摄像机标定05_摄像机参数的准确度

2024-04-10 21:58

本文主要是介绍摄像机标定05_摄像机参数的准确度,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!

摄像机参数的准确度

摄像机参数的准确度

在摄像机标定03_标定过程中强调过,摄像机标定过程中如果标定板放置的不适当的话将导致简并性配置(degeneracies configurations),此时摄像机参数中的某个参数或某些参数将不能得到唯一值。还有影响摄像机参数准确度的最主要的因素就是用于进行标定摄像机的图像数量。
下图反映了用于摄像机标定的图像数量对参数的影响,主要显示了主距 f 的标准差、径向畸变系数k的标准差和主点 (cx,cy) 的标准差和用于标定图像数量的关系。
这里写图片描述
为了总结这些数据,我们拍摄了20幅标定板的图像。然后使用20幅图像中所有子集的 l 幅图像(l=2,,19)来标定摄像机。通过使用20幅图像中所有含有 l 幅图像的子集标定得到的摄像机参数来计算标准差。
从上图可以看出摄像机参数的准确度随使用图像数量的增加而明显增加。注意这些图像之间都是无关度量的,而不能想象成每幅图像都可以用来约束摄像机参数,要不会觉得这个结果是理所当然的。
从上图还可以看出,为了使得到的摄像机参数更加准确,就需要有相当多的标定图像,这主要是因为摄像机参数之间存在不容忽视的相关性,这些参数只能通过多次无关测量进行求解。标定板在标定图像中最好能够覆盖整个视野并尽可能覆盖摄像机外参的范围,为了得到准确的摄像机参数这点非常重要。实际上,如果标定板能够在标定图像中覆盖图像的每个角落,可以使计算得到的径向畸变系数k更准确。另外,如果标定板可以覆盖较大的深度范围,那么所有的摄像机参数都会更准确。可以通过标定板绕它的 x 轴和y轴旋转或者将标定板放置在于摄像机不同距离的位置上使标定板覆盖较大的深度范围。

调整摄像机焦距和光圈对摄像机参数的影响

下图显示了焦距变化对摄像机参数的影响,这个实验中使用 12.5mm 镜头与一个 1mm 近拍接圈。将镜头焦点调至最远和最近,在近焦时摄像机使用 1cm1cm 大小的标定板进行标定,在远焦时使用 3cm3cm 大小的标定板进行标定。这样在两种设置下焦平面上标定板大小一致。注意我们在拍摄标定图像时,两种情况下标定对象大约覆盖同样范围的景深,并且放置的位置也大约相同。
这里写图片描述
两种情况下分别拍摄标定板的20幅图像,为了从统计学上评估摄像机参数是否不同,我们取20幅图像中包含任意19幅图像的20个子集来标定摄像机。从图3.106(a)中可以明显看到调节焦点将会改变主距。另外,径向畸变系数 k 的变化也非常明显。
最后,我们将分析镜头上光圈调节时会发生什么情况。测试的环境与上面的实验类似。摄像机分别设置为f/4 f/11 。每个设置拍摄20幅 3cm3cm 标定板的图像。注意两种拍摄时拍摄标定板的图像时尽量使标定板在图像中的位置相似。摄像机使用 8.5mm 镜头和一个 1mm 的近摄接圈。同样,我们取 20 幅图像中包含任意19幅图像的20个子集来标定摄像机。

对图的分析容我问问导师后再理解!

这篇关于摄像机标定05_摄像机参数的准确度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/892255

相关文章

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�

如何在页面调用utility bar并传递参数至lwc组件

1.在app的utility item中添加lwc组件: 2.调用utility bar api的方式有两种: 方法一,通过lwc调用: import {LightningElement,api ,wire } from 'lwc';import { publish, MessageContext } from 'lightning/messageService';import Ca

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出 在数字化时代,文本到语音(Text-to-Speech, TTS)技术已成为人机交互的关键桥梁,无论是为视障人士提供辅助阅读,还是为智能助手注入声音的灵魂,TTS 技术都扮演着至关重要的角色。从最初的拼接式方法到参数化技术,再到现今的深度学习解决方案,TTS 技术经历了一段长足的进步。这篇文章将带您穿越时

如何确定 Go 语言中 HTTP 连接池的最佳参数?

确定 Go 语言中 HTTP 连接池的最佳参数可以通过以下几种方式: 一、分析应用场景和需求 并发请求量: 确定应用程序在特定时间段内可能同时发起的 HTTP 请求数量。如果并发请求量很高,需要设置较大的连接池参数以满足需求。例如,对于一个高并发的 Web 服务,可能同时有数百个请求在处理,此时需要较大的连接池大小。可以通过压力测试工具模拟高并发场景,观察系统在不同并发请求下的性能表现,从而

忽略某些文件 —— Git 学习笔记 05

忽略某些文件 忽略某些文件 通过.gitignore文件其他规则源如何选择规则源参考资料 对于某些文件,我们不希望把它们纳入 Git 的管理,也不希望它们总出现在未跟踪文件列表。通常它们都是些自动生成的文件,比如日志文件、编译过程中创建的临时文件等。 通过.gitignore文件 假设我们要忽略 lib.a 文件,那我们可以在 lib.a 所在目录下创建一个名为 .gi

多路转接之select(fd_set介绍,参数详细介绍),实现非阻塞式网络通信

目录 多路转接之select 引入 介绍 fd_set 函数原型 nfds readfds / writefds / exceptfds readfds  总结  fd_set操作接口  timeout timevalue 结构体 传入值 返回值 代码 注意点 -- 调用函数 select的参数填充  获取新连接 注意点 -- 通信时的调用函数 添加新fd到

struts2中的json返回指定的多个参数

要返回指定的多个参数,就必须在struts.xml中的配置如下: <action name="goodsType_*" class="goodsTypeAction" method="{1}"> <!-- 查询商品类别信息==分页 --> <result type="json" name="goodsType_findPgae"> <!--在这一行进行指定,其中lis是一个List集合,但

mybatis if test 之 0当做参数传入出问题

首先前端传入了参数 if(StringUtils.isNotBlank(status)){requestParam.setProperty("status", Integer.parseInt(status));}List<SuperPojo> applicationList = groupDao.getApplicationListByReviewStatusAndMember(req