买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于特征联合标定多个相机协同拍摄外参标定方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120747250B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511220725.6，技术领域涉及：G06T7/80；该发明授权一种基于特征联合标定多个相机协同拍摄外参标定方法是由胡云峰;刘宏;麻斌;许芳;林佳眉;颜廷若;孙耀;陈虹设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本一种基于特征联合标定多个相机协同拍摄外参标定方法在说明书摘要公布了：本发明涉及汽车辅助驾驶技术领域，具体是一种基于特征联合标定多个相机协同拍摄外参标定方法，应用于车载环视系统与无人机俯视相机的联合标定，首先，将车辆摄像头采集的图像与无人机从上方拍摄的俯视图同时对准同一自然特征，其次，采用ORB进行特征点提取和粗匹配，再通过LK实现精细匹配，最后，利用RANSAC剔除异常匹配以计算出车载视角到真实垂直俯视视角的精确单应性变换，本发明基于特征联合标定多个相机协同拍摄外参标定方法，不仅摆脱了对特定标定场景和人工辅助工具的依赖，还通过充分利用自然特征提升了标定计算的灵活性和精度，显著优化了360°环视影像系统生成的鸟瞰图几何准确性。

本发明授权一种基于特征联合标定多个相机协同拍摄外参标定方法在权利要求书中公布了：1.一种基于特征联合标定多个相机协同拍摄外参标定方法，其特征在于，应用于车载环视系统与无人机俯视相机的联合标定，包括以下步骤： S1、协同数据采集：通过车载环视系统的至少一个车载相机与无人机搭载的俯视相机同时拍摄包含相同自然特征的地面场景，获取车载相机图像和俯视相机图像； S2、特征点提取与粗匹配：对所述车载相机图像和俯视相机图像分别提取自然特征点并生成对应的特征描述子，基于特征描述子的相似度进行初步匹配，获得初始特征点匹配对集合； S3、匹配精调：对所述初始特征点匹配对集合中的匹配点位置进行优化，获得精调后的特征点匹配对； S4、外参计算：基于所述精调后的特征点匹配对，利用随机抽样一致性算法剔除异常匹配点并计算所述车载相机与所述俯视相机之间的单应性变换矩阵，所述单应性变换矩阵表征从车载相机视角到俯视相机视角的投影变换关系； 在步骤S1之后、步骤S2之前还包括： S1a、图像预处理：利用预先标定好的车载相机内参和俯视相机内参，分别对所述车载相机图像和俯视相机图像进行畸变校正；所述内参包括焦距、主点坐标、径向畸变系数和切向畸变系数； 步骤S2具体包括： S2a、特征点提取：采用ORB特征检测算法分别从所述车载相机图像和俯视相机图像中提取自然特征点； S2b、描述子生成：为提取到的每个自然特征点生成ORB二进制描述子； S2c、粗匹配：计算所述车载相机图像的特征点描述子与所述俯视相机图像的特征点描述子之间的汉明距离，按汉明距离从小到大排序，选择前N个最佳匹配对作为所述初始特征点匹配对集合； 步骤S3具体为： 采用LK光流法对所述初始特征点匹配对集合中的每个匹配点进行位置优化； 其中，以所述车载相机图像为源图像，其上的特征点为初始位置，以所述俯视相机图像为目标图像，其上的初步匹配点为待优化位置，通过最小化局部窗口内的图像亮度差异来优化所述目标图像上的匹配点位置，获得精调后的特征点匹配对； 步骤S4具体包括： S4a、模型拟合与内点筛选：从所述精调后的特征点匹配对中随机选取最小点集，计算候选单应性矩阵；利用所述候选单应性矩阵将所有车载相机图像特征点投影至俯视相机图像坐标系，计算投影点与实际匹配点之间的重投影误差；将重投影误差小于预设阈值的匹配点标记为内点； S4b、最优模型选择：重复步骤S4a多次，选择内点数量最多的候选单应性矩阵作为最优单应性变换模型； S4c、模型优化：利用所述最优单应性变换模型对应的所有内点，通过直接线性变换方法重新拟合，得到优化后的单应性变换矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。