计算机视觉——相机标定

最新推荐文章于 2024-05-02 17:55:40 发布

brycezou

最新推荐文章于 2024-05-02 17:55:40 发布

阅读量2.3k

点赞数 2

分类专栏：计算机视觉文章标签：计算机视觉相机标定

本文链接：https://blog.csdn.net/gnehcuoz/article/details/52686824

版权

计算机视觉专栏收录该内容

7 篇文章 0 订阅

订阅专栏

计算机视觉—相机标定

brycezou@163.com

0、预备知识

下图基本展示了一些重要的概念：点

O $O$ 与

Xc,Yc,Zc $X_c,Y_c,Z_c$ 三个轴组成的坐标系为 相机坐标系，其中，原点

O $O$ 为相机光心，

Zc $Z_c$ 为相机的光轴，光轴和成像平面

xO1y $xO1y$ 垂直，且光轴与成像平面的交点为图像的主点

O1 $O1$ ，

OO1 $OO1$ 为相机的焦距

f $f$ ，

XcOYc $X_cOY_c$ 平面和成像平面平行。世界坐标系是为了描述相机的位置而引入的，下图中，点

Ow $O_w$ 与

Xw,Yw,Zw $X_w,Y_w,Z_w$ 三个轴组成的坐标系即为 世界坐标系。点

O1 $O1$ 与

x,y $x,y$ 两个坐标轴组成的坐标系为 图像物理坐标系，也即成像平面坐标系。

此图来自网络，非作者原创，若侵犯到您的权益，请留言，以便标明出处，谢谢

1、世界坐标系 $\rightarrow$ 相机坐标系

设

(Xw,Yw,Zw) $(X_w,Y_w,Z_w)$ 表示世界坐标系中的点，

(Xc,Yc,Zc) $(X_c,Y_c,Z_c)$ 表示相机坐标系中的点，则世界坐标系到相机坐标系的变换，其实就是一个刚体变换，可以由旋转矩阵

R $R$ 和平移矩阵

t $t$ 来表示，

R ⎡ ⎣ ⎢ ⎢ X w Y w Z w ⎤ ⎦ ⎥ ⎥ + t = ⎡ ⎣ ⎢ ⎢ X c Y c Z c ⎤ ⎦ ⎥ ⎥

$R\left[\begin{matrix}X_w\\Y_w\\Z_w\end{matrix}\right]+t= \left[\begin{matrix}X_c\\Y_c\\Z_c\end{matrix}\right]$
其中，

R $R$ 为

3x3 $3x3$ 的旋转矩阵，

t $t$ 为

3x1 $3x1$ 的平移向量。化为齐次坐标形式

[R 3 x 3 0 1 x 3 t 3 x 1 1 1 x 1] ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ X w Y w Z w 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ X c Y c Z c 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

$\left[\begin{matrix}R_{3x3} & t_{3x1}\\0_{1x3} & 1_{1x1}\end{matrix}\right] \left[\begin{matrix}X_w\\Y_w\\Z_w\\1\end{matrix}\right]= \left[\begin{matrix}X_c\\Y_c\\Z_c\\1\end{matrix}\right]$

2、相机坐标系 $\rightarrow$ 理想图像物理坐标系（成像平面坐标系）

设

(x,y) $(x,y)$ 是图像物理坐标系中的点，由于点

(Xc,Yc,Zc) $(X_c,Y_c,Z_c)$ 和相机坐标系的原点（相机光心）之间的连线，穿过图像物理坐标系所在的平面，因此，由相似三角形可得

X c x = Z c f, Y c y = Z c f

$\frac{X_c}{x}=\frac{Z_c}{f},\frac{Y_c}{y}=\frac{Z_c}{f}$
进一步整理可得

[f 0 0 f] [X c Y c] = Z c [x y]

$\left[\begin{matrix}f & 0\\0 & f\end{matrix}\right] \left[\begin{matrix}X_c\\Y_c\end{matrix}\right]= Z_c\left[\begin{matrix}x\\y\end{matrix}\right]$
化为齐次坐标形式

⎡ ⎣ ⎢ ⎢ f 00 0 f 0 001000 ⎤ ⎦ ⎥ ⎥ ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ X c Y c Z c 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ = Z c ⎡ ⎣ ⎢ ⎢ x y 1 ⎤ ⎦ ⎥ ⎥

$\left[\begin{matrix}f & 0 & 0 & 0\\0 & f & 0 & 0\\0 & 0 & 1 & 0\end{matrix}\right] \left[\begin{matrix}X_c\\Y_c\\Z_c\\1\end{matrix}\right]=Z_c \left[\begin{matrix}x\\y\\1\end{matrix}\right]$

3、图像物理坐标系 $\rightarrow$ 图像像素坐标系

以图像的左上角为原点建立图像像素坐标系

(u,v) $(u,v)$ ，并且让

u $u$ 轴与

x $x$ 轴平行，

v $v$ 轴与

y $y$ 轴平行。设图像物理坐标系的原点

O1(0,0) $O1(0,0)$ 在

uv $uv$ 坐标系中对应的坐标为

(u0,v0) $(u_0,v_0)$ ，单位像素在

x $x$ 轴和

y $y$ 轴方向的物理尺寸分别为

dx $dx$ 和

dy $dy$ ，则有

u - u 0 = x d x, v - v 0 = y d y

$u-u_0=\frac{x}{dx},v-v_0=\frac{y}{dy}$
进一步整理可得

[u v] = ⎡ ⎣ ⎢ ⎢ ⎢ 1 d x 0 0 1 d y ⎤ ⎦ ⎥ ⎥ ⎥ [x y] + [u 0 v 0]

$\left[\begin{matrix}u\\v\end{matrix}\right]= \left[\begin{matrix}\frac{1}{dx} & 0\\0 & \frac{1}{dy}\end{matrix}\right] \left[\begin{matrix}x\\y\end{matrix}\right]+ \left[\begin{matrix}u_0\\v_0\end{matrix}\right]$
化为齐次坐标形式

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ 1 d x 00 0 1 d y 0 u 0 v 0 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎡ ⎣ ⎢ ⎢ x y 1 ⎤ ⎦ ⎥ ⎥ = ⎡ ⎣ ⎢ ⎢ u v 1 ⎤ ⎦ ⎥ ⎥

$\left[\begin{matrix}\frac{1}{dx} & 0 & u_0\\0 & \frac{1}{dy} & v_0\\0 & 0 & 1\end{matrix}\right] \left[\begin{matrix}x\\y\\1\end{matrix}\right]= \left[\begin{matrix}u\\v\\1\end{matrix}\right]$

4、结论

将相关矩阵相乘，便可以得到三维空间点坐标到图像像素坐标的映射

Z c ⎡ ⎣ ⎢ ⎢ u v 1 ⎤ ⎦ ⎥ ⎥ = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ 1 d x 00 0 1 d y 0 u 0 v 0 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎡ ⎣ ⎢ ⎢ f 00 0 f 0 001000 ⎤ ⎦ ⎥ ⎥ [R 3 x 3 0 1 x 3 t 3 x 1 1 1 x 1] ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ X w Y w Z w 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ = ⎡ ⎣ ⎢ ⎢ α 00 0 β 0 u 0 v 0 1 000 ⎤ ⎦ ⎥ ⎥ [R 3 x 3 0 1 x 3 t 3 x 1 1 1 x 1] ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ X w Y w Z w 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ = M 1 M 2 ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ X w Y w Z w 1 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

$Z_c\left[\begin{matrix}u\\v\\1\end{matrix}\right]= \left[\begin{matrix}\frac{1}{dx} & 0 & u_0\\0 & \frac{1}{dy} & v_0\\0 & 0 & 1\end{matrix}\right] \left[\begin{matrix}f & 0 & 0 & 0\\0 & f & 0 & 0\\0 & 0 & 1 & 0\end{matrix}\right] \left[\begin{matrix}R_{3x3} & t_{3x1}\\0_{1x3} & 1_{1x1}\end{matrix}\right] \left[\begin{matrix}X_w\\Y_w\\Z_w\\1\end{matrix}\right]\\= \left[\begin{matrix}\alpha & 0 & u_0 & 0\\0 & \beta & v_0 & 0\\0 & 0 & 1 & 0\end{matrix}\right] \left[\begin{matrix}R_{3x3} & t_{3x1}\\0_{1x3} & 1_{1x1}\end{matrix}\right] \left[\begin{matrix}X_w\\Y_w\\Z_w\\1\end{matrix}\right]= M_1M_2 \left[\begin{matrix}X_w\\Y_w\\Z_w\\1\end{matrix}\right]$
其中，

M1 $M_1$ 为相机的内参数，

M2 $M_2$ 为相机的外参数，包括旋转和平移矩阵。

brycezou

关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
计算机视觉——相机标定

计算机视觉—相机标定 brycezou@163.com 0、预备知识下图基本展示了一些重要的概念：点 OO 与Xc,Yc,ZcX_c,Y_c,Z_c三个轴组成的坐标系为相机坐标系，其中，原点 OO 为相机光心，ZcZ_c为相机的光轴，光轴和成像平面 xO1yxO1y 垂直，且光轴与成像平面的交点为图像的主点 O1O1，OO1OO1 为相机的焦距 ff，XcOYcX_c
复制链接

扫一扫