相機标定

相機标定

專業術語
相機标定方法有:傳統相機标定法、主動視覺相機标定方法、相機自标定法。[1]基于離線相機标定技術需要準确的相機内參數和外參數作為重構算法的輸入和先決條件,目前最為流行的離線相機标定算法是Tsai在1987年提出的[Tsai1987],Tsai方法使用一個帶有非共面專用标定标識的三維标定物來提供圖像點和其對應的三維空間點的對應并計算标定參數。文獻[Quan1989]中給出了搜索解空間的直接算法,Heuvel給出的改進算法加入了強制性的正交條件[Heuvel1998]。Liebowitz等進一步從消視點位置構造絕對二次曲線的約束并用考克斯分解求解标定矩陣[Liebowitz1999]。
    中文名:相機标定 外文名:camera calibration 别名: 作用:恢複三維模型能否進一步做下去 方法種類:三種

簡介

在圖像測量過程以及機器視覺應用中,為确定空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系,必須建立相機成像的幾何模型,這些幾何模型參數就是相機參數。在大多數條件下這些參數必須通過實驗與計算才能得到,這個求解參數的過程就稱之為相機标定(或攝像機标定)。

無論是在圖像測量或者機器視覺應用中,相機參數的标定都是非常關鍵的環節,其标定結果的精度及算法的穩定性直接影響相機工作産生結果的準确性。因此,做好相機标定是做好後續工作的前提,提高标定精度是科研工作的重點所在。

方法

傳統相機标定法需要使用尺寸已知的标定物,通過建立标定物上坐标已知的點與其圖像點之間的對應,利用一定的算法獲得相機模型的内外參數。根據标定物的不同可分為三維标定物和平面型标定物。三維标定物可由單幅圖像進行标定,标定精度較高,但高精密三維标定物的加工和維護較困難。

平面型标定物比三維标定物制作簡單,精度易保證,但标定時必須采用兩幅或兩幅以上的圖像。傳統相機标定法在标定過程中始終需要标定物,且标定物的制作精度會影響标定結果。同時有些場合不适合放置标定物也限制了傳統相機标定法的應用。

目前出現的自标定算法中主要是利用相機運動的約束。相機的運動約束條件太強,因此使得其在實際中并不實用。利用場景約束主要是利用場景中的一些平行或者正交的信息。其中空間平行線在相機圖像平面上的交點被稱為消失點,它是射影幾何中一個非常重要的特征,所以很多學者研究了基于消失點的相機自标定方法。自标定方法靈活性強,可對相機進行在線定标。但由于它是基于絕對二次曲線或曲面的方法,其算法魯棒性差。

基于主動視覺的相機标定法是指已知相機的某些運動信息對相機進行标定。該方法不需要标定物,但需要控制相機做某些特殊運動,利用這種運動的特殊性可以計算出相機内部參數。基于主動視覺的相機标定法的優點是算法簡單,往往能夠獲得線性解,故魯棒性較高,缺點是系統的成本高、實驗設備昂貴、實驗條件要求高,而且不适合于運動參數位置或無法控制的場合。

技術

基于離線相機标定

Zhang在1999年提出了另一個實用方法[Bouguet2007],該方法需要對一個平面标定圖案的至少兩幅不同視圖來進行标定。加州理工學院的相機标定工具對以上兩個方法均作了有效實現,并且已經被集成到Intel的視覺算法庫OpenCV中[OpenCV2004]。通過标定算法,可以計算相機的投影矩陣,并提供場景的三維測度信息。在不給定真實場景的絕對平移、旋轉和放縮參數的情況下,可以達到相似變換級别的測度重構。

基于在線相機标定

在很多場合下,如缺失标定設備或相機内參數持續改變的情況下,沒有足夠數據來支持離線相機标定,對這類場景的多視三維重構就要用到在線相機标定的技術。在線标定和離線标定框架的主要區别在于标定相機或估計相機參數的方法上。在大多數文獻中在線标定技術被稱為自标定。自标定方法可以大緻分為兩類:基于場景約束的自标定和基于幾何約束的自标定。

①基于場景約束的自标定

合适的場景約束往往能夠在很大程度上簡化自标定的難度。比如說,廣泛存在于建築或人造場景中的平行線能夠幫助提供三個主正交方向的消視點和消視線信息,并能夠據此給出相機内參數的代數解或數值解[Caprile1990]。消視點的求解可以通過投票并搜索最大值的方法進行。

Barnard采用高斯球構造求解空間[Barnard1983]。Quan、Lutton和Rother等給出了進一步的優化策略[Quan1989,Lutton1994,Rother2000]。文獻[Quan1989]中給出了搜索解空間的直接算法,Heuvel給出的改進算法加入了強制性的正交條件[Heuvel1998]。Caprile給出了基于三個主正交方向消視點的幾何參數估計法,Hartley使用标定曲線計算焦距[Hartley2003]。Liebowitz等進一步從消視點位置構造絕對二次曲線的約束并用考克斯分解求解标定矩陣[Liebowitz1999]。

②基于幾何約束的自标定

基于幾何約束的自标定不需要外在場景約束,僅僅依靠多視圖自身彼此間的内在幾何限制來完成标定任務。利用絕對二次曲面作自标定的理論和算法最先由Triggs提出[Triggs1997]。基于Kruppa方程求解相機參數則始于Faugeras,Maybank等的工作[Faugeras1992,Maybank1992]。

Hartley給予基本矩陣推導出了Kruppa方程的另一個推導[Hartley1997]。文獻[Sturm2000]則給出了Kruppa方程的不确定性的理論探讨。層進式自标定技術被用于從射影重構升級到度量重構[Faugeras1992]。

自标定技術的一個主要困難在于它不是無限制地用于任意圖像或視頻序列,事實上,存在着特定運動序列或空間特征分布導緻自标定求解框架的退化和奇異解。文獻[Sturm1997]給出了關于退化情形的詳細讨論和分類。對一些特殊可解情況存在性和求解方法的讨論可以參考文獻[Wilesde1996]等。

标定模闆

标定模闆(标定闆CalibrationTarget)在機器視覺、圖像測量、攝影測量、三維重建等應用中,為校正鏡頭畸變;确定物理尺寸和像素間的換算關系;以及确定空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系,需要建立相機成像的幾何模型。通過相機拍攝帶有固定間距圖案陣列平闆、經過标定算法的計算,可以得出相機的幾何模型,從而得到高精度的測量和重建結果。而帶有固定間距圖案陣列的平闆就是标定模闆(标定闆CalibrationTarget)。

模闆種類

1)等間距實心圓陣列圖案Ti-timesCG-100-D

2)國際象棋盤圖案Ti-timesCG-076-T

軟件

OpenCV标定軟件工具

相關詞條

相關搜索

其它詞條