专栏首页机器学习、深度学习相机标定--A Flexible New Technique for Camera Calibration

相机标定--A Flexible New Technique for Camera Calibration

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/zhangjunhit/article/details/89087012

A Flexible New Technique for Camera Calibration Technical Report MSR-TR-98-71

大家可以参考一下这个文章: http://www.cnblogs.com/wangguchangqing/p/8335131.html

张正友的标定算法:提出简单实用的相机标定算法,使得普通研究者可以自己打印棋盘格来快速准确的完成相机标定任务。

2 Basic Equations 一个 2D point m = [u,v]T, 一个 3D point is denoted by M = [X,Y,Z]T, 它们对应的增广坐标形式分别为 m~ = [u,v,1]T M~ = [X,Y,Z,1]T 我们使用普通的 pinhole 对相机进行建模,a 3D point M and its image projection m的关系如下所示

其中 s is an arbitrary scale factor, (R,t), 称之为相机外参数,分别表示旋转矩阵和平移向量,表示世界坐标系和相机坐标系直接的联系, is the rotation and translation which relates the world coordinate system to the camera coordinate system

A, called the camera intrinsic matrix 相机内参数矩阵

(u 0 ,v 0 ) the coordinates of the principal point, α and β the scale factors in image u and v axes, and γ the parameter describing the skewness of the two image axes

2.2 Homography between the model plane and its image we assume the model plane is on Z = 0 of the world coordinate system,我们假定标定板平面位于世界坐标系的 Z=0

张氏标定法中,将世界坐标系构建在棋盘格平面上,令棋盘格平面为Z=0的平面。则可得

因为 Z=0,所以 M = [X,Y ]T ,, M~ = [X,Y,1] T,a model point M and its image m is related by a homography H:

homography 平面上的点的对应关系, Z=0 作为标定板平面

2.3 Constraints on the intrinsic parameters 相机内参的约束 给定一个平面标定板的图像,其对应的 homography 可以被估计出来。我们使用 H =[h1 h2 h3] 来表示,则对于每张图像有如下关系

r1 和 r2 是标准正交向量, 所以 r1T*r2=0 以及 ||r1||=||r2||=1 一个 homography 有8个自由度,相机外参数有 6个变量(3 for rotation and 3 for translation),we can only obtain 2 constraints on the intrinsic parameters

2.4 Geometric Interpretation 几何解释 这里主要介绍的上面公式(3)和(4)的几何推导过程,与 absolute conic 联系起来

3 Solving Camera Calibration 相机标定的求解 3.1 Closed-form solution 假定 A 为相机内参数矩阵

其中

所以 the two fundamental constraints (3) and (4), from a given homography, can be rewritten as 2 homogeneous equations in b:

Once b is estimated, we can compute all camera intrinsic matrix A. See Appendix B for the details.

Once A is known, the extrinsic parameters for each image is readily computed

3.2 Maximum likelihood estimation

nonlinear minimization problem : Levenberg-Marquardt Algorithm

3.3 Dealing with radial distortion 相机的径向畸变

Complete Maximum Likelihood Estimation

3.4 Summary The recommended calibration procedure is as follows:

http://www.cnblogs.com/wangguchangqing/p/8335131.html

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 图像拼接--Seam Carving for Content-Aware Image Resizing

    Seam Carving for Content-Aware Image Resizing 智能图像缩放 ACM Transactions on graph...

    用户1148525
  • 相机模型--A Theory of Catadioptric Image Formation

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.n...

    用户1148525
  • 视频物体分割--One-Shot Video Object Segmentation

    One-Shot Video Object Segmentation CVPR2017 http://www.vision.ee.ethz.ch/~cvl...

    用户1148525
  • linux kernel Documentation filesystems overlayfs

    Please see MAINTAINERS file for where to send questions.

    heidsoft
  • 一种新的高光谱卫星图像分类空间光谱框架(CS)

    高光谱卫星图像目前被广泛用于准确的灾害预测和地形特征分类。然而,在这样的分类任务中,目前的大多数方法只使用到图像中包含的光谱信息。 因此,在本文中,我们提出了一...

    太子钟
  • 项链的 K 中心问题(cs.DS)

    在图论中,k-中心问题的目标是找到一组 k 顶点,其中任何点与其在K-集合中距其最近的点的最大距离最小化。在本文中,我们介绍了项链集的k-中心问题,即循环移位下...

    Donuts_choco
  • RND 笔记

    RND: https://blog.openai.com/reinforcement-learning-with-prediction-based-reward...

    用户1908973
  • Kotlin 函数编程详解函数Kotlin 开发者社区

    Functions in Kotlin are declared using the fun keyword:

    一个会写诗的程序员
  • InfoGAN、GAN训练不稳定因素分析

    Many people have recommended me the infoGAN paper, but I hadn't taken the time t...

    用户1908973
  • RFC2616-HTTP1.1-Header Field Definitions(头字段规定部分—单词注释版)

    zaking

扫码关注云+社区

领取腾讯云代金券