HUD 需要测试畸变,主要目的是:
-
评判HUD畸变严重程度
-
对 HUD 畸变进行补偿,特别是 AR HUD
业内目前主要使用相机 + 靶标的方法,然而这种方法并没有考虑测试相机本身的畸变。存在很大的优化空间,本文将详细介绍如何在使用相机测试畸变时,排除相机自身畸变带来的影响。
01
从相机坐标变换说起
在我们使用成像亮度计获得的亮度、颜色图像中,其坐标系都是以CCD 或 CMOS 为参考坐标系的,因此都是使用相机的像素做单位,可以用 L(i,j) 表示。
偶尔的情况,我们需要获知被测物的几何信息,例如,某个点是在显示器的多少像素,或多少mm处, 也就是 L(x,y) , x, y 表示在基于被测物的平面坐标系,通常使用mm等长度单位。
此时我们就需要将 L (i,j) 转换为 L (x, y),如何实现呢?
一般我们想到的是,找到像素与mm的关系。
在 Labsoft 中提供了坐标变换功能:
如图,如果我们在图像中有一个已知坐标的矩形,就可以在 Coordinate System 项目下输入实际的矩形坐标,假定以mm 做单位,而在对应的 position in image下,软件会识别读取矩形的像素坐标,点击 OK,软件就会计算出 像素与 mm 之间的系数关系,并将图像从像素坐标变换为平面几何坐标。
这也是许多HUD畸变测试时,使用靶标的基本原理和做法。
某HUD测试项目使用的实体靶标
当然,Labsoft 也提供极坐标变换功能:
然而,想一个问题,这样一个系数准确吗?能够表示真实的情况吗?这样的简单变换是不可以的。
02
成像系统的畸变
成像亮度计作为一个成像系统必然存在像差,以及由此产生的畸变。
畸变通常是像面上不同位置放大倍率不一致造成的,常见的就是桶形畸变和枕型畸变。
显然,对于成像系统,畸变有两个特点:
-
畸变量在图像中的不同位置是不一样的
-
边缘的畸变最严重
因此,相机测试畸变时,采用单一的系数简化处理,是不严谨的。除非产品本身要求比较低。
这个畸变的特点同样适用于 HUD,HUD 本身也是一个成像系统:
-
通过边缘区域的畸变程度作为整机畸变的指标,只要边缘的畸变符合要求,可以认为其它区域也符合要求(经过校正的 HUD 除外);
-
如果要进行 AR HUD 位置标定,需要测试到畸变的分布特性
再回到原来的问题,如果相机的畸变不可以忽略,要怎么排除?
03
Type II 型相机简介
在去年发布的首份关于成像亮度计的技术标准 CIE 244 2021 文件中,提到了成像亮度计的类型。
进一步说明:
Type I 型相机就是市场上大量存在的各种成像亮度计,以CCD或 CMOS 芯片作为参考坐标系,自然就以像素作为实际的坐标单位,L (i,j) ,即使变为以被测物为参考坐标系的 L (xy),也不能称之为 Type II 型,因为需要方位、立体角等空间几何信息。
以下图为例:
x,y : 基于成像芯片的坐标系,x= i•△x ,y= j•△y(i=0,... N-1; j=0,...M-1)
△x,△y :像素尺寸 (基于传感器的坐标系)
x0,y0 :光轴与传感器平面相交位置点的坐标
△Ω: 单一像素面积对应的立体角 (以投射中心为原点,该原点通常是镜头的入瞳位置)
获得的基于角度坐标的图像,每个像素都有一个角度坐标值(θ,φ)和相机坐标(xyz),于是可以得到一个球面坐标 (r, θ,φ)
总之,一句话,Type II 型相机额外增加了几何校正功能,获得图像可以从 L (i,j)变换为 L (θ,φ),对于 HUD 系统来说,直接得到基于角度坐标的图像,会给测试和数据分析带来极大的方便。
04
Type II 相机简化测试步骤
使用了Type II 相机,由于无需使用靶标进行校正,畸变测试流程将非常简单:
1,相机移动到测试眼点位置(镜头入瞳位置与眼点位置重合);
2,虚像显示点阵图(数字图像,坐标为标准值);
3,在拍摄选项中勾选 distortion correction
(是的,还有杂散光补偿和强大的触发测试功能)
4,在图像中使用自动识别算法定位光点
5,使用质心算法输出每一个光点的角度坐标

然后,畸变的计算就简单了,不管是 SAE J1757,还是车厂自己定义的梯形变形、微笑曲线,只不过一些基本的几何运算罢了,只要基础数据是准确的,这些都是 so easy!
如果需要 ARHUD 标定,那么就使用足够数量的点阵:
具体结果,可以按照算法工程师的要求输出,例如分别按照 X Y方向输出畸变的矩阵分布图。
05
Type II 相机角度精度
Type II 相机可靠吗?精度怎么样?
虽然关于 Type II 型相机标准去年才发布,不过 LMK 作为一个 Type II 型相机使用,早就超过十多年历史了。
最典型的应用就是汽车大灯测试的案例。
在测试大灯配光指标的时候,使用的图像是 I (θ,φ),测试距离为 10m,AR HUD目前虚像距离也在这个水平,所以这里的指标完全可以类比于 HUD 测试的情形。
下图为未进行畸变校正的图像 L(x,y)
畸变补偿后的基于角度坐标的图像 I (θ,φ)
可以显示j角度坐标:
角度精度:0.01°- 0.1 ° (与相机解析度及 FOV 相关)
06
Goniometer Method 畸变测试法
如果没有Type II 相机,但是还希望获得准确的畸变测量,怎么办?
推荐 ISO 17850 定义的 Goniometer Method 测试方法,主要使用 5 维角位台或机器人来获得准确的点阵坐标,具体步骤如下:
-
相机与HUD画面对准,相机光轴与虚像中心对准,相机入瞳在眼点位置;
-
白点点阵充满整个虚拟图像,有一个点在虚像中心;
-
通过转动(注意转动中心位置,三个方向上的转动中心重合),找到中心点与相机中心对准的角度位置,记录为角度坐标的原点;
-
转动相机,逐个地将相机中心与测试图像中的点对准,记录每一个点的角度坐标;
-
计算每一点的局部畸变(与标准坐标值比对);
-
进行畸变计算或获得畸变两维分布图。
这里每个点的位置都是使用相机的光轴定位到具体光点,通常我们认为光轴中心位置的像差是接近于没有的,也就是中心无畸变。因此可以不对相机进行校正,而可以准确地测量畸变量。
07
总结:不只是畸变
无论使用 Type II 相机,还是使用 Goniometer Method, 都可以避免测试相机本身的畸变影响,大大提高畸变测试的准确性。
同时,由于消除了相机本身的畸变,其他几何参数,例如 FOV等,测试的可靠性和精度也会提升。
所以,
测试 HUD,
首选 Type II 型的 LMK 高精度相机!
无需靶标! 精度更高!
相关视频:
原文始发于微信公众号(光傲科技):Type II 型相机测量畸变之 HUD 篇:不需要靶标啦!
长按识别二维码,加入群聊

资料下载: