《摄像机自标定》课件

摄像机自标定课程概述相机标定介绍相机标定理论，包括相机内参数、外参数和畸变参数的含义及作用。自标定技术重点讲解摄像机自标定的原理和方法，以及在实际应用中的重要意义。应用场景阐述摄像机自标定在机器人视觉、三维重建、虚拟现实等领域的应用。课程目标理解摄像机标定原理。掌握张正友标定法的步骤。运用OpenCV库进行摄像机标定。摄像机标定概述摄像机标定是计算机视觉领域中一项基础而重要的技术，其目的是确定摄像机内部和外部参数。内部参数是指摄像机自身的属性，例如焦距、主点坐标和畸变系数等。外部参数是指摄像机在世界坐标系中的位置和姿态，包括平移向量和旋转矩阵。摄像机标定的必要性1三维重建准确的相机参数是三维重建的基础，用于获得物体的真实尺寸和形状。2机器人视觉机器人视觉系统依赖于相机标定，才能准确识别目标，完成抓取、操作等任务。3增强现实AR应用需要将虚拟物体叠加到现实场景中，相机标定确保虚拟物体与现实环境的精确融合。摄像机成像原理摄像机成像原理基于针孔模型。光线穿过摄像机镜头，在成像传感器上形成倒立的图像。成像过程涉及光学透镜、成像传感器以及数字信号处理等步骤。摄像机成像原理是计算机视觉的基础，用于理解和解释图像信息。相机内参数焦距镜头焦距决定了成像的大小和视角。主点图像中心，与镜头光轴的交点。倾斜系数传感器与图像平面不平行时的校正参数。相机外参数旋转矩阵描述了相机坐标系与世界坐标系之间的旋转关系。它是一个3x3的正交矩阵，用于将世界坐标系中的点旋转到相机坐标系中。平移向量描述了相机坐标系原点在世界坐标系中的位置。它是一个3x1的向量，表示相机坐标系原点相对于世界坐标系原点的偏移量。相机畸变参数径向畸变镜头中心到边缘的距离越大，畸变越明显切向畸变由镜头安装不正导致，使直线弯曲变形标定原理和方法标定原理标定原理是利用已知世界坐标系中的点，通过相机成像得到对应的像素坐标系中的点，并根据两者的对应关系，计算出相机内参数、外参数和畸变参数。标定方法常用的标定方法包括直接线性变换法（DLT）、张正友标定法、基于深度学习的标定方法等。张正友标定法经典算法张正友标定法是一种经典的相机标定方法，它利用平面棋盘格作为标定目标，通过求解图像中棋盘格角点的世界坐标和图像坐标之间的对应关系，来估计相机内参数、外参数和畸变参数。简单易行该方法简单易行，只需要一张棋盘格标定板和若干张不同角度拍摄的标定图像即可，不需要复杂的设备和环境，因此在实际应用中得到广泛应用。张正友标定法步骤1准备标定板使用标定板，并确保其在图像中清晰可见。2采集图像从不同角度拍摄标定板，获取多张图像。3提取角点使用图像处理技术自动提取标定板的角点。4计算相机参数根据提取的角点信息，计算相机内参数、外参数和畸变参数。标定板简介标定板是摄像机标定中必不可少的工具，它是一个具有特定几何特征的平面物体，通常由黑白方格组成。标定板的尺寸和方格大小会影响标定精度，选择合适的标定板对于获得准确的标定结果至关重要。标定板设计要求1尺寸和分辨率标定板的尺寸应与相机视野匹配，分辨率足够高，以保证每个角点的清晰识别。2角点间距角点间距应均匀，且易于识别，常用的间距为10mm或20mm。3角点数量角点数量应足够多，至少应有10个以上角点，以提高标定精度。4材料标定板的材料应易于加工，且表面应平整，避免反光。标定图像采集1准备标定板确保标定板清晰可见，背景简单，光线充足。2移动标定板从不同角度拍摄标定板图像，保证标定板在图像中占有一定比例，并覆盖相机视野的不同区域。3保存图像将采集到的标定图像保存为图像格式，例如JPG或PNG。标定数据处理1图像校正消除畸变影响2特征点提取识别标定板特征点3数据关联匹配图像和世界坐标相机内参数估计参数描述焦距(fx,fy)镜头焦距，决定图像放大倍率。主点坐标(cx,cy)图像中心坐标，决定图像偏移。倾斜系数(s)镜头畸变，影响图像几何形状。相机外参数估计相机外参数表示相机在世界坐标系中的位置和姿态相机畸变参数估计1径向畸变主要由透镜的形状导致的畸变2切向畸变由透镜的制造误差引起的畸变标定结果评价重投影误差衡量标定结果准确性的指标，越小越好。内参数一致性评估内参数估计的可靠性，例如焦距和主点。外参数稳定性验证外参数的精度，例如旋转和平移矩阵。标定精度影响因素标定板精度标定板的尺寸和位置精度直接影响标定结果的精度。图像分辨率图像分辨率越高，标定精度越高，但同时也会增加计算量。标定图像数量标定图像数量越多，标定结果越稳定，但同时也会增加标定时间。相机镜头畸变相机镜头畸变会影响标定结果的精度，需要进行畸变校正。常见标定误差及解决1标定板平面误差标定板的平面度误差会导致内参数估计偏差。2图像采集噪声光线变化、传感器噪声都会引入误差，影响标定精度。3标定点提取误差角点检测算法误差会导致标定点坐标偏差，影响外参数估计。OpenCV标定实现1准备标定数据加载标定板图像和角点坐标。2执行标定过程使用OpenCV提供的函数，计算相机内参数、外参数和畸变参数。3验证标定结果评估标定精度并可视化标定结果。标定结果可视化通过可视化工具，例如OpenCV的`drawChessboardCorners`函数，可以直观地观察标定结果。可视化包括显示标定板上的角点，以及根据标定结果重建的3D空间场景。非标定平面标定无需标定板通过提取场景中的平面特征点，如直线和角点，进行标定。平面特征提取利用边缘检测和角点检测算法提取平面特征。几何约束利用平面几何约束和相机成像模型估计相机参数。手眼标定原理1相机坐标系相机的坐标系2机器人坐标系机器人的坐标系3世界坐标系外部参考系手眼标定步骤11.数据采集采集机器人末端位姿和相机观测到的标定板图像22.特征提取提取标定板特征点并计算其在图像中的像素坐标33.标定模型求解根据采集的数据和标定模型求解手眼变换矩阵44.精度评估评估标定结果的精度，并进行必要的优化机器人应用实例工业机器人，例如焊接机器人，可通过摄像机自标定获取自身姿态信息，实现更精准的焊接操作。视觉导航机器人，例如AGV，可利用摄像机自标定