摄像机标定方法（二）----Faugeras的摄像机标定方法

最新推荐文章于 2024-01-18 00:10:22 发布

FireMicrocosm

最新推荐文章于 2024-01-18 00:10:22 发布

阅读量5.2k

点赞数 3

分类专栏：计算机视觉文章标签：计算机视觉

本文链接：https://blog.csdn.net/FireMicrocosm/article/details/47623239

版权

摄像机与视觉系统的标定是机器人视觉中的一个重要问题。所谓的摄像机标定，就是根据给定的摄像机模型求取摄像机的内部参数、外部参数。而视觉系统的标定，则是对摄像机和机器人之间关系的求取。这里主要对目前一些现有的摄像机标定方法进行一个介绍，今天要介绍的是一个具有代表意义的摄像机标定方法—faugeras的摄像机标定方法。

Faugeras的线性模型摄像机标定方法，采用内参数为四参数的摄像机模型。假设景物点在世界坐标系的坐标已知，可以得到图像坐标和世界坐标的关系如下：

z c ⎡ ⎣ ⎢ u v 1 ⎤ ⎦ ⎥ = ⎡ ⎣ ⎢ k x 00 0 k y 0 u 0 v 0 1 000 ⎤ ⎦ ⎥ [R 0 p 1] ⎡ ⎣ ⎢ ⎢ ⎢ x w y w z w 1 ⎤ ⎦ ⎥ ⎥ ⎥ = M' i n M w ⎡ ⎣ ⎢ ⎢ ⎢ x w y w z w 1 ⎤ ⎦ ⎥ ⎥ ⎥ = M ⎡ ⎣ ⎢ ⎢ ⎢ x w y w z w 1 ⎤ ⎦ ⎥ ⎥ ⎥

$z_c\begin{bmatrix} u \\ v \\ 1 \end{bmatrix} = \begin{bmatrix} k_x & 0 & u_0 & 0 \\ 0 & k_y & v_0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix} \begin{bmatrix} R & p\\ 0 & 1 \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ z_w \\ 1 \end{bmatrix} = M_{in}^{'}M_w\begin{bmatrix} x_w \\ y_w \\ z_w \\ 1 \end{bmatrix} = M\begin{bmatrix} x_w \\ y_w \\ z_w \\ 1 \end{bmatrix}$

式中： $(x_w, y_w, z_w)$ 为景物点在世界坐标系的坐标； $(u,v)$ 为景物点的图像坐标。

M' i n = ⎡ ⎣ ⎢ k x 00 0 k y 0 u 0 v 0 1 000 ⎤ ⎦ ⎥, M = ⎡ ⎣ ⎢ m 11 m 21 m 31 m 12 m 22 m 32 m 13 m 23 m 33 m 14 m 24 m 34 ⎤ ⎦ ⎥

$M_{in}^{'} =\begin{bmatrix} k_x & 0 & u_0 & 0 \\ 0 & k_y & v_0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix} , M = \begin{bmatrix} m_{11} & m_{12} & m_{13} & m_{14} \\ m_{21} & m_{22} & m_{23} & m_{24} \\ m_{31} & m_{32} & m_{33} & m_{34} \end{bmatrix}$

将上式展开并消掉 $z_c$ 后，得