Y和V，通常，若Y和V能够重合，则可达到最佳拼接效果。作为一种示例，可以计算三维空 间中向量a'和V之间的余弦距离，通过该余弦距离可反映出a'和V之间的差距，进而便可 得知当前相机参数是否适用于全景图片拼接。
[0050] 也就是说，可以通过余弦距离来判断当前相机参数是否合适，如果合适，则可用其 进行全景图片拼接;如果不合适，则可进行相机参数优化，以便确定出能够用于全景图片拼 接的相机参数标定值。本发明方案中，判断相机参数是否合适，可以理解为余弦距离是否与 预设值相符，即余弦距离是否落入预设值允许的范围内。举例来说，预设值可以为〇. 1，通 常，预设值越小，也就是说余弦距离越趋近于〇,基于优化得到的标定值拼接出的全景图片 效果越好，本发明实施例对预设值的具体取值不做限定，可由实际应用而定。
[0051] 综上，我们便可将全景相机几何标定过程，转化为寻找一个梯度方向步长Δχ求解 如下最优化问题：
[0052] 。
[0053]
[0054] a1和b1表示相邻原始图片重合区域的第i个点对；
[0055] h(*)表示一个由相机参数形成的函数，以便基于相机参数实现从原始图片上的点 至轉距球面图像上的点的坐标变换，如，a1转换为a1、1转换为b 1'；根据实际应用，h⑷通常 可体现为多种形式，本发明对此并不做具体限定，只要能基于相机参数进行坐标转换即可； [0056] C(*，*)表示求解等距球面图像上两个点的余弦距离，如点对a1'和b1'的余弦距离。
[0057]下面对本发明方案进行举例说明。
[0058] 参考图1，示出了本发明实施例相机几何标定处理方法的流程图，可以包括以下步 骤：
[0059] S101，确定相机参数初始值，并获得基于所述初始值计算出的点对的第一余弦距 离，所述点对为两张相邻图片中对应于空间坐标同一位置的两个像素点的坐标。
[0060] 本发明通过判断点对的余弦距离是否落入预设值允许范围的方式，来判断是否需 要进行相机参数优化，故，可先选取一个相机参数的初始值，并基于这一初始值进行点对映 射，进而求取出对应于初始值时，该点对的第一余弦距离。
[0061] 举例来说，可以结合实际操作经验设置本发明方案中的初始值;或者，考虑到相机 参数的先验值通常已是较优的值，故还可根据先验值来设置本发明方案中的初始值，如，可 以将相机参数的先验值确定为初始值;或者，可以在相机的先验值的基础上增加随机扰动， 获得初始值。举例来说，可以根据实际操作经验设置随机扰动值，或者，还可将随机扰动值 设置为± (先验值/100)，本发明实施例对此可不做具体限定。
[0062] 举例来说，C表示全景拍摄时第j个相机的身份编号，xi表示第j个相机的相机参 数初始值，V'1和沪 1表示第j个相机所拍摄的原始图片上的第i个点对，可以将4代入公式f (X)，获得基于初始值计算出的点对的第一余弦距离di。
[0063] S102，判断所述第一余弦距离是否与预设值相符，如果否，则获取第一迭代参数， 并利用所述第一迭代参数调整所述初始值，获得第一优化值。
[0064] 获得cU后，便可执行一次是否优化相机参数的判断，即，判断cb是否与预设值相符。 仍以预设值为0.1为例，第一余弦距离与预设值相符可以理解为CU < 0.1，否则认为第一余 弦距离与预设值不相符。
[0065] 如果经判断认为需要相机参数进行优化，则可从预先确定出的迭代参数集合中， 获得第一迭代参数，并利用第一迭代参数调整S101中的初始值，获得相机参数的第一优化 值。
[0066] 举例来说，可通过下述公式优化相机参数
。其中， (Μη,Νη)表示第k个迭代参数，xL表示第j个相机需要被优化的相机参数，χ?表示第j个相 机优化后的相机参数。
[0067] 本步骤中，第一优化值X丨=xj .Μο?^Χ^+Νο，(Mq，Nq)表不第一迭代参数，X丨表不 第j个相机的相机参数初始值，表示基于(Μ〇，Ν〇)计算出的点对的第一余弦距离du
[0068] 本发明方案中，可以通过对预设样本进行机器学习的方式，获得迭代参数集合，通 常，每进行一次迭代就需要一组迭代参数。对于本发明获得迭代参数的方式可参见下文所 做介绍，此处暂不详述。
[0069] S103,获得基于所述第一优化值计算出的所述点对的第二余弦距离。
[0070] S104，判断所述第二余弦距离是否与所述预设值相符，如果是，则将所述第一优化 值确定为相机参数标定值。
[0071] 与S101相类似的，获得第一优化值X丨后，便可将xi代入公式f(x)，获得对应于第一 优化值时，该点对的第二余弦距离d 2,进而再利用d2执行一次是否优化相机参数的判断。
[0072] 具体地，若判断结果表示d2与预设值相符，则可结束迭代过程，将第一优化值χ?确 定为第j个相机的参数标定值，基于该标定值进行像素点映射时，可使全景图片的拼接效果 达到最佳。
[0073] 综上可知，本发明使用泰勒多项式拟合图片拼接过程中的映射关系，将图像模型 参数的优化问题转化为多项式与映射函数之间误差的非线性凸二次优化问题。基于本发明 方案实现的相机几何标定，不需如现有方案对待估参数求二阶偏导，可大大降低处理过程 所涉及的计算量，有助于实现实时在线处理。另外，本发明基于机器学习的算法拟合优化问 题中梯度下降方向，还使得处理流程上得以简化，有助于加速收敛速度，提升优化问题的收 敛效率。此外，基于本发明方案确定出的相机参数标定值不容易陷入局部最优，使本发明方 案的优化精度更高。
[0074] 可选地，如果S104的判断结果表示办与预设值不符，则说明还需通过进一步的迭 代过程来获得相机参数标定值。具体地，可以获取第二迭代参数，并利用所述第二迭代参数 调整所述第一优化值，获得第二优化值;获得基于所述第二优化值计算出的所述点对的第 三余弦距离;判断所述第三余弦距离是否与所述预设值相符，如果是，则将所述第二优化值 确定为相机参数标定值。本示例中，获得第二优化值的方式、利用第二优化值计算第三余弦 距离的方式、判断第三余弦距离是否与预设值相符的方式、根据判断结果进行后续处理的 方式等等，均可参照上文S102~S104处所做介绍，此处不再赘述。
[0075]下面对本发明获得迭代参数集合的方式做简单介绍。
[0076]方式一，可通过机器学习的方式获得迭代参数集合。
[0077]具体地，通过机器学习中的监督学习的思想，使用训练样本来学习出每次迭代所 需的迭代参数集合{ΜοΛ，…，Mk-i，Mk}和{Νο,Ν!，…，Nk-i，Nk}。
[0078] 训练样本所涉及的参数可体现如下：
[0079] -系列用于全景拍摄的相机的身份编码;
[0080] 相机参数标定值{χ；?}，X!表示第j个相机的相机参数标定值，是一个12*n维向量；
[0081] -系列点对{&^，沪1}，#1和1^' 1表示第」个相机所拍摄的原始图片上的第1个点 对；
[0082] 相机参数初始值{xj}，xj表示第j个相机的相机参数初始值。
[0083] 结合上述样本参数，可通过求解下面的线性最优化问题获得第一迭代参数(Mo， No)：
[0084]
[0085] 获得(Mo，No)后，可依据χi=χi.1+Mk.1ffxi. 1)+Nk.1计算得到第一优化值xi，同时，还 可将xj代入公式f(x)，计算获得f(Xlj)，进而依据下式获得本发明方案中的第二迭代参数 (Μι,Νι)：
[0086]
[0087] 参照上述方式不断计算，便可确定出本发明方案所需迭代参数集合。举例来说，经 上述学习过程发现k = 5时可得到较好的结果，则学习结束后，可获得如下迭代参数集合 {10肩1屬屬肩4肩 5}和{~小1，吣小3，他具}。本发明方案对1^的取值、迭代参数的取值等不做 具体限定，可由实际应用而定。
[0088] 方式二，可通过机器学习和参数校验相结合的方式获得迭代参数集合。
[0089]具体地，可按照方式一所示过程进行学习，并将学习得到的迭代参数集合称为测 试迭代参数集合。然后利用测试样本，如某台测试相机的一系列点对{a1沁1}，采用本发明方 案，从相机参数初始值开始，使用上述测试迭代参数集合进行相机参数优化，并在k次迭代 后，获取点对{aSb 1}在等距球面图像上的投影{a1'，#}，进而得到该测试相机的误差参数。 举例来说，误差参数可以为平均像素误差和最高像素误差。
[0090] 通常，如果误差参数与预设阈值相符，则认为学习阶段所得测试迭代参数集合可 用，将