计算机视觉——相机模型与参数标定

1 基于单平面棋盘格的相机标定方法

在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。
较早的相机标定的方法需要计算相机投影矩阵M中的11个未知参数，需要严格个出三个两两互相垂直的平面来做标定，该实验条件较为严格，一般情况难以实现。此后张正友于1998年在论文："A Flexible New Technique fro Camera Calibration"提出了基于单平面棋盘格的相机标定方法。该方法介于传统的标定方法和自标定方法之间，使用简单实用性强，有以下优点：

a 不需要额外的器材，一张打印的棋盘格即可。
b 标定简单，相机和标定板可以任意放置。
c 标定的精度高。

2 基本原理
2.1 相机标定


同步标定内部参数和外部参数，一般包括两种策略:

光学标定: 利用已知的几何信息(如定长棋盘格)实现参数求解。
自标定: 在静态场景中利用 structure from motion估算参数。

2.2 针孔相机模型

3相机标定方法——张正友标定法
3.1方法描述

使用棋盘格标定的方法，将照片中的三维信息压缩为二维（Z=0)
在张氏标定法中，用于标定的棋盘格是三维场景中的一个平面Π，其在成像平面的像是另一个平面π，知道了两个平面的对应点的坐标，就可以求解得到两个平面的单应矩阵H。其中，标定的棋盘格是特制的，其角点的坐标是已知的；图像中的角点，可以通过角点提取算法得到（如Harris角点），这样就可以得到棋盘平面Π和图像平面π的单应矩阵H。
方法步骤：
1、检测每张图片中的棋盘图案的角点；
2、利用解析解估算方法计算出5个内部参数，以及6个外部参数
3、通过基于极大似然准则的优化解,提高A，R，t矩阵的精度。

4实验
4.1实验准备

图片

4.3运行结果

5.实验总结

1.Harris角点检测能够快速准确的检测到棋盘网格的边角，这对图像位置信息和空间坐标的标定参考提供了重要的数据。

2.在图片的分析当中，并不是所有拍摄的20张图片都被筛选进标定实验，其中很多不符合设置的，例如光线强度过大、角度变换过大等等影响到了角点检测和参数标定的图片都会被剔除，所以在一开始准备数据时就应该添加更多的图片以增加成功率，在本次实验中就被剔除了8张不合格的图片。

3.从最后的实验结果中，可以知道，我的手机相机的各种内部参数和外部参数。由于每部相机的生产过程当中，或多或少的都会产生一定的误差，而且这些误差也让每一部相机变得独一无二，所以每个人的相机参数都不会完全相同。

4.观察每张标定图可以发现，每张图中设置的X,Y和起始点设置都不是完全一样的，它会根据图片的旋转和角度等因素调整坐标系，说明图片的旋转和角度变换不会影响到标定结果