介绍相机模型、去畸变【附示例C++代码】

Nemophilist^

已于 2023-03-30 11:54:19 修改

阅读量459

点赞数 1

文章标签： c++ 计算机视觉人工智能

于 2023-03-30 11:40:36 首次发布

本文链接：https://blog.csdn.net/qq_42808159/article/details/129853488

版权

介绍相机模型、去畸变【附示例C++代码】

相机模型
- 介绍
去畸变
- 介绍
- 代码

相机模型

介绍

以针孔相机模型为例，介绍一下相机模型：

假设相机坐标系和世界坐标系之间的转换关系为：
$\begin{bmatrix} u \\ v \\ 1 \end{bmatrix} = \begin{bmatrix} f_x & 0 & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} r_{11} & r_{12} & r_{13} & t_1 \\ r_{21} & r_{22} & r_{23} & t_2 \\ r_{31} & r_{32} & r_{33} & t_3 \\ 0 & 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} X_w \\ Y_w \\ Z_w \\ 1 \end{bmatrix}$

其中， $(u, v)$ 是成像平面上的像素坐标， $X_w,Y_w,Z_w)$ 是场景中的一个点的世界坐标， $f_x$ 和 $f_y$ 是相机的焦距， $c_x$ 和 $c_y$ 是成像平面的中心点坐标， $r_{11},r_{12},r_{13},r_{21},r_{22},r_{23},r_{31},r_{32},r_{33}$ 和 $t_1,t_2,t_3$ 是相机的外参参数， $[R ∣ t]$ 是相机的变换矩阵。

注意，右边做了矩阵变换之后维度为4×1，去掉最后的1，变为3×1，这个时候再做相机模型的变换，进一步表示：

$\begin{bmatrix}u \\ v \\ 1 \end{bmatrix} = \begin{bmatrix} f_x & 0 & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \end{bmatrix}$

其中， $(u, v)$ 是像素坐标系中的点， $(X, Y, Z)$ 是相机坐标系中的点， $f_x$ 和 $f_y$ 是相机的焦距， $c_x$ 和 $c_y$ 是图像中心的坐标。

去畸变

介绍

在OpenCV中，常用的相机模型有针孔相机模型和广角相机模型两种。其中，针孔相机模型假设成像过程中光线都是直线，而广角相机模型则考虑了光线的弯曲。

在现实拍摄中，由于相机透镜的形状和制造工艺等原因，所拍摄的图像可能会出现畸变。常见的畸变有径向畸变和切向畸变两种。径向畸变会使得直线看起来弯曲，而切向畸变会使得图像出现倾斜。

代码

OpenCV中提供了undistort()函数，可以将畸变图像转换为没有畸变的图像。这个函数需要输入原始畸变图像、相机内参矩阵、畸变系数等参数。

$x_{distorted} = x(1+k_1r^2+k_2r^4+k_3r^6) + 2p_1xy+p_2(r^2+2x^2)$
$y_{distorted} = y(1+k_1r^2+k_2r^4+k_3r^6) + p_1(r^2+2y^2) + 2P_2xy$

其中， $x, y$ 是归一化坐标。

代码如下：

#include <opencv2/opencv.hpp>
using namespace cv;

int main() {
    // 读入图像和相机参数
    Mat img = imread("input.jpg");
    Mat K = (Mat_<double>(3,3) << focal_length_x, 0, principal_point_x,
                                  0, focal_length_y, principal_point_y,
                                  0, 0, 1);
    Mat dist_coeffs = (Mat_<double>(5,1) << k1, k2, p1, p2, k3);

    // 进行去畸变
    Mat img_undistorted;
    undistort(img, img_undistorted, K, dist_coeffs);

    // 显示结果
    namedWindow("input", WINDOW_NORMAL);
    namedWindow("undistorted", WINDOW_NORMAL);
    imshow("input", img);
    imshow("undistorted", img_undistorted);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

其中，focal_length_x和focal_length_y是相机的焦距，principal_point_x和principal_point_y是相机的主点，k1、k2、p1、p2和k3是相机的畸变系数。这些参数需要根据相机型号进行确定。在代码中，Mat_表示数据类型为double的Mat对象，<<用于初始化Mat对象。

相机的畸变可以使用opencv中的undistort函数进行去畸变，如果不想使用opencv库，可以自己编写畸变矫正的函数。下面是一个简单的C++代码示例，使用OpenCV相机模型进行去畸变：

#include <cmath>
#include <iostream>
#include <vector>

using namespace std;

// 相机参数
double fx, fy, cx, cy;  // 相机内参
double k1, k2, p1, p2, k3;  // 畸变系数

// 去畸变函数
void undistortPoints(const vector<cv::Point2f>& src, vector<cv::Point2f>& dst) {
	double x, y, r, x_distorted, y_distorted;
    for (int i = 0; i < src.size(); i++) {
        x = (src[i].x - cx) / fx;
        y = (src[i].y - cy) / fy;
		r = sqrt(x * x + y * y);
		x_distorted = x * (1 + k1 * r*r + k2 * r*r*r*r + k3 * r*r*r*r*r*r) + 2 * p1*x*y + p2 * (r*r + 2*x*x);
		y_distorted = y * (1 + k1 * r*r + k2 * r*r*r*r + k3 * r*r*r*r*r*r) + 2 * p2*x*y + p1 * (r*r + 2*y*y);
		dst[i].x = fx * x_distorted + cx;
		dst[i].y = fy * y_distorted + cy;
    }
}

int main() {
    // 读入图像和相机参数
    vector<cv::Point2f> src_points, dst_points;
    // 读入src_points
    undistortPoints(src_points, dst_points);

    // 显示结果
    for (int i = 0; i < src_points.size(); i++) {
        cout << "src_point: (" << src_points[i].x << ", " << src_points[i].y << "), "
             << "dst_point: (" << dst_points[i].x << ", " << dst_points[i].y << ")" << endl;
    }

    return 0;
}