代码地址:在公众号「计算机视觉工坊」,后台回复「逆相机法」,即可直接下载。
注:本文的理论主要来自于参考文献1、2,代码来源于南京理工大学左超老师课题组发表的参考文献2中,笔者在其基础上稍作修改,便于大家更好理解。
逆相机法,也称为三角立体模型,其将投影仪看做“逆相机”,投影结构化光,主动标记视场内的“同名点”,利用类似双目视差原理(不完全相同)进行重建。
01 理论
1.1 单目标定
传感器存在误差,这部分请参考:一文图解单目相机标定算法。
此外,Matlab$标定程序还会计算它的投影矩阵 P,这也是我们需要的:
1.3 重建原理
我们将投影仪看做一台“逆向”的相机,假设经过系统标定后,我们已经得到了 投影矩阵(这里换个记号):
如我们之前所说,从世界坐标系 -> 像素坐标系,有以下关系:
那么世界坐标系、相机/投影仪的像素坐标系之间有如下关系:
需要说明的是,这个公式是对每个像素点单独计算的,这在代码里可以体现。
再来分析公式的精度跟哪些因素有关:
这种方法的优点是比较简单,并且在标定范围外进行测量,精度也比较高,缺点是:将投影仪当做逆相机,两个模型明显会不一样,显然不可能做到非常高精度。
02 实践
2.1 标定
标定系统参数:
相机、投影仪的成像误差
相机、投影仪的相对位置关系
(1) 相机标定
代码中,第一步,标定相机:
num_x = 11; %number of circles in the x direction of the calibration board
num_y = 9; %number of circles in the y direction of the calibration board
dist_circ = 25; % 标定板
disp('开始相机标定...');
% 角点的像素坐标系
load('camera_imagePoints.mat'); % load the camera image points of the centers
% 角点的世界坐标系
worldPoin