张正友相机标定算法

news/2024/9/23 6:21:47/

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.


http://www.ppmy.cn/news/1529184.html

相关文章

linux StarRocks 安装

一、检查服务器是否支持avx2&#xff0c;如果执行命令显示空&#xff0c;则不支持&#xff0c;那么安装后无法启动BE cat /proc/cpuinfo |grep avx2我的支持显示如下&#xff1a; 二、安装 docker run -p 9030:9030 -p 8030:8030 -p 8040:8040 -p 9001:9000 --privilegedtrue…

python基础题练习

1.可否定义一个sum函数呢&#xff1f;返回指定区间的值的和&#xff1f;例如&#xff0c;区间[1,4]的和为123410返回指定区间值的平方的和呢&#xff1f;立方呢&#xff1f; 代码&#xff1a; # 计算从start到end&#xff08;包括end&#xff09;的所有整数的和。 def sum_ra…

利用JAVA写一张纸折叠珠穆拉玛峰高度

public class zhumulama {public static void main(String[] args) {double height 8848860;double zhi 0.1;int count 0;while(zhi < height){zhi*2;//每次折完厚度count;//计数}System.out.println("一共需要折"count"次");System.out.println(&qu…

Docker工作目录迁移

文章目录 前言一、迁移步骤1.停掉docker服务2.创建存储目录3.迁移docker数据4.备份5.添加软链接6.重启docker服务&#xff0c;测试 总结 前言 安装docker&#xff0c;默认的情况容器的默认存储路径会存储系统盘的 /var/lib/docker 目录下&#xff0c;系统盘一般默认 50G&#…

MySQL:事务隔离级别

SQL 标准定义了四个隔离级别&#xff1a; READ-UNCOMMITTED(读取未提交) &#xff1a;最低的隔离级别&#xff0c;允许读取尚未提交的数据变更&#xff0c;可能会导致脏读、幻读或不可重复读。READ-COMMITTED(读取已提交) &#xff1a;允许读取并发事务已经提交的数据&#xf…

Python 入门(一、使用 VSCode 开发 Python 环境搭建)

Python 入门第一课 &#xff0c;环境搭建...... by 矜辰所致前言 现在不会 Python &#xff0c;好像不那么合适&#xff0c;咱先不求精通&#xff0c;但也不能不会&#xff0c;话不多说&#xff0c;开干&#xff01; 这是 Python 入门第一课&#xff0c;当然是做好准备工作&a…

演示:基于WPF的DrawingVisual开发的Chart图表和表格绘制

一、目的&#xff1a;基于WPF的DrawingVisual开发的Chart图表和表格绘制 二、预览 钻井井轨迹表格数据演示示例&#xff08;应用Table布局&#xff0c;模拟井轨迹深度的绘制&#xff09; 饼图表格数据演示示例&#xff08;应用Table布局&#xff0c;模拟多个饼状图组合显示&am…

Python Pandas数据清洗之缺失数据处理

大家好&#xff0c;在数据分析和处理过程中&#xff0c;缺失数据是常见且不可避免的现象。无论是在数据收集、传输或存储的过程中&#xff0c;数据集可能会出现部分丢失。缺失数据的存在不仅会影响数据的完整性&#xff0c;还可能对后续的数据分析和建模造成不利影响。为了保证…