相机标定和精度评估方法的比较和回顾：.doc

摄像机标定方法与精度评估的对比回顾 摘要 相机标定对于进一步的度量场景测量来说是一个关键性的问题。很多有关标定的技术和研究在过去的几年中相继出现。然而，深入探究一种确定的标定方法的细节，并与其它方法进行精度比较仍是不易的。这种困难主要表现在缺少标准化和各种精度评估方法的选择上。本文给出一个详细的回顾关于一些最常用的标定技术，文中，这些标定方法都采用相同的标准。此外，文中涉及的方法已经过测试,精确度也经过测定。比较结果和后续的讨论也在文中给出。此外，代码和结果在网上也可以找到。2002模式识别学会，发布由Elsevier science，保留所有权利。 关键词：相机标定 镜头畸变 参数估计 优化 相机建模 精度评估 3D重建 计算机视觉 1、介绍 相机标定是计算机视觉计算的第一步。虽然可以通过使用非标定相机获取一些有关测量场景的信息，但是，当需要度量信息时标定是必须的。精确校准相机的使用使从平面投影图像中测量物体在真实世界中的距离成为可能。这种功能的一些应用包括： 1、 3D点位置。显然，相应的问题被提前解决了。 2、 3、 4、 相机标定可分为两个步骤。首先，相机建模涉及到使用一系列参数对传感器的物理和视觉行为进行数学逼近。其次，使用直接或迭代的方法估算得到的参数值。在所建模型中有两种参数需要考虑。一方面是本征参数，用来模拟图像传感器的内在结构和光学特征。本质上，本征参数决定光线是如何通过镜头投射在传感器的图像面上的。另一方面的参数是非本征参数。非本征参数测量相机相对于世界坐标系统的位置和相角，也就是说，提供相对于用户固定的坐标系统而不是相机坐标系统的数据。 相机标定可以按以下几种不同的标准划分。(1)线性和非线性相机标定（区别在于相机畸变的建模上）(2)本征和非本征相机标定。本征标定仅在获得相机物理和光学参数时使用。而非本征标定着眼于测量视场中相机的位置和相角。(3)隐式和显式相机标定。隐式标定是指相机标定过程中并不明确计算相机的物理参数。尽管结果可以用于3D测量或生成图像坐标，但是，由于获得的参数与物理参数不一致，测量结果对于相机建模是无用的。(4)使用已知的3D点或简化的3D点作为标定模式，就那些使用如消失线或其它线性特征等几何特征的方法而言。 这些方法还可以按估算相机模型参数的标定方法来划分： 1、 Salvi中有描述。 2、 3D点和它们的2D推测来获得转换矩阵。这种方法的优势在模型是由简化和快速的标定组成的。一个缺点是线性技术对于相机畸变建模是无用的，将会导致粗略的系统精度。此外，有时由于使用隐式标定，从矩阵中提取参数非常困难。一些线性标定相关的参考文献在Hall、Toscani-Faugeras和Ito中找到。 3、 Tsai、Weng和Wei。 本文是对最常用的一些标定方法进行详细的描述。第一种方法由Hall在1982年提出，是一种基于隐式线性相机标定，通过计算3*4转换矩阵将3D目标点与它们的2D像预测联系在一起。接着由Faugeras在1986年提出基于从转换法中提取相机的物理参数，作为第二种方法。接下来是基于非线性显式相机标定，包括相机畸变建模。此后，第一种方法是在Faugeras线性方法上包含镜头畸变的的微小改进。由Tsai提出的被广泛应用的方法，是基于两步法对径向镜头畸变建模。最后是完整的Weng模型，在1992年提出，包括三种不同类型的镜头畸变，作为最后介绍的方法。需要注意的是，理解一种标定方法的主要问题是缺少符号的标准化和使用不同坐标系。两个限制使比较各种方法变得复杂，因此，大量的工作都用来保证调查中使用同样的符号。这里将对这五种方法进行一一解释,并讨论它们的2D和3D精度。相机精度评估的简短概述在实施用相同工具比较不同标定方法中包含着。 本文的结构如下。第二部分关于相机建模，解释相机模型如何通过一系列的几何转化逐步获得。第三部分描述五种不同相机标定技术，并对相机模型参数进行评估。接下来，第四部分解释相机标定技术中一些精度评估的方法。最后，讨论计较每种标定方法的2D和3D精度。 2、相机模型 模型是一种通过使用一系列方程式来近似物理行为的数学构想。相机建模基于逼近相机的内部几何结构和场景中相机的位置和相角。根据所需精度，有几种相机模型可供选择。最简单的方法是基于线性变换，忽略对镜头畸变的建模。然而，仍存在一些对镜头畸变精确建模的非线性模型。当需要更高精度时这些方法对某些应用很实用。 最简单的模型是由Hall提出的。目的是寻找场景中3D点与像平面上的2D投影点的线性关系。这种关系由如下的转换矩阵逼近。 (1) 接下来，得到一个3D点,相对于世界坐标系，应用Hall提出的变换矩阵，获得相对于像坐标系的2D像素点. 相机建模通常分为