计算机视觉——张正友相机标定法

张正友相机标定法

1、实验需求

1.制作棋盘格（每个格子的大小可测量），最好是打印出来，贴在平面上（实在不行就用我刚才演示的黑白棋盘格方法）
2.根据棋盘格，采集10-20张图片，提取角点
3.解算出内外参数，内参截图放在博客中，外部参数最好能可视化

2、语言和平台

语言：python2.7.13 （anaconda2）
平台：pycharm 2018.2

3、拍摄设备

小米6 6G 128G

4、基本原理

1、畸变

相机标定指建立相机图像像素位置与场景点位置之间的关系，根据相机成像模型，由特征点在图像中坐标与世界坐标的对应关系，求解相机模型的参数。相机需要标定的模型参数包括内部参数和外部参数。我们相机拍摄照片是将3维世界中的图像通过相机的转化为2维的图像。在世界坐标中的一条直线上的点在相机上只呈现出了一个点，实际中，镜头并非理想的透视成像，带有不同程度的畸变。

常见的畸变如下

2、模型求解

（该次实验涉及到的公式较多，因此这次实验采用截图的方式）
方程和约束
2D 图像点：$m=[u,v{]}^T$
3D 空间点：$M=[X,Y,Z{]}^T$
齐次坐标：
描述空间坐标到图像坐标的映射

s: 世界坐标系到图像坐标系的尺度因子
K: 相机内参矩阵
(u0,v0): 像主点坐标
α, β: 焦距与像素横纵比的融合
γ: 径向畸变参数

不妨设棋盘格位于Z = 0
定义旋转矩阵R的第i列为 ri, 则有:

于是空间到图像的映射可改为：

其中H是描述Homographic矩阵,可通过最小二乘 ，从角点世界坐标到图像坐标的关系求解
令 H 为 H = [h1 h2 h3]

Homography 有 8 个自由度（其中，H为一个3*3的矩阵，并且有一个元素作为齐次坐标），通过上述等式的矩阵运算，根据r1和r2正交，以及 归一化的约束可以得到如下等式：

校正过程
根据上面两个约束条件，可得：

即每个单应性矩阵能提供两个方程，而内参数矩阵包含5个参数，要求解，至少需要3个单应性矩阵。为了得到三个不同的单应性矩阵，我们使用至少三幅棋盘格平面的图片进行标定。通过改变相机与标定板之间的相对位置来得到三个不同的图片。为了方便计算，定义如下：

B 是对称阵，其未知量可表示为6D 向量 b
$b=$