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:
-
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。
-
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。
-
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。
-
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。
-
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。
-
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:
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)