计算机视觉之旅(Day5)

最新推荐文章于 2021-11-12 10:05:00 发布

光电的一只菜鸡

最新推荐文章于 2021-11-12 10:05:00 发布

阅读量1.7k

点赞数 1

分类专栏：机器视觉文章标签：相机学习

本文链接：https://blog.csdn.net/qq_35789421/article/details/94006336

版权

机器视觉专栏收录该内容

58 篇文章 116 订阅

订阅专栏

对不起大家，很久没有写blog了，刚刚本科毕业，才回归自己的工作岗位。

现在开始机器视觉的学习吧！

我们来了解相机，其主要是由CCD或者CMOS芯片搭配外围电路组成，在图像传感器前配上各种各样光学结构的镜头，外围电路加上传输线（包括通信方式和通讯协议）。

一.基本概念

1.相机内部参数

(1)图像传感器分辨率：指的是CCD或者CMOS上每一行和每一列的光敏像元的个数。

PS：镜头的分辩率是指在成像平面上1毫米间距内能分辨开的黑白相间的线条对数，单位是“线对/毫米”（lp/mm，line-pairs/mm）。

镜头分辨率是无限大的，机身的分辨率由CMOS或者CCD来决定。

(2)像素尺寸：像元尺寸指芯片像元阵列上每个像元的实际物理尺寸，像元尺寸从某种程度上反映了芯片的对光的响应能力，像元尺寸越大，能够接收到的光子数量越多，在同样的光照条件和曝光时间内产生的电荷数量越多。对于弱光成像而言，像元尺寸是芯片灵敏度的一种表征。

灵敏度是芯片的重要参数之一，它具有两种物理意义。一种指光器件的光电转换能力，与响应率的意义相同。即芯片的灵敏度指在一定光谱范围内，单位曝光量的输出信号电压（电流），单位可以为纳安/勒克斯nA/Lux、伏/瓦（V/W）、伏/勒克斯（V/Lux）、伏/流明（V/lm）。另一种是指器件所能传感的对地辐射功率（或照度），与探测率的意义相同，。单位可用瓦（W）或勒克斯（Lux）表示。

坏点数：由于受到制造工艺的限制，对于有几百万像素点的传感器而言，所有的像元都是好的情况几乎不太可能，坏点数是指芯片中坏点（不能有效成像的像元或相应不一致性大于参数允许范围的像元）的数量，坏点数是衡量芯片质量的重要参数。

响应是指芯片对于不同光波长光线的响应能力，通常用光谱响应曲线给出。从产品的技术发展趋势看，无论是CCD还是CMOS，其体积小型化及高像素化仍是业界积极研发的目标。因为像素尺寸小则图像产品的分辨率越高、清晰度越好、体积越小，其应用面更广泛。

（3）光学尺寸：光学格式一般用感光元件的对角线长度比例来表示，即OF=对角线长度/1英寸=对角线长度/16mm。需要注意的是，这里的1英寸并不等于通常的25.4mm，而是16mm，即感光元件为12.8mm×9.6mm时，它是1英寸感光元件。这种标示方法多用于长宽比为4∶3的袖珍数码相机和消费级数码相机上，感光元件尺寸从1/5英寸到2/3英寸不等。

对于相同有效像素的感光元件，一般其尺寸越大，每个像素的单位面积也越大，感光性能就越好，就能记录更多的图像细节。感光元件的尺寸有两种标示方法，即光学格式（OF，Optical Format）和尺寸类型。

(4) $u_{0}$ 和 $v_{0}$ ：u0，v0代表图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数。

表示图像坐标系坐标位置和建系方式

（5）dx和dy表示x方向和y方向的一个像素分别占多少个单位，是反映现实中的图像物理坐标关系与像素坐标系转换的关键（我理解的是可以反映像元密度）。

这些都是物理层面的，也就是硬件上的。

2.相机外部参数

（1）针孔相机模型

相机中有四个坐标系，分别为{world}，{camera}，{image}，{pixel}

{world}为世界坐标系，可以任意指定 $x_{w}$ 轴和 $y_{w}$ 轴
{camera}为相机坐标系，原点位于小孔，z轴与光轴重合， $x_{c}$ 轴和 $y_{c}$ 轴平行投影面
{image}为图像坐标系，原点位于光轴和投影面的交点， $x_{p}$ 轴和 $y_{p}$ 轴平行投影面
{pixel}为像素坐标系，从小孔向投影面方向看，投影面的左上角为原点 $O_{pix}$ ，uv轴和投影面两边重合

针孔模型看这个blog: https://blog.csdn.net/weixin_43206570/article/details/84797361

从实际空间到相机坐标系，有旋转和平移矩阵

标定坐标系顺序：物理->相机->图像->像素

PS:在opencv的3D重建中（opencv中文网站中：照相机定标与三维场景重建），对摄像机的内参外参有讲解：
外参：摄像机的旋转平移属于外参，用于描述相机在静态场景下相机的运动，或者在相机固定时，运动物体的刚性运动。因此，在图像拼接或者三维重建中，就需要使用外参来求几幅图像之间的相对运动，从而将其注册到同一个坐标系下面来
内参：下面给出了内参矩阵，需要注意的是，真实的镜头还会有径向和切向畸变，而这些畸变是属于相机的内参的。
摄像机内参矩阵：
$\begin{bmatrix} f_{x}& s & x_{0}\\ 0&f_{y} & y_{0}\\ 0& 0 & 1 \end{bmatrix}$

其中，fx，fy为焦距，一般情况下，二者相等，x0、y0为主点坐标（相对于成像平面），s为坐标轴倾斜参数，理想情况下为0

摄像机外参矩阵：包括旋转矩阵和平移矩阵
旋转矩阵和平移矩阵共同描述了如何把点从世界坐标系转换到摄像机坐标系

旋转矩阵：描述了世界坐标系的坐标轴相对于摄像机坐标轴的方向

3.畸变参数

（1）径向畸变

径向畸变（桶形畸变和枕形畸变）产生原因：光线在远离透镜中心的地方偏折更大。

矫正公式：
$x_{corrected}=x(1+k_{1}r^{2}+k_{2}r^{4}+k_{3}r^{6})$

$y_{corrected}=y(1+k_{1}r^{2}+k_{2}r^{4}+k_{3}r^{6})$

(2)切向畸变

切向畸变产生原因：透镜不完全平行于图像平面。

矫正公式：

$x_{corrected}=x+[2p_{1}xy+p_{2}(r^{2}+2x^{2})]$

$y_{corrected}=x+[2p_{1}xy+p_{2}(r^{2}+2y^{2})]$

光电的一只菜鸡

关注

1
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
计算机视觉之旅(Day5)

对不起大家，很久没有写blog了，刚刚本科毕业，才回归自己的工作岗位。现在开始机器视觉的学习吧！我们来了解相机，其主要是由CCD或者CMOS芯片搭配外围电路组成，在图像传感器前配上各种各样光学结构的镜头，外围电路加上传输线（包括通信方式和通讯协议）。一.基本概念1.相机内部参数(1)图像传感器分辨率：指的是CCD或者CMOS上每一行和每一列的光敏像元的个数。P...
复制链接

扫一扫