相机标定是什么?- MATLAB和Si金宝appmulink MathWorks西班牙 - 金宝app,下载188bet金宝搏,金宝搏官方网站

相机标定是什么?

几何相机校正也被称为相机切除估计,镜头的参数和图像传感器的图像或视频相机。您可以使用这些参数来修正镜头畸变,测量一个物体的大小在世界单位,或确定场景中摄像机的位置。这些任务中使用应用程序,如机器视觉检测和测量对象。他们也用于机器人、导航系统、三维场景重建。

校准相机后的例子,你能做什么:

相机参数包括intrinsic、外在和畸变系数。估计摄像机参数,你需要3 d世界点及其对应的二维图像点。你可以得到这些通讯使用多个图像的校准模式,如棋盘。使用的通讯,可以求出摄像机参数。校准相机后,评估的准确性估计参数,您可以:

情节相机的相对位置和校准模式
计算reprojection错误。
计算参数估计错误。

使用相机校准器进行摄像机校准和评价参数估计的准确性。

相机模型

计算机视觉的工具箱™包含校准算法的针孔相机模型和鱼眼相机模型。你可以用相机使用鱼眼模型的的视野(FOV) 195度。

针孔模型和鱼眼模型并排

针孔校准算法是基于提出的模型让Bouguet[3]。模型包括针孔相机模型[1]和镜头畸变[2],针孔相机模型并不占透镜畸变,因为理想的针孔照相机没有镜头。完全准确地代表一个真正的相机,相机模型所使用的算法包括径向和切向透镜畸变。

由于鱼眼镜头产生的极端扭曲,针孔模型不能鱼眼相机模型。使用鱼眼相机校正模型的详细信息,明白了鱼眼校正基础知识。

针孔相机模型

没有镜头的针孔摄像头是一个简单的摄像头和一个小孔。光线通过孔径和项目一个实像的对面的相机。认为虚拟映像平面是在镜头前和包含的图像场景的正直的人。

标签针孔照相机显示图像树的二维图像,图像平面,焦点(针孔),虚拟平面在镜头面前,除此之外的3 d对象。同时,焦距是从二维图像标记在针孔相机和显示相同的距离图像平面。

针孔照相机的参数表示在一个3×4矩阵称为摄像机矩阵。这个矩阵三维世界的场景映射到图像平面。校准算法计算摄像机使用外在和内在参数矩阵。外在的参数代表相机的位置在3 d场景。内在参数代表了光学中心和照相机的焦距。

矩阵运算显示w(比例因子)乘以列向量x, y, 1(像点)等于P乘以列向量x, y, z, 1(点)的世界。同时,P,等于K(摄像机矩阵),(intrinsic矩阵)乘以行向量R, t,(外在、旋转和翻译)。

世界点转换为摄像机坐标使用外在的参数。摄像机坐标映射到图像平面使用intrinsic参数。

世界相机图像的网站显示,非本征向量(Rt)用于转换世界照相机,和intrinsic K用于相机的图像变换。

相机标定参数

校准算法计算摄像机使用外在和内在参数矩阵。外在参数代表刚性从三维世界坐标系统转换到三维相机的坐标系统。内在参数代表了从三维相机的坐标投影变换到二维图像坐标。

外在的参数

外在的参数包括一个旋转,R和一个翻译,t。相机的坐标系统的起源及其光学中心x -和y -轴定义图像平面。

相机外部棋盘与原点位于十字路口的四个左上角框。外在(Rt)转换定位相机的起源中心。

内在参数

内在参数包括焦距、光学中心,也被称为主点偏度系数。相机内在矩阵,K被定义为:

$(\begin{matrix} f_{x} & 年代 & c_{x} \\ 0 & f_{y} & c_{y} \\ 0 & 0 & 1 \end{matrix}]$

像素斜被定义为:

(\begin{matrix} c_{x} & c_{y} \end{matrix}]

光学中心(主点),以像素为单位。

(\begin{matrix} f_{x}, & f_{y} \end{matrix})

——在像素焦距。

f_{x} = F / p_{x}

f_{y} = F / p_{y}

F

-焦距在世界单位,通常用毫米表示的。

(\begin{matrix} p_{x}, & p_{y} \end{matrix})

——在世界单位像素的大小。

年代

——倾斜系数,非零如果图像轴不垂直。

年代 = f_{x} 棕褐色 α

在相机校正畸变

摄像机矩阵不占透镜畸变,因为理想的针孔照相机没有镜头。准确地代表一个真正的相机,相机模型包括径向和切向透镜畸变。

径向畸变

径向畸变时光线弯曲透镜边缘附近的比他们做的光学中心。镜头越小,失真越大。

三个网格,每个代表一种失真。有枕形失真(积极的径向位移),一个没有失真,和一个与桶形失真(负径向位移)

这种类型的失真的径向畸变系数模型。扭曲的点表示为(x_扭曲的,y_扭曲的):

x_扭曲的=x(1 +k₁*r²+k₂*r⁴+k₃*r⁶)

y_扭曲的=y(1 +k₁*r²+k₂*r⁴+k₃*r⁶)

x,y——无畸变的像素位置。x和y在归一化图像坐标。归一化图像像素坐标的坐标计算翻译焦距的光学中心和除以像素。因此,x和y是无量纲。
k₁,k₂,k₃- - - - - -镜头的径向畸变系数。
r²=x²+y²

通常,两个系数满足校准。等严重的失真,在广角镜头,你可以选择三个系数包括k₃。

切向畸变

切向畸变发生在镜头和图像平面不平行。这种类型的失真的切向畸变系数模型。

比较零切向畸变和切向畸变

扭曲的点表示为(x_扭曲的,y_扭曲的):

x_扭曲的=x+ (2 *p₁*x*y+p₂* (r²+ 2 *x²)]

y_扭曲的=y+ (p₁* (r²+ 2 *y²)+ 2 *p₂*x*y]

x,y——无畸变的像素位置。x和y在归一化图像坐标。归一化图像像素坐标的坐标计算翻译焦距的光学中心和除以像素。因此,x和y是无量纲。
p₁和p₂-切向畸变系数的镜头。
r²=x²+y²

引用

[1],z“灵活的摄像机标定的新技术。”IEEE模式分析与机器智能。没有。11日,第22卷,2000年,页1330 - 1334。

[2]么,J。,O. Silven. “A Four-step Camera Calibration Procedure with Implicit Image Correction.”IEEE国际会议在计算机视觉和模式识别.1997。

[3]Bouguet j.y.“相机标定为Matlab工具箱。“加州理工学院的计算机视觉。

[4]Bradski G。,A. Kaehler.学习OpenCV: OpenCV的计算机视觉库。塞瓦斯托波尔,CA: O ' reilly, 2008年。

另请参阅

应用程序

相机校准器|立体相机校准器