工控编程吧
标题: 6.1 haclon相机标定介绍 [打印本页]
作者: qq263946146 时间: 2019-3-29 13:43
标题: 6.1 haclon相机标定介绍
在halcon中，相机之所以要标定，就是要确定 一些参数值，确定 相机的模型。
因为实际 光学系统 并不是理想的光学系统，通常这些参数 可以建立 标定板所确定 的三维坐标系和
相机图像 坐标系的映射关系。也就是说我们可以用这些参数 把一个三维空间的点映射到图像 空间。
计算机视觉的基本任务之一是从摄像 机获取 图像 信息，而后计算三维空间物体的几何信息，由此重建与识别物体。
所以相机标定 极为重要，它是重建三维环境 信息的关键环节，这也是标定 的目的，因为物体成像后会发生畸变的缩放。
这样就需要建立 一个模型，能让我们通过 图像 信息重构出物体三维空间数据。也就是确定 摄像 机的几何和光学参数，
以及摄像 机相对世界坐标系的方位。而标定 精度的大小，直接 影响着计算机常常的精度 。所以只有做好了摄像 机标定 工作，
后续工作才能正常展开。标定 当中，这个求解相机参数和模型的过程，我们称为相机标定。其目的前面 也说过，就是为了得到准确 朴实的三维
空间坐标。就像我们人眼，眼睛看到的不一定是真实世界，时常大脑会欺骗我们，比如三维动画构图游戏就 是利用人的视觉错觉。
摄像机也一样，经过镜头成像后的图像 也不是真实世界，要想得到真实世界模型，我们要建立相机模型，这样就出现 了标定 来得到这个模型参数。
相机的标定 方法很多，常见的有传统标定 法，相机自标定法，主动摄像 机标定 法等，当然 我们如果 按照不同的相机模型来分，其实主要是两类。
线性模型和非线性模型，线性模型摄像机标定是用线笥方程求解，简单快速，是当前计算机视觉领域的研究热点之一，已有大量研究成果。
但非线性模型不考虑镜头畸变，准确 性欠佳。对于 非线性模型摄像机标定，考虑了畸变参数，引入 了非线性优化，但方法较繁琐，速度 过慢，对初值选择和
噪声比较敏感，而且非线性搜索 并不是保证参数 收敛到全局最先解。
首先我们要理解相机模型中的四个平面坐标系关系：像素平面坐标系（u,v）像平面坐标系（x,y)，相机坐标系（Xc, Yc, Zc）和世界坐标系（Xw, Yw,Zw).
1.图像像素坐标系（u,v）
以像素为单位，是以图像 的左上方为原点的图像坐标系；2.像平面坐标系（x,y)（或叫图像物理坐标系）
以毫米为单位，用物理单位表示图像像素位置，定义坐标系OXY,原点O定义在相机与图像平面交点。
3.相机坐标系（Xc, Yc, Zc）
以毫米为单位 ，以相机的光心作为原点，Zc轴与重合，并垂直于成像平面，且取摄影方向为正方向，
Xc, Yc由与图像 物理坐标系的X,Y轴平行。
4.世界坐标系（Xw, Yw,Zw)
根据具体情况而定 ，该坐标系描述环境中斜体物体的位置，根据 具体 情况 而定 ，满足右手 法则。
刚开始理解时，看着那一堆的公式十分的头晕，我相信很多初学者和我一样，但仔细想想，只不过是，
我们假设了一些参数，使四个坐标系之间的坐标联系起来，这样我们就可以从拍摄的图片上一个点坐标一路反推出世界中的那个点的坐标，
这样就达到了我们的目的-->三维重建。而那些我们假设的参数，就是我们要标定的内参和外参。
相机的内外 参数：标定 的主要目的就是求解 相机参数，内容如下 ：
摄像 机内参数：摄像 机内参矩阵（[color=rgba(0, 0, 0, 0.75)]dx,dy,u0,v0）,和畸变系数（三个径向K1, K2, K3，两个切向 , P1, P2）
摄像机外参数：旋转向量（1*3的矢量或3*3矩阵）和平移向量（Tx, Ty,Tz）
(, 下载次数: 2)