一、 概述
计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物
体的几何信息,并由此重建和识别物体,而空间物体表面某点的三维几何位置与其
在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的,这些几何模型
参数就是摄像机参数。在大多数条件下,这些参数必须通过实验与计算才能得到,
这个过程被称为摄像机定标(或称为标定)。标定过程就是确定摄像机的几何和光学
参数,摄像机相对于世界坐标系的方位。标定精度的大小,直接影响着计算机视觉
(机器视觉)的精度。迄今为止,对于摄像机标定问题已提出了很多方法,摄像机
标定的理论问题已得到较好的解决,对摄像机标定的研究来说,当前的研究工作应
该集中在如何针对具体的实际应用问题,采用特定的简便、实用、快速、准确的标
定方法。
二、 摄像机标定分类
1 根据是否需要标定参照物来看,可分为传统的摄像机标定方法和摄像机自标定方法。
传统的摄像机标定是在一定的摄像机模型下,基于特定的实验条件,如形状、尺寸已知的
标定物,经过对其进行图像处理,利用一系列数学变换和计算方法,求取摄像机模型的内部参
数和外部参数(分为最优化算法的标定方法、利用摄像机透视变换矩阵的标定方法、进一步考
虑畸变补偿的两步法和采用更为合理的摄像机模型的双平面标定法);
不依赖于标定参照物的摄像机标定方法,仅利用摄像机在运动过程中周围环境的图像与图
像之间的对应关系对摄像机进行的标定称为摄像机自标定方法,它又分为:基于自动视觉的摄
像机自标定技术(基于平移运动的自标定技术和基于旋转运动的自标定技术)、利用本质矩阵和
基本矩阵的自标定技术、利用多幅图像之间的直线对应关系的摄像机自标定方以及利用灭点和
通过弱透视投影或平行透视投影进行摄像机标定等。自标定方法非常地灵活,但它并不是很成
熟。因为未知参数太多,很难得到稳定的结果。
一般来说,当应用场合所要求的精度很高且摄像机的参数不经常变化时,传统标定方法为
首选。而自标定方法主要应用于精度要求不高的场合,如通讯、虚拟现实等。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。