张正友相机标定算法

1.标定算法

2.标定误差

2.1相关定义

A 设计外参: 车型设计中,规定的相机装配外参, 一般从车厂数据模型中得到

B 实际外参: 相机安装后的实际外参

C 标定输出的外参: 标定算法输出的外参, 需要非常接近实际外参

D 超差阈值:算法判定,标定输出的外参与设计外参之间的差超过阈值,认定安装存在问题,需要返工或者维修.

2.2 外参工装误差

摄像头在产线安装时由于安装工艺,机械结构不精确、固定不牢固等原因造成的外参误差。

工装误差是实际外参与设计外参之间的误差.

工装误差如果在设计允许的误差范围内, 且后续外参标定准确,并不会影响到后续功能的运行.

根据已有经验[2022],车厂一般可以把角度控制在1°以内.一般规定的超差阈值为3°.

超差阈值控制的是安装的极值, 工厂需要以比超差阈值低很多的指标控制安装工艺.

2.3 外参标定误差

是指标定算法输出的外参与实际外参之间的差。

根据已有经验[2023],当前hobot 基于标靶方案和在线方案的标定精度在<0.3°量级,具体精度取决于传感器以及标定方式, 标定依赖环境.

2.4算法容忍的外参误差

由于视觉感知算法,是基于采集车数据标注及训练的.虽然会有一定的加偏策略实现数据增强, 但训练出来的算法对相机安装角度变化的泛化能力有限,故实际量产车的相机外参与训练时的外参不能有太大的差别.

2.5 标定算法矫正能力

标定算法能够容忍的外参实际值与外参设计值[标定的初始值]之间的误差是有限的, 标定算法只能在容忍的误差范围内完成标定, 这个容忍度需要略大于系统设计的外参工装误差.

相关推荐
无敌最俊朗@4 小时前
力扣hot100-206反转链表
算法·leetcode·链表
Kuo-Teng4 小时前
LeetCode 279: Perfect Squares
java·数据结构·算法·leetcode·职场和发展
王哈哈^_^4 小时前
YOLO11实例分割训练任务——从构建数据集到训练的完整教程
人工智能·深度学习·算法·yolo·目标检测·机器学习·计算机视觉
檐下翻书1735 小时前
从入门到精通:流程图制作学习路径规划
论文阅读·人工智能·学习·算法·流程图·论文笔记
CoderYanger5 小时前
B.双指针——3194. 最小元素和最大元素的最小平均值
java·开发语言·数据结构·算法·leetcode·职场和发展·1024程序员节
小曹要微笑6 小时前
STM32各系列时钟树详解
c语言·stm32·单片机·嵌入式硬件·算法
前进的李工7 小时前
LeetCode hot100:094 二叉树的中序遍历:从递归到迭代的完整指南
python·算法·leetcode·链表·二叉树
麦麦大数据8 小时前
F049 知识图谱双算法推荐在线学习系统vue+flask+neo4j之BS架构开题论文全源码
学习·算法·知识图谱·推荐算法·开题报告·学习系统·计算机毕业设计展示
兩尛8 小时前
215. 数组中的第K个最大元素
数据结构·算法·排序算法
952368 小时前
数据结构-堆
java·数据结构·学习·算法