相机标定中一些细节--畸变模型和参数

2024-06-09 11:52

本文主要是介绍相机标定中一些细节--畸变模型和参数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

张正友标定方法做相机标定的主要过程是先估计每张图片的单应性矩阵,然后通过这一系列的单应性矩阵估计出内外参数初值,最后再考虑畸变模型的加入进行非线性优化。同时优化内参、外参和畸变参使得重投影误差最小。

镜头的畸变表现出来的非线性关系,通常使用一些近似的手段来建模逼近它,如下几种常见的镜头畸变模型:

  • Brown-Conrady
  • Brandt-Kannala
  • CMei
  • David Scaramuzza

其中Brown-Conrady适用于畸变较小的情况,另外几个畸变模型都是针对广角和鱼眼镜头设计的。要做好一个相机的标定除了精确的标定板和规范的图片采集过程,还需要选择合适的标定模型和参数才能达到。在此主要讨论Brown-Conrady模型的一些情况。

Brown-Conrady 畸变模型

即是Opencv中经常用到的[k1,k2,p1,p2,k3,…]这套参数。在opencv的issue中曾经有人提到一类标定问题,主要情况是重投影误差小但是矫正后的图片比较奇怪,具体的说就是校正后的图片中间区域很正直,但是边缘区域就一团糟了。这在后续的AR/SLAM/SFM等应用中会带来各种问题。

这一情况主要的原因有:

1、图片采集不规范,用于标定的图片大多集中在图像中间区域,标定板变化姿态不多,使得标定结果过拟合图像中间区域引起。规范采图即可解决。

2、还有就是畸变参数选择不合适引起的优化过拟合结果。

在这一畸变模型中 1 + k 1 r 2 + k 2 r 4 + k 3 r 6 1 + k_1 r^2 + k_2 r^4 + k_3 r^6 1+k1r2+k2r4+k3r6,径向畸变用高次多项式来逼近这一非线性关系,而忽略了实际透镜的畸变特点进行非线性优化。虽然能达到一定的拟合效果,但是带来了更多的自由度变化空间。也即是高次多项式函数能近似镜头的非线性畸变但不仅限于此,很可能会使得重投影误差虽然更小了,但是远离了镜头实际畸变关系达到过拟合的情况。例如我们拟合带噪声的二次抛物线,用二次多项式拟合的残差通常会大于用更高次的多项式拟合的残差,但是曲里拐弯的高次多项式并不适配二次抛物线的本来面目。也违背了赤池信息量准则。

更具体的说,径向畸变的高次多项式函数需要满足单调性约束。要么单调递增(枕形畸变)要么单调递减(桶形畸变),才符合真实镜头的畸变特点。而Opencv中的优化过程并未考虑这一约束进行优化,使得最后的标定结果常常走样,远离了相机镜头真实的成像关系。当不使用k3时,会自然满足这一单调性约束。在一些资料中有说只使用k1和k2就够了,背后原因阐明不多。

此外[k4,k5,k6]是在畸变较大的情况引入的,比如广角和鱼眼相机的畸变,为了使用更小的阶数来达到更高阶数多项式模型的矫正效果。而实际带来了更多的优化参数,往往效果欠佳。对于这类大畸变需要使用后三种畸变模型。如果要使用[k4,k5,k6]需要保证 1 + k 4 r 2 + k 5 r 4 + k 6 r 6 1 + k_4 r^2 + k_5 r^4 + k_6 r^6 1+k4r2+k5r4+k6r6的所有根要在图像边界外,否则边界内有像素使得分母为0带来异常。

https://github.com/opencv/opencv/issues/15992
https://github.com/opencv/opencv/issues/15577

小结

总而言之,在一般的非广角相机使用k1和k2足矣,或者再添加p1和p2即可,若使用k3一定要小心。如果是广角和鱼眼相机使用另外三种畸变模型。

在线标定工具

标定一次输出三种畸变模型的结果,方便进行对比挑选。
参考 https://blog.csdn.net/J10527/article/details/137022339
在这里插入图片描述

这篇关于相机标定中一些细节--畸变模型和参数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1045102

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

一文带你了解SpringBoot中启动参数的各种用法

《一文带你了解SpringBoot中启动参数的各种用法》在使用SpringBoot开发应用时,我们通常需要根据不同的环境或特定需求调整启动参数,那么,SpringBoot提供了哪些方式来配置这些启动参... 目录一、启动参数的常见传递方式二、通过命令行参数传递启动参数三、使用 application.pro

基于@RequestParam注解之Spring MVC参数绑定的利器

《基于@RequestParam注解之SpringMVC参数绑定的利器》:本文主要介绍基于@RequestParam注解之SpringMVC参数绑定的利器,具有很好的参考价值,希望对大家有所帮助... 目录@RequestParam注解:Spring MVC参数绑定的利器什么是@RequestParam?@

SpringBoot接收JSON类型的参数方式

《SpringBoot接收JSON类型的参数方式》:本文主要介绍SpringBoot接收JSON类型的参数方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、jsON二、代码准备三、Apifox操作总结一、JSON在学习前端技术时,我们有讲到过JSON,而在

JAVA虚拟机中 -D, -X, -XX ,-server参数使用

《JAVA虚拟机中-D,-X,-XX,-server参数使用》本文主要介绍了JAVA虚拟机中-D,-X,-XX,-server参数使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录一、-D参数二、-X参数三、-XX参数总结:在Java开发过程中,对Java虚拟机(JVM)的启动参数进

解读docker运行时-itd参数是什么意思

《解读docker运行时-itd参数是什么意思》在Docker中,-itd参数组合用于在后台运行一个交互式容器,同时保持标准输入和分配伪终端,这种方式适合需要在后台运行容器并保持交互能力的场景... 目录docker运行时-itd参数是什么意思1. -i(或 --interactive)2. -t(或 --

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应