一种灵活的相机标定新技术——张正友经典论文的翻译

最近在做相机标定的课题，张正友的论文绝对是经典，所以准备翻译过来，以便学习。

原文地址传递：http://research.microsoft.com/en-us/um/people/zhang/Papers/TR98-71.pdf，英文好的同学可以去看看原版。

翻译的不正确或者不好的地方欢迎各位指正。

摘要

我们提出了一种灵活的新技术简化相机标定，这种技术非常适合在没有3D几何和计算机视觉专业知识的情况下使用，只需要拿着相机在几个不同的方向（至少两个）拍摄平面模板。这个可以通过自由移动相机或者平面模板来实现，而且可以不知道具体的运动。文中考虑了径向畸变，提出的步骤包括最近形式解，基于极大似然准则的非线性推导。文章使用了计算机模拟和真实数据测试了提出的方法并取得非常好的效果。与使用昂贵设备的传统方法比起来，本文的方法非常容易实现且灵活。这使得3维计算机视觉从实验室到现实更近一步。

关键词——相机标定，平面标定，2D模板，绝对二次曲线，径向畸变，最近形式解，极大似然估计，灵活设置

 

 

1. 动机

相机标定在三维计算机视觉中非常重要的一步，是从二维图像中提取度量信息的关键。从摄影测量开始，前人已经做了很多的工作，尤其是最近在计算机视觉领域。我们可以把这些技术粗略地分成两大类：摄像测量标定和自标定。

• 摄像测量标定

相机标定是通过观察三维高精度的标定物实现的，并且可以高效地实现标定。标定物通常由两到三个相互正交的平面组成，有时需要使用高精度的平面。这些方法都需要昂贵的标定装置和很大的精力。

• 自标定

这一类技术不需要任何标定物。通过在静态场景中移动相机，仅仅只是从一个相机位移的图像信息，场景的刚度一般提供两个相机内部参数的约束条件。因此，如果是通过同一个固定内部参数相机拍摄的图像，那么三张图像之间的关系就足以恢复相机的内部和外部参数，然后就可以重建类似的三维结构。尽管这种方法非常灵活，但是仍然不成熟。因为许多参数都是需要估计，而且我们并不能总是得到可靠的结果。

还有其他的技术：正交方向的消失点，纯旋转标定。

由于使用桌面视觉系统（Desktop Vision System，DVS）的潜力巨大，目前我们的研究关注桌面视觉系统。相机越来越便宜且普遍桌面视觉系统的目标用户是没有计算机视觉专业知识的普通用户，一个典型的计算机用户不会花费金钱去购买昂贵的设备，只会偶尔才会用一次。因此，灵活，鲁棒和低成本就很重要了。本文中描述的相机标定技术就是在考虑这些问题的基础上提出来的。

文中提出的技术只需要相机从不同的方向（至少两个方向）观察平面模版。模版可以用激光打印机打印出来贴在一个合理的平面上（比如一本书的硬封面）。手动移动相机或者平面模板，并且不需要知道具体的运动。由于我们采用的是二维度量信息而不是三维的或者纯粹的隐式信息，所以我们文中提出的这种方法介于摄影测量标定和自标定之间。最后使用了计算机仿真和实际数据测试这项新技术并且取得了很好的效果。与传统的方法相比，本文提出的方法相对而言更加灵活。与自标定技术，文中提出的方法获得了相当程度的鲁棒性。我们相信这个新方法把三维计算机视觉系统从实验室带到现实世界的路上跨出了重要的一步。

注意到Bill Triggs最近提出了一种自标定技术，这种技术至少需要5幅平面模版的照片，他的方法比我们在本文中提出的方法更加灵活，但是难以找到初始值。Liebowitz和Zisserman描述了一种平面透视图的较真方法，该方法利用诸如一个已知的角，两个未知但是相等的角和一个已知的长度比等度量信息。他们在文中也提到相机的内参数标定可以通过至少三个这样的矫正平面求得，但是目前还没有给出实验结果。

本文的组织结构如下：第2部分描述单个平面的基本约束条件；第3部分提出了相机标定的步骤，从简单的闭环解到非线性优化，再考虑镜头的径向畸变模型；第4部分研究本文提出的校准方法失败的原因，在实际应用中很容易避免这样的错误；第5部分展示了实验的结果，在实验中采用了计算机模拟和实际数据验证文中提出的方法。附录提供了很多细节，包括估计平面模板和图像之间的单应矩阵的方法。

 

转载于:https://www.cnblogs.com/Joshua007/p/3840558.html