计算机视觉——相机标定

1. 张正友相机标定法

1.1 相机内的参数

设P=(X,Y,Z)P=(X,Y,Z)为场景中的一点，在针孔相机模型中，其要经过以下几个变换，最终变为二维图像上的像点p=(μ,ν)p=(μ,ν):

1. 将PP从世界坐标系通过刚体变换(旋转和平移)变换到相机坐标系，这个变换过程使用的是相机间的相对位姿，也就是相机的外参数。
2. 从相机坐标系，通过透视投影变换到相机的成像平面上的像点p=(x,y)p=(x,y)。
3. 将像点pp从成像坐标系，通过缩放和平移变换到像素坐标系上点p=(μ,ν)p=(μ,ν)。

相机将场景中的三维点变换为图像中的二维点，也就是各个坐标系变换的组合，可将上面的变换过程整理为矩阵相乘的形式：

将矩阵KK称为相机的内参数,

其中，α,βα,β表示图像上单位距离上像素的个数，则fx=αf,fy=βffx=αf,fy=βf将相机的焦距ff变换为在x,y方向上像素度量表示。

另外，为了不失一般性，可以在相机的内参矩阵上添加一个扭曲参数γγ，该参数用来表示像素坐标系两个坐标轴的扭曲。则内参数KK变为

1.2 张氏标定法

在张氏标定法中，用于标定的棋盘格是三维场景中的一个平面ΠΠ，其在成像平面的像是另一个平面ππ，知道了两个平面的对应点的坐标，就可以求解得到两个平面的单应矩阵HH。其中，标定的棋盘格是特制的，其角点的坐标是已知的；图像中的角点，可以通过角点提取算法得到，这样就可以得到棋盘平面ΠΠ和图像平面ππ的单应矩阵HH。
通过上面的相机模型有：

其中pp是像点坐标，PP是标定的棋盘坐标。 这样就可以得到下面的等式：

HH表示的是成像平面和标定棋盘平面之间的单应矩阵。通过对应的点对解得HH后，则可以通过上面的等式得到相机的内参数KK，以及外参旋转矩阵RR和平移向量tt。

1.3 实现步骤

1. 打印一张棋盘格A4纸张（黑白间距已知），并贴在一个平板上
2. 针对棋盘格拍摄若干张图片（一般10-20张）
3. 在图片中检测特征点（Harris特征）
4. 利用解析解估算方法计算出5个内部参数，以及6个外部参数
5. 根据极大似然估计策略，设计优化目标并实现参数的refinement

1.4 原理

了解坐标系：世界坐标系 、相机坐标系 、图像坐标系 、像素坐标系

（1）计算外参：

s: 世界坐标系到图像坐标系的尺度因子

A: 相机内参矩阵

像主点坐标

α, β: 焦距与像素横纵比的融合

γ: 径向畸变参数

有：

2D 图像点：

3D 空间点：

其次坐标：

所以描述空间坐标到图像坐标的映射（标定用的棋盘格平面到图像平面的单应性关系）：

不妨设棋盘格位于Z = 0 定义旋转矩阵R的第i列为, 则有：

于是空间到图像的映射可改为：

其中H 是描述单应性矩阵,可通过最小二乘法，从角点世界坐标到图像坐标的关系求解

该单应性矩阵有8个自由度

（2）计算内参

根据b的定义，可以推导出如下公式

可以推导出