘特征，最终得到杆塔边缘特征。
[0089]
其中，根据逆变换公式对特征图像进行逆变换，得到目标特征图，可以构建图像边缘逆变换map模块，其特征是构建对一个的图像边缘逆变换map，对应逆变换公式如下：
[0090][0091]
其中，i,j为监控图像像素坐标，d
i,
为逆变换map，e
i,
为对应监控图像像素坐标(i,j)位置的边缘结构特征，x,y为计算过程中从监控图像中选取像素坐标，e
x,
为选取的像素坐标(x,y)对应的边缘结构特征，在实际使用过程中也可以通过(u,v)表示，a和b为预设系数。基于提取的输电线边缘结构特征和杆塔边缘结构特征，可以分别构造对应的图像边缘逆变换map；也可基于输电线边缘结构特征和杆塔边缘结构特征的并集共同构建一个图像边缘逆变换map。
[0092]
可见，通过本技术实施例的方法，可以对监拍图像中第一目标对象和第二目标对象进行边缘特征的提取，然后根据提取到的第一目标特征和第二目标特征，构建特征图像，最后根据预设逆变换公式对特征图像进行逆变换，得到目标特征图，从而可以将目标点云投影到该目标特征图上，根据投影结果检测投影矩阵的误差进而进行投影矩阵的更新。
[0093]
可选的，参见图6，步骤s14根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果，包括：
[0094]
步骤s151，根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵；
[0095]
步骤s152，通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果；
[0096]
步骤s15根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参，包括：根据第一投影结果，计算目标点云中各个点，对应目标特征图的坐标位置的边缘逆变换值；创建目标点云中各个点的边缘逆变换值对应的积分函数，得到目标函数；通过预设非线性参数估计算法，计算目标函数的最大值所对应的投影矩阵，得到目标投影矩阵，其中，目标函数表示投影后的目标点云和目标特征图的偏差，目标函数的值越大对应的偏差越小；根据目标投影矩阵，计算目标相机的外参。
[0097]
根据目标投影矩阵，计算目标相机的外参，包括：根据目标投影矩阵，计算目标相机的待输出外参；根据待输出外参更新初始投影矩阵，并返回通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为目标相机的外参。
[0098]
其中，计算目标点云投影在设定后的矩阵上的投影积分，得到第一投影结果，可以以对应点云在初始投影矩阵map中的投影积分为对应目标函数，采用非线性参数估计方法最大化目标函数，计算目标点云投影在设定后的矩阵上的投影积分，得到第一投影结果。其中，对应目标函数jc为：
[0099][0100]
n为点云个数，xp为点云坐标重投影对应的图像坐标；d
xp
为该点图像坐标对应的边缘逆变换值；本技术实施例中，点云的世界坐标(x,y,z)通过相机内参、外参矩阵，重投影到图像坐标，也就是上述xp，其中优化jc函数中包含xp,也就包含了相机外参参数(相机外参r,t；投影矩阵)。因此，可以根据目标投影矩阵，计算目标相机的待输出外参；根据待输出外参更新初始投影矩阵，并返回通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为目标相机的外参。具体的，迭代停止条件可以是两次迭代的结果差值小于预设阈值或达到迭代次数。
[0101]
可见，通过本技术实施例的方法，可以通过预设非线性参数估计算法，计算目标函数的最大值所对应的投影矩阵，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参，实现输电线场景中目标相机的自动标定，解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。
[0102]
为了说明本技术实施例的方法，以下以指定参考对象为输电线为例进行说明，参见图5：
[0103]
1、获取相机初始外参；由于相机架设朝向与输电线朝向一致并且相机架设高度也在一定范围，因此只需将的点云模型调整至对应的位置即可得到相应的相机初始外参。
[0104]
1.1输电线、杆塔点云分类模块；用户输入的点云模型中包含输电线、杆塔和地面点云，将点云模型进行分类处理。首先采用平面拟合的方法近似的拟合出地面点云；然后基于高度阈值对杆塔和输电线点云进行分类，将剩下的点云模型分为输电线点云和杆塔点云。
[0105]
1.2调整输电线点云模型使输电线与x轴平行，垂直于yoz平面；对输入的场景点云模型进行调整，将输电线点云模型沿z轴投影在xyo平面，在xyo平面上拟合输电线直线方程，基于直线方程计算出直线方程与x轴或y轴的夹角，旋转目标点云数据，使拟合直线与x轴平行，此时输电线目标点云数据同时垂直于yoz平面，点云与相机位姿的欧拉角约为[-90
°
,0
°
,90
°
]或[90
°
,0
°
,90
°
]。
[0106]
1.3基于相机朝向及安装高度，确定相机初始外参r,t；基于相机安装杆塔编号及监测的对向杆塔编号，获取相机安装杆塔质心坐标，将对应的x,y坐标作为相机的平移向量x,y坐标；构建相机初始外参t。由相机安装杆塔编号及监测的对向杆塔编号可进一步确认相机位姿的欧拉角。当相机世界坐标x大于对面杆塔世界坐标x，初始欧拉角[-90
°
,0
°
,90
°
]；否则为[90
°
,0
°
,90
°
]；
[0107]
2、自动化相机外参标定；基于获取的相机初始外参，利用场景的输电线及杆塔边缘结构特征优化相机外参，进行相机外参自动化标定。
[0108]
2.1.输电线边缘结构特征提取模块；包括：监拍图像转灰度图；灰度图边缘特征提取，将输入的监拍图像灰度化后，采用边缘特征提取算子提取对应的边缘特征，包含了输电线、杆塔及噪声的边缘特征：线段检测器提取线段特征及滤波，将输入的监拍图像灰度化后，采用线段检测器检测图像中的线段特征，并基于线段特征的长度及方向特征进行滤波，
滤除短线段特征和水平方向的线段特征；输电线边缘结构特征提取，将线段特征与边缘特征取交集，获取最终的输电线边缘结构特征，保留所有的输电线并滤除其他的噪声，最终提取的输电线边缘结构特征。
[0109]
2.2.杆塔边缘结构特征提取模块；包括：杆塔目标检测，采用深度学习的方法训练对应的检测器，检测出图中杆塔的位置信息；杆塔边缘结构特征提取，基于杆塔的位置信息和边缘特征图，直接提取杆塔的边缘特征，得到杆塔边缘特征。
[0110]
2.3.构建图像边缘逆变换map模块；构建图像边缘逆变换map模块，对应公式如下：
[0111][0112]
基于提取的输电线边缘结构特征和杆塔边缘结构特征，构造对应的边缘逆变换map；也可基于输电线边缘结构特征和杆塔边缘结构特征的并集共同构建一个边缘逆变换map。
[0113]
完成各个子模块的构建后，以对应点云在图像边缘逆变换map中的投影积分为对应目标函数，采用非线性参数估计方法最大化目标函数，以此完成对相机外参的优化。具体的，可以根据优化目标函数的计算结果更新相机外参，然后根据更新后的相机外参进行点云模型重投影，然后根据重投影结果计算优化目标函数，直至满足迭代次数，得到相机外参。
[0114]
定义优化目标函数：
[0115][0116]
其中，n为点云个数，xp为点云坐标重投影后对应的图像坐标，为重投影坐标位置对应的边缘逆变换值，采用非线性优化求得目标函数得到最大化，以此进行相机外参自动化标定。
[0117]
本技术实施例的第二方面，提供了另一种相机外参标定方法，参见图7，包括：
[0118]
步骤s71，获取目标相机采集的监拍图像，其中，监拍图像包括输电线；
[0119]
步骤s72，对监拍图像中输电线进行边缘结构特征的提取，得到并根据输电线的边缘结构特征创建目标特征图；
[0120]
步骤s73，获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值，其中，目标相机所在场景包括输电线，目标点云包括输电线点云；
[0121]
步骤s74，根据输电线点云和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将输电线点云投影至目标特征图上，得到第一投影结果，其中，初始投影矩阵表示世界坐标系和目标相机的相机坐标系的对应关系；
[0122]
步骤s75，根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参。
[0123]
可选的，根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参，包括：
[0124]
根据第一投影结果创建目标函数，其中，目标函数表示投影后的目标点云和目标特征图的偏差，目标函数的值越大对应的偏差越小；
[0125]
计算目标函数的最大值对应的目标投影矩阵，并目标投影矩阵对应的外参标记为目标相机的外参。
[0126]
可选的，获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值，包括：
[0127]
根据预设高度阈值，识别目标点云数据中输电线点云；
[0128]
将输电线点云投影至xoy平面，得到第二投影结果，其中，xoy平面为水平平面，xoy平面是x轴、y轴，以及x轴和y轴的交点o点所在的平面；
[0129]
识别第二投影结果中输电线对应的投影；
[0130]
计算第二投影结果中的输电线的投影的指向，与x轴和/或y轴的夹角，得到目标相机的安装角度的初始值。
[0131]
可选的，根据输电线点云和安装位置信息的初始值创建初始投影矩阵，包括：
[0132]
获取目标相机的安装高度的初始值，其中；
[0133]
根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵。
[0134]
可选的，监拍图像中还包括杆塔，获取目标相机采集的监拍图像之后，方法还包括：
[0135]
对监拍图像中输电线和杆塔进行边缘结构特征的提取，得到输电线的边缘结构特征和杆塔的边缘结构特征；
[0136]
根据输电线的边缘结构特征和/或杆塔的边缘结构特征创建特征图像；
[0137]
根据预设逆变换公式对特征图像进行逆变换，得到目标特征图。
[0138]
可选的，对监拍图像中输电线和杆塔进行边缘结构特征的提取，得到输电线的边缘结构特征和杆塔的边缘结构特征，包括：
[0139]
对监拍图像进行灰度化处理，得到灰度图像；
[0140]
对灰度图像中输电线进行线性特征滤波，得到滤波后的图像；对滤波后的图像进行边缘结构特征的提取，得到输电线的边缘结构特征；
[0141]
通过预先训练好的特征提取模型，检测灰度图像中杆塔的位置信息；根据检测到的位置信息，对灰度图像进行边缘结构特征的提取，得到杆塔的边缘结构特征。
[0142]
可选的，根据输电线点云和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将输电线点云投影至目标特征图上，得到第一投影结果，包括：
[0143]
根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵；
[0144]
通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果。
[0145]
可选的，根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参，包括：
[0146]
根据第一投影结果，计算目标点云中各个点，对应目标特征图的坐标位置的边缘逆变换值；
[0147]
创建目标点云中各个点的边缘逆变换值对应的积分函数，得到目标函数；
[0148]
通过预设非线性参数估计算法，计算目标函数的最大值所对应的投影矩阵，得到目标投影矩阵，其中，目标函数表示投影后的目标点云和目标特征图的偏差，目标函数的值
越大对应的偏差越小；
[0149]
根据目标投影矩阵，计算目标相机的外参。
[0150]
可选的，根据目标投影矩阵，计算目标相机的外参，包括：
[0151]
根据目标投影矩阵，计算目标相机的待输出外参；
[0152]
根据待输出外参更新初始投影矩阵，并返回通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为目标相机的外参。
[0153]
可见，通过本技术实施例的装置，可以通过获取目标相机所在的输电线场景的目标点云数据和目标相机的安装位置信息，以及目标相机采集的监拍图像，通过识别通过初始投影矩阵将目标点云投影至目标特征图上得到第一投影结果，进行投影矩阵的求解，从而根据最终得到的目标投影矩阵计算目标相机的外参，实现输电线场景中目标相机的自动标定，解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。
[0154]
本技术实施例的第三方面，提供了一种相机外参标定装置，参见图8，包括：
[0155]
图像获取模块801，用于获取目标相机采集的监拍图像；
[0156]
矩阵创建模块802，用于对监拍图像进行特征提取，并根据提取到的特征创建目标特征图；
[0157]
位置获取模块803，用于获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值；
[0158]
投影结果获取模块804，用于根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果；
[0159]
矩阵修正模块805，用于根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参。
[0160]
可选的，目标相机所在场景包括第一目标对象和第二目标对象，目标相机所在场景的目标点云数据包括第一目标对象的点云，目标相机的安装位置信息的初始值包括目标相机的安装高度的初始值，位置获取模块803，包括：
[0161]
点云数据获取子模块，用于获取目标相机所在场景的目标点云数据；
[0162]
点云数据投影子模块，用于将目标点云数据投影至水平平面，得到第二投影结果；
[0163]
初始角计算子模块，用于识别并根据第二投影结果中第一目标对象的位置，计算目标相机的安装角度的初始值；
[0164]
初始高度计算子模块，用于获取第二目标对象的预设属性信息，并根据预设属性信息计算目标相机的安装高度的初始值。
[0165]
可选的，点云数据投影子模块，包括：
[0166]
点云识别子模块，用于根据预设高度阈值，识别场景点云中第一目标对象的点云；
[0167]
点云投影子模块，用于将第一目标对象的点云投影至xoy平面，得到第二投影结果，其中，xoy平面为水平平面，xoy平面是x轴、y轴，以及x轴和y轴的交点o点所在的平面；
[0168]
初始角计算子模块，包括：
[0169]
投影识别单元，用于识别第二投影结果中的第一目标对象对应的投影；
[0170]
夹角识别单元，用于计算第二投影结果中的第一目标对象的投影的指向，与x轴和/或y轴的夹角，得到目标相机的安装角度的初始值。
[0171]
可选的，矩阵创建模块802，包括：
[0172]
边缘结构特征提取子模块，用于对监拍图像中第一目标对象和第二目标对象进行边缘特征的提取，得到第一目标特征和第二目标特征；
[0173]
特征图像构建子模块，用于根据第一目标特征和/或第二目标特征，构建特征图像；
[0174]
图像逆变换子模块，用于根据预设逆变换公式对特征图像进行逆变换，得到目标特征图。
[0175]
可选的，边缘结构特征提取子模块，包括：
[0176]
灰度化单元，用于对监拍图像进行灰度化处理，得到灰度图像；
[0177]
特征滤波单元，用于对灰度图像中第一目标对象进行线性特征滤波，得到滤波后的图像；对滤波后的图像进行边缘结构特征的提取，得到第一目标特征；
[0178]
位置检测单元，用于通过预先训练好的特征提取模型，检测灰度图像中第二目标对象的位置信息；根据检测到的位置信息，对灰度图像进行边缘结构特征的提取，得到第二目标特征。
[0179]
可选的，投影结果获取模块804，包括：
[0180]
初始投影矩阵创建子模块，用于根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵；
[0181]
初始矩阵投影子模块，用于通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果。
[0182]
可选的，矩阵修正模块805，包括：
[0183]
变换值计算子模块，用于根据第一投影结果，计算目标点云中各个点，对应目标特征图的坐标位置的边缘逆变换值；
[0184]
积分函数创建子模块，用于创建目标点云中各个点的边缘逆变换值对应的积分函数，得到目标函数；
[0185]
最大值计算子模块，用于通过预设非线性参数估计算法，计算目标函数的最大值所对应的投影矩阵，得到目标投影矩阵，其中，目标函数表示投影后的目标点云和目标特征图的偏差，目标函数的值越大对应的偏差越小；
[0186]
外参计算子模块，用于根据目标投影矩阵，计算目标相机的外参。
[0187]
可选的，外参计算子模块，包括：
[0188]
待输出外参计算单元，用于根据目标投影矩阵，计算目标相机的待输出外参；
[0189]
外参生成单元，用于根据待输出外参更新初始投影矩阵，并返回通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为目标相机的外参。
[0190]
可见，通过本技术实施例的装置，可以通过获取目标相机所在场景的目标点云数据和目标相机的安装位置信息，以及目标相机采集的监拍图像，通过识别通过初始投影矩阵将目标点云投影至目标特征图上得到第一投影结果，进行投影矩阵的求解，从而根据最终得到的目标投影矩阵计算目标相机的外参，实现目标相机的自动标定，解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。
[0191]
本技术实施例的第四方面，提供了另一种相机外参标定装置，参见图9，包括：
[0192]
监拍图像获取模块901，用于获取目标相机采集的监拍图像，其中，监拍图像包括输电线；
[0193]
结构特征提取模块902，用于对监拍图像中输电线进行边缘结构特征的提取，得到并根据输电线的边缘结构特征创建目标特征图；
[0194]
点云获取模块903，用于获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值，其中，目标相机所在场景包括输电线，目标点云包括输电线点云；
[0195]
点云投影模块904，用于根据输电线点云和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将输电线点云投影至目标特征图上，得到第一投影结果，其中，初始投影矩阵表示世界坐标系和目标相机的相机坐标系的对应关系；
[0196]
相机外参计算模块905，用于根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参。
[0197]
可选的，相机外参计算模块905，包括：
[0198]
函数创建子模块，用于根据第一投影结果创建目标函数，其中，目标函数表示投影后的目标点云和目标特征图的偏差，目标函数的值越大对应的偏差越小；
[0199]
外参计算子模块，用于计算目标函数的最大值对应的目标投影矩阵，并目标投影矩阵对应的外参标记为目标相机的外参。
[0200]
可选的，点云获取模块903，包括：
[0201]
阈值判断子模块，用于根据预设高度阈值，识别目标点云数据中输电线点云；
[0202]
水平面投影子模块，用于将输电线点云投影至xoy平面，得到第二投影结果，其中，xoy平面为水平平面，xoy平面是x轴、y轴，以及x轴和y轴的交点o点所在的平面；
[0203]
投影识别子模块，用于识别第二投影结果中输电线对应的投影；
[0204]
夹角识别子模块，用于计算第二投影结果中的输电线的投影的指向，与x轴和/或y轴的夹角，得到目标相机的安装角度的初始值。
[0205]
可选的，点云投影模块904，包括：
[0206]
安装高度获取子模块，用于获取目标相机的安装高度的初始值；
[0207]
投影矩阵创建子模块，用于根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵。
[0208]
可选的，监拍图像中还包括杆塔，上述装置还包括：
[0209]
结构特征提取模块，用于对监拍图像中输电线和杆塔进行边缘结构特征的提取，得到输电线的边缘结构特征和杆塔的边缘结构特征；
[0210]
特征图创建模块，用于根据输电线的边缘结构特征和/或杆塔的边缘结构特征创建特征图像；
[0211]
图像逆变换模块，用于根据预设逆变换公式对特征图像进行逆变换，得到目标特征图。
[0212]
可选的，结构特征提取模块，包括：
[0213]
灰度处理子模块，用于对监拍图像进行灰度化处理，得到灰度图像；
[0214]
线型滤波子模块，用于对灰度图像中输电线进行线性特征滤波，得到滤波后的图像；对滤波后的图像进行边缘结构特征的提取，得到输电线的边缘结构特征；
[0215]
特征获取子模块，用于通过预先训练好的特征提取模型，检测灰度图像中杆塔的
位置信息；根据检测到的位置信息，对灰度图像进行边缘结构特征的提取，得到杆塔的边缘结构特征。
[0216]
可选的，点云投影模块904，包括：
[0217]
投影矩阵创建子模块，用于根据目标相机的安装角度的初始值和目标相机的安装高度的初始值，创建初始投影矩阵；
[0218]
投影结果获取子模块，用于通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果。
[0219]
可选的，相机外参计算模块905，包括：
[0220]
变换值获取子模块，用于根据第一投影结果，计算目标点云中各个点，对应目标特征图的坐标位置的边缘逆变换值；
[0221]
目标函数创建子模块，用于创建目标点云中各个点的边缘逆变换值对应的积分函数，得到目标函数；
[0222]
矩阵获取子模块，用于通过预设非线性参数估计算法，计算目标函数的最大值所对应的投影矩阵，得到目标投影矩阵，其中，目标函数表示投影后的目标点云和目标特征图的偏差，目标函数的值越大对应的偏差越小；
[0223]
外参计算子模块，用于根据目标投影矩阵，计算目标相机的外参。
[0224]
可选的，外参计算子模块，包括：
[0225]
外参计算单元，用于根据目标投影矩阵，计算目标相机的待输出外参；
[0226]
外参获取单元，用于根据待输出外参更新初始投影矩阵，并返回通过初始投影矩阵，将目标点云投影至目标特征图上，得到第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为目标相机的外参。
[0227]
可见，通过本技术实施例的装置，可以通过获取目标相机所在的输电线场景的目标点云数据和目标相机的安装位置信息，以及目标相机采集的监拍图像，通过识别通过初始投影矩阵将目标点云投影至目标特征图上得到第一投影结果，进行投影矩阵的求解，从而根据最终得到的目标投影矩阵计算目标相机的外参，实现输电线场景中目标相机的自动标定，解决相机外参标定过程中，人工成本高，耗时长，标定效率低的问题。
[0228]
本技术实施例还提供了一种电子设备，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信，
[0229]
存储器1003，用于存放计算机程序；
[0230]
处理器1001，用于执行存储器1003上所存放的程序时，实现如下步骤：
[0231]
获取目标相机采集的监拍图像；
[0232]
对监拍图像进行特征提取，并根据提取到的特征创建目标特征图；
[0233]
获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值；
[0234]
根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果；
[0235]
根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参本技术实施例还提供了一种电子设备，如图11所示，包括处理器1101、通信接口1102、存储器1103和通信总线1104，其中，处理器1101，通信接口1102，存储
器1103通过通信总线1104完成相互间的通信，
[0236]
存储器1103，用于存放计算机程序；
[0237]
处理器1101，用于执行存储器1103上所存放的程序时，实现如下步骤：
[0238]
获取目标相机采集的监拍图像，其中，监拍图像包括输电线；
[0239]
对监拍图像中输电线进行边缘结构特征的提取，得到并根据输电线的边缘结构特征创建目标特征图；
[0240]
获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值，其中，目标相机所在场景包括输电线，目标点云包括输电线点云；
[0241]
根据输电线点云和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将输电线点云投影至目标特征图上，得到第一投影结果，其中，初始投影矩阵表示世界坐标系和目标相机的相机坐标系的对应关系；
[0242]
根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参。
[0243]
上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0244]
通信接口用于上述电子设备与其他设备之间的通信。
[0245]
存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0246]
上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0247]
在本技术提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一相机外参标定方法的步骤。
[0248]
在本技术提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一相机外参标定方法。
[0249]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本技术实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机
可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0250]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0251]
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、存储介质即计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0252]
以上所述仅为本技术的较佳实施例，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本技术的保护范围内。
技术特征：1.一种相机外参标定方法，其特征在于，包括：获取目标相机采集的监拍图像，其中，所述监拍图像包括输电线；对所述监拍图像中所述输电线进行边缘结构特征的提取，得到并根据所述输电线的边缘结构特征创建目标特征图；获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值，其中，所述目标相机所在场景包括所述输电线，所述目标点云包括输电线点云；根据所述输电线点云和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述输电线点云投影至所述目标特征图上，得到第一投影结果，其中，所述初始投影矩阵表示世界坐标系和所述目标相机的相机坐标系的对应关系；根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参，包括：根据所述第一投影结果创建目标函数，其中，所述目标函数表示投影后的目标点云和所述目标特征图的偏差，所述目标函数的值越大对应的偏差越小；计算所述目标函数的最大值对应的目标投影矩阵，并所述目标投影矩阵对应的外参标记为所述目标相机的外参。3.根据权利要求1所述的方法，其特征在于，所述获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值，包括：根据预设高度阈值，识别所述目标点云数据中所述输电线点云；将所述输电线点云投影至xoy平面，得到第二投影结果，其中，所述xoy平面为水平平面，所述xoy平面是x轴、y轴，以及x轴和y轴的交点o点所在的平面；识别所述第二投影结果中所述输电线对应的投影；计算所述第二投影结果中的所述输电线的投影的指向，与x轴和/或y轴的夹角，得到所述目标相机的安装角度的初始值。4.根据权利要求3所述的方法，其特征在于，所述根据所述输电线点云和所述安装位置信息的初始值创建初始投影矩阵，包括：获取所述目标相机的安装高度的初始值；根据所述目标相机的安装角度的初始值和所述目标相机的安装高度的初始值，创建所述初始投影矩阵。5.根据权利要求1所述的方法，其特征在于，所述监拍图像中还包括杆塔，所述获取目标相机采集的监拍图像之后，所述方法还包括：对所述监拍图像中所述输电线和所述杆塔进行边缘结构特征的提取，得到所述输电线的边缘结构特征和所述杆塔的边缘结构特征；根据所述输电线的边缘结构特征和/或所述杆塔的边缘结构特征创建特征图像；根据预设逆变换公式对所述特征图像进行逆变换，得到所述目标特征图。6.根据权利要求5所述的方法，其特征在于，所述对所述监拍图像中所述输电线和所述杆塔进行边缘结构特征的提取，得到所述输电线的边缘结构特征和所述杆塔的边缘结构特
征，包括：对所述监拍图像进行灰度化处理，得到灰度图像；对所述灰度图像中所述输电线进行线性特征滤波，得到滤波后的图像；对所述滤波后的图像进行边缘结构特征的提取，得到所述输电线的边缘结构特征；通过预先训练好的特征提取模型，检测所述灰度图像中杆塔的位置信息；根据检测到的位置信息，对所述灰度图像进行边缘结构特征的提取，得到所述杆塔的边缘结构特征。7.根据权利要求1所述的方法，其特征在于，所述根据所述输电线点云和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述输电线点云投影至所述目标特征图上，得到第一投影结果，包括：根据所述目标相机的安装角度的初始值和所述目标相机的安装高度的初始值，创建所述初始投影矩阵；通过所述初始投影矩阵，将所述目标点云投影至所述目标特征图上，得到所述第一投影结果。8.根据权利要求7所述的方法，其特征在于，所述根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参，包括：根据所述第一投影结果，计算所述目标点云中各个点，对应所述目标特征图的坐标位置的边缘逆变换值；创建所述目标点云中各个点的边缘逆变换值对应的积分函数，得到所述目标函数；通过预设非线性参数估计算法，计算所述目标函数的最大值所对应的投影矩阵，得到所述目标投影矩阵，其中，所述目标函数表示投影后的目标点云和所述目标特征图的偏差，所述目标函数的值越大对应的偏差越小；根据所述目标投影矩阵，计算所述目标相机的外参。9.根据权利要求8所述的方法，其特征在于，所述根据所述目标投影矩阵，计算所述目标相机的外参，包括：根据所述目标投影矩阵，计算所述目标相机的待输出外参；根据所述待输出外参更新所述初始投影矩阵，并返回所述通过所述初始投影矩阵，将所述目标点云投影至所述目标特征图上，得到所述第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为所述目标相机的外参。10.一种相机外参标定方法，其特征在于，包括：获取目标相机采集的监拍图像；对所述监拍图像进行特征提取，并根据提取到的特征创建目标特征图；获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值；根据所述目标点云数据和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述目标点云投影至所述目标特征图上，得到第一投影结果；根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参。11.根据权利要求10所述的方法，其特征在于，所述目标相机所在场景包括第一目标对
象和第二目标对象，所述目标相机所在场景的目标点云数据包括第一目标对象的点云，所述目标相机的安装位置信息的初始值包括所述目标相机的安装高度的初始值，所述获取目标相机所在场景的目标点云数据和所述目标相机的安装位置信息的初始值，包括：获取目标相机所在场景的目标点云数据；将所述目标点云数据投影至水平平面，得到第二投影结果；识别并根据所述第二投影结果中第一目标对象的位置，计算所述目标相机的安装角度的初始值；获取所述第二目标对象的预设属性信息，并根据所述预设属性信息计算所述目标相机的安装高度的初始值。12.根据权利要求11所述的方法，其特征在于，所述将所述目标点云数据投影至水平平面，得到第二投影结果，包括：根据预设高度阈值，识别所述场景点云中所述第一目标对象的点云；将所述第一目标对象的点云投影至xoy平面，得到第二投影结果，其中，所述xoy平面为水平平面，所述xoy平面是x轴、y轴，以及x轴和y轴的交点o点所在的平面；所述识别并根据所述第二投影结果中第一目标对象的位置，计算所述目标相机的安装角度的初始值，包括：识别所述第二投影结果中的所述第一目标对象对应的投影；计算所述第二投影结果中的所述第一目标对象的投影的指向，与x轴和/或y轴的夹角，得到所述目标相机的安装角度的初始值。13.根据权利要求11所述的方法，其特征在于，所述对所述监拍图像进行特征提取，并根据提取到的特征创建目标特征图，包括：对所述监拍图像中所述第一目标对象和所述第二目标对象进行边缘特征的提取，得到第一目标特征和第二目标特征；根据所述第一目标特征和/或所述第二目标特征，构建特征图像；根据预设逆变换公式对所述特征图像进行逆变换，得到所述目标特征图。14.根据权利要求13所述的方法，其特征在于，所述对所述监拍图像中所述第一目标对象和所述第二目标对象进行边缘特征的提取，得到第一目标特征和第二目标特征，包括：对所述监拍图像进行灰度化处理，得到灰度图像；对所述灰度图像中所述第一目标对象进行线性特征滤波，得到滤波后的图像；对所述滤波后的图像进行边缘结构特征的提取，得到所述第一目标特征；通过预先训练好的特征提取模型，检测所述灰度图像中第二目标对象的位置信息；根据检测到的位置信息，对所述灰度图像进行边缘结构特征的提取，得到所述第二目标特征。15.根据权利要求10所述的方法，其特征在于，所述根据所述目标点云数据和所述安装位置信息的初始值创建初始投影矩阵，并通过所述初始投影矩阵将所述目标点云投影至所述目标特征图上，得到第一投影结果，包括：根据所述目标相机的安装角度的初始值和所述目标相机的安装高度的初始值，创建所述初始投影矩阵；通过所述初始投影矩阵，将所述目标点云投影至所述目标特征图上，得到所述第一投影结果。
16.根据权利要求15所述的方法，其特征在于，所述根据所述第一投影结果对所述投影矩阵进行修正，得到目标投影矩阵，并根据所述目标投影矩阵，计算所述目标相机的外参，包括：根据所述第一投影结果，计算所述目标点云中各个点，对应所述目标特征图的坐标位置的边缘逆变换值；创建所述目标点云中各个点的边缘逆变换值对应的积分函数，得到所述目标函数；通过预设非线性参数估计算法，计算所述目标函数的最大值所对应的投影矩阵，得到所述目标投影矩阵，其中，所述目标函数表示投影后的目标点云和所述目标特征图的偏差，所述目标函数的值越大对应的偏差越小；根据所述目标投影矩阵，计算所述目标相机的外参。17.根据权利要求16所述的方法，其特征在于，所述根据所述目标投影矩阵，计算所述目标相机的外参，包括：根据所述目标投影矩阵，计算所述目标相机的待输出外参；根据所述待输出外参更新所述初始投影矩阵，并返回所述通过所述初始投影矩阵，将所述目标点云投影至所述目标特征图上，得到所述第一投影结果的步骤继续执行，直至满足预设迭代停止条件，将满足预设迭代停止条件对应的待输出外参作为所述目标相机的外参。18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9或10-17任一所述的方法步骤。
技术总结本申请实施例提供的一种相机外参标定方法及存储介质，应用于信息技术领域，可以获取目标相机采集的监拍图像；对监拍图像进行特征提取，并根据提取到的特征创建目标特征图；获取目标相机所在场景的目标点云数据和目标相机的安装位置信息的初始值；根据目标点云数据和安装位置信息的初始值创建初始投影矩阵，并通过初始投影矩阵将目标点云投影至目标特征图上，得到第一投影结果；根据第一投影结果对投影矩阵进行修正，得到目标投影矩阵，并根据目标投影矩阵，计算目标相机的外参。可见，通过本申请实施例的方法，可以进行投影矩阵的求解，从而根据最终得到的目标投影矩阵计算目标相机的外参，实现目标相机的自动标定。实现目标相机的自动标定。实现目标相机的自动标定。
技术研发人员：张冠良 李杰 毛慧
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：2022.07.20
技术公布日：2022/11/1
