相机标定中的相机模型

一、相机标定基本原理

在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立摄像机成像的几何模型,这些几何模型参数就是摄像机参数。在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数的过程就称之为相机标定。简单来说是从世界坐标系换到图像坐标系的过程,也就是求最终的投影矩阵P的过程。

无论是在图像测量或者机器视觉应用中,摄像机参数的标定都是非常关键的环节,其标定结果的精度及算法的稳定性直接影响摄像机工作产生结果的准确性。其标定的目的就是为了相机内参、外参、畸变参数。

(一)、基本的坐标系

1、 世界坐标系:代表物体在真实世界里的三维坐标,坐标系用 X w , Y w , Z w X_w,Y_w, Z_w Xw,Yw,Zw表示。

2、相机坐标系:代表以相机光学中心为原点的坐标系,光轴与z轴重合,坐标系用 X c , Y c , Z c X_c,Y_c,Z_c Xc,Yc,Zc表示。

3、图像坐标系:代表相机拍摄图像的坐标系,原点为相机光轴与成像平面的交点,是图像的中心点,坐标系用X,Y表示。

4、像素坐标系:由于图像的基本单位是像素,所以该坐标系是图像上点在图像储存矩阵中的像素位置,坐标原点在左上角,坐标系用u,v表示。前三个坐标系的单位是毫米,而最后一个坐标系的单位是像素。

(二)世界坐标系到相机坐标系的转换

于是,从世界坐标系到相机坐标系,涉及到旋转和平移(其实所有的运动也可以用旋转矩阵和平移向量来描述)。绕着不同的坐标轴旋转不同的角度,得到相应的旋转矩阵,如下图所示,以绕Z轴转动一定角度为例:

平移也就是沿着X,Y,Z三个维度的平移,这里就不在赘述。因此,从世界坐标系到相机坐标系的转换公式如下式所示

(三)相机坐标到图像坐标系转换(中心投影)

相机坐标系到图像坐标系是透视关系,利用相似三角形进行计算。

写成齐次坐标形式的矩阵相乘为:

其中f代表焦距,即相机坐标系和图像坐标系在Z轴上的差。此时投影点p的单位还是mm,并不是pixel,不方便进行后续运算。

(四)、图像坐标系到像素坐标系的转换(离散化)

像素坐标系的原点在左上角,并且单位为像素。像素坐标系和图像坐标系都在成像平面上,只是各自的原点和度量单位不一样。图像坐标系的原点为相机光轴与成像平面的交点,通常情况下是成像平面的中点或者叫principal point。图像坐标系的单位是mm,属于物理单位,而像素坐标系的单位是pixel,我们平常描述一个像素点都是几行几列。所以这二者之间的转换如下:其中dx和dy表示每一列和每一行分别代表多少mm,即1pixel=dx*mm

(五)、相机标定整个过程(相机模型)

故全部过程的公式如下:

称为相机的内参矩阵,内参矩阵取决于相机的内部参数。

为相机外参,外参矩阵取决于相机坐标系和世界坐标系的相对位置, R表示旋转矩阵,

T 表示平移矢量。相机标定就是为了求解这两个矩阵的参数。

二、相机畸变模型(一般只考虑径向畸变k和切向畸变p)

(一)、径向畸变(参数:k1,k2,k3)

径向畸变来自透镜形状不规则以及建模的方式,导致镜头不同部分焦距不同。光线在远离透镜中心的地方偏折更大(枕型畸变)或更小(桶形畸变)。

从径向畸变开始。实际摄像机的透镜总是在成像仪的边缘产生显著的畸变,如下图所示。对某些透镜,光线在远离透镜中心的地方比靠近中心的地方更加弯曲。

枕形畸变:畸变像点相对于理想像点沿景象向外偏移,远离中心(像一个抱枕)。

桶状畸变:径向畸点相对于理想点沿径向向中心靠拢(像圆鼓鼓的水桶)。

径向畸变的矫正公式如下:

其中,(x,y)是理想的无畸变的坐标(图像坐标系), ( x d r , y d r ) (x_{dr},y_{dr}) (xdr,ydr)是畸变后图像像素点的坐标,而且,

二、切向畸变 (参数:p1,p2)

切向畸变来自于整个摄像机的组装过程。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,如下图所示:

切向畸变的矫正公式如下:

三、去畸变

Ideal point (xu,yu)为理想点

real point (xd,yd)为实际点

dr为径向畸变,参数为{k1, k2, k3}

dt为切向畸变,参数为{p1, p2}

于是通过下面的变换,可以得到没有畸变的标定结果:

相关推荐
小陈工4 小时前
Python Web开发入门(十七):Vue.js与Python后端集成——让前后端真正“握手言和“
开发语言·前端·javascript·数据库·vue.js·人工智能·python
墨染天姬8 小时前
【AI】端侧AIBOX可以部署哪些智能体
人工智能
AI成长日志8 小时前
【Agentic RL】1.1 什么是Agentic RL:从传统RL到智能体学习
人工智能·学习·算法
2501_948114248 小时前
2026年大模型API聚合平台技术评测:企业级接入层的治理演进与星链4SAPI架构观察
大数据·人工智能·gpt·架构·claude
小小工匠8 小时前
LLM - awesome-design-md 从 DESIGN.md 到“可对话的设计系统”:用纯文本驱动 AI 生成一致 UI 的新范式
人工智能·ui
黎阳之光8 小时前
黎阳之光:视频孪生领跑者,铸就中国数字科技全球竞争力
大数据·人工智能·算法·安全·数字孪生
小超同学你好8 小时前
面向 LLM 的程序设计 6:Tool Calling 的完整生命周期——从定义、决策、执行到观测回注
人工智能·语言模型
智星云算力9 小时前
本地GPU与租用GPU混合部署:混合算力架构搭建指南
人工智能·架构·gpu算力·智星云·gpu租用
jinanwuhuaguo9 小时前
截止到4月8日,OpenClaw 2026年4月更新深度解读剖析:从“能力回归”到“信任内建”的范式跃迁
android·开发语言·人工智能·深度学习·kotlin
xiaozhazha_9 小时前
效率提升80%:2026年AI CRM与ERP深度集成的架构设计与实现
人工智能