车载摄像头畸变校正与鸟瞰图生成 · 课程目录

课程导论车载摄像头为什么需要畸变校正？鸟瞰图在泊车与环视系统中的作用。

了解畸变来源与鸟瞰图价值，建立环视系统全局认知。

相机成像模型小孔成像原理、世界坐标系到像素坐标系的转换。

从物理模型到代数表达，理解坐标变换链条。

相机内参与外参内参矩阵、畸变系数、外参（旋转与平移）的物理意义。

内参外参详解，为标定与校正打下基础。

畸变类型详解径向畸变（桶形/枕形）与切向畸变，数学公式推导。

畸变数学模型，理解校正的核心公式。

棋盘格标定板为什么用棋盘格？制作与打印规范，角点检测原理。

标定板设计与角点检测算法。

OpenCV标定实战 cv2.findChessboardCorners、cv2.calibrateCamera完整流程。

手把手实现相机标定，获取内参与畸变系数。

标定结果评估重投影误差计算，如何判断标定是否成功。

量化标定精度，确保校正可靠。

畸变校正实战 cv2.undistort与cv2.initUndistortRectifyMap详解。

两种校正方式，映射表加速。

透视变换基础单应性矩阵，cv2.getPerspectiveTransform与cv2.warpPerspective。

透视变换核心，为鸟瞰图铺路。

鸟瞰图原理逆透视变换（IPM），从图像坐标系到世界坐标系的映射。

IPM理论，理解俯视图生成本质。

鸟瞰图生成第一步选取源点与目标点，如何确定4个对应点。

点对选取策略，影响校正效果。

鸟瞰图生成第二步计算变换矩阵并应用，生成俯视效果。

矩阵计算与warp实践，输出鸟瞰图。

多相机环视系统 4个鱼眼相机的布局，重叠区域处理思路。

环视系统架构与重叠区融合策略。

图像拼接基础特征点匹配（SIFT/ORB），cv2.findHomography。

特征匹配与单应性矩阵求解。

鸟瞰图拼接实战将前后左右四路图像拼接为全景鸟瞰图。

四路图像拼接，形成完整环视。

亮度与色彩均衡多图拼接时的光照差异处理，直方图匹配。

消除拼接痕迹，色彩一致性。

融合与去重影加权平均融合、多频段融合，消除拼接缝。

高级融合算法，提升图像质量。

实时性能优化图像缩放、ROI裁剪、多线程处理，帧率提升技巧。

工程优化，让算法跑得更快。

鱼眼相机模型等距投影、等立体角投影，区别于针孔模型。

鱼眼投影模型，为标定做准备。

鱼眼相机标定使用cv2.fisheye模块进行标定与校正。

鱼眼专用标定流程。

鱼眼图像去畸变 cv2.fisheye.undistortImage与映射表生成。

鱼眼校正与映射表优化。

鸟瞰图在ADAS中的应用车道线检测、障碍物测距、车位识别。

ADAS典型任务与鸟瞰图结合。

车道线检测实战基于鸟瞰图的霍夫变换与滑动窗口拟合。

在鸟瞰图上实现稳健车道线提取。

障碍物测距原理利用鸟瞰图的尺度不变性进行像素到米转换。

基于俯视图的测距方法。

车位识别实战鸟瞰图中车位角点检测与泊车路径规划。

自动泊车中的车位检测与规划。

工程化部署模型导出为ONNX，在NVIDIA Jetson或RK3588上运行。

边缘端部署，落地实战。

常见问题与调试标定失败原因、透视变形过大、拼接错位排查。

踩坑总结与调试技巧。

实战项目一单目摄像头鸟瞰图生成（完整代码与数据集）。

从零搭建单目鸟瞰图系统。

实战项目二四路环视全景鸟瞰图系统（从标定到拼接）。

完整环视项目，标定到拼接全流程。

课程总结与进阶 BEV感知（Bird's Eye View）与Transformer在自动驾驶中的前沿应用。

展望BEV+Transformer，迈向高阶。