相机校准模型

分类于 Technology Blog ， Image ， Stabilization 阅读次数： 28 Waline：本文字数： 1.4k 阅读时长 ≈ 5 分钟

小孔成像模型

各坐标系定义及相机的内参和外参

像素坐标系

像素坐标就是像素在图像中的位置。一般像素坐标系的左上角的顶点就是原点，水平向右是 u，垂直向下是 v 轴。

图像坐标系

在像素坐标系中，每个像素的坐标是用像素来表示的，然而，像素的表示方法却不能反应图像中物体的物理尺寸，因此，有必要将像素坐标转换为图像坐标。将像素坐标系的原点平移到图像的中心，就定为图像坐标系的原点，图像坐标系的 x 轴与像素坐标系的 u 轴平行，方向相同，而图像坐标系的 y 轴与像素坐标系的 v 轴平行，方向相同。

在图中，假设在像素坐标系下图像中心的像素坐标是（u0,v0），相机中感光器件每个像素的物理尺寸是 dx * dy，那么，图像坐标系的坐标（x,y）与像素坐标系的坐标（u,v）之间的关系可以表示为：

$u = \frac{x}{d_{x}} + u_{0} v = \frac{y}{d_{y}} + v_{0}$

写成矩阵的形式就为：

$[\begin{matrix} u \\ v \end{matrix}] = [\begin{matrix} \frac{1}{d_{x}} & 0 \\ 0 & \frac{1}{d_{y}} \end{matrix}] [\begin{matrix} x \\ y \end{matrix}] + [\begin{matrix} u_{0} \\ v_{0} \end{matrix}]$

改写为齐次坐标的形式：

$[\begin{matrix} u \\ v \\ 1 \end{matrix}] = [\begin{matrix} \frac{1}{d_{x}} & 0 & 0 \\ 0 & \frac{1}{d_{y}} & 0 \\ 0 & 0 & 0 \end{matrix}] [\begin{matrix} x \\ y \\ 0 \end{matrix}] + [\begin{matrix} u_{o} \\ v_{o} \\ 1 \end{matrix}] = [\begin{matrix} \frac{1}{d_{x}} & 0 & u_{o} \\ 0 & \frac{1}{d_{y}} & v_{0} \\ 0 & 0 & 1 \end{matrix}] [\begin{matrix} x \\ y \\ 1 \end{matrix}]$

相机坐标系

相机坐标系是以相机的光轴作为 Z 轴，光线在相机光学系统的中心位置就是原点 Oc（实际上就是透镜的中心）, 相机坐标系的水平轴 Xc 与垂直轴 Yc 分别于图像坐标系的 X 轴和 Y 轴平行。在图中，相机坐标系的原点与图像坐标系的原点之间的距离 OcOi 之间的距离为 f（也就是焦距）。

假设，三维空间中点 P, 其在相机坐标系下坐标为 $P_{c} = [x_{c}, y_{c}, z_{c}]^{T}$ ; 其像点 p，在图像坐标系中坐标为。

由相似三角形原理，得到

$\frac{f}{z_{c}} = \frac{x}{x_{c}} = \frac{y}{y_{c}} x = f \frac{x_{c}}{z_{c}}, y = f \frac{y_{c}}{z_{c}}$

用向量表示为：

$[\begin{matrix} x \\ y \\ 1 \end{matrix}] = \frac{1}{z_{c}} [\begin{matrix} f & 0 & 0 \\ 0 & f & 0 \\ 0 & 0 & 1 \end{matrix}] [\begin{matrix} x_{c} \\ y_{c} \\ z_{c} \end{matrix}]$

进一步可以写为：

$[\begin{matrix} u \\ v \\ 1 \end{matrix}] = [\begin{matrix} \frac{1}{d_{x}} & 0 & u_{o} \\ 0 & \frac{1}{d_{y}} & v_{0} \\ 0 & 0 & 1 \end{matrix}] [\begin{matrix} x \\ y \\ 1 \end{matrix}] = \frac{1}{z_{c}} [\begin{matrix} \frac{f}{d_{x}} & 0 & u_{o} \\ 0 & \frac{f}{d_{y}} & v_{0} \\ 0 & 0 & 1 \end{matrix}] [\begin{matrix} x_{c} \\ y_{c} \\ z_{c} \end{matrix}]$

到这里 $[\begin{matrix} \frac{f}{d_{x}} & 0 & u_{o} \\ 0 & \frac{f}{d_{y}} & v_{0} \\ 0 & 0 & 1 \end{matrix}]$ 就是相机的内参矩阵，跟相机的焦距和传感器的大小等参数有关。

世界坐标系

界坐标系是图像与真实物体之间的一个映射关系。如果是单目视觉的话，主要就是真实物体尺寸与图像尺寸的映射关系。如果是多目视觉的话，那么就需要知道多个相机之间的关系，这个关系就需要在同一个坐标系下进行换算。在下图中，世界坐标系的原点是 Ow, 而 Xw,Yw,Zw 轴并不是与其他坐标系平行的，而是有一定的角度，并且有一定的平移。

对于世界坐标系到相机坐标系的转换是刚体变换，是旋转动作和平移动作的结果，如下：

$[\begin{matrix} x_{c} \\ y_{c} \\ z_{c} \\ 1 \end{matrix}] = [\begin{matrix} R & t \\ 0 & 1 \end{matrix}] [\begin{matrix} x_{w} \\ y_{w} \\ z_{w} \\ 1 \end{matrix}]$

这里 $[\begin{matrix} R & t \\ 0 & 1 \end{matrix}]$ 就是相机的外参矩阵，R 是相机相对世界坐标系的旋转关系，t 是相机相对于世界坐标系的平移关系，当相机位姿发生变化，该参数也相应的发生变化**。

图像畸变及畸变矫正

径向畸变

径向畸变：是由于透镜形状的制造工艺导致，且越向透镜边缘移动径向畸变越严重，实际情况中我们常用 r=0 处的泰勒级数展开的前几项来近似描述径向畸变，矫正径向畸变前后的坐标关系为：

径向畸变的矫正公式如下：

$\begin{aligned} x_{r a d} = x (1 + k_{1} r^{2} + k_{2} r^{4} + k_{3} r^{6}) \\ y_{r a d} = y (1 + k_{1} r^{2} + k_{2} r^{4} + k_{3} r^{6}) \end{aligned}$

切向畸变

切向畸变：是由于透镜和 CMOS 或者 CCD 的安装位置误差导致，切向畸变需要两个额外的畸变参数来描述，矫正前后的坐标关系为：

切向畸变的矫正公式如下（这里不给出推导过程，直接使用）：

$x_{t a n} = x + 2 p_{1} x y + p_{2} (r^{2} + 2 x^{2}) y_{t a n} = y + p_{1} (r^{2} + 2 y^{2}) + 2 p_{2} x y$

畸变矫正

综合以上两种畸变，得到相机的畸变模型（纠正后的图像像素坐标系的坐标）：

$\begin{aligned} r^{2} = x^{2} + y^{2} \\ x_{d i s t o r t e d} = x (1 + k_{1} r^{2} + k_{2} r^{4} + k_{3} r^{6}) + 2 p_{1} x y + p_{2} (r^{2} + 2 x^{2}) \\ y_{d i s t o r t e d} = y (1 + k_{1} r^{2} + k_{2} r^{4} + k_{3} r^{6}) + p_{1} (r^{2} + 2 y^{2}) + 2 p_{2} x y \end{aligned}$

其中 x,y 是是去畸变后的图像坐标，它是归一化的坐标，以图像中心为原点。r 为半径。 $x_{d i s t o r t e d} y_{d i s t o r t e d}$ 是具有畸变得图像坐标。