一种相机标定方法、设备及可读存储介质

【技术领域】

本申请涉及标定技术领域，尤其涉及相机标定技术领域，可应用于相机的颜色校正矩阵(CCM，Color Correction Matrix)标定场景。具体的，本申请公开了一种相机标定方法、设备及可读存储介质。

【背景技术】

颜色校正矩阵旨在调整数字相机自身的颜色还原能力，用于对相机拍摄的图像进行颜色校正，帮助相机尽可能准确地还原出真实场景中物体原本的颜色，以保证相机具有最佳的颜色还原效果。

相关技术中在标定相机的颜色校正矩阵时，通常需要在多个实际光源设备的照明环境下反复拍摄具有多个不同色块的标准色卡，然后比较色块真实颜色与相机还原颜色之间的差异，并在颜色差异较大时调整颜色校正矩阵的元素值后重新执行色彩还原、颜色差异比较，直至颜色差异度量指标小于预设值，整个标定过程的复杂度较高、工作量较大，标定效率和便捷性较低。

值得注意的是，在此部分中描述的技术不一定是之前已经设想到或采用的技术。除非另有指明，否则不应假定此部分中描述的任何技术仅因其包括在此部分中就被认为为现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

【发明内容】

本申请提供了一种相机标定方法、设备及可读存储介质，至少能够解决相关技术中所提供的颜色校正矩阵标定方式的复杂度较高以及工作量较大的问题。

为解决上述技术问题，本申请第一方面提供了一种相机标定方法，包括：

步骤A、获取待标定相机的光谱响应灵敏度数据，并获取对应于不同标准光源的光谱功率分布数据，以及获取对应于多个颜色样本的光谱反射率数据；

步骤B、针对各所述标准光源，根据所述光谱响应灵敏度数据、所述光谱反射率数据以及相应的所述光谱功率分布数据，计算所述待标定相机相对于各所述颜色样本的响应参数；

步骤C、基于颜色校正矩阵对所述响应参数进行校正，得到校正后响应参数；

步骤D、若根据对应于所有所述颜色样本的所述校正后响应参数确定所述颜色校正矩阵不满足预设有效校正条件，则调整所述颜色校正矩阵的元素值，然后返回执行所述步骤C；

步骤E、当根据对应于所有所述颜色样本的所述校正后响应参数确定所述颜色校正矩阵满足所述有效校正条件时，将各所述标准光源相应的颜色校正矩阵标定于所述待标定相机。

本申请第二方面提供了一种电子设备，包括：存储器以及处理器，其中，所述处理器用于执行存储在所述存储器上的计算机程序；所述处理器执行计算机程序时，实现上述本申请第一方面提供的相机标定方法中的各步骤。

本申请第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述本申请第一方面提供的相机标定方法中的各步骤。

由上可见，根据本申请提供的相机标定方法、设备及可读存储介质，获取待标定相机的光谱响应灵敏度、对应于不同标准光源的光谱功率分布数据以及对应于多个颜色样本的光谱反射率；针对各标准光源，根据光谱响应灵敏度、光谱反射率以及相应的光谱功率分布数据，计算待标定相机相对于各颜色样本的响应参数；基于颜色校正矩阵对响应参数进行校正，得到校正后响应参数；若根据对应于所有颜色样本的校正后响应参数确定颜色校正矩阵不满足预设有效校正条件，则调整颜色校正矩阵的元素值，直至颜色校正矩阵满足有效校正条件，将各标准光源相应的颜色校正矩阵标定于待标定相机。通过本申请的实施，采用数学建模的方式模拟相机在真实光源环境下对颜色样本的响应，来对颜色校正矩阵进行标定，有效降低了标定复杂度和效率。

应当理解，本部分所描述的内容并非旨在标识本申请的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

【附图说明】

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述共同用于解释实施例的示例性实施方式。所示出的附图仅出于示例性目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1为相关技术提供的一种颜色校正矩阵标定方法的原理示意图；

图2为本申请第一实施例提供的相机标定方法的基本流程示意图；

图3为本申请第一实施例提供的一种光谱功率分布数据的示意图；

图4为本申请第一实施例提供的24个颜色样本块的光谱反射率数据的示意图；

图5为本申请第一实施例提供的一种相对光谱响应灵敏度曲线的示意图；

图6为本申请第二实施例提供的相机标定方法的细化流程示意图；

图7为本申请第三实施例提供的色卡校正结果示意图；

图8为本申请第三实施例提供的颜色误差示意图；

图9为本申请第四实施例提供的电子设备的硬件结构示意图。

【具体实施方式】

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应当说明的是，在本申请实施例的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

数字相机必不可少的颜色校正矩阵旨在调整相机自身的颜色还原能力，它帮助相机尽可能准确地还原出真实场景中物体原本的颜色。在出厂前，移动设备厂商普遍采用的获取数字相机CCM矩阵的方法是一种基于实验和比较的迭代过程，需要多次拍摄、调整和对比，以获得最佳的色彩还原效果。如图1所示为相关技术提供的一种颜色校正矩阵标定方法的原理示意图，首先以标准色卡中每个颜色样本块已知的颜色为预期目标，然后计算每个样本块的颜色与标准色卡上对应样本块真实颜色之间的色彩差异度量值，接下来再通过迭代优化来不断调整CCM矩阵的元素值，以减小色彩差异度量值，直至得到符合色彩还原需求的CCM矩阵，最后将其标定于相机。

第一方面，由于传统方法获取CCM的过程需要在多个实际光源设备的照明环境下反复拍摄标准色卡，从而完成一轮这样的拍摄工作是一个繁琐而耗时的过程。关键是一旦CCM标定的前序工作中一些参数发生变化(例如γ曲线、AWB参数等会因项目需求变化而做适当修正)，那么CCM标定工作又必须重新开展。实际上，在一个项目中，γ曲线往往有好几条，每一条γ曲线都对应若干个光源，每个光源又会对应一个CCM矩阵，因此当γ曲线一旦变动，使用传统方法完成CCM重新标定的工作量巨大，这个过程缺乏高效性和便捷性，并且时间成本很高。

第二方面，实际光源设备通常以CIE制定的光谱功率分布数据为基础进行设计和制造的。CIE在制定各种标准光源的光谱功率分布数据时，是基于全球各个地方实验测量和统计分析而得出的，因此这些标准光源的光谱功率分布数据很大程度上代表了自然日光照明环境的特征。但受限于制造工艺、材料特性、仪器测量误差等，实际光源设备产生的标准光源与CIE制定的标准光源的光谱功率分布数据往往存在较大偏差，导致实际光源设备发出的光线并不能很好的代表自然日光照明环境，那么在这些实际光源设备照明条件下标定出的CCM矩阵也会与自然日光照明环境不匹配，会产生较大的标定误差。

第三方面，传统方法通常使用已知颜色的标准颜色块实物进行拍照测试，例如ColorChecker中的18个色块。然而，这些颜色块在使用过程中会因染料特性的缓慢变化而褪色，导致标准颜色块的颜色与其理论值发生偏差。如果将这些褪色的颜色块作为颜色参照物进行CCM矩阵标定，最终得到的CCM矩阵在实际应用中会引入颜色还原误差。另外，ColorChecker色卡只能提供18个颜色样本，数量非常有限，无法涵盖各种真实世界中的颜色变化。因此基于18个色块标定出来的CCM矩阵也具有局限性。例如，当用户拍摄视场中出现18个标准色块以外的颜色时，所标定的CCM矩阵并无法保证这些颜色依然有较小的颜色误差，进而导致可能出现颜色误差的情况。

第四方面，传统方法在有限的项目周期内，只能选择若干个实际光源设备来营造一些高频应用场景的照明环境，因此标定出的CCM矩阵在实际光源设备未覆盖的其它照明环境下会表现不佳。为了提高CCM的适应性，传统方法不得不拿着相机在更广泛的实际光照环境拍照来扩展光源样本数量，但是又会面临夏天时期无法获得冬天场景的光照样本，阴天时期无法获得晴天场景的光照样本等困境，导致CCM矩阵标定结果的适用性较为局限。

基于此，为了解决相关技术中所提供的颜色校正矩阵标定方式的复杂度较高、工作量较大、标定结果的准确性及适用性较为有限的问题，本申请第一实施例提供了一种相机标定方法，如图2为本实施例提供的相机标定方法的基本流程图，该相机标定方法包括以下的步骤：

步骤201、获取待标定相机的光谱响应灵敏度数据，并获取对应于不同标准光源的光谱功率分布数据，以及获取对应于多个颜色样本的光谱反射率数据。

具体的，不同于传统方法必须使用实际光源照射标准颜色样本，然后由相机拍照记录自身对标准颜色样本的响应，本实施例将实际光源的照明环境、标准颜色样本的色彩特性以及相机的响应特性进行量化，进而使得后续的标定过程可以转变为数学运算过程。

在客观世界中，颜色本质上是由光谱功率分布所决定的，各种光线环境都具有特定的光谱功率分布，而当这些光线照射到物体表面时，不同波长的光会与物体发生不同的相互作用，例如透射、吸收或反射。当经过物体调制后的光，其光谱功率分布不再与入射光相同。当新的光线再次进入人眼时，人的视觉系统会对新的光谱功率分布做出响应，并将其认为是物体的颜色信息，这是因为人眼内的视锥细胞对不同波长的光具有特定的响应灵敏度，不同波长的光激活不同类型的视锥细胞，通过它们的相对激活程度，人眼能够感知到不同的颜色。另外，数字相机也具有自己的光谱响应灵敏度，这个响应灵敏度代表了数字相机内部镜头、红外滤光片和图像传感器对光的不同波长成分的响应程度，当相机的镜头、红外滤光片或图像传感器发生变化时，相机的光谱响应灵敏度也会相应地发生变化，不同相机的光谱响应灵敏度有所不同，不同相机在拍摄同一场景时，如果不进行色彩校正，就会呈现出略有差异的颜色表现。

在本实施例的一些实施方式中，上述获取对应于不同标准光源的光谱功率分布数据的步骤，包括：从预设公开数据库中获取不同标准光源在不同照明场景下的光谱功率分布数据；其中，照明场景包括如下至少一种：季节、日内时段；和/或，获取针对不同标准光源所实际测试的光谱功率分布数据。

具体的，本实施例的光谱功率分布数据可以来源于公开的专家数据库或自定义数据库。在实际应用中，可以从CIE官网公开的光谱功率分布数据库中查找特定标准光源的光谱功率分布数据，标准光源类型主要包括自然光源(如太阳光)、标准光源A、标准光源D系列、标准荧光光源和标准LED光源等，由此可以克服传统方法中实际光源设备发出的光线与自然日光照明环境不匹配所产生的误差。此外，本实施例还可以通过自行测试的方式来获取自定义数据库，优选的可以针对日常生活中各种常见的光照环境，使用InstrumentSystem公司生产的CAS140CT-156型号光谱仪器精确测量这些环境的光谱功率分布数据，从而形成了自定义的光谱数据库，然后在相机标定过程中按需从中选取高频应用场景中光源的光谱功率分布数据。如图3所示为本实施例提供的一种光谱功率分布数据的示意图，示出了中国南方某城市春季晴天室外日光照明条件下的光谱功率分布数据，在色度学研究中，通常关注的是各波长辐射功率的相对比例而非绝对光谱功率分布，因此这里所测试的光谱功率分布指相对光谱功率分布。

在本实施例的一些实施方式中，上述获取对应于多个颜色样本的光谱反射率数据的步骤，包括：获取待标定相机的实际应用场景信息；根据实际应用场景信息从预设样本数据库中获取多个相应颜色样本的光谱反射率数据。

具体的，区别于传统方法采用ColorChecker中18个颜色样本块，本实施例可以从X-Rite公司官方数据库获取更多样化的颜色样本块的光谱反射率数据，如图4所示为本实施例提供的24个颜色样本块的光谱反射率数据的示意图，图中数据已经过归一化处理。当然，为了满足更复杂及多样化的应用场景，本实施例可以继续扩充颜色样本的数量，例如可以使用Munsell Color System的颜色数据中包含的多达2000多种流行的颜色样本，每种颜色样本都具有已知的光谱反射率数据。值得说明的是，相机的实际应用场景具有一定的差异性，本实施例适应于实际应用场景来针对性获取多个颜色样本的反射率数据参与后续标定，在保证可以涵盖相机实际应用场景中所有颜色变化的同时降低标定数据量。还需要说明的是，本实施例使用颜色样本的量化数据可以避免传统方法所使用的实体颜色样本的染料褪色引入的颜色误差。

还应当说明的是，针对相机的光谱响应灵敏度数据，本实施例可以使用莱菲光学公司(Labsphere)生产的QT-1000型号单色仪精确测量数字相机的光谱响应灵敏度数据。例如可以使用单色仪以2nm间隔产生360～780nm范围的单色可见光，并测试数字相机在该波段范围内的光谱响应灵敏度数据。应当理解的是，本实施例的标定过程只需要测试一次数字相机的光谱响应灵敏度数据，在CCM矩阵迭代调整过程中，不需要人工反复在实际场景中拍照，使得标定过程更加便捷高效。如图5所示为本实施例提供的一种相对光谱响应灵敏度曲线的示意图，光谱响应灵敏度数据包括R、Gr、Gb、B四个通道的响应值，具体计算公式表示如下：

相机光谱响应灵敏度数据＝相机实际接收并有相应的光信号强度(λ)/单色仪输出光信号强度(λ)＝照片平均灰度值(λ)/单色仪输出辐射亮度(λ)，λ∈{380nm,780nm}

步骤202、针对各标准光源，根据光谱响应灵敏度数据、光谱反射率数据以及相应的光谱功率分布数据，计算待标定相机相对于各颜色样本的响应参数。

具体的，本实施例可以将待标定相机的光谱响应灵敏度数据、各颜色样本的光谱反射率数据以及各标准光源的光谱功率分布数据输入至预设计算模型，计算待标定相机相对于各颜色样本的响应参数R

其中，I

步骤203、基于颜色校正矩阵对响应参数进行校正，得到校正后响应参数。

具体的，本实施例使用颜色校正矩阵对响应参数进行校正的实现过程可以参考前述图1中所介绍的原理，在对所计算的响应参数R

步骤204、根据对应于所有颜色样本的校正后响应参数判断颜色校正矩阵是否满足预设有效校正条件；若否，则执行步骤205，若是，则执行步骤206；

步骤205、调整颜色校正矩阵的元素值；然后返回执行步骤203。

具体的，本实施例基于校正后响应参数判断颜色校正矩阵是否符合有效校正条件，该有效校正条件用于指示颜色校正矩阵的颜色校正效果符合相机要求的色彩还原准确性，若否，则说明当前使用的颜色校正矩阵存在色彩还原误差，需要进行修正，从而对颜色校正矩阵的元素值进行调整，然后重新使用调整后的颜色校正矩阵进行响应参数校正。

在本实施例的一些实施方式中，上述基于颜色校正矩阵对响应参数进行校正，得到校正后响应参数的步骤之后，还包括：分别基于各校正后响应参数与预设真实响应参数计算色彩还原评价指标；将所有色彩还原评价指标与预设指标阈值进行比较，根据比较结果判断颜色校正矩阵是否满足预设有效校正条件；其中，若所有色彩还原评价指标均小于或等于指标阈值，则颜色校正矩阵满足有效校正条件。

具体的，本实施例通过校正后响应参数R’

在本实施例的一些实施方式中，上述分别基于各校正后响应参数与预设真实响应参数计算色彩还原评价指标的步骤，包括：将各校正后响应参数转换至CIELAB空间，得到相应的第一亮度、第一色度和第一饱和度，以及将预设真实响应参数转换至CIELAB空间，得到相应的第二亮度、第二色度和第二饱和度；结合第一亮度、第一色度、第一饱和度、第二亮度、第二色度和第二饱和度，计算色彩还原评价指标。

具体的，本实施例在将校正后响应参数与真实响应参数进行比较时，并不直接在RGB空间进行比较，而是从RGB空间转换到CIELAB空间后进行比较，每个颜色样本的颜色差异通过指标ΔE来度量，ΔE表示颜色之间的感知差异，也即本实施例的色彩还原评价指标，通过该指标可以定量评估相机色彩还原的准确性，较小的ΔE值表示还原的颜色与真实颜色之间的差异较小，而较大的ΔE值则表示差异较大。

在本实施例的一些实施方式中，上述结合第一亮度、第一色度、第一饱和度、第二亮度、第二色度和第二饱和度，计算色彩还原评价指标的步骤，包括：将第一亮度、第一色度、第一饱和度、第二亮度、第二色度和第二饱和度输入至预设色彩差异性评价模型，计算色彩还原评价指标；色彩差异性评价模型表示为：

其中，ΔE表示色彩还原评价指标，L

在本实施例一些实施方式中，上述调整颜色校正矩阵的元素值的步骤，包括：基于色彩还原评价指标与指标阈值的差值确定相应的调整指标；根据调整指标调整颜色校正矩阵的元素值。

具体的，考虑到迭代调整次数越多会产生越大的计算量，对校正效率有着负面影响，从而本实施例参考当前色彩还原评价指标与指标阈值的差值来衡量色彩还原准确性相对于所要求的准确性的差距，并依次适应性确定颜色校正矩阵的元素值的调整指标，例如调整比例等，从而保证每一次调整的有效性，保证通过尽量少次数的矩阵元素值调整来实现颜色校正矩阵的调整到位，提高相机的颜色校正矩阵标定的效率。

步骤206、将各标准光源相应的颜色校正矩阵标定于待标定相机。

具体的，本实施例通过调整颜色校正矩阵的元素值后迭代执行上述步骤203，可以减少颜色差异，直到颜色差异度量指标小于预设值，即可得到当前光源照明环境下合适的颜色校正矩阵，最后将该颜色校正矩阵标定于相机，使得标定完成的相机在实际应用场景中具备准确的颜色还原能力。本实施例在针对一个标准光源的光谱功率分布数据标定得到一个颜色校正矩阵之后，再继续使用另一个标准光源的光谱功率分布数据执行上述步骤202至步骤206的流程，最终针对U个光源相应标定得到U个颜色校正矩阵。

应当说明的是，在本实施例中，光源数据库中各种光源的光谱功率分布数据，以及颜色样本的光谱反射率数据都是独立存在的客观数据，实际上与相机本身没有任何关系。但在传统方法中，光源、颜色样本和相机必须处于同一空间，并通过拍照记录相机对颜色样本的响应，因此，当新项目更换相机时，无法重复使用旧项目中相机拍摄的数据。然而，本实施例的光源、颜色样本和相机三者是相互独立的，因此，光源和颜色样本数据可以轻松地应用于其他项目中。

为了更好的理解本申请，本申请第二实施例提供了一种细化的相机标定方法，图6为本实施例提供的一种细化的相机标定方法的流程示意图，该相机标定方法包括：

步骤601、获取待标定相机的光谱响应灵敏度数据、对应于不同标准光源的光谱功率分布数据以及对应于多个颜色样本的光谱反射率数据；

步骤602、针对各标准光源，将光谱响应灵敏度数据、光谱反射率数据以及相应的光谱功率分布数据输入至预设计算模型，计算待标定相机相对于各颜色样本的响应参数；

步骤603、基于颜色校正矩阵对各响应参数进行校正，得到校正后响应参数；

步骤604、将各校正后响应参数转换至CIELAB空间，得到相应的第一亮度、第一色度和第一饱和度，以及将预设真实响应参数转换至CIELAB空间，得到相应的第二亮度、第二色度和第二饱和度；

步骤605、将第一亮度、第一色度、第一饱和度、第二亮度、第二色度和第二饱和度输入至预设色彩差异性评价模型，计算色彩还原评价指标；

步骤606、判断所有色彩还原评价指标是否均小于或等于预设指标阈值；若否，则执行步骤607，若是，则执行步骤608；

步骤607、调整颜色校正矩阵的元素值；然后返回执行步骤603；

步骤608、将各标准光源相应的颜色校正矩阵标定于待标定相机。

应当理解的是，本实施例中各步骤的序号的大小并不意味着步骤执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成唯一限定。

为了更好的对本申请前述实施例所提供的上述技术方案进行结果论证，本申请第三实施例还提供了对比验证实验来进行说明，具体如下：

选取同一相机，任选一个光源场景(例如D65)，分别使用本实施例方法和传统方法标定出两个CCM矩阵，对比两个CCM矩阵在选定光源环境下的颜色校正效果。

首先，在实验室内，使用一个实际光源设备发摄出D65光源，让该光源照射图卡，然后用数字相机拍摄该图卡。按照传统方法经过迭代调整，获得D65光源对应的CCM矩阵M

然后，分别使用M1和M2生成两套tuning参数，之后将相机放置于室外日光自然照明环境下，当环境的色温差不多为6500K时，让该相机分别先后使用两套参数去拍摄场景中ColorChecker标准24色卡，进而得到两张24色卡颜色校正的结果。如图7中a表示传统方法对应的24色卡校正结果，b表示本实施例方法对应的24色卡校正结果。

如图8中a表示传统方法对应的颜色误差示意图，b表示本实施例方法对应的颜色误差示意图。对比结果发现，本实施例方法对应的24色卡照片，与24色卡真实颜色之间有更小的颜色误差。(传统方法对应的△E

基于本申请实施例所提供的上述技术方案，获取待标定相机的光谱响应灵敏度、对应于不同标准光源的光谱功率分布数据以及对应于多个颜色样本的光谱反射率；针对各标准光源，根据光谱响应灵敏度、光谱反射率以及相应的光谱功率分布数据，计算待标定相机相对于各颜色样本的响应参数；基于颜色校正矩阵对响应参数进行校正，得到校正后响应参数；若根据对应于所有颜色样本的校正后响应参数确定颜色校正矩阵不满足有效校正条件，则调整颜色校正矩阵的元素值，直至颜色校正矩阵满足有效校正条件，将各标准光源相应的颜色校正矩阵标定于待标定相机。通过本申请的实施，采用数学建模的方式模拟相机在真实光源环境下对颜色样本的响应，来对颜色校正矩阵进行标定，有效降低了标定复杂度和效率。

请参阅图9，图9为本申请第四实施例提供的一种电子设备。该电子设备可用于实现前述实施例中的相机标定方法。如图9所示，该电子设备主要包括：

存储器901、处理器902以及总线903，存储器901、处理器902通过总线903连接。存储器901上存储有可在处理器902上运行的计算机程序，处理器902执行该计算机程序时，实现前述实施例中的相机标定方法。其中，处理器的数量可以是一个或多个。

存储器901可以是高速随机存取记忆体(RAM，Random Access Memory)存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器901用于存储可执行程序代码，处理器902与存储器901耦合。

进一步的，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的电子设备中，该计算机可读存储介质可以是前述图9所示实施例中的存储器。

该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现前述实施例中的相机标定方法。进一步的，该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上为对本申请所提供的相机标定方法、设备及可读存储介质的描述，对于本领域的技术人员，依据本申请实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。