刘福明

（广东工贸职业技术学院 广东省广州市 510510）

1 引言

在自动驾驶、ADAS（Advanced Driving Assistance System）、高精度地图采集等领域，常使用相机感知道路标识和避障[1][2]。通常对相机图像上目标检测、跟踪以及视觉测距在相机坐标系下，无法直接获知目标相对车辆的位置关系，需要将其转换至世界坐标系或车辆坐标系，获取目标的世界坐标，从而实现避障、地图道路元素采集和车辆控制等应用。在视觉测量中，除了硬件外，相机内参与外参（相机安装参数，表示相机与车辆坐标系间的相对关系）是显著影响相机感知环境精度的关键因素。因此，如何快速有效地对相机的内、外参标定是辅助驾驶系统、自动驾驶量产、地图数据众包采集和维护的重要环节。

随着视觉测量在各领域的广泛应用，业界对内、外参标定都进行了研究。对于内参标定，传统方法利用棋盘格、圆形阵列标定板等标定物对相机内参进行标定[3-5]，因其具有可操作性和精确而被广泛使用。传统标定方法需要特定的标定物，标定效果和效率依赖操作人员执行能力和熟练程度，一些新方法[6]选取环境中显著的静态特征，采集相同场景不同视角的多帧图像，建立像平面特征点的约束关系，进而根据约束关系实时计算相机内参。通常相机不发生强烈碰撞、拆解等操作，内参不会变化，因此传统标定方法满足大部分应用需求。

为了得到精确的相机外参，一般方法是建立标定场进行辅助标定。zhang 等[5]提出在标定场配备了特定标定物，并利用手眼标定法[7]（即九点标定法）根据标志物与相机之间的空间位姿关系计算相机外参。……