视觉测量—摄像机成像模型

本文介绍了摄像机成像模型,从小孔成像原理出发,阐述了像素坐标系、图像坐标系、摄像机坐标系和世界坐标系之间的转换关系,并详细解析了摄像机标定的结果。此外,还探讨了成像畸变问题,包括径向畸变和切向畸变的校正模型,旨在提高视觉测量的准确性。
摘要由CSDN通过智能技术生成

摄像机成像模型

工业摄像机作为图像传感器是视觉测量的重要组成部分,能够实现三维空间点与二维图像点信息的转换。实际情况中成像模型往往呈非线性,小孔成像模型是简化后的线性模型,是实际成像模型的基础。

一、小孔成像原理

小孔成像模型如图所示,空间点成像于像平面1,为便于分析,以像平面1的对称面2作为像平面。空间点 P P P在世界坐标系下坐标为 ( x w , y w , z w ) (x_w,y_w,z_w) xwywzw,在摄像机坐标系下坐标为 ( x c , y c , z c ) (x_c,y_c,z_c) xcyczc,经过透视投影中心 o o o,在像平面投影点为 P ′ ( u , v ) P'(u,v) P(u,v)
成像模型涉及坐标系:
(1)像素坐标系: o − u v o-uv ouv
(2)图像坐标系: o − x y o-xy oxy
(3)摄像机坐标系: o − x c y c z c o-x_cy_cz_c oxcyczc
(4)世界坐标系: o − x w y w z w o-x_wy_wz_w oxwywzw
摄像机标定结果结果:
(1)有效焦距: f f f
(2)主点位置: u 0 , v 0 u_0,v_0 u0v0
(3)像元尺寸: d x , d y d_x,d_y dxdy
(4)外部参数: R , T R,T RT
(5)畸变系数: k 1 , k 2 , k 3 , p 1 , p 2 k_1,k_2,k_3,p_1,p_2 k1k2k3p1p2

1、实际应用中,通过简单图像处理,能够直接得到特征点的像素坐标图像 ( u , v ) (u,v) (u,v),为建立坐标系转化关系,需要以图像坐标系作为中介,如图所示关系,像素坐标系与图像坐标系关系为
[ u

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