EUCM鱼眼相机模型详解

最新推荐文章于 2022-11-16 16:11:32 发布

三轮车的视觉进阶_

最新推荐文章于 2022-11-16 16:11:32 发布

阅读量2k

点赞数 6

分类专栏： SLAM基础算法文章标签： EUCM 鱼眼 ORBSLAM 投影矩阵双目

本文链接：https://blog.csdn.net/qq_25458977/article/details/100084401

版权

SLAM基础算法专栏收录该内容

23 篇文章 16 订阅

订阅专栏

EUCM 模型即为extended unified camera model，主要会涉及到几个坐标系，如下：

a. 相机坐标系：真实世界坐标中的位置坐标，单位为m，　一般对应在表达为Ｘ

b. 椭球面坐标系：是一个中转球面，与对应点的世界坐标相差一个scale的系数；也成为Ｐ平面，对应表达为Xp

c. 图像坐标系：是椭球面上的点在z=1平面上的投影，也称为M平面，其x，y值与Xp一样，只是z值固定为1，对应表达为m, 也是归一化平面

d. 像素坐标系：图片中点像素点坐标，左上角为(0,0)，由 M平面中的点经过内参矩阵K计算而来；对应表达为p(u,v)

模型图像为：

1. EUCM模型的projection公式( 从相机坐标系 ---> 图像坐标系)

其中( x, y, z) 为点X 在世界坐标系下的坐标； $\alpha ,\beta$ 算作是畸变系数；得到的坐标m, 即为 相机坐标系下点X 对应的在 M平面上,也就是图像坐标系下的坐标；

$\alpha$ 越小,代表镜头的畸变程度越小; 当 $\alpha = 0$ 时, 公式变成如下:

$m=\begin{pmatrix} \frac{x}{z} \\ \frac{y}{z} \\ 1 \end{pmatrix}$

也就是针孔相机计算归一化坐标时的情况,去除尺度即可;

2. 图像坐标系到像素坐标系

这个和其他相机模型一样,这里不再多写;

3. 相机坐标系---> 椭球面坐标系( ---> M平面图像坐标系)

该公式表明 从相机坐标X 到椭球面坐标Xp 其实就是经过函数的缩放而已，然后再由椭球面P上垂直投影到M平面上;

4. 反投影 --> 这里需要注意的是，反投影只能从像素坐标系到椭球面坐标系，而不能转换到真实的世界坐标系；

其中 m(x,y) 是点在M 归一化平面坐标系下的坐标，同时，也是椭球面坐标系中点 $X_{p}$ 的横纵坐标，因为无论是从椭球坐标系到M平面, 还是从M平面到椭球坐标系,都只是垂直投影, 因此只有Z坐标轴发生变化;

所以重点是这里z(x,y)的求解；求解公式如下:

$z= \frac{1-\alpha ^{2}\beta r^{2}}{\alpha \sqrt{1-(\alpha -\gamma )\beta r^{2}}+\gamma }$

其中　 $\gamma =1- \alpha$ , 因为ｚ是距离值，需要为实数，也就是要求根号下的部分大于０即可；　接下来证明：

当 $\alpha\leq 0.5$ 时, $\alpha -\gamma\leq 0$ , 根号小的部分肯定大于等于0;

当 $\alpha > 0.5$ 时, 要向保证根号下的部分大于0, 则要求 $r^{2}\leq \frac{1}{(\alpha -\gamma )\beta }$

这段公式推导的意义是, 当我们使用EUCM模型时, 如果需要验证从像素坐标系到椭圆坐标系转换结果时,要保证 $r^{2}$ 的一个范围;

例如在验证三角化之后的重投影误差时, 如果相机的参数中 $\alpha > 0.5$ ,则需要添加如下的检测:

float mR2range_left = 1.0f / (beta * (2 * alpha - 1));
float im1x, im1y, im1z;
//p3dC1x 相机坐标系下3D点坐标,也就是X
float p3dC1x = p3dC1.at<float>(0);
float p3dC1y = p3dC1.at<float>(1);
float p3dC1z = p3dC1.at<float>(2);
float im1d = sqrt(beta * (p3dC1x * p3dC1x + p3dC1y * p3dC1y) + p3dC1z * p3dC1z);
im1x = p3dC1x / (alpha * im1d + (1 - alpha) * p3dC1z);
im1y = p3dC1y / (alpha * im1d + (1 - alpha) * p3dC1z);
float distance1R2 = im1x * im1x + im1y * im1y;
if (distance1R2 > mR2range_left){
    left_range++;
    return -1;
}

5. Z(x,y)的求解方法

在第三部分中z的求解方法其实是基于P平面上的点Xp 经过缩放函数后等于1，即：

假设Xp(x, y,z) 则带入到第三部分的公式后有：

对该公式求解即可得到式37 ；

6. 单应矩阵求解 , 求解单应矩阵进行3D reconstruction

假设世界坐标系中存在一组点, X1,X2,X3,...,Xn 属于一个平面, 该平面的一般表达式为 $Ax+By+Cz+D=0$ , 其中 $\vec{n}=(A,B,C)$ 为平面的法向量;

那么 $n^{a}$ 则表示该平面在a相机的相机坐标系下的法向量,可能的值为 $n^{a}=(A{}', B{}',C{}')$ ; 同时 $X^{a}$ 表示的是平面上某个点,如X1在a相机的相机坐标系下的坐标;

那么带入到平面的一般性方程,可以得到 $n^{a}\cdot X^{a}+D=0$ , 也即接下来会在论文中用到的 $n^{a}\cdot X^{a}=d_{a}$ ;