android camera移动方向_camera-imu内外参标定

在vio系统中，camera-imu间内外参精确与否对整个定位精度起着重要的作用。所以良好的标定结果是定位系统的前提工作。

目前标定算法主要分为离线和在线标定，离线标定以kalibr为代表，能够标定camera内参、camera-imu之间位移旋转、时间延时以及imu自身的刻度系数、非正交性等。

本文基于kalibr[2]整体框架，介绍标定算法原理。

相机投影模型

这里以常用的针孔相机投影为例，而畸变模型包括最常见rantan、equidistant两种。对于其他投影、畸变模型可查阅相关资料，这里不详细叙说。对于空间中3D点怎样投影得到像素平面2D坐标：

由上图，可以看到空间三维点

由三角形相似，可以简单计算出来像素平面坐标

。实际投影成像过程不想上图那么简单，主要包含三步：

上图第二步以rantan畸变为例，对于equidistant畸变模型则是另外一种形式：

投影过程首先是算出归一化平面上点，然后再对归一化平面上点加rantan、equidistant畸变，最后再作用于内参焦距、主点，得到成像像素点坐标。

camera内参标定

camera内参标定如上图所示，可以简单概括为四步：

1. 从图像中提取标定板角点。根据标定板类型，常见三种：checkboard、april grid和circle grid，每一种都有各自提取角点的方法，具体可查询相关资料。
2. 对于一个非线性优化问题，往往需要有一个不错的初始值。对于主点坐标
   、
   可以简单地初始化为图像尺寸的1/2。焦距部分参考[4]，即真实世界平行的直线经过成像投影之后，不再是平行的，相交于两点(有的地方称作vashing point)。所以对标定板每一行的点，都可以在图像上拟合一个圆，两个圆交点的距离除以
   即可得到焦距初始值。
3. 把标定板作为固定参考坐标系，因为标定板尺寸已知，这样就知道每一个角点在这个参考坐标系下3D坐标。知道3D-2D的对应，即可求解出每一帧camera的pose，这个pose会作为后续优化的变量。
4. 通过每一帧相机