相机标定的理解及原理(一)

  • 来源:光虎

相机标定的理解及原理(一)

 


什么是相机标定?

 

相机标定,是一个估计相机模型参数的过程:一组描述图像捕获过程内部几何形状的参数。精确的相机校准对于各种应用都是必不可少的,例如多相机的图像相互关联,消除由于镜头不完美引起的几何畸变,或精确测量真实世界的几何特性(位置、距离、面积、直线度等)。

 

为什么要相机标定?

 

本质上是根据标定后得到的相机参数建立相机成像几何模型,由获得的图像重构出三维场景。具体来说:当我们用相机获取照片时,从图像里得到一些空间信息(比如距离,尺寸等),是要利用二维图像得到三维信息。拍照的时候把空间物体信息通过相机变成了二维图像,这个过程本来是不可逆的。但如果我们可以找到一个相机的数学模型,就可以从二维图像和数学模型反推得到原来的三维信息。


 



相机标定的方法有哪些?

 

相机标定方法有:传统相机标定法、主动视觉相机标定方法、相机自标定法。


传统相机标定法需要使用尺寸已知的标定物,通过建立标定物上坐标已知的点与其图像点之间的对应,利用一定的算法获得相机模型的内外参数。根据标定物的不同可分为三维标定物和平面型标定物。三维标定物可由单幅图像进行标定,标定精度较高,但高精密三维标定物的加工和维护较困难。平面型标定物比三维标定物制作简单,精度易保证,但标定时必须采用两幅或两幅以上的图像。传统相机标定法在标定过程中始终需要标定物,且标定物的制作精度会影响标定结果。同时有些场合不适合放置标定物也限制了传统相机标定法的应用。


基于主动视觉的相机标定法是指已知相机的某些运动信息对相机进行标定。该方法不需要标定物,但需要控制相机做某些特殊运动,利用这种运动的特殊性可以计算出相机内部参数。基于主动视觉的相机标定法的优点是算法简单,往往能够获得线性解,故鲁棒性较高,缺点是系统的成本高、实验设备昂贵、实验条件要求高,而且不适合于运动参数未知或无法控制的场合。


自标定算法中主要是利用相机运动的约束。相机的运动约束条件太强,因此使得其在实际中并不实用。利用场景约束主要是利用场景中的一些平行或者正交的信息。其中空间平行线在相机图像平面上的交点被称为消失点,它是射影几何中一个非常重要的特征,所以很多学者研究了基于消失点的相机自标定方法。自标定方法灵活性强,可对相机进行在线定标。但由于它是基于绝对二次曲线或曲面的方法,其算法鲁棒性差。



【来源:光虎视觉内部培训资料】