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 [X,Y,Z,1] 满足 Z=0 ,同时对于旋转矩阵 R 的每一列表示为一个列向量记为 ri ,则根据相机的投影方程:
因为点 [X,Y]T 仍表示的是三维空间点坐标,只是由于标定使用平面的特殊性,将 Z=0 省略,因此我们仍然使用统一的 M 符号表示,与其对应 M~=[X,Y,1]T 表示该点的其次向量,则公式 (1) 可简记为:
H 被称为单应性矩阵(Homography matrix)。
5.2 内参约束条件
对于单应性矩阵 H ,我们也将其按照列向量的方式表示: H=[h1 h2 h3] , 则有:
其中, λ 是一个任意的系数,因为 r1,r2 是正交向量,因此有:
对于一个单应性矩阵,公式 (4,5) 是两个内参的基本约束。单应性矩阵有9个元素,但可以由8个独立不相关的元素表示,也就是说投影变换有8个自由度,而我们只有6个外参元素(3个旋转元素和3个平移元素),因此两个内参约束条件的意义就在于此。在原理简介(三)中,我们已经了解到 A−TA−1 描述的就是IAC(Image of the absolute conic),后文将对此进行解释。
5.3 几何解释
现在让我们来分析公式 (4,5) 与绝对圆锥曲线的关系。在像空间坐标系中,存在下面的等式: