21、Blender中立体相机模拟技术解析

Blender中立体相机模拟技术解析

1. 引言

在计算机视觉领域，场景的3D重建是一项基础任务。虽然仅通过一组单目相机图像就能计算出3D模型，但模型的尺度是模糊的。要确定精确的尺度，就需要更多关于重建对象或相机帧相对位置的信息。立体相机由两个已知相互位置的单目相机组成，能够从每一帧返回精确的3D模型，因此常用于视觉里程计或SLAM（同时定位与地图构建）。

本文介绍的工作是KASSANDRA项目的一部分，该项目旨在开发基于相机的汽车底盘扫描仪，用于汽车安全检查。扫描仪包含两对立体相机，安装在路面下方，在汽车通过时捕捉底盘图像。由于无法在一帧中捕捉整个底盘，因此需要将从立体图像重建的各个3D模型拼接在一起，这就需要使用视觉里程计来计算各个模型的相互位置。

计算机视觉的主要原理基于解析几何，相关公式包含许多代表相机内部参数或立体相机对中相机相互位置的系数。这些系数通常通过相机校准获得，因为直接确定其值往往是不可能的。计算中使用的所有系数和变换的正确性至关重要，因为哪怕一个错误都可能导致整个系统失败或显著影响结果。

为了评估和调试类似系统，需要具有已知真实值的测试数据。特别是对于视觉里程计评估，精确的图像间变换真实值至关重要。在捕捉真实数据时，很难测量相机的精确运动。因此，合成数据集在方法的基本评估中具有很大优势，因为所有相机位置都是已知的。

本文介绍的方法用于生成模拟立体相机运动的合成立体图像。该系统基于先进的3D创作套件Blender实现，它允许创建或显示3D模型、使用虚拟相机渲染图像，并支持Python脚本。Python用于生成指定模型的立体图像。合成数据的主要优点是能够精确确定所有参数和变换，并且带有相应校准参数的图像可以直接由测试系统处理，用于