相机安装位置之相对于地面的俯仰角的标定

最新推荐文章于 2025-03-26 11:06:30 发布
最新推荐文章于 2025-03-26 11:06:30 发布
阅读量4.4k 收藏 30
点赞数 1
分类专栏： 相机标定
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chengde6896383/article/details/111654708
版权
本文探讨了在相机安装中如何通过欧拉角和旋转矩阵计算相机俯仰角，特别是在靶标水平和垂直放置的不同场景下。针对标定过程中的误差，提出了利用多次测量结果提高俯仰角标定精度的方法，适用于大俯仰角和小俯仰角的场景。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在相机的安装过程中，可能存在只需要相机z轴与地平面的夹角(相机的俯仰角pitch)的场景，该场景中假使其他的角度偏差都为零(即roll yaw都为零)，则可以将标定过程简化为如下:

O1为实际安装位置的相机坐标系；O2为虚拟的水平位置的相机坐标系；
W1为虚拟的水平位置的靶标坐标系；W2为实际位置的靶标坐标系。

O1绕x轴转alpha得到O2；O2绕x轴90°得到W1；W1绕z轴转theta得到W2。

根据欧拉角和旋转矩阵之间的关系，有:

R_O1_W2可以通过1求取相机靶标外参的方式得到，进而可以很容易的求得相机安装位置的俯仰角alpha了。

由于在求取相机靶标外参的过程中不可避免的存在一定的误差，接下来需要解决的问题就是如何使用多次测量的结果来提高标定俯仰角alpha的精度了。

 

以上是靶标水平放置的情形，适合俯仰角度较大的场景，如果俯仰角度较小，则需要将靶标垂直地面放置，具体推到过程如下:

 

 

 

基于消失点标定前视相机外参
On my way
03-16 330
我们希望标定得到相机坐标系相对于车辆坐标系的外参。把车辆停放于两条平行的道路标志线中间，且确保车身与道路标志线平行，此时车辆坐标系和世界坐标系的X/Y/Z坐标也是平行关系，即它们之间只存在平移。2）计算得到的实际上是相机坐标系和道路线所在的世界坐标系之间的旋转角，在道路线所在世界坐标系和车辆坐标系满足只存在平移不存在旋转的条件时，它们也是相机坐标系到车辆坐标系的旋转角。如下图所示，绕Z轴旋转的角度为roll（滚转角），绕Y轴旋转的角度为yaw（偏航角/横摆角），绕X轴旋转的角度为pitch（俯仰角）。
在线单目相机与地面标定
whaosoft143ai的博客
12-16 912
本文介绍了一种在线单目相机与地面校准方法，该方法不需要特定目标的支持，并通过轮速计粗略提取地面特征并使用滑动窗口基因素图优化估计相机与地面校准参数。考虑到行驶过程中相机与地面非刚体变换的问题，作者提供了量化校准性能和停止准则以报告/广播满足要求的校准结果。实验表明，该算法有效且优于现有技术。本文提出了一种在线相机到地面无目标标定方法，能够在驾驶过程中自动生成非刚体变换，将相机坐标系与地面坐标系对应起来。该方法采用了新颖的粗细结构来选择地面上的特征，并通过几何验证方法进行了验证。 whaosoft aiot
无人机中的坐标系、旋转矩阵与相机姿态计算
u010165147的博客
09-18 1万+
球坐标系是三维坐标系中的一种，在无人机中一般使用球坐标系来表示相机姿态，相机姿态的坐标是相对于无人机的，而无人机的飞行姿态则是相对于大地坐标系的。在无人机飞行中，无人机平台由于飞行运动及气流运动等因素，会影响无人机的飞行姿态，这时搭载的相机姿态相对大地坐标系会发生变化，需要加入无人机姿态去计算修正，以便于更准确计算相机的观测位置。以上需要注意的是偏航角与其他角不同，偏航角的旋转是整个坐标系，即将无人机坐标系转换为大地坐标系，这里没有使用位移量，需要时加上经纬度的偏移。合并旋转后的三维度旋转矩阵。
相机计算坐标公式_相机位姿估计3：根据两幅图像的位姿估计结果求某点的世界坐标...
weixin_35106801的博客
12-23 1398
关键词：相机位姿估计，单目尺寸测量，环境探知用途：基于相机的环境测量，SLAM，单目尺寸测量文章类型：原理说明、Demo展示@Author：VShawn@Date:2016-11-28@Lab: CvLab202@CSU目录前言早就写好了....不过doc放在笔记本电脑里，平时一直都在用台式机，所以拖到现在才发:(写了这么多篇关于位姿估计的博客后，终于要写一篇有点用的东西了：本文将展示位姿估计的一...
使用OpenCV检测相机与目标的角度和距离
weixin_45123009的博客
02-25 2739
使用OpenCV检测相机与目标的角度和距离 新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 #https://github.com/weiweiever/Angle-distance-detection 你好！ 这是你第一
相机有俯仰角时如何将像素坐标正确转换到其他坐标系
XCCCCZ的博客
09-24 1291
如果对精度要求不高，且有相机坐标系或雷达坐标系下的可视化效果看转换后的效果，可以直接调节图像坐标系下的坐标值，因为当相机有俯仰角时，物体在图像上的成像像素点和相机水平时的对应成像像素点比发生了向上或向下的偏移，在转换为图像坐标系之前试着对物体的每个成像像素点减去或加上这些偏移量，可以看到，图像上的物体点投到到雷达坐标系下后能比较准确地和物体在3D空间中的位置贴合。相机坐标系（Xc，Yc，Zc）原点在相机的光心上，Z轴与相机光轴平行，即相机的镜头拍摄方向。上述转换方法对相机坐标系转雷达坐标系同样适用。
相机外参有什么
非正经研究生的猪圈
11-18 2543
外参确定了相机在某个三维空间中的位置和朝向 1.外参数矩阵。告诉你现实世界点(世界坐标)是怎样经过旋转和平移，然后落到另一个现实世界点(摄像机坐标)上。 所以是一定 包括 相机的俯仰角的 参考：https://blog.csdn.net/liulina603/article/details/52953414 同时也说说什么是相机标定 一句话就是： 世界坐标到像素坐标的映射。 当然这个世界坐标是我们人为去定义的，标定就是已知标定控制点的世界坐标和像素坐标我们去解算这个映射关系，一旦这个关系解算出来了我们就可
相机坐标系如何转换到世界坐标系。
weixin_43501408的博客
12-27 2629
世界坐标系通常是以某个固定的参考点、参考物体或参考方向为基准建立的。例如，在机器人学中，世界坐标系的原点可以选择为机器人基座的中心，或者是机器人末端执行器的中心。在地理信息系统中，世界坐标系的原点通常选择为地球的某个地理位置，例如经纬度为 (0, 0) 的点。它通常将相机的光学中心作为原点，相机的光轴为Z轴，X轴和Y轴与图像平面平行，与光轴垂直，形成一个右手坐标系。由本科学习到的线性代数知识，一个物体坐标左乘一个矩阵的几何意义是，这个物体进行旋转。我理解的相机坐标系转换到世界坐标系的过程就是手眼标定过程，
biaoding.rar_相机参数_相机标定_相机标定程序
09-24
外部参数则涉及相机相对于世界坐标系的位置和姿态： 1. **位置（Position）**：相机的三维坐标，通常表示为X、Y、Z三个分量。 2. **姿态（Orientation）**：相机的方向，通常由三个旋转角度（俯仰角、偏航角和翻滚...
自动驾驶~相机相对地面の在线标定
whaosoft143ai的博客
11-06 227
在进行标定时，选择以稳定速度行驶时的关键帧，这样可以在不同的图像帧之间获得较小的相机姿态变化，有利于标定过程的稳定性，关键帧是指在时间序列中选择的一帧图像，通常表示为时间间隔的起点。然后通过水平线分割图像，可以筛选位于水平线以下的特征点来选择地面特征，并利用车辆的运动信息进一步预测地面特征在下一个关键帧中的位置，这样，我们可以有效地提取和跟踪地面特征，为后续的相机到地面标定和场景理解提供重要的信息。与我们的对手一样，我们的方法在车辆行驶在FPG上时能够生成连续稳定的相机到地面的标定。请放大查看详细信息。
C++和OPENCV实现相机标定
最新发布
weixin_56337944的博客
03-26 765
此代码段通过立体标定确定了双相机的空间关系，输出的。
使用单目摄像头测量距离
05-22
python程序，在opencv下使用单目摄像头，测量人到摄像头的距离，行人检测。
自动驾驶系统中摄像头相对地面的在线标定
点云PCL
05-26 1322
文章：Online Camera-to-ground Calibration for Autonomous Driving作者：Binbin Li, Xinyu Du, Yao Hu, Hao Yu, and Wende Zhang编辑：点云PCL欢迎各位加入知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。公众号致力于点云处理，SLAM，三维视觉，高精地图等领域相关内...
摄像机外参——旋转矩阵
IT菜鸟
05-06 3526
一、参考资料 旋转矩阵（Rotation Matrix）的推导及其应用 二、旋转矩阵推导过程 有点P（Xa，Ya），当坐标由 x –> y 旋转 θ 度后，求该点在新坐标轴的坐标是多少 对于二维旋转来讲，旋转矩阵 ...
相机平面与工作平面带夹角下的坐标换算
u010050735的博客
08-25 692
相机平面与工作平面带夹角下的坐标换算
单目相机标定——相机外参估计（二）
黑色五叶草的博客
06-12 3万+
前言 在上一篇用python调用Opencv做了相机内参求取，当时也没有做任何思考，就是一味的找demo，然后试着自己敲代码。这几天认真的学了一下，发现了一些这前没考虑的东西，于是赶快记录下来。 我们为什么需要相机标定？相机标定了什么？ 首先，回答第一个问题，因为相机生产过程的工艺，相机成像传感器一定不是完美的，所以通过相机看到的view和人眼看到的是不一样，也就是图像有畸变；另外，相机安装...
相机旋转矩阵求解三个姿态角
weixin_40279988的博客
07-15 5771
http://www.cnblogs.com/singlex/p/pose_estimation_1.html 关键词：位姿估计  OpenCV::solvePnP 用途：各种位姿估计 文章...
pitch yaw roll是什么
热门推荐
BerMaker
04-01 28万+
三维空间的右手笛卡尔坐标如图1所示。 图1 在航空中，pitch, yaw, roll如图2所示。 pitch是围绕X轴旋转，也叫做俯仰角，如图3所示。 yaw是围绕Y轴旋转，也叫偏航角，如图4所示。 roll是围绕Z轴旋转，也叫翻滚角，如图5所示。 图2 图3 图4 图5
方位角、俯仰角与翻滚角概念图解
李明子的专栏
08-01 10万+
三维地图渲染时表示模型的旋转量经常用到方位角（heading）、俯仰角（tilt）和翻滚角（roll）。初学者往往对其概念不甚理解。本文以图解的形式介绍了方位角、俯仰角及翻滚角的概念，帮助三维渲染初学者增强空间想象能力。
雷达相机联合标定
03-24
### 雷达与相机联合标定概述 雷达与相机的联合标定旨在建立两者之间的几何关系，以便将它们采集的数据统一到同一个坐标系中。这一过程的核心在于求解激光雷达坐标系和相机坐标系间的刚性变换矩阵，通常由旋转和平移两部分构成[^2]。 #### 联合标定的主要目标 通过标定获得的外参可以用于多种场景下的多传感器数据融合，例如自动驾驶中的障碍物检测、环境感知以及路径规划等任务。具体来说，标定的目标是找到描述两个设备之间相对位置和方向的关系矩阵 \( T_{LC} \)，其中包含旋转矩阵 \( R \) 和平移向量 \( t \)[^1]。 --- ### 常见的联合标定方法 以下是几种常见的激光雷达与相机联合标定的技术： #### 方法一：基于棋盘格的手动调整法 传统方式依赖于手动调节相机的姿态参数（如偏航角 yaw、俯仰角 pitch 和横滚角 roll），并通过观察点云投影至图像上的偏差来进行逐步优化。尽管此方法简单易懂，但由于人为干预较多，其效率较低且难以达到较高的精度水平[^3]。 #### 方法二：全自动化的特征匹配算法 现代技术倾向于采用自动化手段完成整个流程。比如利用标准图案（通常是黑白相间分布均匀的方块阵列即所谓的“棋盘格”）作为共同参照物，在获取同步帧之后提取各自模态内的对应兴趣点并计算最优映射关系。此类策略不仅提高了工作效率还增强了最终结果可靠性。 #### 实现步骤说明 虽然不允许使用诸如‘首先’这样的引导词句，但仍可概括如下几个方面的工作要点： - **准备阶段** - 设计实验平台布置好待测装备，并确保二者视场重叠区域足够大能够捕捉足够的公共信息； - **数据收集环节** - 同步记录来自两种传感装置原始观测值序列； - **处理分析部分** - 应用特定软件工具包执行必要的数值运算得出所需转换参数集； 对于实际编程实践而言，OpenCV库提供了丰富的函数支持上述操作需求，下面给出一段伪代码展示如何调用这些功能接口实现基本功能框架构建: ```python import cv2 import numpy as np def calibrate_lidar_camera(lidar_points, image): # 定义世界坐标系中的三维点 (棋盘格角落的真实物理尺寸) objp = np.zeros((6*7, 3), dtype=np.float32) objp[:, :2] = np.mgrid[0:7, 0:6].T.reshape(-1, 2) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, (7, 6)) if not ret: raise ValueError("未能在图片中发现有效的棋盘格") criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) refined_corners = cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria) _, rvec, tvec = cv2.solvePnP(objp, refined_corners, camera_matrix, dist_coeffs) rotation_mat, _ = cv2.Rodrigues(rvec) extrinsics = np.hstack([rotation_mat,tvec]) return extrinsics ``` 以上脚本片段展示了怎样借助 OpenCV 的 `solvePnP` 函数估计出相对于已知模型姿态的位置矢量 (`rvec`, `tvec`) ，进而得到完整的外部参数集合。 --- ### 注意事项 当实施任何类型的跨模式校准时，请务必注意以下几点建议以提高成功率及准确性： - 尽可能扩大视野范围使得更多配对样本参与进来有助于减少随机误差影响； - 对所有输入信号源做严格的时间戳标记保证时间一致性至关重要； - 如果条件允许的话尝试引入额外辅助测量仪器进一步验证所得结论可信度。 ---
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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