相机标定

一 实验背景

1.1 针孔相机模型

1.2 两类参数（外参和内参）

1.3 畸变

拍照时通常要在相机的镜头前添加透镜，在相机成像的过程中，透镜会对光线的传播产生影响，从而影响相机的成像效果，产生了畸变。
畸变主要分为两种：径向畸变、切向畸变（畸变是相机本身的特性，与内参无关，标定一次后即可）
切向畸变：由于透镜制造上的缺陷使得透镜本身与图像平面不平行而产生的。
径向畸变：透镜质量原因，光线在远离透镜中心的地方比靠近中心的地方更加弯曲。
切向畸变影响较小，通常只考虑径向畸变。
①桶形畸变

②枕形畸变

对畸变进行校正：

1.4 相机标定

同步标定内部参数和外部参数，一般包括两种策略s:
①光学标定: 利用已知的几何信息(如定长棋盘格)实现参数求解。
②自标定: 在静态场景中利用 structure from motion估算参数。

通过世界坐标集(Xi,Yi,Zi)，以 及它们在图像平面上的投影 坐标集(ui,vi)，计算相机投影 矩阵M中的 11个未知参数

线性方法：

非线性方法：

标定工具需要有极高的精度，包括不同平面的角度、特征点的物理距离等。因此制作标定工具十分困难。

1.5 张正友法相机标定

1.5.1 空间平面的三维点与相机平面二维点的映射
设二维相机平面的像素点为：

三维相机平面的像素点为：

齐次坐标：

描述空间坐标到图像坐标的映射 ：

其中：
s: 世界坐标系到图像坐标系的尺度因子
K: 相机内参矩阵
(u0,v0): 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
由于张正友法标定只需要一张棋盘格，所以可设Z=0，
定义旋转矩阵R的第i列为 ri, 则有：

于是空间到图像的映射可改为：

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。（Homgraphic可描述平面到平面之间的映射关系）
令 H 为 H = [h1 h2 h3]
[h1 h2 h3]=λK[r1 r2 t]
通过上述等式的矩阵运算，根据r1和r2正交，以及归一化的约束可以得到如下等式:


1.5.2 内参求解
B是对称阵，其未知量可表示为6D向量b，由于B矩阵是个对称矩阵，所以可以写成一个6维向量形式：

设H中的第i列为 hi

根据b的定义，可以推导出如下公式：


可以推导出

如果有n组观察图像，则V 是 2n x 6 的矩阵