相机标定

一、概述       

（1）摄像头标定：
        在计算机视觉中，我们总希望摄像头拍摄到的画面能够尽可能真实的反映出三维空间中物体的实际状态，这个时候我们往往需要做的就是三维重建，所谓三维重建，事实上就是利用摄像机拍到的二维画面去还原现实的三维场景。
        怎么用二维的画面去还原三维的场景呢？我们可以假设摄像机所拍摄到的图像与三维空间中的物体之间存在以下一种简单的线性关系：[像]=M[物]
        这里，矩阵M可以看成是摄像机成像的几何模型。 M中的参数就是摄像机参数（包括内部参数和外部参数）。而这些个参数，我们可以通过实验和计算得到，这个通过实验求解参数的过程就叫做摄像头标定。

（2）内部参数：指摄像头内部几何和光学特性，每个摄像头都对应唯一的内部参数。

主要包括：

a.主点（u0，v0）：图像平面原点的计算机图像像素坐标；

b.有效焦距f：图像平面到投影中心（光心）距离；

c.透镜畸变系数k：畸变包括径向畸变和切向畸变，由于一般切向畸变较小，对映射关系影响不大，不予考虑；

d.轴方向的尺度因子dx，dy：表示单位像素的实际尺寸。

可以概括为：相机矩阵、畸变矩阵

（3）外部参数：摄像头在外部世界坐标系（空间三维坐标）中的位置和方向或者说摄像机相对世界坐标系原点的平移和旋转位置

主要包括：

从世界坐标系到摄像机坐标系的平移向量和旋转变换矩阵：R，T。

二、 摄像机标定分类

1 根据是否需要标定参照物来看，可分为传统的摄像机标定方法和摄像机自标定方法。
       传统的摄像机标定是在一定的摄像机模型下，基于特定的实验条件，如形状、尺寸已知的标定物，经过对其进行图像处理，利用一系列数学变换和计算方法，求取摄像机模型的内部参数和外部参数（分为最优化算法的标定方法、利用摄像机透视变换矩阵的标定方法、进一步考虑畸变补偿的两步法和采用更为合理的摄像机模型的双平面标定法）；

       不依赖于标定参照物的摄像机标定方法，仅利用摄像机在运动过程中周围环境的图像与图像之间的对应关系对摄像机进行的标定称为摄像机自标定方法，它又分为：基于自动视觉的摄像机自标定技术（基于平移运动的自标定技术和基于旋转运动的自标定技术）、利用本质矩阵和基本矩阵的自标定技术、利用多幅图像之间的直线对应关系的摄像机自标定方以及利用灭点和通过弱透视投影或平行透视投影进行摄像机标定等。自标定方法非常地灵活,但它并不是很成熟。因为未知参数太多,很难得到稳定的结果。
一般来说，当应用场合所要求的精度很高且摄像机的参数不经常变化时，传统标定方法为首选。而自标定方法主要应用于精度要求不高的场合，如通讯、虚拟现实等。

2 从所用模型不同来分有线性和非线性。
        所谓摄像机的线性模型，是指经典的小孔模型。成像过程不服从小孔模型的称为摄像机的非线性模型。线性模型摄像机标定, 用线性方程求解，简单快速，已成为计算机视觉领域的研究热点之一，目前已有大量研究成果。但线性模型不考虑镜头畸变，准确性欠佳；

       对于非线性模型摄像机标定，考虑了畸变参数，引入了非线性优化，但方法较繁，速度慢，对初值选择和噪声比较敏感，而且非线性搜索并不能保证参数收敛到全局最优解。

3 从视觉系统所用的摄像机个数不同分为单摄像机和多摄像机
       在双目立体视觉中，还要确定两个摄像机之间的相对位置和方向。

       不管怎样分类，定标的最终目的是要从图像点中求出物体的待识别参数，即摄像机内外参数或者投影矩阵。然而，不同应用领域的问题对摄像机定标的精度要求也不同，也就要求应使用不同的定标方法来确定摄像机的参数。

       例如，在物体识别应用系统中和视觉精密测量中，物体特征的相对位置必须要精确计算，而其绝对位置的定标就不要求特别高；而在自主车辆导航系统中，机器人的空间位置的绝对坐标就要高精度测量，并且工作空间中障碍物的位置也要高度测量，这样才能安全导航。

       iphone的镜头模型应该用高阶畸变模型来进行标定。

三、图像坐标系、摄像机坐标系和世界坐标系

四、畸变

        光线进入摄像机透镜时，会产生一些畸变：主要是两种：径向畸变、切向畸变。

       径向畸变：透镜产生

       切向畸变：相机的机械误差所致