张正友标定法matlab,张正友标定法(相机标定)

这篇博客深入探讨张正友相机标定法的数学原理,强调理解算法的重要性而非实现细节。作者指出,R矩阵是由三个旋转方向的单位正交阵相乘得到,且不应简单地将r1、r2、r3与x、y、z轴关联。文章解释了为什么一个棋盘格可以提供9个线性无关的方程,而实际求解需要忽略比例系数s,确保H中的h_{33}=1。通过极大似然估计选择误差最小的点组合,用于坐标转换。最后讨论了畸变纠正的迭代求解方法。
摘要由CSDN通过智能技术生成

这篇博客不会详细介绍张正友相机标定算法的计算过程,所以只是想怎么用openCV或者Matlab实现相机标定的朋友就不用费时间去看了。这篇博客介绍我对张氏标定算法的理解。因为我看到很多资料,觉得很多人对这个算法的理解有问题。虽然我没有用程序实现,但从数学的角度上还是可以分析出来的。

首先推荐一篇博客张正友标定法。这篇博文是我找到的讲解最为详细的,但当中有些论点我仍然觉得有问题。大家可以先看这一篇,理解差不多了在看看我说的是不是有道理。

1.提取多少个角点可以求解方程

2.极大似然估计怎么应用

3.畸变纠正

提取多少个角点可以求解方程

首先我们看一眼要求解的方程

\(s\begin{bmatrix}u\\ v\\ 1\end{bmatrix} = \begin{bmatrix}h_{11} & h_{12} & h_{13}\\ h_{21} & h_{22} & h_{23}\\ h_{31} & h_{32} & h_{33}\end{bmatrix}\begin{bmatrix}X\\ Y\\ 1\end{bmatrix}=H\begin{bmatrix}X\\ Y\\ 1\end{bmatrix}\)

式中:

\(H=A\begin{bmatrix}R & t\end{bmatrix}=\begin{bmatrix}\alpha & \gamma & u_0\\ 0 & \beta & v_0\\ 0 & 0 & 1\end{bmatrix}\begin{bmatrix}r_1 & r_2 & r_3 & t\end{bmatrix}\)

由于,现实坐标是在棋盘板上建立的,默认找到的所有角点,其Z轴坐标都为0,所以省去了一

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值