Camera Calibration 相机标定:原理简介(五)
来源:互联网 发布:python 打包 linux 编辑:程序博客网 时间:2024/05/07 06:41
5 基于2D标定物的标定方法
基于2D标定物的标定方法,原理与基于3D标定物相同,只是通过相机对一个平面进行成像,就可得到相机的标定参数,由于标定物为平面,本身所具有的约束条机,相对后者标定更为简单。经典算法为Z. Zhang(PAMI, 2000) A Flexible New Technique for Camera Calibration。其算法已经被收入Opencv(2004),最常用的标定图案是棋盘格图案,如下图:
5.1 单应性矩阵
对于2D标定平面,抑或称为标定板,不妨假设,平面上点的增广齐次向量
因为点
5.2 内参约束条件
对于单应性矩阵
其中,
对于一个单应性矩阵,公式
5.3 几何解释
现在让我们来分析公式
当
现在让我们看一下上述的交线和绝对圆锥曲线的交点,原理简介(三)已经介绍点
其在图像中的投影点为:
因为点
因此等式
5.4 闭合解
现在开始讲解如何高效求解本方法的相机标定问题。做法是,首先获得分析解,然后初始估计值基于最大似然准则进行非线性优化,这些都将逐步进行讲解。
令:
因此可以看出,
对于
其中,
如果采集了
其中,
一旦
内参矩阵获得后,根据公式
其中,
由于噪声的存在,这样求解的矩阵
5.5 最大似然优化
与基于3D标定物的优化方法类似,这里仍然使用最大似然法进行优化,也就是基于噪声是不相关且独立分布的的假设,对于
其中,
5.6 镜头畸变
在原理简介(四)4.6中已经对镜头畸变模型进行了讲解,这里与之原理一样。以径向畸变为例,为了获得较为理想准确的像点坐标值,则有方程:
同样当
当获得
- 结束语:
基于2D标定物的标定方法流程为:
1 打印出一张标定图并贴到一个平面上;
2 通过移动相机或者标定平面采集不同位置、不同方向的标定板图像;
3 特征点检测;
4 估算内参(公式(16−21) ),然后通过闭合解得到外参(公式(22) );
5 通过最小二乘线性估算畸变系数;
6 使公式(26) 的代数和最小,优化所有参数。
- Camera Calibration 相机标定:原理简介(五)
- Camera Calibration 相机标定:原理简介(一)
- Camera Calibration 相机标定:原理简介(二)
- Camera Calibration 相机标定:原理简介(三)
- Camera Calibration 相机标定:原理简介(四)
- 相机标定(Camera calibration)原理、步骤
- 相机标定(Camera calibration)原理、步骤
- Camera Calibration 相机标定
- Camera Calibration 相机标定
- Camera Calibration 相机标定
- 相机标定 Camera Calibration
- 相机标定(Camera calibration)
- 【视频开发】【计算机视觉】相机标定(Camera calibration)原理、步骤
- 【视频开发】【计算机视觉】相机标定(Camera calibration)《二》
- Camera Calibration 相机标定:Opencv应用方法
- 单目相机标定(Camera Calibration)
- 使用Matlab相机标定库(Camera Calibration Toolbox)问题小记
- 相机标定工具GML Camera Calibration的使用教程
- input_event_compat
- 菜鸟前端之路笔记1——学习路线
- zTree的操作。封装好
- 看图说话:你不了解的OA与SAP集成
- implement-queue-by-two-stacks
- Camera Calibration 相机标定:原理简介(五)
- 不同屏幕适配图片
- 九度OJ 1132:与7无关的数 (数字特性)
- android 数据保存之存到本地
- KNN(k-NearestNeighbor)识别minist数据集
- android 音乐播放
- iOS动画效果和实现
- equals、hashCode、toString 方法重写
- 文章标题