基于圆形标定点的相机几何参数的标定

本文介绍了使用圆形标定点进行相机几何参数标定的方法,包括正投影和反投影模型,重点阐述了逆畸变模型的递归和非递归实现,以及如何优化畸变系数,最终通过验证模型精度确保效果。
摘要由CSDN通过智能技术生成

文章:Geometric camera calibration using circular control points & code

链接:http://www.ee.oulu.fi/~jth/calibr/

相机标定可以归纳为P−n−P(Perspective-n-Point)的问题,即已知三维物点坐标和对应的二维投影坐标,求解相机参数。由于镜头的畸变(径向和切向)带来非线性成像模型,一般求解方法分为两步:

  • 不考虑畸变,成像模型为线性模型,利用线性求解方法求出初始解

  • 考虑畸变,利用初始解和成像模型对三维物点投影得到的投影点观测点形成最优问题, 通过最小二乘进行估计。

这篇文章的精彩之处在于给出逆畸变模型,在上两步的基础上,利用逆畸变模型进一步优化畸变参数。

文章的主要框架内容:

700d08a2528c1b476a79ff9acb3c7962.png

  • 1.相机模型

    • 1.1正投影模型

    • 1.2反投影模型

    • 1.3需要标定的参数:

  • 2.**圆形标定点的偏差校正**

  • 3.逆畸变模型

    • 3.1递归逆畸变模型

    • 3.2非递归逆畸变模型:

  • 4.利用逆畸变模型优化畸变系数

  • 5.验证逆畸变模型的精度

  • 参考文献:

1.相机模型

1.1正投影模型

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值