计算机视觉——相机标定

一、相机标定简介

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。

针孔相机成像原理其实就是利用投影将真实的三维世界坐标转换到二维的相机坐标上去，其模型示意图如下图所示：

从图中我们可以看出，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，其中发生了非常大的变化，同时也损失和很多重要的信息，这正是我们3D重建、目标检测与识别领域的重点和难点。实际中，镜头并非理想的透视成像，带有不同程度的畸变。理论上镜头的畸变包括径向畸变和切向畸变，切向畸变影响较小，通常只考虑径向畸变。

径向畸变：径向畸变主要由镜头径向曲率产生（光线在远离透镜中心的地方比靠近中心的地方更加弯曲）。导致真实成像点向内或向外偏离理想成像点。

枕形畸变：畸变像点相对于理想像点沿径向向外偏移，远离中心；
桶状畸变：径向畸点相对于理想点沿径向向中心靠拢。

数学公式表示：

 则有：

 

其中，X为相机中的坐标；|X为真实世界坐标；K为内参矩阵；**[R|t]为外参矩阵,K为内参矩阵，是相机内部参数组成的一个3*3的矩阵，其中，f代表焦距；s为畸变参数,(x0,y0)**x0=ay0为中心点坐标，a为纵横比例参数，我们可以默认设为1，所以x0=ay0。
[R|t]为外参矩阵，R是描述照相机方向的旋转矩阵，t是描述照相机中心位置的三维平移向量。

二、张友正黑白棋盘标定思想

张正友标定法利用黑白棋盘格标定板，在得到一张标定板的图像之后，用Harris角点检测算法得到每一个角点的像素坐标 (u,v) 。张正友标定法将世界坐标系固定于棋盘格上，则棋盘格上任一点的物理坐标W=0，由于标定板的世界坐标系是人为事先定义好的，标定板上每一个格子的大小是已知的，我们可以计算得到每一个角点在世界坐标系下的物理坐标(U,V,W=0) 。我们将利用这些信息：每一个角点的像素坐标 、每一个角点在世界坐标系下的物理坐标，来进行相机的标定，获得相机的内外参矩阵、畸变参数。

三、算法原理

31.模型

 3.2 模型求解

-计算单应性矩阵
单应性：在计算机视觉中被定义为一个平面到另一个平面的投影映射。首先确定，图像平面与标定物棋盘格平面的单应性。
设棋盘格位于Z=0,定义旋转矩阵R的第i列为ri, 则有：