相机标定与3D重建(4)评估单台相机标定的准确性

2023-11-06 10:59

本文主要是介绍相机标定与3D重建(4)评估单台相机标定的准确性,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!

此示例说明如何评估使用cameraCalibrator应用程序或estimateCameraParameters函数估计的相机参数的准确性。

1.概述

相机标定是使用特殊校准图案的图像估计相机参数的过程。参数包括相机内在参数、畸变系数和相机外在参数。相机标定后,有几种方法可以评估估计参数的准确性:

  • 绘制相机的相对位置和标定模板
  • 计算重投影误差
  • 计算参数估计误差

2.相机标定

使用一组棋盘格图案估计相机参数。

% Create a set of calibration images.
images = imageDatastore(fullfile(toolboxdir('vision'), 'visiondata', ...'calibration', 'mono'));
imageFileNames = images.Files;% Detect calibration pattern.
[imagePoints, boardSize] = detectCheckerboardPoints(imageFileNames);% Generate world coordinates of the corners of the squares.
squareSize = 29; % millimeters
worldPoints = generateCheckerboardPoints(boardSize, squareSize);% Calibrate the camera.
I = readimage(images, 1); 
imageSize = [size(I, 1), size(I, 2)];
[params, ~, estimationErrors] = estimateCameraParameters(imagePoints, worldPoints, ...'ImageSize', imageSize);

3.外参

通过绘制相机的相对位置和校准图案,您可以快速发现标定中的明显错误。使用showExtrinsics函数可以在相机坐标系中绘制标定图案的位置,或者在图像坐标系中绘制相机的位置。寻找明显的问题,例如图案在相机后面,或相机在图案后面。还要检查图案是否离相机太远或太近。

figure; 
showExtrinsics(params, 'CameraCentric');

在这里插入图片描述

figure; 
showExtrinsics(params, 'PatternCentric');

在这里插入图片描述

4.重投影误差

重投影误差提供了准确度的定性度量。重投影误差是在标定图像中检测到的模式关键点与投影到同一图像中的相应世界点之间的距离。showReprojectionErrors函数提供了每个标定图像中平均重投影误差的可视化。如果整体平均重投影误差太高,请考虑排除误差最大的图像并重新标定。
在这里插入图片描述

5.估计误差

估计误差代表每个估计参数的不确定性。estimateCameraParameters函数可选择返回estimationErrors输出,其中包含与每个估计的相机参数对应的标准误差。返回的标准错误σ(与相应参数的单位相同)可用于计算置信区间。例如 +/-1.96σ对应于 95% 的置信区间。换句话说,给定参数的实际值在 1.96σ 其估计为 95%。

在这里插入图片描述

5.如何提高校准精度

特定的重投影或估计误差是否可接受取决于您的特定应用的精度要求。但是,如果您确定您的标定精度不可接受,有几种方法可以改进它:

  • 修改标定设置。尝试使用 3 个径向畸变系数,估计切向畸变或偏斜。
  • 拍摄更多标定图像。图像中的图案必须处于不同的 3D 方向,并且其位置应确保在视野的所有部分都有关键点。特别是让关键点靠近图像的边缘和角落非常重要,以便更好地估计失真系数。
  • 排除重投影错误高的图像并重新标定。

参考目录

https://in.mathworks.com/help/vision/ug/evaluating-the-accuracy-of-single-camera-calibration.html;jsessionid=1376b6c6ef72aefb9ee07084e1fe?.mathworks.com

这篇关于相机标定与3D重建(4)评估单台相机标定的准确性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/356208

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

PR曲线——一个更敏感的性能评估工具

在不均衡数据集的情况下,精确率-召回率(Precision-Recall, PR)曲线是一种非常有用的工具,因为它提供了比传统的ROC曲线更准确的性能评估。以下是PR曲线在不均衡数据情况下的一些作用: 关注少数类:在不均衡数据集中,少数类的样本数量远少于多数类。PR曲线通过关注少数类(通常是正类)的性能来弥补这一点,因为它直接评估模型在识别正类方面的能力。 精确率与召回率的平衡:精确率(Pr

SAM2POINT:以zero-shot且快速的方式将任何 3D 视频分割为视频

摘要 我们介绍 SAM2POINT,这是一种采用 Segment Anything Model 2 (SAM 2) 进行零样本和快速 3D 分割的初步探索。 SAM2POINT 将任何 3D 数据解释为一系列多向视频,并利用 SAM 2 进行 3D 空间分割,无需进一步训练或 2D-3D 投影。 我们的框架支持各种提示类型,包括 3D 点、框和掩模,并且可以泛化到不同的场景,例如 3D 对象、室

海鸥相机存储卡格式化如何恢复数据

在摄影的世界里,‌每一张照片都承载着独特的记忆与故事。‌然而,‌当我们不慎将海鸥相机的存储卡格式化后,‌那些珍贵的瞬间似乎瞬间消逝,‌让人心急如焚。‌但请不要绝望,‌数据恢复并非遥不可及。‌本文将详细介绍在海鸥相机存储卡格式化后,‌如何高效地恢复丢失的数据,‌帮助您重新找回那些宝贵的记忆。‌ 图片来源于网络,如有侵权请告知 一、‌回忆备份情况 ‌海鸥相机存储卡格式化如何恢复数据?在意

解析apollo纵向控制标定表程序

百度apollo采用标定表描述车辆速度、加速度与油门/刹车之间的关系。该表可使无人车根据当前车速与期望加速度得到合适的油门/刹车开合度。除了文献《Baidu Apollo Auto-Calibration System - An Industry-Level Data-Driven and Learning based Vehicle Longitude Dynamic Calibrating

模具要不要建设3D打印中心

随着3D打印技术的日益成熟与广泛应用,模具企业迎来了自建3D打印中心的热潮。这一举措不仅为企业带来了前所未有的发展机遇,同时也伴随着一系列需要克服的挑战,如何看待企业引进增材制造,小编为您全面分析。 机遇篇: 加速产品创新:3D打印技术如同一把钥匙,为模具企业解锁了快速迭代产品设计的可能。企业能够迅速将创意转化为实体模型,缩短产品从设计到市场的周期,抢占市场先机。 强化定制化服务:面

安卓开发板_联发科MTK开发评估套件串口调试

串口调试 如果正在进行lk(little kernel ) 或内核开发,USB 串口适配器( USB 转串口 TTL 适配器的简称)对于检查系统启动日志非常有用,特别是在没有图形桌面显示的情况下。 1.选购适配器 常用的许多 USB 转串口的适配器,按芯片来分,有以下几种: CH340PL2303CP2104FT232 一般来说,采用 CH340 芯片的适配器,性能比较稳定,价

机器视觉硬件选型根据某项目相机镜头

一 项目总需求 1、大视野检测需求: (1)大视野: ①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm; ②产品料盘尺寸大小:565mm x 425mm; ③工作距离:880mm;检测精度:500μm; 1、大视野检测需求: (1)大视野: ①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm; ②产品料盘尺寸大小:565mm x 425mm; 工作距离: