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
C雨后彩虹13 小时前
任务最优调度
java·数据结构·算法·华为·面试
少林码僧14 小时前
2.31 机器学习神器项目实战:如何在真实项目中应用XGBoost等算法
人工智能·python·算法·机器学习·ai·数据挖掘
钱彬 (Qian Bin)14 小时前
项目实践15—全球证件智能识别系统(切换为Qwen3-VL-8B-Instruct图文多模态大模型)
人工智能·算法·机器学习·多模态·全球证件识别
Niuguangshuo15 小时前
EM算法详解:解密“鸡生蛋“的机器学习困局
算法·机器学习·概率论
a31582380615 小时前
Android 大图显示策略优化显示(一)
android·算法·图片加载·大图片
一条大祥脚16 小时前
26.1.9 轮廓线dp 状压最短路 构造
数据结构·c++·算法
鲨莎分不晴16 小时前
反向传播的数学本质:链式法则与动态规划的完美共舞
算法·动态规划
sonadorje16 小时前
逻辑回归中的条件概率
算法·机器学习·逻辑回归
cici1587416 小时前
基于Pan-Tompkins算法的ECG信号HRV提取方案
算法
McGrady-17516 小时前
拓扑导航 vs 几何导航的具体实现位置
算法