一文搞懂相机成像原理及经典解算方法

在计算机视觉中，三维重建作为物理环境感知的关键技术之一，可用于航天飞行、遥感测绘、智慧城市、数字文博、自动驾驶、虚拟现实、数字孪生等场景。基于图像的三维重建技术的实质就是利用照相设备或者录像设备采集的、对显示三维场景或者物体离散的二维图像作为基础数据，经过处理得到场景或者物体的三维数据信息，从而生成真实的场景或者物体，然后通过合适的空间模型把全景图像组织为虚拟的实景空间，用户在这个空间中可以前进、后退、环视、近看、远看等操作，实现用户全方位观察三维场景的效果。相机位姿的精准估计是三维重建、视觉同步定位和建图等方向的重要研究内容，包括恢复场景结构、相机位姿、和相机参数计算。

在人工智能快速发展的现在，计算机视觉是不可绕开的点。

1

相机模型有哪些？

n相机成像模型主要包括针孔模型(pinhole model)和全向模型(omnidirectional model)

n畸变模型主要包括切向径向畸变(RadTan，radial-tangential distortion)、视野畸变(FOV,field of view)和等距畸变(Equidistant,EQUI)等

n采用不同的相机成像模型和畸变模型进行建模描述，会有专门的名字来命名。

    MEI Camera: Omni + Radtan

    Pinhole Camera: Pinhole + Radtan

    Atan Camera: Pinhole + FOV

n在相应的视觉SLAM算法中往往涉及支持多种相机模型，在opencv中也有相应的相机模型，如下所示：

DSO：Pinhole + Equi / Radtan / FOV  

VINS：Pinhole / Omni + Radtan  

SVO：Pinhole / atan / Scaramuzza

OpenCV：cv: pinhole + Radtan ,

                 cv::fisheye: pinhole + Equi ,

                 cv::omnidir: Omni + Radtan

2

相机是如何成像的？

从针孔模型中，我们可以找到一个特征，那就是现实世界的任一点、其在成像平面上的投影点、相机中心在一条直线上，这种特征称为中心投影或者透视投影