鱼眼校正基础知识
相机标定是一个过程,计算相机的外在和内在的参数。一旦你校准相机,你可以使用图像信息从二维图像恢复三维信息。你也可以undistort用鱼眼镜头拍摄的图像。计算机视觉的工具箱™包含校准算法的针孔相机模型和鱼眼相机模型。你可以用相机使用鱼眼模型的的视野(FOV) 195度。
鱼眼相机用于测程法和解决同步定位和视觉映射(大满贯)问题。其他应用包括监测系统,还装有,虚拟现实(VR)来捕获360度的视野(fov),和拼接算法。这些摄像机使用一系列复杂的镜头放大相机的视野,使其能够捕捉大全景或半球形图像。然而,镜头实现这一极其广角视图通过扭曲的视角的图像
由于鱼眼镜头产生的极端扭曲,针孔模型不能鱼眼相机模型。
鱼眼相机模型
计算机视觉的工具箱校准算法使用Scaramuzza提出的鱼眼相机模型[1]。该模型使用一个全向相机模型。这个过程将成像系统作为一个紧凑的系统。为了与3 d世界点二维图像,你必须获得相机外在和内在参数。使用外在世界点转换为摄像机坐标参数。摄像机坐标映射到图像平面使用固有参数。
外在的参数
外在的参数包括一个旋转,R和一个翻译,t。相机的坐标系统的起源及其光学中心x- - -y设在定义图像平面。
从世界点转换到相机点是:
内在参数
鱼眼相机模型的固有参数包括多项式映射投影函数的系数。相关传感器的校准系数校准和从传感器平面转换到一个像素位置在摄像机图像平面上。
下列方程一个像点映射到其相应的三维向量。
是理想的图像投影的现实点。
代表一个标量的因素。
由Scaramuzza多项式系数描述模型,在哪里
。
是一个函数的u,v),只取决于一个点的距离图像中心:
。
内在参数也占拉伸和扭曲。弹性矩阵补偿sensor-to-lens错位,变形向量调整(0,0)图像平面的位置。
以下方程与真正的扭曲的坐标(u”,v”)理想的扭曲的坐标(u,v)。
在MATLAB鱼眼相机校正
删除从鱼眼镜头畸变图像,你可以检测一个棋盘然后校准相机校准模式。你可以找到棋盘点使用detectCheckerboardPoints和generateCheckerboardPoints功能。的estimateFisheyeParameters函数使用检测到的点并返回fisheyeParameters对象包含的内在和外在的参数一个鱼眼相机。您可以使用fisheyeCalibrationErrors对象检查校准的准确性。
正确的鱼眼镜头畸变的图像
删除从鱼眼镜头畸变图像通过检测挡板校准模式和校准相机。然后,显示结果。
收集一套棋盘校准图片。
图像= imageDatastore (“calibrationImages”);
检测图像的校准模式。“PartialDetections”名称默认参数设置为true允许检测部分的棋盘格。
[imagePoints, boardSize] = detectCheckerboardPoints (images.Files,“HighDistortion”,真正的);
生成的世界坐标角落棋盘方格。
squareSize = 20;%毫米worldPoints = generateCheckerboardPoints (boardSize squareSize);
估计鱼眼相机标定参数基于图像和世界点。使用第一个图像图像大小。
I = readimage(图片,10);图象尺寸=[(我,1)大小(我,2)];params = estimateFisheyeParameters (imagePoints worldPoints图象尺寸);
除去第一透镜畸变图像我并显示结果。
j - 1 = undistortFisheyeImage(我params.Intrinsics);图imshowpair (I, j - 1,“蒙太奇”)标题(“原始图像(左)与校正图像(右))J2 = undistortFisheyeImage (params.Intrinsics,我“OutputView”,“相同”,“ScaleFactor”,0.2);图imshow (J2)
标题(输出视图缩放系数较低的)
引用
[1]Scaramuzza D。,A. Martinelli, and R. Siegwart. "A Toolbox for Easy Calibrating Omnidirectional Cameras."智能机器人和IEEE国际会议系统,(——)。中国,北京,2006年10月7 - 15,。
另请参阅
功能
对象
相关的话题
- 配置单眼鱼眼相机(自动驾驶工具箱)
- 校准单眼相机(自动驾驶工具箱)
- 结构运动从两种不同的观点
- 结构运动从多个视图
- 配置单眼鱼眼相机(自动驾驶工具箱)
