红外热成像摄像头的标定

一、红外相机标定目的：

是为了准确获取红外图像中的温度信息，并将像素值转换为实际温度值。

二、红外相机的标定过程：

1. 获取参考温度源：使用已知温度的参考源（如黑体辐射源或热电偶）来提供已知温度值。确保参考源的温度稳定且准确。

2. 摄像头几何标定：使用摄像头的几何信息，例如内参（相机的焦距、主点坐标等）和外参（相机的位置、姿态等），进行摄像头的几何标定。这可以通过使用标定板或特定的标定物体来进行相机标定。

3. 热成像摄像头与可见光相机的对准：如果系统中同时使用了热成像摄像头和可见光相机，需要对它们进行对准。这可以通过使用特定的校准板或特征点匹配等方法实现。

4. 热象素灰度和温度的关系建模：通过采集热成像摄像头的图像数据，并结合已知温度源的温度值，建立热象素灰度和温度之间的关系模型。这可以使用多项式拟合、线性回归或其他数学模型进行。

5. 温度校准：使用已知温度的参考源和建立的灰度-温度模型，对摄像头的图像进行温度校准。根据模型，将每个像素的灰度值转换为实际温度值。

6. 非均匀性校正：红外热成像摄像头可能存在非均匀性响应，即不同区域的相同温度物体可能显示不同的灰度。为了校正这种非均匀性，可以采用校正算法，如校正矩阵、校正系数或场景拍摄。

三、红外热成像摄像头的标定原理：

红外相机的标定和普通的相机标定原理基本类似，需要通过标定获取相机的15个内参，具体的参数说明已经整理如下：

 然后通过以下公式来进行预估位置和真实位置之间的矫正：

点与点之间的映射关系可通过以下公式 生成一一对应的方程组，然后通过奇异值分解（SVD）可以得到X向量的系数。

附加数学知识--奇异值分解：

如果存在两个矢量u、v及一常数σ，使得矩阵A满足：

Av=σu；

A'u=σv；

则σ称为奇异值，而u、v称为奇异矢量

四、红外热成像摄像头的标定步骤：

要得到以上参数，需在红外热成像摄像机前放置一个针对红外相机的校准装置，其N个特征（通常是圆或角）必须在图像中定位。基于这些图像坐标和对校准设备特征的真实相对位置的先验知识，可以进行非线性优化来估计各系数。

 接下来和普通的相机标定步骤类似，我是主要利用了OpenCV和Kalibr等工具进行标定，

链接如下：

ethz-asl/kalibr：Kalibr 视觉惯性校准工具箱 (github.com)