(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210227265.X (22)申请日 2022.03.08 (71)申请人 智道网联科技 （北京） 有限公司 地址 100013 北京市东城区北三环东路3 6 号1号楼B6 01 (72)发明人 孟鹏飞　单国航　贾双成　朱磊　 潘冰　 (74)专利代理 机构 北京汇鑫君达知识产权代理 有限公司 1 1769 专利代理师 李辰 (51)Int.Cl. G06T 7/80(2017.01) G06V 20/58(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 自动标定相机 外参模型的生成方法及装置 (57)摘要 本申请涉及一种自动标定相机外参模型的 生成方法及装置。 获取相机上传的图片； 根据图 片利用初始神经网络标定生 成第一相机外参； 对 图片进行语义分割， 得到语义图片， 其中语义分 割的类型包括车道线； 对第一相机外参和语义图 片进行拟合， 得到第一车道线方程组； 根据图片 采用预置标定法生成第二相机外参； 对第二相机 外参和语义图片进行拟合， 得到第二车道线 方程 组； 比对第一车道线方程组和第二车道线方程 组， 得到第一损失函数； 根据第一损失函数更新 初始神经网络， 以使初始神经网络满足收敛条 件， 得到自动标定相机外参模型。 由于模型是根 据第一损失函数不断更新初始神经网络满足收 敛条件所得到的， 模型能够对相机外参自动标 定， 大大提高了标定效率。 权利要求书2页 说明书9页 附图5页 CN 114708333 A 2022.07.05 CN 114708333 A 1.一种自动标定相机 外参模型的生成方法， 其特 征在于， 包括： 获取相机上传的图片； 根据所述图片利用初始神经网络标定生成第一相机 外参； 对所述图片进行语义分割， 得到语义图片， 其中语义分割的类型包括车道线； 对第一相机 外参和所述语义图片进行拟合， 得到第一车道线方程组； 根据所述图片采用预置标定法生成第二相机 外参； 对第二相机 外参和所述语义图片进行拟合， 得到第二车道线方程组； 比对所述第一车道线方程组和所述第二车道线方程组， 得到第一损失函数； 根据所述第一损失函数更新所述初始神经网络， 以使所述初始神经网络满足收敛条 件， 得到自动标定相机 外参模型。 2.根据权利要求1所述的自动标定相机外参模型的生成方法， 其特征在于， 所述比对所 述第一车道线方程组和所述第二车道线方程组， 得到第一损失函数后， 还 包括： 对所述语义图片中的不同车道线 进行聚类， 计算得到第一车道线距集； 根据所述语义图片在高精地图中的车道线距离， 得到第二车道线距集； 将所述第一车道线距集和所述第二车道线距集相加， 得到第二损失函数； 所述根据 所述第一损失函数更新所述初始神经网络， 以使所述初始神经网络满足收敛 条件， 得到自动标定相机 外参模型， 包括： 根据所述第 一损失函数和第 二损失函数更新所述初始神经网络， 以使所述初始神经网 络满足收敛 条件， 得到自动标定相机 外参模型。 3.根据权利要求1所述的自动标定相机外参模型的生成方法， 其特征在于， 所述对所述 图片进行语义分割， 得到语义图片， 其中语义分割的类型包括车道线， 包括： 利用全卷积神经网络对所述图片进行语义分割， 标识所述图片中的不同车道线， 得到 语义图片， 其中每一所述车道线均包 含若干车道线像素坐标系点。 4.根据权利要求1所述的自动标定相机外参模型的生成方法， 其特征在于， 所述对第 一 相机外参和所述语义图片进行拟合， 得到第一车道线方程组， 包括： 获取相机的内参； 根据所述相机的内参和所述第一相机外参将每一所述车道线包含的所述车道线像素 坐标点转换成车道线世界坐标系点； 利用最小二乘法将每一所述车道线对应的所述车道线世界坐标系点进行拟合， 得到第 一车道线方程组。 5.根据权利要求1所述的自动标定相机外参模型的生成方法， 其特征在于， 所述对第 二 相机外参和所述语义图片进行拟合， 得到第二车道线方程组， 包括： 获取相机的内参； 根据所述相机的内参和所述第二相机外参将每一所述车道线包含的所述车道线像素 坐标系点 转换成车道线世界坐标系点； 利用最小二乘法将每一所述车道线对应的所述车道线世界坐标系点进行拟合， 得到第 二车道线方程组。 6.根据权利要求2所述的自动标定相机外参模型的生成方法， 其特征在于， 所述对所述 语义图片中的不同车道线 进行聚类， 计算得到第一车道线距集， 包括：权　利　要　求　书 1/2 页 2 CN 114708333 A 2对所述语义图片中不同所述车道线包含的若干所述车道线像素坐标系点进行聚类， 得 到不同所述车道线对应的车道线像素坐标系中点， 计算两两所述车道线对应的所述车道线 像素坐标系中点间的距离， 得到第一车道线距集。 7.根据权利要求2所述的自动标定相机外参模型的生成方法， 其特征在于， 所述根据 所 述第一损失函数和所述第二损失函数 更新所述初始神经网络， 包括： 将所述第一损失函数对应的损失值与所述第二损失函数对应的损失值相加得到目标 损失值， 根据所述目标损失值更新所述初始神经网络 。 8.一种自动标定相机 外参模型的生成装置， 其特 征在于， 包括： 获取模块， 用于获取相机上传的图片； 第一外参 生成模块， 用于根据所述图片利用初始神经网络标定生成第一相机 外参； 语义分割模块， 用于对所述图片进行语义分割， 得到语义图片， 其中语义分割的类型包 括车道线； 第一拟合模块， 用于对第一相机外参和所述语义图片进行拟合， 得到第一车道线方程 组； 第二外参 生成模块， 用于根据所述图片采用预置标定法生成第二相机 外参； 第二拟合模块， 用于对第二相机外参和所述语义图片进行拟合， 得到第二车道线方程 组； 第一比对模块， 用于比对所述第一车道线方程组和所述第二车道线方程组， 得到第一 损失函数； 生成模块， 用于根据所述第一损 失函数更新所述初始神经网络， 以使所述初始神经网 络满足收敛 条件， 得到自动标定相机 外参模型。 9.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 其上存储有可执行代码， 当所述可执行代码被所述处理器执行时， 使所述处理 器执行如权利要求1至7中任一项所述的自动标定相机 外参模型的生成方法。 10.一种计算机可读存储介质， 其上存储有可执行代码， 当所述可执行代码被电子设备 的处理器执行时， 使 所述处理器执行如权利要求 1至7中任一项 所述的自动标定相机外参模 型的生成方法。权　利　要　求　书 2/2 页 3 CN 114708333 A 3