视觉测量技术—摄像机成像模型

摄像机成像模型

工业摄像机作为图像传感器是视觉测量的重要组成部分,能够实现三维空间点与二维图像点信息的转换。实际情况中成像模型往往呈非线性,小孔成像模型是简化后的线性模型,是实际成像模型的基础。

一、小孔成像原理

小孔成像模型如图所示,空间点成像于像平面1,为便于分析,以像平面1的对称面2作为像平面。空间点 P P 在世界坐标系下坐标为 x w y w z w (x_w,y_w,z_w) ,在摄像机坐标系下坐标为 x c y c z c (x_c,y_c,z_c) ,经过透视投影中心 o o ,在像平面投影点为 P ( u , v ) P'(u,v)
成像模型涉及坐标系:
(1)像素坐标系: o u v o-uv
(2)图像坐标系: o x y o-xy
(3)摄像机坐标系: o x c y c z c o-x_cy_cz_c
(4)世界坐标系: o x w y w z w o-x_wy_wz_w
摄像机标定结果结果:
(1)有效焦距: f f
(2)主点位置: u 0 v 0 u_0,v_0
(3)像元尺寸: d x d y d_x,d_y
(4)外部参数: R T R,T
(5)畸变系数: k 1 k 2 k 3 p 1 p 2 k_1,k_2,k_3,p_1,p_2

1、实际应用中,通过简单图像处理,能够直接得到特征点的像素坐标图像 ( u , v ) (u,v) ,为建立坐标系转化关系,需要以图像坐标系作为中介,如图所示关系,像素坐标系与图像坐标系关系为
[ u v 1 ] = [ 1 / d x 0 u 0 0 1 / d y v 0 0 0 1 ] [ x y 1 ] (1) \left[\begin{matrix}u\\v \\1\end{matrix}\right]= \left[\begin{matrix}1/d_x&0&u_0\\0&1/d_y&v_0\\0&0&1\\\end{matrix}\right] \left[\begin{matrix}x \\y \\1\end{matrix}\right]\tag1

2、根据透视投影可知: x = x c z c f , y = y c z c f x=\cfrac {x_c}{z_c}f,y=\cfrac {y_c}{z_c}f ,即图像坐标系与摄像机坐标系为
z c [ x y 1 ] = [ f 0 0 0 0 f 0 0 0 0 1 0 ] [ x c y c z c 1 ] (2) z_c\left[\begin{matrix}x\\y\\1\end{matrix}\right]= \left[\begin{matrix}f&0&0&0\\0&f&0&0\\0&0&1&0\\\end{matrix}\right] \left[\begin{matrix}x_c \\y_c \\z_c\\1\end{matrix}\right]\tag2

3、摄像机坐标系与世界坐标系的关系由外部参数 R , T R,T 决定,内参与外参均有摄像机标定过程确定,摄像机坐标系与世界坐标系为
[ x c y c z c 1 ] = [ R T 0 1 ] [ x w y w z w 1 ] (3) \left[\begin{matrix}x_c \\y_c \\z_c\\1\end{matrix}\right]= \left[\begin{matrix}R&T \\0&1\end{matrix}\right] \left[\begin{matrix}x_w \\y_w \\z_w\\1\end{matrix}\right]\tag3

综上所述,小孔成像模型完成了三维空间点到二维信息的转换关系,表示为
z c [ u v 1 ] = [ f / d x 0 u 0 0 0 f / d y v 0 0 0 0 1 0 ] [ R T 0 1 ] [ x w y w z w 1 ] (4) z_c\left[\begin{matrix}u\\v \\1\end{matrix}\right]= \left[\begin{matrix}f/d_x&0&u_0&0\\0&f/d_y&v_0&0\\0&0&1&0\\\end{matrix}\right] \left[\begin{matrix}R&T \\0&1\end{matrix}\right] \left[\begin{matrix}x_w \\y_w \\z_w\\1\end{matrix}\right]\tag4

二、成像畸变校正

但是由于透镜制造精度以及组装工艺偏差的存在,会导致实际的成像过程中存在非线性畸变,所以线性模型不能准确描述成像过程。显然这对于视觉测量是不利的,虽然畸变无法消除,但可以根据畸变系数在一定程度上进行校正。
1、径向畸变,认为成像中心位置处无径向畸变,越靠近图像边缘,径向畸变越严重,则用 r = 0 r=0 处泰勒展开式尽量量化描述,应用中依据选用的相机类型,确定畸变系数 k k 的数量,常用校正模型为
u c o r r e c t e d = u ( 1 + k 1 r 2 + k 2 r 4 + k 3 r 6 ) v c o r r e c t e d = v ( 1 + k 1 r 2 + k 2 r 4 + k 3 r 6 ) u_{corrected}=u(1+k_1r^2+k_2r^4+k_3r^6)\\ v_{corrected}=v(1+k_1r^2+k_2r^4+k_3r^6)

2、切向畸变,是由于镜头与成像平面不平行导致,通常用两个畸变系数进行描述,校正模型为
u c o r r e c t e d = u + [ 2 p 1 v + p 2 ( r 2 + 2 u 2 ) ] v c o r r e c t e d = v + [ p 1 ( r 2 + 2 v 2 ) + 2 p 1 u ) ] u_{corrected}=u+[2p_1v+p_2(r^2+2u^2)]\\ v_{corrected}=v+[p_1(r^2+2v^2)+2p_1u)]

原创文章 2 获赞 1 访问量 80

猜你喜欢

转载自blog.csdn.net/xiaoheihenaixiao/article/details/106071597