测绘相机 标定内参 需要用什么相机模型

测绘相机标定内参时，常用的相机模型有针孔相机模型（Pinhole Camera Model）和畸变模型。针孔相机模型是最基本的相机成像模型，它描述了理想情况下，光通过一个无穷小的孔，再在相机背后的成像平面上形成倒立的影像。

针孔相机模型

针孔相机模型的内参数通常包括：

1. 焦距（f）：相机镜头到成像平面的距离，通常以像素为单位。
2. 主点坐标（(c_x, c_y)）：成像平面上与光轴交点的坐标，表示成像中心。
3. 缩放系数（(s_x, s_y)）：横向和纵向的像素尺度因子，用于将世界坐标系转换为像素坐标系。

这些参数可以通过矩阵的形式表示：

�=[��0��0����001]K=​fx​00​0fy​0​cx​cy​1​​

其中，(f_x) 和 (f_y) 分别为焦距在x轴和y轴上的分量，它们考虑了像素尺寸的不同。

畸变模型

现实中的相机镜头往往会引入畸变，主要包括径向畸变和切向畸变。为了精确地进行相机标定，需要对这些畸变进行校正。

1. 径向畸变：通常由镜头的形状引起，表现为图像边缘的拉伸或压缩。常用的径向畸变参数有 (k_1, k_2, k_3) 等，它们描述了从图像中心到边缘的畸变程度。

2. 切向畸变：由于镜头组件的不完美对齐或装配误差导致的畸变。切向畸变参数通常用 (p_1, p_2) 表示。

相机标定的过程通常涉及到使用标定板（如棋盘格）进行多次拍摄，然后通过计算机视觉算法（如OpenCV库中的函数）来估计这些内参数和畸变参数。这个过程可以通过优化算法进行，例如最小二乘法，来最小化重投影误差，即实际观测点与通过相机模型预测的点之间的差异。

总结来说，测绘相机标定内参需要选择合适的相机模型，其中针孔模型提供了理想情况下的参数，而畸变模型则对实际情况下的镜头畸变进行了补偿。标定的过程是通过实验和计算结合来完成的。