对张正友标定的理解_第1页
对张正友标定的理解_第2页
对张正友标定的理解_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、张正友标定算法解读一直以来想写篇相机标定方面的东西，最近组会上也要讲标定方面东西，所以顺便写了。无论是OpenCVS是matlab标定箱，都是以张正友棋盘标定算法为核心实现的,这篇PAMI的文章<<AFlexibleNewTechniqueforCameraCalibration>>影响力极大，张正友是zju的机械系出身，貌似现在是微软的终身教授了，有点牛的。我就简单的介绍下算法的核心原理，公式的推理可能有点多。一基本问题描述：空间平面的三维点与相机平面二维点的映射假设空间平面中三维点：M=X,V.ZJj（齐次坐标，世界坐标系）相机平面二维点：（齐次坐标，相机坐标系）那

2、么空间中的点是如何映射到相机平面上去呢？我们用一个等式来表示两者之问关系：仆7国sm=ARt|M,withA=0i3期,00（1）注：A为相机内参矩阵，R,t分别为旋转和平移矩阵，s为一个放缩因子标量。我们把等式（1）再简化下：=HMwithH=A|r1门tk因为张正友算法选取的是平面标定，所以令z=0,所以平移向量只有r1,r2即可。H就是我们常说的单应性矩阵，在这里描述的是空间中平面三维点和相机平面二维点之间的关系。因为相机平面中点的坐标可以通过图像处理的方式（哈里斯角点，再基于梯度搜索的方式精确控制点位置）获取，而空间平面中三维点可以通过事先做好的棋盘获取。所以也就是说每张图片都可以计算

3、出一个H矩阵。二内参限制我们把H矩阵（3*3）写成3个列向量形式，那么我们把H矩阵又可写成：hih?%二四口r.t|注:lamda是个放缩因子标量，也是s的倒数。那么现在我们要用一个关键性的条件：ri和r2标准正交正交:h-AJAJhj=0单位向量（模相等）：(4)kiArA11,=hoAsAi>(5)这个两个等式是非常优美的，因为它完美的与绝对二次曲线理论联系起来了，这里就不展开了。三相机内参的求解我们令：Bu61?B=AtA_1=Bi?RnUl：|西（6）我们可知B矩阵是个对称矩阵，所以可以写成一个6维向量形式:b二|£?ii,Viia,Ba£?u,口密“却我们把

4、H矩阵的列向量形式为：h,=化那么根据等式（8）我们把等式（4）改写成:hfBh；=vb(9)huhfl4-儿i%】向2顺立+八仆加h得h骤+h通八用星曲(10)最后根据内参数限制条件（等式（4）（5）:(11)(12)V矩阵是2*6矩阵，也就是说每张照片可建立起两个方程组，6个未知数。根据线性代数知识可知，解6个未知数需至少6个方程组，所以也就是说我们至少需要三张照片就求解未知数。b矩阵的解出，相机内参矩阵A也就求解出，从而每张图像的R,t也就根据等式（1）迎刃而解。四参数优化因为初始的参数已经求解，所以我们将每张图像的控制点根据求解的参数重投影回三维空间，最小化与真实值的差异，其实就是建立非线性最小化模型：nm汇£Uniij-m(A(13)

人人文库> 全部分类> 应用文书 > 作业报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论