CN107644442A - 双摄模组的空间位置标定方法 - Google Patents

Abstract

一双摄模组的空间位置标定方法，包括第一模组和第二模组分别拍摄同一标板得到第一图像和第二图像，其中所述标板具有多个互相间隔地呈阵列布置的标志点；处理所述第一图像和所述第二图像得到清晰的黑白测试图像；分别自适应定位所述第一图像与所述第二图像中的所述标志点；分别自适应匹配所述第一图像与所述第二图像中的所述标志点；标定所述第一模组和所述第二模组，以及；运算得到所述双摄模组的相对空间位置。本发明可以减小干扰噪声和环境亮度对结果的影响，具有较高稳定性、灵活性、精度，适合在生产中批量使用。

Description

双摄模组的空间位置标定方法

技术领域

本发明涉及一双摄模组的空间位置标定方法，采用自适应定位与匹配的方式，可以得到双摄模组的相对空间位置。

背景技术

随着日新月异的科技发展，各种科技相关产品因应而生，特别是智慧型行动携带装置，像是手机、平板电脑、PDA等。而最常见的是每人手持一台以上的智慧型手机的情况已经是普遍常见的，在所述智慧型手机中所包含的相机更是手机当中的一主要的功能，其中所述相机的品质甚至成为人们对于选购所述智慧型手机的条件之一。因为时代的改变，人们的习惯也逐渐不同，现今大多数的人们更是习惯使用手机的相机去代替一般传统相机去记录生活并且同时直接透过所述智慧型手机直接分享至互联网。值得一提的是，在目前的手机市场依旧保持快速增长的趋势,尤其是智能手机的增长更加地迅猛。也因为使用者对于摄像品质的要求也越来越高，因此，对于摄像模组的性能卓越的追求已成为各大手机制造商的激烈竞争关键技术领域。特别地，在2014年摄像模组进入了双摄时代，对于最初的双摄像头来说，其主要功能是在3D显示效果和拍摄能力，但是像素过低且画质不高，对于双摄像头的设计和生产制造来说还有很大的改进空间。

但是在批量生产中，还有存在很多问题。目前，双摄模组镜头在生产过程中需要得到双摄模组的相对空间位置。传统的摄像模组标定已经是一项较为成熟的技术。传统的标定方法通常都假设不同图像之间标志点的对应关系已经确定，对于双摄模组来说是很难的。大多数的传统匹配方法都是针对棋盘模式的算法，这些方法都存在很多缺点。例如，对噪声和图像模糊比较敏感，需要很精准的环境才可以实施。虽然采用自我识别的标志点的方法可以实现自动匹配,但是该方法的操作难度较高，价格偏贵，不利于制造厂家在生产线上批量使用。

发明内容

本发明的主要目的在于提供一双摄模组的空间标定方法，通过自适应定位和匹配，得到该第一模组和该第二模组的内参数和外参数，得到该双摄模组的相对空间位置。

本发明的另一目的在于提供一双摄模组的空间标定方法，通过图像识别技术实现快速定位该标志点，减少定位的时间。

本发明的另一目的在于提供一双摄模组的空间标定方法，通过自适应定位和自适应匹配方法的应用，使干扰噪声和环境亮度对结果的影响较小，具有较高稳定性、灵活性。

本发明的另一目的在于提供一双摄模组的空间标定方法，通过图像的增强、滤波和去噪等处理，考虑了很多畸变因素，具有较高的精度。

本发明的另一目的在于提供一双摄模组的空间标定方法，通过针对性的去噪处理，较传统方法提高图像处理的稳定性和效率。

本发明的另一目的在于提供一双摄模组的空间标定方法，操作较传统方法简单，在保证精度的情况下，适合在生产中批量使用。

为达到以上目的，本发明提供一双摄模组的空间位置标定方法，其包括：

第一模组和第二模组分别拍摄同一标板得到第一图像和第二图像，其中所述标板具有多个互相间隔地呈阵列布置的标志点；

处理所述第一图像和所述第二图像得到清晰的黑白测试图像；

分别自适应定位所述第一图像与所述第二图像中的所述标志点；

分别自适应匹配所述第一图像与所述第二图像中的所述标志点；

标定所述第一模组和所述第二模组；以及

利用所述第一模组和所述第二模组的标定结果，运算得到所述双摄模组的相对空间位置。

在一些实施例中，上述方法还包括步骤：转动所述标板使所述第一模组和所述第二模组分别拍摄到所述标板不同角度的所述第一图像和所述第二图像。

在一些实施例中，在处理所述第一图像和所述第二图像的步骤中包括步骤：对所述第一图像与所述第二图像进行灰度处理和阈值分割。

在一些实施例中，在处理所述第一图像与所述第二图像中，还包括对所述第一图像与所述第二图像进行图像增强处理以加强提高黑白区域亮度的差异性。

在一些实施例中，其中处理所述第一图像与所述第二图像中，采用只对所述第一图像与所述第二图像的局部测试区域进行去噪处理。

在一些实施例中，分别自适应定位所述第一图像与所述第二图像中的所述标志点进一步包括，初步处理所述第一图像与所述第二图像，图像识别所述第一图像与所述第二图像的所述标志点粗略定位区域，在所述标志点的粗略定位区域进行图像精确识别所述第一图像与所述第二图像的所述标志点，统计所述标志点的参数值，以及建立坐标。

在一些实施例中，初步处理所述第一图像与所述第二图像进一步包括，对所述第一图像与所述第二图像进行缩放。

在一些实施例中，统计所述标志点的参数值中，包括统计所述标志点的面积，所述标志点之间的距离，所述标志点的形状，以及所述标志点的对比度中的至少一种。

在一些实施例中，所述标板的多个所述标志点中的其中一个所述标志点具有一个自适应定位点以确定图像方向，其中所述自适应定位点被直接识别定位。

在一些实施例中，具有所述自适应定位点的所述标志点与所述自适应定位点共心地并且具有色差。

在一些实施例中，具有所述自适应定位点的所述标志点与所述自适应定位点分别呈黑色和白色。

在一些实施例中，分别自适应匹配所述第一图像与所述第二图像中的所述标志点进一步包括，以所述自适应定位点为起始搜寻临近的所述标志点，以搜寻到的所述标志点为起始再搜寻未曾匹配的所述标志点，重复上一步骤至所有所述标志点被匹配，以及按需求编号所述标志点，从而将处理后的所述第一图像和所述第二图像中检测出来的所述标志点与所述标板的所述标志点建立一一对应的关系。

在一些实施例中，标定所述第一模组和所述第二模组的步骤中，其中包括得到所述第一模组的内参数和外参数，以及得到所述第二模组的内参数和外参数。

在一些实施例中，得到所述第一模组的内参数和外参数中，其中所述第一模组的内参数和外参数为所述第一模组的旋转矩阵R1和所述第一模组的空间位置向量T1，得到所述第二模组的内参数和外参数中，所述第二模组的内参数和外参数为所述第二模组的旋转矩阵R2和所述第二模组的空间位置向量T2。

在一些实施例中，利用所述第一模组和所述第二模组的标定结果，运算得到所述双摄模组的相对旋转矩阵Rotation，以及所述双摄模组的相对空间位置Shift。

在一些实施例中，利用所述第一模组和所述第二模组的标定结果，通过公式Rotation＝R₁×inv(R₂)以及Shift＝T₁-Rotation×T₂，得到所述双摄模组的相对空间位置。

根据本发明的另外一方面，本发明提供一应用于双摄模组的空间位置标定的标板，其具有多个互相间隔地呈阵列布置的标志点，并且其中至少一所述标志点内还具有与所述标志点有色差的一自适应定位点。

在一些实施例中，所述标志点呈黑色，所述自适应定位点呈白色。

在一些实施例中，所述标志点呈白色，所述自适应定位点呈黑色。

在一些实施例中，所述标志点与所述自适应定位点呈圆形或多边形如三角形，方形或其他多边形。

附图说明

图1是根据本发明的一个优选实施例的双摄模组的空间位置标定方法的自适应定位标志点的流程图。

图2是根据本发明的一个优选实施例中双摄模组的空间位置标定方法的所述标板的示意图。

图3是根据本发明的一个优选实施例中双摄模组的空间位置标定方法中自适应匹配标志点的效果图。

图4是根据本发明的一个优选实施例的一种可选模式的所述标板的示意图。

图5是根据本发明的一个优选实施例的另一种可选模式的所述标板的示意图。

图6是根据本发明的一个优选实施例的双摄模组的空间位置标定方法的流程图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。

本优选实施例中，为了标定一双摄模组10的相对空间位置，通过一标板20，采用自适应定位与匹配的方式进行标定。其中，所述双摄模组10包括一第一模组11和一第二模组12。其中，所述标板20可被转动，并具有多个阵列布置的标志点30，所述标志点30被相互间隔地置于所述标板20，并且优选为黑色以在光源下有明显不透光的效果。如图2所示，为本优选实施例的一种标板20。值得一提的是，所述标志点30的形状并不限于圆形，也采用方形，三角形或其他多边形状。

本优选实施例中，所述双摄模组10被置于所述标板20的一侧，以使所述第一模组11和所述第二模组12可以对所述标板20进行拍摄，所述标板20的所述标志点30被拍摄。开启所述第一模组11进行拍摄，得到至少一个第一图像110。开启第二模组12进行拍摄，得到至少一个第二图像120。转动所述标板20，所述第一模组11和所述第二模组可以分别拍摄不同角度的所述第一图像110和第二图像120。

对所述第一图像110和所述第二图像120首先进行灰度处理。得到的所述第一图像110和所述第二图像120的灰度图像后，进行图像处理。通过自适应检测，对图像中的所述标志点30进行定位。再对所述标志点30进行自适应匹配，并对所述标志点30进行标号。利用匹配的所述标志点30，以所述标板20的所述标志点30的间隔距离建立空间坐标，引入径向畸变和切向畸变，对所述第一模组11和所述第二模组12进行标定。进而得到所述第一模组11的内参数111和外参数112，以及所述第二模组12的内参数121和外参数122。利用所述第一模组11和所述第二模组12的标定结果，对所述双摄模组10的相对空间位置完成标定。值得一提的是，本优选实施例的表述中，所述第一(二)图像包括所述第一(二)模组拍摄的图像及其进而处理得到的图像。

为保证标定的精确度，本优选实施例在所述双摄模组10对所述标板20拍摄时，转动所述标板20，拍摄三次不同角度的图像。即所述第一模组11得到三组所述第一图像110，所述第二模组12得到三组所述第二图像120。在不同的实施条件下，对拍摄的次数可以做相应的改变。对得到的所述第一图像110和所述第二图像120进行灰度处理后，为保证标定的稳定性，进行图像的增强和滤波等去噪处理。值得一提的是，本优选实施例采用针对性的去噪方法。因为图像处理中的去噪效果越好，所需要运算的时间越长，运算的效率越低。对所述第一图像110和所述第二图像120的去噪处理，选取需要的计算的部分区域，对部分区域进行处理。在优选实施例中，选取所述第一图像110和所述第二图像120为3264×2448像素，若采用整幅图像进行去噪处理，运算时间大约为2s。采用本优选实施例的针对性去噪方法，去局部的范围进行去噪，运算时间为50ms。明显的减少了运算的时间，从而提高了去噪运算的效率，在批量生产中适合应用及推广。

如图1所示，本优选实施例的对所述第一图像110和所述第二图像120的自适应标定流程如下。所述标板20被所述第一模组11和第二模组分别拍摄，在所述第一图像110和所述第二图像120中分别成像。首先，对所述第一图像110和所述第二图像120初步处理，进行图像的缩放和微调。然后，通过图像识别，对所述第一图像110和所述第二图像120粗略确定所述标志点30所在每个区域。接着，对粗略确定的区域进行精确的定位。对精确定位的区域进行统计，得到所述标志点30的面积数值，并得到所述标志点30之间的相互间距值，以建立所述标志点的空间坐标值。最后完全定位出所述标志点30。

图2为本优选实施例中所述第一模组11拍摄得到的一幅所述第一图像110。其中，对所述第一图像110中所述标志点30进行自适应标定。对所述第一图像110初步处理，进行适当的缩小，找到标板20的主要区域。通过图像识别，对所述第一图像110粗略确定所述标志点30所在每个区域，如图2所示有49个区域。接着，对粗略确定的区域进行精确的定位。对精确定位的区域进行统计，得到所述标志点30的面积数值，并得到所述标志点30之间的相互间距值，以建立所述标志点的空间坐标值。最后定位出全部49个所述标志点30。

对所述第一图像110和所述第二图像120中的自适应匹配所述标志点30的步骤如下。值得一提的是，所述标板20的多个所述标志点30中其中一个所述标志点30如图2中示意的左下角的所述标志点具有一个自适应定位点31，以确定图像方向，而且所述自适应定位点31可以直接被识别定位。所述自适应定位点31被直接识别的理由包括但不限于，所述自适应定位点31有与其他所述标志点30对比度不同的部分，所述自适应定位点31的面积与其他所述标志点30有明显差距，所述自适应定位点31的形状与其他所述标志点30有明显差距。例如在图2中，所述自适应定位点31与所述标志点30同心地布置，并且具有色差，如所述标志点30是黑色，而所述自适应定位点31是白色，或者相反即所述标志点30呈白色，而所述自适应定位点31呈黑色，并且更具体地，可以布置成同心圆形状。

首先以所述自适应定位点31为起始点，编号为a。从所述自适应定位点31开始搜寻距离最短的两个所述标志点30，定义其中一个为编号b，同时，记录编号b与编号a在坐标上的方向关系。继续以编号b的所述标志点30搜寻距离最短的两个所述标志点30，取与前述方向关系相同的所述标志点30为编号c。当在这一方向关系上，完成所有所述标志点30匹配，开始搜寻未曾匹配的所述标志点30，并以取与前述方向关系相反的方向开始搜寻。一一将未曾匹配过的所述标志点30编号，直至匹配完成。当所有的所述标志点30被匹配后，所述标志点30被依次编号，以方便后续的运算。

如图3，本优选实施例的对所述第一图像110的自适应匹配效果。值得一提的是，所述标板20的所述标志点30中制作一个自适应定位点31，以确定图像方向。所述自适应定位点31有与其他所述标志点30对比度不同的部分，进而所述自适应定位点31可以直接被识别定位，所述自适应定位点位于所述标板20的左下角。首先以所述自适应定位点31为起始点，编号为a。从所述自适应定位点31开始搜寻距离最短的两个所述标志点30，定义其中纵方向上的一个为编号b。继续以编号b的所述标志点30搜寻距离最短的两个所述标志点30，取与纵方向上的所述标志点30为编号c。当在纵方向上，完成所有所述标志点30匹配，开始搜寻未曾匹配的所述标志点30，并以横方向开始搜寻。依次将未曾匹配过的所述标志点30编号，直至匹配完成。当所有的所述标志点30被匹配后，所述标志点30被依次编号。如图3，所述标板20上的49个所述标志点30被依次编号为1至49，以方便后续的运算。

图4示意了一种可选的所述标板20，其中所述自适应定位点31位于所述标板20的左上角。所述自适应定位点31因为中心具有对比度不同的部分，可以直接被识别定位。首先以所述自适应定位点31为起始点，编号为a。从所述自适应定位点31开始搜寻距离最短的两个所述标志点30，定义其中横方向上的一个为编号b。继续以编号b的所述标志点30搜寻距离最短的两个所述标志点30，取与横方向上的所述标志点30为编号c。当在横方向上，完成所有所述标志点30匹配，开始搜寻未曾匹配的所述标志点30，并以纵方向开始搜寻。找到未曾匹配过的所述标志点30后，再开始以纵方向开始搜寻。依次类推，以S形状搜寻将未曾匹配过的所述标志点30编号，直至匹配完成。当所有的所述标志点30被匹配后，所述标志点30被依次编号为1至49。

图5示意了另一种可选的所述标板20，其中所述自适应定位点31位于所述标板20的中心。所述自适应定位点31因为中心具有对比度不同的部分，可以直接被识别定位。首先以所述自适应定位点31为起始点，编号为a。从所述自适应定位点31开始搜寻距离最短的四个所述标志点30，定义其中横方向上的一个为编号b。继续以编号b的所述标志点30搜寻距离最短的四个所述标志点30，取与纵方向上的所述标志点30为编号c。以此类推，以螺旋形状，开始搜寻未曾匹配的所述标志点30，直至匹配完成。当所有的所述标志点30被匹配后，所述标志点30被依次编号为1至49。

根据所述第一图像110和第二图像120的自适应定位和匹配所述标志点30的结果，可以对所述第一模组11和所述第二模组12分别标定。以所述标板20的所述标志点30实际的间距值建立所述标志点30的空间坐标，结合匹配得到的所述标志点30对应的图像坐标，引入所述第一模块11和所述第二模块12径向畸变和切向畸变，分别对左右摄像头进行标定。得到所述第一模组11的内参数111和外参数112，以及第二模组12的内参数121和外参数122。根据所述第一模组11的内参数111和外参数112，以及第二模组12的内参数121和外参数122通过运算得到所述双模组10的相对空间位置值。

在本优选实施例中，所述第一模组11和所述第二模组12分别对不同角度的所述标板20拍摄三组所述第一图像110和所述第二图像120。以所述标板20的所述标志点30实际的间距值建立所述标志点30的空间坐标，结合匹配得到的所述标志点30对应的图像坐标，分别对左右摄像头进行标定。得到所述第一模组11的内参数111和外参数112，以及第二模组12的内参数121和外参数122，即R₁和T₁，以及R₂和T₂。R₁表示所述第一模组11的旋转矩阵，R₂表示所述第二模组12的旋转矩阵，T₁表示所述第一模组11的空间位置向量，T₂表示所述第二模组12的空间位置向量。利用公式：Rotation＝R₁×inv(R₂)以及Shift＝T₁-Rotation×T₂，其中Rotation表示所述双摄模组10的相对旋转矩阵，Shift表示所述双摄模组10的相对空间位置。

本优选实施例的标定所述双摄模组10的相对空间位置的方法流程如图6所示。开启所述第一模组11进行拍摄，得到至少一个第一图像110。开启第二模组12进行拍摄，得到至少一个第二图像120。转动所述标板20，所述第一模组11和所述第二模组可以分别拍摄不同角度的所述第一图像110和第二图像120。对所述第一图像110和所述第二图像120首先进行灰度处理。得到的所述第一图像110和所述第二图像120的灰度图像后，进行图像处理。通过自适应检测，对图像中的所述标志点30进行定位。再对所述标志点30进行自适应匹配，并对所述标志点30进行标号。利用匹配的所述标志点30，以所述标板20的所述标志点30的间隔距离建立空间坐标，引入径向畸变和切向畸变，对所述第一模组11和所述第二模组12进行标定。进而得到所述第一模组11的内参数111和外参数112，以及所述第二模组12的内参数121和外参数122。利用所述第一模组11和所述第二模组12的标定结果，对所述双摄模组10的相对空间位置完成标定。

本优选实施例中，在所述双摄模组10对所述标板20拍摄时，转动所述标板20，拍摄三次不同角度的图像。即所述第一模组11得到三组所述第一图像110，所述第二模组12得到三组所述第二图像120。对所述第一图像110和所述第二图像120的去噪处理，选取需要的计算的部分区域，对部分区域进行处理。在优选实施例中，选取所述第一图像110和所述第二图像120为3264×2448像素，采用本优选实施例的针对性去噪方法，去局部的范围进行去噪，运算时间为50ms。

接着，所述第一模组11拍摄得到的一幅所述第一图像110。其中，对所述第一图像110中所述标志点30进行自适应标定。对所述第一图像110初步处理，进行适当的缩小，找到标板20的主要区域。通过图像识别，对所述第一图像110粗略确定所述标志点30所在每个区域，共有49个区域。对粗略确定的区域进行精确的定位。对精确定位的区域进行统计，得到所述标志点30的面积数值，并得到所述标志点30之间的相互间距值，以建立所述标志点的空间坐标值。最后定位出全部49个所述标志点30。值得一提的是，所述标板20的所述标志点30中制作一个自适应定位点31，以确定图像方向。而且所述自适应定位点31可以直接被识别定位，所述自适应定位点位于所述标板20的左下角。首先以所述自适应定位点31为起始点，编号为a。从所述自适应定位点31开始搜寻距离最短的两个所述标志点30，定义其中纵方向上的一个为编号b。继续以编号b的所述标志点30搜寻距离最短的两个所述标志点30，取与纵方向上的所述标志点30为编号c。当在纵方向上，完成所有所述标志点30匹配，开始搜寻未曾匹配的所述标志点30，并以横方向开始搜寻。依次将未曾匹配过的所述标志点30编号，直至匹配完成。当所有的所述标志点30被匹配后，所述标志点30被依次编号。所述标板20上的49个所述标志点30被依次编号为1至49，以方便后续的运算。

在本优选实施例中，结合匹配得到的所述标志点30对应的图像坐标，分别对左右摄像头进行标定。得到所述第一模组11的内参数111和外参数112，以及所述第二模组12的内参数121和外参数122，即R₁和T₁，以及R₂和T₂。R₁表示所述第一模组11的旋转矩阵，R₂表示所述第二模组12的旋转矩阵，T₁表示所述第一模组11的空间位置向量，T₂表示所述第二模组12的空间位置向量。利用公式：Rotation＝R₁×inv(R₂)以及Shift＝T₁-Rotation×T₂，其中Rotation表示所述双摄模组10的相对旋转矩阵，Shift表示所述双摄模组10的相对空间位置。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (21)

1.一双摄模组的空间位置标定方法，包括：

第一模组和第二模组分别拍摄同一标板得到第一图像和第二图像，其中所述标板具有多个互相间隔地呈阵列布置的标志点；

处理所述第一图像和所述第二图像得到清晰的黑白测试图像；

分别自适应定位所述第一图像与所述第二图像中的所述标志点；

分别自适应匹配所述第一图像与所述第二图像中的所述标志点；

标定所述第一模组和所述第二模组；以及

利用所述第一模组和所述第二模组的标定结果，运算得到所述双摄模组的相对空间位置。

2.根据权利要求1所述的双摄模组的空间位置标定方法，其中还包括步骤：转动所述标板使所述第一模组和所述第二模组分别拍摄到所述标板不同角度的所述第一图像和所述第二图像。

3.根据权利要求1所述的双摄模组的空间位置标定方法，在处理所述第一图像和所述第二图像的步骤中包括步骤：对所述第一图像与所述第二图像进行灰度处理和阈值分割。

4.根据权利要求3所述的双摄模组的空间位置标定方法，其中在处理所述第一图像与所述第二图像中，还包括对所述第一图像与所述第二图像进行图像增强处理以加强提高黑白区域亮度的差异性。

5.根据权利要求2或3中任一所述的双摄模组的空间位置标定方法，其中处理所述第一图像与所述第二图像中，采用只对所述第一图像与所述第二图像的局部测试区域进行去噪处理。

6.根据权利要求1所述的双摄模组的空间位置标定方法，其中分别自适应定位所述第一图像与所述第二图像中的所述标志点的步骤进一步包括：初步处理所述第一图像与所述第二图像，图像识别所述第一图像与所述第二图像的所述标志点粗略定位区域，在所述标志点的粗略定位区域进行图像精确识别所述第一图像与所述第二图像的所述标志点，统计所述标志点的参数值，以及建立坐标。

7.根据权利要求6所述的双摄模组的空间位置标定方法，其中初步处理所述第一图像与所述第二图像的步骤进一步包括：对所述第一图像与所述第二图像进行缩放。

8.根据权利要求7所述的双摄模组的空间位置标定方法，其中统计所述标志点的参数值中，包括统计所述标志点的面积，所述标志点之间的距离，所述标志点的形状，以及所述标志点的对比度中的至少一种。

9.根据权利要求1至8中任一所述的双摄模组的空间位置标定方法，其中所述标板的多个所述标志点中的其中一个所述标志点具有一个自适应定位点以确定图像方向，其中所述自适应定位点被直接识别定位。

10.根据权利要求9所述的双摄模组的空间位置标定方法，其中具有所述自适应定位点的所述标志点与所述自适应定位点共心地并且具有色差。

11.根据权利要求10所述的双摄模组的空间位置标定方法，其中具有所述自适应定位点的所述标志点与所述自适应定位点分别呈黑色和白色。

12.根据权利要求10所述的双摄模组的空间位置标定方法，其中分别自适应匹配所述第一图像与所述第二图像中的所述标志点的步骤进一步包括：以所述自适应定位点为起始搜寻临近的所述标志点，以搜寻到的所述标志点为起始再搜寻未曾匹配的所述标志点，重复上一步骤至所有所述标志点被匹配，以及按需求编号所述标志点，从而将处理后的所述第一图像和所述第二图像中检测出来的所述标志点与所述标板的所述标志点建立一一对应的关系。

13.根据权利要求1至8中任一所述的双摄模组的空间位置标定方法，其中标定所述第一模组和所述第二模组的步骤中包括：得到所述第一模组的内参数和外参数，以及得到所述第二模组的内参数和外参数。

14.根据权利要求13中所述的双摄模组的空间位置标定方法，其中得到所述第一模组的内参数和外参数中，其中所述第一模组的内参数和外参数为所述第一模组的旋转矩阵R₁和所述第一模组的空间位置向量T₁，得到所述第二模组的内参数和外参数中，所述第二模组的内参数和外参数为所述第二模组的旋转矩阵R₂和所述第二模组的空间位置向量T₂。

15.根据权利要求14所述的双摄模组的空间位置标定方法，其中利用所述第一模组和所述第二模组的标定结果，运算得到所述双摄模组的相对旋转矩阵Rotation，以及所述双摄模组的相对空间位置Shift。

16.根据权利要求15所述的双摄模组的空间位置标定方法，其中利用所述第一模组和所述第二模组的标定结果，通过公式Rotation＝R₁×inv(R₂)以及Shift＝T₁-Rotation×T₂，得到所述双摄模组的相对空间位置。

17.一应用于双摄模组的空间位置标定的标板，其特征在于，其具有多个互相间隔地呈阵列布置的标志点，并且其中至少一所述标志点内还具有与所述标志点有色差的一自适应定位点。

18.根据权利要求17所述的标板，其中所述标志点呈黑色，所述自适应定位点呈白色。

19.根据权利要求17所述的标板，其中所述标志点呈白色，所述自适应定位点呈黑色。

20.根据权利要求17所述的标板，其中内含所述自适应定位点的所述标志点与所述自适应定位点共心地设置。

21.根据权利要求17所述的标板，其中所述标志点与所述自适应定位点呈圆形或多边形。