视觉SLAM14讲学习笔记-ch5

最新推荐文章于 2024-09-28 21:20:29 发布

YJD-Climb

最新推荐文章于 2024-09-28 21:20:29 发布

阅读量280

点赞数 7

文章标签：笔记计算机视觉人工智能

本文链接：https://blog.csdn.net/shuaibidebei/article/details/142051708

版权

本博客主要记录学习高翔老师视觉SLAM14讲的总结笔记，若有总结不对的地方，欢迎大家与我讨论。

一、相机模型

相机模型主要由内参和外参组成。

1.1内参

内参是由针孔和畸变两个模型组成。针孔模型是将相机坐标系下的三维坐标转换为像素坐标，其具体过程如下公式所示。首先，相机坐标系转成像坐标系为：

$\left\{\begin{matrix} x'=f\frac{x}{z} \\ y'=f\frac{y}{z} \end{matrix}\right.$

其中，x'和y'表示成像坐标系，xyz表示相机坐标系坐标。其次，由成像坐标系转换到像素坐标为：

$\left\{\begin{matrix} u=\alpha x'+c_{x} \\ v=\beta y'+c_{y} \end{matrix}\right.$

将上述两个公式结合在一起，并用矩阵表达为：

$\begin{bmatrix} u\\ v\\ 1 \end{bmatrix}=\frac{1}{z} \begin{bmatrix} f_{x} &0 &c_{x} \\ 0 & f_{y} & c_{y} \\ 0&0 &1 \end{bmatrix}\begin{bmatrix} x\\ y\\ z \end{bmatrix}=\frac{1}{z}KP_{c}$

利用归一化平面表示上述矩阵公式为：

$\begin{bmatrix} u\\ v\\ 1 \end{bmatrix}=K\begin{bmatrix} \frac{x}{z} \\ \frac{y}{z}\\ 1 \end{bmatrix}$

其中，K表示内参，可由经典标定法得出。畸变模型：由透镜形状引起的畸变称为径向畸变，由相机安装位置引起的畸变称之为切向畸变。在归一化平面中点 $(x,y)$ 可写成极坐标形式 $(r,\theta)$ ，其中，径向畸变与r有关，切向畸变与 $\theta$ 有关，通常假设呈多项式关系：

$\left\{\begin{matrix} x_{ditorted}=x(1+k_{1}r^{2}+k_{2}r^{4}+k_{3}r^{6})+2p_{1}xy+p_{2}(r^{2}+2x^{2}) \\ y_{ditorted}=y(1+k_{1}r^{2}+k_{2}r^{4}+k_{3}r^{6})+p_{1}(r^{2}+2y^{2})+2p_{2}xy \end{matrix}\right.$

$x_{distorted}$ 和 $y_{distorted}$ 是指畸变后点的归一化坐标，将畸变后的点投影到成像平面上，才能得到正确的像素坐标系位置。

1.2外参

在针孔模型中，p所在的坐标系都为相机坐标系，计算它的世界坐标系坐标，需要直到相机的位姿信息，即

$zP_{uv}=K(RP_{w}+t)=KT_{cw}P_{w}$

视觉slam本质就是在根据 $P_{uv}$ 估计 $T_{cw}$ 和 $P_{w}$ ，相机内参在使用前就已经进行了标定（作为常数）。而单目相机缺少了深度信息，通过上式也可看出，随着z的变化 $P_{w}$ 跟着变化，上式依然成立，因此在使用单目相机slam时，需要先完成初始化（后面章节会提到）。