【SLAM】视觉SLAM十四讲（四：相机模型与非线性优化）

最新推荐文章于 2024-02-20 18:18:35 发布

原创

最新推荐文章于 2024-02-20 18:18:35 发布 · 674 阅读

3 ·

CC 4.0 BY-SA版权

本文深入探讨了视觉SLAM中的关键概念，包括图像去畸变、双目视差的应用以及矩阵微分。介绍了如何对桶形失真的图像进行去畸变，并解析了径向和切向畸变模型。此外，讲解了如何利用双目模型生成点云。文章还探讨了高斯牛顿法在曲线拟合实验中的应用，解释了其优缺点，并提供了相关代码参考。

图像去畸变

对一张桶形失真的图片进行去畸变
畸变模型有两种：

径向畸变：由镜头形状导致
切向畸变：透镜与成像平面未严格平行

去畸变代码

int main(int argc, char **argv) {

    // 畸变参数
    double k1 = -0.28340811, k2 = 0.07395907, p1 = 0.00019359, p2 = 1.76187114e-05;
    // 相机内参
    double fx = 458.654, fy = 457.296, cx = 367.215, cy = 248.375;

    cv::Mat image = cv::imread(image_file,0);   // 图像是灰度图，CV_8UC1
    int rows = image.rows, cols = image.cols;
    cv::Mat image_undistort = cv::Mat(rows, cols, CV_8UC1);   // 去畸变以后的图
    double x,y,r,xd,yd;
    // 计算去畸变后图像的内容
    for (int v = 0; v < rows; v++)
        for (int u = 0; u < cols; u++) {

            double u_distorted = 0, v_distorted = 0;
            //利用内参将像素点转化为实际点
            x = (u-cx)/fx;
            y = (v-cy)/fy;
            //计算出该实际点距离原点半径
            r = sqrt(pow(x,2)+pow(x,2));
            //根据畸变变换公式求原始图像的坐标
            xd = x*(1 + k1*pow(r,2) + k2*pow(r,4)) + 2*p1*x*y + p2*(pow(r,2) + 2*pow(x,2));
            yd = y*(1 + k1*pow(r,2) + k2*pow(r,4)) + p1*(pow(r,2)+2*pow(y,2)) + 2*p2*x*y;
            //利用内参公式将纠正后的原始坐标转换为像素坐标
            u_distorted = fx*xd + cx;
            v_distorted = fy*yd + cy;