相机标定学习记录

https://www.cnblogs.com/wangguchangqing/p/8335131.html

 

大体计算流程

第一步算每张图片的单应矩阵H，但应矩阵有8个未知参数，共需8个像素坐标和世界坐标来算，8个对应点：

第二步：

利用旋转矩阵的旋转向量的性质，有两个约束条件，模为1、两个旋转内积为0，得到方程：

其中v22和v11都是由但应矩阵元素组成的东西。b中有6个未知数，因此3张图片可以得到b中6个参数唯一解。

第3步：

求出B矩阵后，用如下公式解出相机内参：

第四步

当然假如有很多数据的情况下，可以采用最小二乘、最大似然来解。

如最小二乘即是最小化累加f(xi|a1,a2...)=yi这个函数式子，假如他是凸函数，那么直接求偏导=0就是最优解了。

当然这里有一些细节，最小二乘优化的是共同的参数，共同参数是相机矩阵，二不同的是世界坐标参数，因此前三部必须要做，在前三部得到外参情况下，来估计内参。如下式子中，只有相机内参是变量。

第五步

计算径向畸变参数，大部分博客中没说清楚，里面只给了函数关系，然后最小二乘，但是问题是函数里哪些特么是变量哪些是已知量、已知量如何获得也没说，比如理论上只要知道畸变前后的同一像素坐标变化，就能够求出畸变参数这是肯定的，且畸变后的像素坐标那很简单就可以求出，但是畸变前的坐标如何得到？

思考了一下，看了下其中的公式：

可以见到最后求解中，有u0和v0参数，因此说明这两个参数是已知的，因此说明此事已经求解出了相机内参矩阵，那么通过相机内参矩阵、外参矩阵来计算出了实际坐标。但是我的疑问是，单应矩阵是利用畸变后的像素求出来的，那么这里用这种单应矩阵来解真实坐标是否合适？

看了下原论文，As the radial distortion is expected to be small, one
would expect to estimate the other five intrinsic parameters, using the technique described in Sect.3.2,
reasonable well by simply ignoring distortion. One strategy is then to estimate k 1 and k 2 after having
estimated the other parameters, which will give us the ideal pixel coordinates (u,v).

说的很清楚，和我刚刚说的一样，而且他说用畸变后的像素求出来的单应矩阵来估计理想坐标是合理的（reasonable）