相机标定中镜头的畸变系数是否必须小于1

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了相机标定中镜头的畸变系数是否必须小于1相关的知识,希望对你有一定的参考价值。

参考技术A 不是!
镜头畸变系数一般有径向畸变和切向畸变两种参数组成。
径向畸变有:k1,k2,k3
切向畸变有:p1,p2
精确标定时也就用到这么五个参数。
具体得到畸变系数的大小跟相机镜头的物理属性还有你选择的畸变模型有关。
通常针对消费级相机镜头采用多项式畸变模型得到的畸变系数都不超过1。

但是如果你对鱼眼镜头采用只含有一个径向畸变系数k1的畸变模型进行标定,
这种情况下得到的畸变系数可能会大于1。
所以说,畸变系数不是必须小于1。

畸变系数的大小跟采用的相机镜头和选择的镜头畸变模型有关!本回答被提问者采纳

相机标定的内参、外参、畸变参数

参考技术A

摘自知乎 https://zhuanlan.zhihu.com/p/389653208

成像的过程实质上是几个坐标系的转换。首先空间中的一点由 世界坐标系 转换到 摄像机坐标系 ,然后再将其投影到成像平面 ( 图像物理坐标系 ) ,最后再将成像平面上的数据转换到图像平面 ( 图像像素坐标系 ) 。

在左图中,我们把相机看作是针孔,现实世界中的点P经过相机的光心O,投影到物理成像平面上,变为点P\'。

在右图中,对这个模型进行了一个简化,将其看作是一个相似三角形。

下面我们来对这个模型进行建模。

设(O-x-y-z)为相机坐标系,习惯上我们把z轴指向相机前方,x向右,y向下。O为摄像机的 光心 ,也是针孔模型中的针孔。

设真实世界点中的P的坐标为[X,Y,Z] T ,成像的点P\'的坐标为[X\', Y\', Z\'] T , 物理成像平面和光心的距离为f(即为焦距)。

根据右图中的三角形相似关系,有:

其中,有负号是因为坐标轴方向,也就表示了成的像是倒立的。

为了表示起来更方便,我们把成像平面从相机的后面对称到前面去,如下图所示。这样,负号就没有了。

在对称后,有:

整理解出P\'的坐标:

上面两个式子就描述了 P点与它所成像的坐标关系 ,可以看到,X对应的X\'与焦距f有关,与距离Z有关。

映射到成像平面上还不够,我们还需要将这个像给放到像素坐标系内。
我们设在物理成像平面上固定着像素平面o-u-v。

设P\'在像素平面坐标系上的坐标是[u, v] T 。

像素坐标系 通常定义方式是:原点o\'位于图像的左上角,u轴向右与x轴平行,v轴向下与y轴平行。

我们设像素坐标在u轴上缩放α倍,在v轴上缩放了β倍。同时,原点平移了[c x , c y ] T 。

因此可以得到 P\'与像素坐标 的关系:

代入P与P\'的关系式可得:

其中,我们用f x ,f y 替换了αf 和 βf。f x ,f y 的单位是像素。

用齐次坐标,把上式写出矩阵的形式:

也可以把Z写到等式左边去,就变成了:

上式中,K即为相机的内参矩阵(Intrinsics)。通常来说,相机的内参在出厂之后就是固定的了。

在上面的推导中,我们用的是P在相机坐标系的坐标(也就是以相机为O点),所以我们应该先将世界坐标系中的P w 给变换到相机坐标系中的P。

相机的位姿由旋转矩阵R和平移向量t来描述,因此:

再代入之前的内参的式子,得到:

后面一个等号蕴含了一个齐次坐标到非齐次坐标的转换。其中,R, t为相机的外参(Extrinsics)。

透镜由于制造精度以及组装工艺的偏差会引入畸变,导致原始图像的失真。镜头的畸变分为径向畸变和切向畸变两类。

顾名思义,径向畸变就是沿着透镜半径方向分布的畸变,产生原因是光线在原理透镜中心的地方比靠近中心的地方更加弯曲,这种畸变在普通廉价的镜头中表现更加明显,径向畸变主要包括桶形畸变和枕形畸变两种。以下分别是枕形和桶形畸变示意图:

成像仪光轴中心的畸变为0,沿着镜头半径方向向边缘移动,畸变越来越严重。畸变的数学模型可以用主点(principle point)周围的泰勒级数展开式的前几项进行描述,通常使用前两项,即k1和k2,对于畸变很大的镜头,如鱼眼镜头,可以增加使用第三项k3来进行描述,成像仪上某点根据其在径向方向上的分布位置,调节公式为:

公式里(x0,y0)是畸变点在成像仪上的原始位置,(x,y)是畸变较真后新的位置,下图是距离光心不同距离上的点经过透镜径向畸变后点位的偏移示意图,可以看到,距离光心越远,径向位移越大,表示畸变也越大,在光心附近,几乎没有偏移。

下图显示某个透镜的切向畸变示意图,大体上畸变位移相对于左下——右上角的连线对称的,说明该镜头在垂直于该方向上有一个旋转角度。

径向畸变和切向畸变模型中一共有5个畸变参数,在Opencv中他们被排列成一个5*1的矩阵,依次包含k1、k2、p1、p2、k3,经常被定义为Mat矩阵的形式,如Mat distCoeffs=Mat(1,5,CV_32FC1,Scalar::all(0));这5个参数就是相机标定中需要确定的相机的5个畸变系数。求得这5个参数后,就可以校正由于镜头畸变引起的图像的变形失真,下图显示根据镜头畸变系数校正后的效果:

以上是关于相机标定中镜头的畸变系数是否必须小于1的主要内容,如果未能解决你的问题,请参考以下文章

相机标定中的一些知识点(小孔模型、鱼眼模型、畸变、泰勒展开)

相机标定之相机畸变模型

如何利用opencv计算图像畸变系数,并进行校正与摄像机标定?

opencv相机标定(Python)

计算机视觉——相机内外参、相机标定

工业相机斜着装怎么标定