19.单目测距原理介绍

文章目录


欢迎访问个人网络日志🌹🌹知行空间🌹🌹


根据相机成像的原理,在满足一定约束条件下,理论上是可以根据目标点的像素坐标计算出其对应的深度信息的。

相机成像模型的再次介绍

根据,

1.基本相机模型及参数

2.OpenCV相机标定

这两部分的介绍,我们可以知道相机的基本模型,其原理本质上还是小孔成像,感光芯片记录下成像信息变成图片来实现的。

现在我们来看下OpenCV相机标定的结果,为了简化介绍,畸变系数这里不再重复介绍,可以参考上面两个博客。

相机标定的内参矩阵为:

[ f x 0. c x 0 f y c y 0 0. 1 ] = [ 1044.43 0. 959.5 0 1047.87 541.5 0 0. 1 ] \begin{bmatrix} f_x & 0. & c_x \\ 0 & f_y & c_y \\ 0 & 0. & 1 \\ \end{bmatrix} = \begin{bmatrix} 1044.43 & 0. & 959.5 \\ 0 & 1047.87 & 541.5 \\ 0 & 0. & 1 \\ \end{bmatrix} fx000.fy0.cxcy1 = 1044.43000.1047.870.959.5541.51

相机原始分辨率为:WxH=1920x1080

相机的焦距为2.93mm

相机的感光芯片上像元大小是 d x × d y d_x\times d_y dx×dy=2.8umx2.8um

根据相机内参的公式: f x = f d x f_x=\frac{f}{d_x} fx=dxf,在这里其中 d x = 2.8 u m d_x=2.8um dx=2.8um是像元的大小, f = 2.93 m m f=2.93mm f=2.93mm是焦距,因此 f x = 2.93 2.8 × 1 0 − 3 = 1046.43 f_x=\frac{2.93}{2.8\times10^{-3}}=1046.43 fx=2.8×10−32.93=1046.43这和上面标定的结果1044.43/1047.87十分接近,这也验证了相机模型的正确性。

单目测距的几何原理

单目测距的几何原理可以借用下面这张图来做介绍:

reference:
https://zhuanlan.zhihu.com/p/664389534

参考上图:

像平面是相机的成像平面,也就是感光芯片所在的平面。

光心O处的坐标系{C}是相机所在的坐标系,点 O 1 O_1 O1,点 O O O和点Z_c共线,线 O 1 Z c O_1Z_c O1Zc是相机的主轴,相机安装时有一定的俯仰角,因此相机主轴和水平线的夹较为 α \alpha α

相机的光心 O O O到待测对像所在平面的垂直高度为 O O 2 OO_2 OO2,记为 h h h

在 O 2 O_2 O2点沿相机坐标系的XY轴在待测对像所在平面建立坐标系 { x 1 O 2 y 1 } \{x_1O_2y_1\} {x1O2y1}

待测对像上的目标点为 Q Q Q,其在像平面上的成像点为 Q ′ Q' Q′,记其在坐标系 { x 1 O 2 y 1 } \{x_1O_2y_1\} {x1O2y1}中的坐标为 ( x , y ) (x,y) (x,y),在图像上的像素坐标为 ( u , v ) (u,v) (u,v)

目标点Q向坐标系 { x 1 O 2 y 1 } \{x_1O_2y_1\} {x1O2y1}的X轴做垂线,得点P,连接OP其和像平面的Y轴交于点 P ′ P' P′,同时点 P ′ P' P′也是 Q ′ Q' Q′到像平面Y轴的垂足。

记 ∠ P ′ O O 1 \angle{P'OO_1} ∠P′OO1为 β \beta β,作为其对角 ∠ P O Z c \angle{POZ_c} ∠POZc也为 β \beta β,从图上看以看出 γ = α + β \gamma=\alpha+\beta γ=α+β

β \beta β角很容易求出:

β = a r c t a n P ′ O 1 O 1 O β = a r c t a n ( c y − v ) ∗ d y f \beta = arctan{\frac{P'O_1}{O_1O}} \\ \beta = arctan{\frac{(c_y -v)*d_y}{f}} \\ β=arctanO1OP′O1β=arctanf(cy−v)∗dy

求得 β \beta β后可得 γ \gamma γ,由此 P O 2 PO_2 PO2即目标点在 X X X轴上的距离为:

P O 2 = h t a n γ PO_2 = \frac{h}{tan\gamma} PO2=tanγh

以上就求出了目标点Q在坐标系 { x 1 O 2 y 1 } \{x_1O_2y_1\} {x1O2y1}上X轴上的坐标。

再来看Y轴上的坐标:

根据三角形 △ P ′ Q ′ O \triangle P'Q'O △P′Q′O相似于三角形 △ P Q O \triangle PQO △PQO,容易求得PQ的长度为:

P Q = ( u − c x ) ∗ d x ∗ h 2 + P O 2 2 [ ( c y − v ) ∗ d y ] 2 + f 2 PQ = \frac{(u-cx)*d_x * \sqrt{h^2+PO_2^2}}{\sqrt{[(cy-v)*d_y]^2+f^2}} PQ=[(cy−v)∗dy]2+f2 (u−cx)∗dx∗h2+PO22

如上,就可以求出目标点Q在坐标系 { x 1 O 2 y 1 } \{x_1O_2y_1\} {x1O2y1}上Y轴上的坐标

值得注意的是:

  • 以上仅考虑了投影点出现在图像平面第二象限的情况,如果目标点在图像平面的第三/四象限,还需对计算结果符号进行调整。

  • 计算中涉及到除法,还需考虑除以零的情况。

reference

相关推荐
喵~来学编程啦4 小时前
【论文精读】LPT: Long-tailed prompt tuning for image classification
人工智能·深度学习·机器学习·计算机视觉·论文笔记
蒙娜丽宁9 小时前
《Python OpenCV从菜鸟到高手》——零基础进阶,开启图像处理与计算机视觉的大门!
python·opencv·计算机视觉
好喜欢吃红柚子10 小时前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
AI小杨10 小时前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测
撞南墙者13 小时前
OpenCV自学系列(1)——简介和GUI特征操作
人工智能·opencv·计算机视觉
OCR_wintone42113 小时前
易泊车牌识别相机,助力智慧工地建设
人工智能·数码相机·ocr
王哈哈^_^13 小时前
【数据集】【YOLO】【VOC】目标检测数据集,查找数据集,yolo目标检测算法详细实战训练步骤!
人工智能·深度学习·算法·yolo·目标检测·计算机视觉·pyqt
柳鲲鹏14 小时前
OpenCV视频防抖源码及编译脚本
人工智能·opencv·计算机视觉
浮生如梦_19 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover19 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别