相机选型介绍

摄影测量中,相机是非常重要的角色,合适的相机产出合适的图像,得到合适的重建精度,这是相机的重要性。

您也许第一反应是,摄影测量所需的理想相机,是有着超高分辨率的相机,但事实可能并非如此,分辨率确实是相机非常重要的指标,但绝非唯一指标。

1. 分辨率

分辨率显然是相机必须关注的参数之一,更高的分辨率意味着对目标更好的细节解析能力,能恢复出更多目标表面细节,并带来更高的测量精度。

高分辨率带来的缺点:

  • 动态模糊更明显。
  • 亮度变低,需要加大进光量,比如增大光圈或快门时间,而增大光圈会让景深减小,增大快门时间会让动态模糊更明显。
  • 算法处理时间增加。
  • 成本增加。

这些问题虽不是那么致命,但能够让你不盲目的追求高分辨率,最好查阅资料对当前相机厂商的主流分辨率有个大致的了解,选择中上分辨率设备,不过分追求超高分辨率。

从经验来看,无人机图像三维重建有最常用的2000万像素级别,次常用4000万像素级别,少见的上亿像素级别。

  • 请避免使用图像处理工具后期增加分辨率,这除了增加处理时间,大部分时候都没有好处,并不会带来预期的精度提升,还有可能破坏图像参数对应关系。
  • 请注意另一种提高分辨率的方式:像素内插。例如某相机宣传高达一亿像素,你还需参考其传感器画幅是否是真的原生态的一亿像素,而不是算法内插得到的。
  • 画幅是重要指标(看后文),小画幅高分辨率,很有可能是像素内插出的,如果对重建精度要高要求,请慎选。一般来说,大画幅小分辨率 > 小画幅高分辨率。

2. 镜头

关注镜头的主要关注点在于焦距视场角,短焦距通常意味着广角镜头,有带来更大的视野范围,同时却增加了像素的GSD(ground sample distance)并有更明显的像素畸变;反之长焦距有着更窄的视野范围,但更小的像素GSD以及更小的畸变。

在摄影测量学中,一般不会考虑焦距过短和超大广角,一方面加大像素GSD对精度没有好处,另一方面降低了像素畸变估计的准确性。也不会考虑超长焦和超小窄角,在上篇中我们提及到用于三维重建的图片必须满足相邻足够的重叠度(60%以上),过于窄小的视野使得为满足重叠度必须拍摄超多的图片,这带来了更大的计算负担。

在实践中,偏向于选择微广角或微长焦,用35毫米等效焦距值来初步分析一个镜头的状况是个很好的方法,如果这个值是35毫米,则通常是一个视野和焦距都很适中的镜头,如果这个值是24,则它是一个微广角镜头,如果是48,则是一个微长焦镜头,都是比较常见的。现在无人机厂商都比较青睐将相机焦距设计到24~35之间,带一些广角可以获取更大的视野,也能在满足重叠度的情况下减少采集图片的数量。

3. 传感器

提起传感器,画幅是我们最常说的一个参数,画幅,在胶片时代指的是胶片的尺寸规格,现在指的就是相机传感器的尺寸。

全画幅自然比半画幅有更高的图像质量,也就是人们常说得底大一级压死人,核心关注的是传感器尺寸,尺寸越大则进光量越大,对画面还原的情况越好,暗光拍摄也会更强,整体质量更优秀。

如图所示,全画幅相机比一英寸相机大2.7倍的面积,如果同样产出2000万像素的图片,孰优孰劣显而易见。一英寸已经是当前手机相机的天花板,而大部分入门级别数码相机大多是APS-C(也叫半画幅),全画幅相机则位于高端相机之列。

画幅带来的一些优势是无形的,采集到同等亮度的图像,全画幅要比APS-C使用更低的IOS、更少的快门时间和更小的光圈,随之带来更少的噪点,更少的运动模糊以及更长的景深。

要想产出高质量的三维模型,自然是推荐你使用APS-C半画幅以上的相机,但价格成本也是不可忽视的因素,画幅往往和价格直接挂钩。如果你现在只是一个初级玩家,不必过分追求画幅,日常的手机(Iphone 15: 1/1.28)、消费无人机(DJI Mini4 : 1/1.3)都在一英寸画幅以下,而大疆专用于测绘的行业旗舰Mavic 3E则是4/3英寸的底,这些已然足够。而一些专业建模师,在选择相机时,画幅必定是会重点关心的参数。

4. 快门类型

快门 类型是影响图像质量的重要因素。

  • 机械快门 Mechanical Shutter

  • 电子快门 Electronic Shutter ,分为卷帘快门(Rolling Shutter)和全局快门(Global Shutter)

一般来说,机械快门相比电子卷帘快门存在优势,原因就是电子卷帘快门的果冻效应,由于电子卷帘快门是逐行进行曝光,导致不同行曝光的时刻不一样,高速移动的目标会出现重复片段,也就是果冻效应,如下图所示:

机械快门则相比而言果冻效应轻微很多,大部分几乎无法察觉。

电子全局快门也没有果冻效应,因为是全像素同时曝光,如下图所示:

卷帘快门的一个巨大的优势是价格低廉,而且优势十分明显。

参考文献

【图文科普】选好相机,成为优秀的三维重建摄影大师的第一步

相关推荐
紫雾凌寒3 小时前
计算机视觉基础|卷积神经网络:从数学原理到可视化实战
人工智能·深度学习·神经网络·机器学习·计算机视觉·cnn·卷积神经网络
IT古董3 小时前
【深度学习】计算机视觉(CV)-图像生成-风格迁移(Style Transfer)
人工智能·计算机视觉
阿_旭3 小时前
目标检测中单阶段检测模型与双阶段检测模型详细对比与说明
人工智能·深度学习·目标检测·计算机视觉
紫雾凌寒6 小时前
计算机视觉基础|从 OpenCV 到频域分析
深度学习·opencv·计算机视觉·傅里叶变换·频域分析
小屁孩大帅-杨一凡6 小时前
如何实现使用DeepSeek的CV模型对管道内模糊、低光照或水渍干扰的图像进行去噪、超分辨率重建。...
图像处理·人工智能·opencv·计算机视觉·超分辨率重建
高力士等十万人8 小时前
OpenCV形态学操作
人工智能·python·opencv·计算机视觉
埃菲尔铁塔_CV算法8 小时前
基于 C++ OpenCV 图像灰度化 DLL 在 C# WPF 中的拓展应用
c++·图像处理·人工智能·opencv·机器学习·计算机视觉·c#
游王子9 小时前
OpenCV(5):图像形态学操作
人工智能·opencv·计算机视觉
AI技术控19 小时前
计算机视觉算法实战——表面缺陷检测(主页有源码)
计算机视觉
Erekys19 小时前
视觉分析之边缘检测算法
人工智能·计算机视觉·音视频