前面的章节讲的都是图像到图像之间的映射和变换。为了处理三维图像和平面图像之间的映射,我们需要在映射中加入部分照相机产生图像过程的投影特性。这一章就是关于确定照相机的参数求解等。
针孔相机模型

图像点 p 是由图像平面与连接三维点 P和照相机中心 C 的直线相交而成的。z轴表示该照相机的光学坐标轴,由此可以得出针孔照相机的投影性质。照相机的光学坐标轴和 z 轴一致,该投影几何可以简化成相似三角形。在针孔照相机中,三维点 P 投影为图像点 p 两个点都是用齐次坐标表示的),如下所示:

照相机矩阵
其中的照相机矩阵可以进一步分解成:

内标定矩阵 K 描述照相机的投影性质,也就是内参矩阵,该矩阵仅与照相机自身情况相关,通常是以如下方式表示:

图像平面和照相机中心间的距离为焦距 f。当像素数组在传感器上偏斜的时候,需要用到倾斜参数 s。在大多数情况下,s 可以

本文介绍了计算机视觉中的针孔相机模型,阐述了照相机矩阵及其分解,详细讨论了相机标定的过程,包括RQ因子分解和通过Harris角点检测求解Homographic矩阵。还提到了使用棋盘格进行标定的实验步骤,以及如何通过matlab求解相机的内外参数,最终达到高精度的标定效果。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



