張正友標(biāo)定算法原理詳解

前言

”張正友標(biāo)定”是指張正友教授1998年提出的單平面棋盤格的攝像機(jī)標(biāo)定方法[1]辙纬。文中提出的方法介于傳統(tǒng)標(biāo)定法和自標(biāo)定法之間,但克服了傳統(tǒng)標(biāo)定法需要的高精度標(biāo)定物的缺點(diǎn)吱雏,而僅需使用一個(gè)打印出來(lái)的棋盤格就可以。同時(shí)也相對(duì)于自標(biāo)定而言,提高了精度锋拖,便于操作诈悍。因此張氏標(biāo)定法被廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)方面。

原理

1.計(jì)算外參
  • 設(shè)三維世界坐標(biāo)的點(diǎn)為M=[X,Y,Z,1]T兽埃,二維相機(jī)平面像素坐標(biāo)為m=[u,v,1]T侥钳,所以標(biāo)定用的棋盤格平面到圖像平面的單應(yīng)性關(guān)系為: sm=A[R,t]M
    其中

    不妨設(shè)棋盤格位于Z = 0,定義旋轉(zhuǎn)矩陣R的第i列為 ri, 則有:

    H=[h1 h2 h3]=λA[r1 r2 t]
    于是空間到圖像的映射可改為: sm=HM柄错,
    其中H是描述Homographic矩陣舷夺,H是一個(gè)齊次矩陣,所以有8個(gè)未知數(shù)售貌,至少需要8個(gè)方程给猾,每對(duì)對(duì)應(yīng)點(diǎn)能提供兩個(gè)方程,所以至少需要四個(gè)對(duì)應(yīng)點(diǎn)颂跨,就可以算出世界平面到圖像平面的單應(yīng)性矩陣H
    外參具體計(jì)算公式敢伸。注意:R3是 t

一般而言,求解出的R = [r1 r2 t] 不會(huì)滿足正交與歸一的標(biāo)準(zhǔn)
在實(shí)際操作中恒削,R 可以通過(guò)SVD分解實(shí)現(xiàn)規(guī)范化(詳見(jiàn)原文)


2.計(jì)算內(nèi)參

由r1和r2正交池颈,且r1和r2的模相等,可以得到如下約束:
正交

模相等


可以推到出

根據(jù)推到的結(jié)果可知如果有n組觀察圖像钓丰,則V 是 2n x 6 的矩陣
根據(jù)最小二乘定義躯砰,V b = 0 的解是 VTV 最小特征值對(duì)應(yīng)的特征向量。
因此, 可以直接估算出 b斑粱,后續(xù)可以通過(guò)b求解內(nèi)參
因?yàn)锽中的未知量為6個(gè)弃揽,
所以當(dāng)觀測(cè)平面 n ≥ 3 時(shí),可以得到b的唯一解
當(dāng) n = 2時(shí), 一般可令畸變參數(shù)γ = 0
當(dāng) n = 1時(shí), 僅能估算出α 與 β, 此時(shí)一般可假定像主點(diǎn)坐標(biāo) u0 與 v0 為0

內(nèi)部參數(shù)可通過(guò)如下公式計(jì)算(cholesky分解):
內(nèi)參具體計(jì)算公式
3.最大似然估計(jì)

上述的推導(dǎo)結(jié)果是基于理想情況下的解则北,但由于可能存在高斯噪聲矿微,所以使用最大似然估計(jì)進(jìn)行優(yōu)化。設(shè)我們采集了n副包含棋盤格的圖像進(jìn)行定標(biāo)尚揣,每個(gè)圖像里有棋盤格角點(diǎn)m個(gè)涌矢。令第i副圖像上的角點(diǎn)Mj在上述計(jì)算得到的攝像機(jī)矩陣下圖像上的投影點(diǎn)為:
這里的K為相機(jī)內(nèi)參矩陣A

其中Ri和ti是第i副圖對(duì)應(yīng)的旋轉(zhuǎn)矩陣和平移向量,K是內(nèi)參數(shù)矩陣快骗。則角點(diǎn)mij的概率密度函數(shù)為:
這里的K為相機(jī)內(nèi)參矩陣A

構(gòu)造似然函數(shù):
這里的K為相機(jī)內(nèi)參矩陣A

讓L取得最大值娜庇,即讓下面式子最小。這里使用的是多參數(shù)非線性系統(tǒng)優(yōu)化問(wèn)題的Levenberg-Marquardt算法[2]進(jìn)行迭代求最優(yōu)解方篮。
這里的K為相機(jī)內(nèi)參矩陣A
4.徑向畸變估計(jì)

張氏標(biāo)定法只關(guān)注了影響最大的徑向畸變名秀。則數(shù)學(xué)表達(dá)式為:


其中,(u,v)是理想無(wú)畸變的像素坐標(biāo)藕溅,(u,v)(u,v)是實(shí)際畸變后的像素坐標(biāo)匕得。(u0,v0)代表主點(diǎn),(x,y)是理想無(wú)畸變的連續(xù)圖像坐標(biāo),(x,y)(x,y)是實(shí)際畸變后的連續(xù)圖像坐標(biāo)汁掠。k1和k2為前兩階的畸變參數(shù)略吨。

化作矩陣形式:

記做:Dk=d
則可得:

計(jì)算得到畸變系數(shù)k。
使用最大似然的思想優(yōu)化得到的結(jié)果考阱,即像上一步一樣翠忠,LM法計(jì)算下列函數(shù)值最小的參數(shù)值:
這里的K為相機(jī)內(nèi)參矩陣A

到此,張氏標(biāo)定法介紹完畢乞榨。我們也得到了相機(jī)內(nèi)參秽之、外參和畸變系數(shù)。

相機(jī)標(biāo)定步驟

  • 打印一張棋盤格A4紙張(黑白間距已知)姜凄,并貼在一個(gè)平板上
  • 針對(duì)棋盤格拍攝若干張圖片(一般10-20張)
  • 在圖片中檢測(cè)特征點(diǎn)(Harris特征)
  • 利用解析解估算方法計(jì)算出5個(gè)內(nèi)部參數(shù)政溃,以及6個(gè)外部參數(shù)
  • 根據(jù)極大似然估計(jì)策略,設(shè)計(jì)優(yōu)化目標(biāo)并實(shí)現(xiàn)參數(shù)的refinement

參考

Zhang, Zhengyou - 《IEEE Transactions on Pattern Analysis & Machine Intelligence》 - 2000
張正友標(biāo)定算法原理詳解
張正友相機(jī)標(biāo)定中文版下載--A Flexible New Technique for Camera Calibration

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末态秧,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子扼鞋,更是在濱河造成了極大的恐慌申鱼,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,839評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件云头,死亡現(xiàn)場(chǎng)離奇詭異捐友,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)溃槐,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門匣砖,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人昏滴,你說(shuō)我怎么就攤上這事猴鲫。” “怎么了谣殊?”我有些...
    開(kāi)封第一講書人閱讀 153,116評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵拂共,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我姻几,道長(zhǎng)宜狐,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書人閱讀 55,371評(píng)論 1 279
  • 正文 為了忘掉前任蛇捌,我火速辦了婚禮抚恒,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘络拌。我一直安慰自己俭驮,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,384評(píng)論 5 374
  • 文/花漫 我一把揭開(kāi)白布盒音。 她就那樣靜靜地躺著表鳍,像睡著了一般馅而。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上譬圣,一...
    開(kāi)封第一講書人閱讀 49,111評(píng)論 1 285
  • 那天瓮恭,我揣著相機(jī)與錄音,去河邊找鬼厘熟。 笑死屯蹦,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的绳姨。 我是一名探鬼主播登澜,決...
    沈念sama閱讀 38,416評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼飘庄!你這毒婦竟也來(lái)了脑蠕?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書人閱讀 37,053評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤跪削,失蹤者是張志新(化名)和其女友劉穎谴仙,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體碾盐,經(jīng)...
    沈念sama閱讀 43,558評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡晃跺,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,007評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了毫玖。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片掀虎。...
    茶點(diǎn)故事閱讀 38,117評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖付枫,靈堂內(nèi)的尸體忽然破棺而出烹玉,到底是詐尸還是另有隱情,我是刑警寧澤励背,帶...
    沈念sama閱讀 33,756評(píng)論 4 324
  • 正文 年R本政府宣布春霍,位于F島的核電站,受9級(jí)特大地震影響叶眉,放射性物質(zhì)發(fā)生泄漏址儒。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,324評(píng)論 3 307
  • 文/蒙蒙 一衅疙、第九天 我趴在偏房一處隱蔽的房頂上張望莲趣。 院中可真熱鬧,春花似錦饱溢、人聲如沸喧伞。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 30,315評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)潘鲫。三九已至翁逞,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間溉仑,已是汗流浹背挖函。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 31,539評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留浊竟,地道東北人怨喘。 一個(gè)月前我還...
    沈念sama閱讀 45,578評(píng)論 2 355
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像振定,于是被迫代替她去往敵國(guó)和親必怜。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,877評(píng)論 2 345