【计算机视觉】张正友棋盘格标定法


前言

”张正友标定法”是指张正友教授1998年提出的单平面棋盘格的摄像机标定方法。文中提出的方法介于传统标定法和自标定法之间,但克服了传统标定法需要的高精度标定物的缺点。相对于自标定而言,提高了精度,便于操作。因此张正友标定法被广泛应用于计算机视觉方面。


环境

win10,64位,python3.5,opencv4.1.0,手机型号:华为荣耀10(COL-AL10)


(一)实验原理/步骤

1、计算单应性矩阵H

单应性:在计算机视觉中被定义为一个平面到另一个平面的投影映射。首先确定,图像平面与标定物棋盘格平面的单应性。

设三维世界坐标的点为 在这里插入图片描述,二维相机平面像素坐标为*m**=[**u**,**v**,1]**T**,所以标定用的棋盘格平面到图像平面的单应性关系为: s0m=**K**[**R**|**T**]**X** (其中,K为相机的内参矩阵,R为外部参数矩阵(旋转矩阵),T为平移向量。令在这里插入图片描述,设棋盘格位于Z=0的平面,定义旋转矩阵R的第i列为 ri, 则有:在这里插入图片描述
于是空间到图像的映射可改为:H=λK[r1 r2 t]
其中H 是描述Homographic矩阵,可通过最小二乘,从角点世界坐标到图像坐标的关系求解。

2、计算内参数矩阵

根据步骤1中的式子,令 H 为 H = [h1 h2 h3],则 [h1 h2 h3]=λK[r1 r2 t],再根据正交和归一化的约束可以得到等式:在这里插入图片描述
即每个单应性矩阵能提供两个方程,而内参数矩阵包含5个参数,要求解,至少需要3个单应性矩阵。为了得到三个不同的单应性矩阵,我们使用至少三幅棋盘格平面的图片进行标定。通过改变相机与标定板之间的相对位置来得到三个不同的图片。为了方便计算,我们定义: 在这里插入图片描述
B 中的未知量可表示为6D 向量 b,在这里插入图片描述
设H中的第i列为 hi在这里插入图片描述,根据b的定义,可以推导出公式在这里插入图片描述在这里插入图片描述,最后推到出在这里插入图片描述
通过上式,我们可知当观测平面 n ≥ 3 时,即至少3幅棋盘格图像,可以得到b的唯一解,求得相机内参数矩阵K。

3、计算外参数矩阵

外部参数可通过Homography求解,由 H = [h1 h2 h3] = λA[r1 r2 t],可推出在这里插入图片描述 在这里插入图片描述

4、最大似然估计

上述的推导结果是基于理想情况下而言,但由于可能存在一些其他干扰,所以使用最大似然估计进行优化。假设拍摄了n张棋盘格图像,每张图像有m个角点。最终获得的最大似然估计公式为在这里插入图片描述


(二)实验代码

import cv2
import glob
import numpy as np

cbraw = 8 #有8行角点
cbcol = 7 #有7列角点

objp = np.zeros((cbraw*cbcol,3), np.float32)
objp
  • 4
    点赞
  • 66
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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