计算机视觉——相机标定

本文详细介绍了张正友教授提出的相机标定方法,包括计算单应性矩阵、内参数矩阵、外参数矩阵的过程,并通过最大似然估计优化。实验中遇到numpy版本问题导致无法完成,但在MATLAB中进行标定,结果显示平均重投影误差为2.29,标定效果良好。
摘要由CSDN通过智能技术生成

一、简介

”张正友标定”是指张正友教授1998年提出的单平面棋盘格的摄像机标定方法[1]。文中提出的方法介于传统标定法和自标定法之间,但克服了传统标定法需要的高精度标定物的缺点,而仅需使用一个打印出来的棋盘格就可以。同时也相对于自标定而言,提高了精度,便于操作。因此张氏标定法被广泛应用于计算机视觉方面。

二、实验原理

1. 计算单应性矩阵H

根据之前博客介绍的摄像机模型,设三维世界坐标的点为X=[X,Y,Z,1]TX=[X,Y,Z,1]T,二维相机平面像素坐标为m=[u,v,1]Tm=[u,v,1]T,所以标定用的棋盘格平面到图像平面的单应性关系为:
在这里插入图片描述
其中s为尺度因子,K为摄像机内参数,R为旋转矩阵,T为平移向量。令
在这里插入图片描述

注意,s对于齐次坐标来说,不会改变齐次坐标值。张氏标定法中,将世界坐标系狗仔在棋盘格平面上,令棋盘格平面为Z=0的平面。则可得
在这里插入图片描述

我们把K[r1, r2, t]叫做单应性矩阵H,即
在这里插入图片描述
H是一个齐次矩阵,所以有8个未知数,至少需要8个方程,每对对应点能提供两个方程,所以至少需要四个对应点,就可以算出世界平面到图像平面的单应性矩阵H。

2. 计算内参数矩阵

由上式可得
在这里插入图片描述

由于旋转矩阵是个酉矩阵,r1和r2正交,可得

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值