独家｜OpenCV1.10 使用OpenCV实现摄像头标定

作者：Kaustubh Sadekar       Satya Mallick翻译：陈之炎
校对：王可汗

本文约3200字，建议阅读5分钟
本文为大家系统地介绍了使用OpenCV实现摄像头标定。

标签：摄像头，标定

摄像头是一种视觉传感器，它已经成为了机器人技术、监控、空间探索、社交媒体、工业自动化，甚至娱乐业等多个领域不可分割的组成部分。

在摄像头的多种应用中，了解摄像头的参数对于视觉传感器的有效使用至关重要。

在本文中，将阐述摄像头标定所涉及的步骤及其涵义。

此外，文中还共享了棋盘格模式示例图像的C++和Python代码。

什么是摄像头标定？

对摄像头参数进行估计的过程称为摄像头标定。

通过摄像头标定，可以掌握摄像头的所有信息（参数或系数)，从而可以确定现实世界中的三维点与摄像头捕获图像的二维投影(像素）之间的精确关系。

通常，摄像头标定意味着恢复以下两类参数：

1. 摄像头 /镜头系统的固有参数。如：镜头的焦距、光心和径向失真系数等参数。

2. 外部参数：这是指摄像头相对于某个世界坐标系的方向（旋转矩阵R和平移向量t）。

在下图中，采用了几何标定来估计透镜的参数，从而消除图像的失真。

对失真图像采用几何标定之后的效果

使用OpenCV实现摄像头标定

为了更好地理解整个标定过程，首先需要了解成像的几何特征。点击下面的链接来查看详细的解释。

成像的几何特征

正如前文所述，为了找出一个三维点在图像平面上的投影，首先需要使用外部参数（旋转矩阵R和平移向量t）将该点从世界坐标系转换到摄像头坐标系。

 

接下来，利用摄像头的固有参数，将该点投影到图像平面上。

将世界坐标中的三维点（Xw, YW,Zw）投影到图像坐标 (u、v)的关联方程如下所示：

其中，P是一个由两部分组成的3×4投影矩阵——包含固有参数的固有矩阵(K)、由3×3旋转矩阵R和3×1平移向量t组合而成的外部矩阵([R|t])。

如前文所述，固有矩阵是上三角矩阵

其中

fx,fy是x和y的焦距（通常二者是相同的）。