【机器视觉2】单目相机内外参数标定

1. 标定参照物概述

标定相机内外参数需要获取场景和图像间多个坐标对。场景坐标点直接从标定参照物获取，图像坐标点从图像中获取。
标定参照物有二维、三维等，如下图所示：

二维参照物标定法：定位简单，标定受环境约束较小，由于近年来非线性优化方法不断发展，二维标定参照物的移动不受约束的情况下，可以通过多幅图像标定出摄像机的全部参数，这种方法主要以张正友标定法为代表。
三维参照物标定法：适合高精度的标定，但其成本更高，测量与制作相对复杂得多。

2. 张正友平面模板标定法

考虑无图像畸变的情况。
张正友标定法是基于平面模板的摄像机标定方法，通过使用一个在三个以上位置的平面模板来完成摄像机标定。
二维标定参照物上所有特征点在世界坐标系下都位于一个平面上，且所有特征点的世界坐标与图像坐标关系表现为平面间一一对应。下图表示世界坐标系下的一个平面到图像平面的映射变换（单应性，Homography）关系，映射矩阵用$H$表示，则$$H=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& h_{33}\end{array}\right]$$

将世界坐标系原点选在标定参照物上，$Z$轴垂直参照物平面，则所有特征点世界坐标系下的$Z$坐标均为0，有：$$z_c\left[\begin{array}{c}{u}_f\\ v_f\\ 1\end{array}\right]=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& h_{33}\end{array}\right]\left[\begin{array}{c}{x}_w\\ y_w\\ 1\end{array}\right]=H\left[\begin{array}{c}{x}_w\\ y_w\\ 1\end{array}\right]$$设${\mathbf{r}}_1=\left[\begin{array}{c}{r}_{11}\\ r_{21}\\ r_{31}\end{array}\right]$，${\mathbf{r}}_2=\left[\begin{array}{c}{r}_{12}\\ r_{22}\\ r_{32}\end{array}\right]$，则内、外参数关系为：$$H=A\left[\begin{array}{ccc}{\mathbf{r}}_1& {\mathbf{r}}_2& \mathbf{t}\end{array}\right]=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& h_{33}\end{array}\right]$$设${\mathbf{h}}_1=\left[\begin{array}{c}{h}_{11}\\ h_{21}\\ h_{31}\end{array}\right]$，${\mathbf{h}}_2=\left[\begin{array}{c}{h}_{12}\\ h_{22}\\ h_{32}\end{array}\right]$，由${\mathbf{r}}_1^T{\mathbf{r}}_2=0$及${\Vert {\mathbf{r}}_1\Vert }_2={\Vert {\mathbf{r}}_2\Vert }_2=1$，得：$$\begin{array}{c}{\mathbf{h}}_1^T{A}^{-T}{A}^{-1}{\mathbf{h}}_2=0\\ {\mathbf{h}}_1^T{A}^{-T}{A}^{-1}{\mathbf{h}}_1={\mathbf{h}}_2^T{A}^{-T}{A}^{-1}{\mathbf{h}}_2=1\end{array}$$获取多张平面标定板图像上的多组角点，利用矩阵分解的方法解出内参$A$，再由内参求解外参的$R$和$\mathbf{p}$。