视觉SLAM14精讲——相机与图像3.2

本文主要是介绍视觉SLAM14精讲——相机与图像3.2，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！

视觉SLAM14精讲

1. 三维空间刚体运动1.0
2. 三维空间刚体运动1.1
3. 三维空间刚体运动1.2
4. 李群与李代数2.1
5. 相机与图像3.1

畸变

相机畸变是相机镜头光学缺陷所致的缺陷， 在光学领域这种问题是没办法百分百被消除的。在标定过程中，通过对棋盘格角点的识别，从而计算得到畸变参数，这些畸变参数能将被扭曲的点重新映射会原本的位置。纠正后的图像，直线横平竖直。

有关重投影误差

在标定过程中最重要的指标是重投影误差。但是这个数据是一个统一的最终指标。简单来说它既不够直观，也不能真正反映整体的效果。

• 首先，重投影误差不能反映局部缺陷。 畸变矫正存在局部缺陷比较大的情况，比如其余区域的畸变控制的比较好，总体的重投影误差可以呈现出低于标准的水平。但实际上，我们甚至可以容忍整体都携带一些程度较低的畸变，而使得图像变得平滑可用，也不会用部分畸变严重到物体扭曲的结果。这些局部扭曲会导致AI识别、分割等功能完全失效。
• 其次，重投影误差不够直观。 很难描述，重投影误差在2，1, 以及0.5个像素时，图像所呈现的效果。在这里有个小窍门，如果是批量不大的标定结果，建议直接上尺子量屏幕，衡量出现在图像中的直线的平直程度。买了曲面屏的不要来找我。

缩放

上一章讨论了图像缩放时对内参的影响。好消息是图像缩放对畸变参数不造成影响。原因在原著5.1.2里面说的很清楚：

…$[x_{distorted},y_{distorted}{]}^T$是即便后点的归一化坐标。

也就是说，畸变矫正的操作是在去除了内参影响之后进行的。图像缩放的影响已经在内参矩阵层面得到消除，对应的畸变参数不发生变化。

实际使用

关于畸变的实际使用，主要讲解opencv接口。不同标定算法，对应不同的长度。不同相机模型，对应不同接口。

• 对于接口。笔者推荐直接使用官方英文文档https://docs.opencv.org/，不要使用CXDN的二手中文贴。这些接口都是较早在opencv中集成，所以不要太在意版本，随便点一个进入。我们随便选一个比较新的。
  
  有上方输入initUndistortRectifyMap，我们会看到三个选项：
  
  后面两个对应的是鱼眼相机以及全景相机。这里不得不提到，如果是120度以内的鱼眼镜头，使用传统5个参数以内的算法（第一个函数），还是可以标出来的。到140度就会有较大的失败率。此时最好按照鱼眼的方法进行标定以及畸变矫正。

点击进入后，英语练一练，无需多说。函数的输入输出，不同语言的版本，甚至原理公式推导以及相关文献均有详细解释。系列往后也会一直使用该文档对opencv相关的内容进行讲解。

这篇关于视觉SLAM14精讲——相机与图像3.2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！

---