张正友——一种灵活的新颖的相机标定技术（1998年）

翻译约定：
calibration technique 标定技术
calibration object 标定物体
Photogrammetric calibration 摄影测量标定
Self-calibration 自标定
the principal point 中心点
homography 单应性变换（单映射）

自标定——使用这种策略的技术不使用任何标定物体。仅通过在静态场景中移动相机，只使用图像信息，一次相机位移，场景的刚度通常可以对相机的内部参数提供两个约束。因此，如果图像由同一台相机拍摄，且内部参数固定，则三个图像之间的对应关系足以恢复内部参数和外部参数，从而这些参数将使我们能够重建三维结构。虽然这种方法非常灵活，但还不成熟。由于有许多参数需要估计，我们不能总是得到可靠的结果。

我们目前的研究主要集中在桌面视觉系统（DVS），因为使用DVS的潜力很大。相机变得便宜且无处不在。DVS针对的是普通大众，他们不是计算机视觉方面的专家。典型的计算机用户只是时不时地执行视觉任务，因此不愿意为昂贵的设备投入资金。因此，灵活性，稳健性和低成本是重要的。本文中描述的相机校准技术是在考虑到这些因素的基础上开发的。

本文提出的技术仅需要相机以几个（至少两个）不同的方向观察一张平面图案。图案可以用激光打印机打印出来并贴在“相对的”平面上（例如硬书封面）。可以用手移动相机或平面图案。而不必知道移动本身。本文提出的方法介于摄影测量标定和自标定之间，因为我们使用2D度量信息而不是3D或纯粹的隐式信息。计算机仿真和实际数据都已用于测试本文提出的技术，并且获得了非常好的结果。与传统技术相比，本文提出的技术更加灵活。与自标定相比，它获得了相当大的程度鲁棒性。我们相信这项新技术帮助3D计算机视觉从实验室环境向现实世界又迈进了一步。

请注意，Bill Triggs最近提出了一种自标定技术，需要一张平面场景的至少5个视图。他的技术比我们的技术更灵活，但很难初始化。Liebowitz和Zisserman提出了一种平面的透视图像的度量校正技术，这种技术使用度量信息（例如已知角度，两个相等但未知的角度，已知长度比）。他们还提到，至少有三个这样的平面可以校准内部摄像机参数，尽管没有显示实验结果。

本文的结构如下。第2节描述了相机观察一个平面时的基本约束。第3节描述了标定流程。我们从封闭形式的解开始，然后进行非线性优化。也对径向透镜畸变进行了建模。第4节研究了本文提出的标定技术可能失败的情形。在实践中很容易避免这种情况。第5节提供了实验结果。计算机仿真和实际数据都用于验证本文提出的技术。在附录中，我们提供了许多细节，包括估计模型平面与其图像之间的单应性的技术。

2 基本方程
我们考察相机观察单个平面时，对相机内部参数的约束。我们从本文中使用的符号开始。
2.1 符号
一个2D点记为$m=[u,v{]}^T$。一个3D点记为$M=[X,Y,Z{]}^T$。我们使用$\tilde{x}$来表示在向量$x$中添加1作为最后一个元素得到的增广向量：$\tilde{m}=[u,v,1{]}^T$和$\tilde{M}=[X,Y,Z,1{]}^T$。相机使用常用的针孔模型：那么，一个3D点与其图像投影之间的关系可由下式给出：
$$s\tilde{m}=A\left[\begin{array}{cc}R& t\end{array}\right]\tilde{M}$$
式中，$s$是任意比例因子；$\left[\begin{array}{cc}R& t\end{array}\right]$ ，称为外部参数，是将世界坐标系与摄像机坐标系联系起来的旋转和平移；