20.校准相机——纯粹的方式，简单的方式，多平面校准_4

最新推荐文章于 2024-07-22 08:00:00 发布

Tom Boom

最新推荐文章于 2024-07-22 08:00:00 发布

阅读量811

点赞数

分类专栏：机器视觉技术文章标签：机器视觉

机器视觉技术专栏收录该内容

80 篇文章 89 订阅

订阅专栏

纯粹的方式

所以现在我们没有M，现在我们知道，M编码所有的参数，外部参数和内部参数。所以我们应该能够从m中找到关于相机的东西，例如，焦距应该是一个固有的。或者，相机中心呢? 为了能够投影，摄像机中心，记住从世界坐标到摄像机中心的平移向量。如果我们知道平移的值，它会告诉我们摄像机中心在世界坐标系中的位置。所以我们应该能够直接从最终矩阵中得到它。我将告诉你们两种方法。一种纯粹的方式，很美，然后是简单的方式。我们从纯方法开始。这里有一个符号上的小变化只是为了把部分提出来（如图1）。okay。我们有矩阵M，我假设M，是3×4矩阵。它由这个3×3构成，我把它叫做Q b就是这个3×1，它就是一个向量。okay，我们有Q和b，我要声明中心C，这是一个点，我要用向量表示，它在零空间中。投影矩阵的。

1 2

这意味着如果你用M乘以C，它等于0。如果你找到这样一个C，那就是相机中心。你应该相信我。okay，也许你不信任我。让我告诉你为什么是这样。all right? 非常简单。除了画图是痛苦的，all right? 假设有一个以c为中心的相机，有一个平面。这里有一个点P。这是一条从P到c的射线这条射线上有一个点X（如图1）。这就是X的位置（如图2）。all right? 这就是这个方程的全部内容。

1 2

X等于某个p和c的混合，乘以p(1 -)乘以c，给定某个M，这是摄像机，投影。all right? X是MX的线性代数，投影就是λMP + 1 -λMC（如图1）。现在任何时候，P，所有的点在P的形象因此，任何点P,所有的点在这光线，不得不降落在同一点图片（如图2），okay? 所以，这里的任意一点X都会落在相同的点上，不管是什么。如果这个方程必须成立，不管是什么。它必须落在MP处因为可能是1。这意味着这个值，MC，必须等于0（如图3）。如果C是中心，MC等于0。

1 2

这就是为什么，我之前说过中心C可以通过找到零空间来得到。对于投影矩阵m，这不是很痛苦。

简单的方式

但是假设你真的想做一些有用的事情。最简单的方法是什么? 最简单的方法就是给出公式（如图）。

所以，如果M等于qb，就像我之前说的，那么中心就是通过取这个向量上的这个向量（如图）。

这是一个3×3，所以- Q逆是一个3×3，b是3×1，这是一个3×1（如图1），然后我添加1（如图2），这就是向量相机中心在世界坐标系。

1 2

如果我画，你看不见的那张桌子的一角，那里有一个角，如果我说这是原点，这是x，这是y，这是z（教授比手势），然后这里有一个摄像头。我看一下这里的一些点，我给出了这些点在这个坐标系中的值，然后我定位这些点，在我的像平面上。然后我做数学计算，M向量，M矩阵，然后我拿出3×3和称为Q和三个被称为b。然后我带- Q逆乘以b在一个向量,将这个相机的实际位置在那个世界坐标系统。漂亮,很酷。

多平面校准

最后，这是我告诉你们的半比特，还有另一种校准的方法，很酷。事实上，这是今天大家都在用的，因为通常你没有这些点。这是一种获取内部函数的方法，如果你知道这些棋盘放在哪里（如图），这就是外部函数。基本上你要做的就是拿一个棋盘然后移动它。你可以根据棋盘来校准摄像机。现在每个人都这么做的原因是。首先，你可以打印出棋盘必须在平面上，这很简单你可以打印出棋盘。你要确保你的打印机没有把事情搞砸，你要确保打印出来的结果是正方形就是正方形。你把它放在硬纸板或泡沫芯上。你不需要知道位置和方向来得到相机的本质。

稍后您还可以获得固有（intrinsic）。为什么每个人都用这个? 因为代码很容易在网上获得。OpenCV直接支持这一点。我们在这里列出它的MATLAB版本。如果你去张正友的网站，他就像校准医生一样。在校准方面，他为我们做了大量的工作，论文等。我还会告诉你们，你们可以做一些很酷的事情，事实上，我的一个学生，凯尔西·霍金斯做了这件事。我认为代码是公开的。如果你拿一个棋盘把它装在机器人手臂的末端。记住，机器人知道它的手臂在坐标系中的位置。如果你也知道，比如说棋盘格从末端执行器到手的偏移量。然后你能做的就是用摄像机，你可以用机器人移动棋盘，当然我们知道棋盘的3D位置，在我们拍照的每一点上。所以，通过这些棋盘的图像，你最终校准了相机到机器人的坐标系统。所以，在机器人技术中直接这样做是很酷的。

总结

这就是校准的内容。在作业中，你们会用到我们开发的直接线性校准的理论，我们会给你们那些具有点和这两点的三维位置的图像，然后你们会得到这些图像。你需要解出标定。有趣的是，你可以相对准确地恢复。在接下来的课程中，我们要做的是摆脱严格校准相机与世界的概念。相反，我们将讨论多个摄像机之间的关系，特别是从两个摄像机开始。这最终会达到，我们在立体中讨论的那个点，如果你知道摄像机之间的关系，你就能知道极线在哪里。所以基本上，如果我给你一些对应的点，你应该能够解出摄像机之间的关系，这样你就能找到那些极线。这就是我们接下来的内容要做的。

有编过程的人的代码，比那些无知的人使用的软件更有价值。