消费级相机和镜头既便宜又普遍。不幸的是,与它们的工业同行不同,它们的设计目的并不是作为计算机视觉应用中精确测量的工具。
在各种类型的失真中,影响低档相机和镜头的最明显的失真是径向畸变。
径向畸变是场景中对象的视角与图像中该对象出现的像素之间的非线性。在光学中心附近,这种影响很难察觉,但当我们径向远离光学中心时,失真变得更加明显。
通常,远离光学中心的像素看起来比应该的更接近中心。图像的角似乎被拉向中心。这种现象被称为桶形失真,因为相机垂直看到的矩形物体将显示为圆形的“桶”(见下图)。
失真补偿
这个文章的目的是基于一个简单的模型来描述相机镜头对的径向畸变。一旦我们知道了失真参数,我们就能够补偿对象的像素位置,并获得一个无失真的像素位置。
你可以克隆此存储库中的代码和示例图像。
https://github.com/sebastiengilbert73/tutorial_distortion_calibration
棋盘图像将为我们提供共线特征点。在没有径向畸变的情况下,场景中共线点的像素位置应该是共线的。
由于它们明显不共线,我们将构建一个参数可调的模型,它将扭曲的像素点映射到未扭曲的点上。