圖像處理工具翻譯

1、旋轉(zhuǎn)矩陣(Rc_ext)以及平移矢量（Tc_ext）。旋轉(zhuǎn)矩陣(Rc_ext)與旋轉(zhuǎn)矢量(omc_ext)的關(guān)系是Rodrigues公式，即：Rc_ext=rodrigues(omc_ext)。一個點在柵格坐標(biāo)系(grid reference frame:XX)和攝像機坐標(biāo)系(camera reference frame:XXc)中坐標(biāo)關(guān)系是：XXc=Rc_ext * XX + Tc_ext基于matlab的攝像機標(biāo)定中，給出的結(jié)果有一個主點坐標(biāo)cc。cc通常是指CCD與光軸的交點，也就是攝像機焦點在視平面上的投影點，但該點與圖像坐標(biāo)的中心并不一定一致。在圖像坐標(biāo)系中，我們通常選其左上角為原點

2、，cc在該坐標(biāo)下的坐標(biāo)就是matlab給出的仿真值。Reproject：再投影，指利用標(biāo)定的攝像機參數(shù)，將網(wǎng)格點（物點）重新投影在各個像面上，得到的新圖像。2.Reprojection Error:再投影誤差，即上述投影結(jié)果與原像面上各柵格點的誤差。Matlab中利用不同的顏色來區(qū)分不同的圖像幀。3.Recomp.corners:重新計算特定圖像的角點（用不同的窗口尺寸）。攝像機標(biāo)定問題的探討(2012-02-29 07:42:01) HYPERLINK javascript:; 轉(zhuǎn)載 HYPERLINK /demo_c441_i92176.html /demo_c441_i92176.htm

3、l1.用matlab標(biāo)定出來的結(jié)果為什么焦距有兩個值采用matlab攝像機標(biāo)定工具箱標(biāo)出來的焦距值有兩個，它對應(yīng)于像素在x、y兩個方向的尺寸大小不一致的情況。本來,從絕對尺寸來說，攝像機的焦距只應(yīng)該有一個。但若用像素個數(shù)來表示時，問題會有所不同。假定焦距為fmm，若像素水平尺寸為dx mm,垂直尺寸為dy mm ，則焦距f在水平方向的像素個數(shù)就是f/dx，垂直方向像素個數(shù)就是f/dy，顯然二者是不同的。2.若知道像點位移，如何推知物點位移？假設(shè)原圖像大小為a(mm)*b(mm)，像素數(shù)為a1*b1，則每個像素大小為：(a/a1)*(b/b1)。(1)那么實際焦距值：fcr1=fc1*(a/a1

4、)，fcr2=fc2*(b/b1)。(2)有了此焦距值，就可以根據(jù)對像點位移的要求來推知物點的位移。具體推法為：像點位移Ix / fcr1 = 物點位移Ox / 物距，(3)像點位移Iy / fcr2 = 物點位移Oy / 物距。(4)由于物距可以控制，故得：物點位移Ox=物距*(像點位移Ix / fcr1)，(5)物點位移Oy=物距*(像點位移Iy / fcr2)。(6)注：（1）Ix,Iy為絕對像點位移尺寸，若表示成像素個數(shù)(Nx,Ny)則為：Ix=Nx*(a/a1), Iy=Ny*(b/b1)；(7)將式(7)和(2)代入到式(5)、(6)中可得：物點位移Ox=物距*(像點像素數(shù)Nx /

5、 X方向焦距像素數(shù)即MATLAB標(biāo)定輸出值fc1)，(8)物點位移Oy=物距*(像點像素數(shù)Ny / Y方向焦距像素數(shù)即MATLAB標(biāo)定輸出值fc2)。 (9)（2）原圖像絕對尺寸大小可通過photoshop來看。3.若知道像點旋轉(zhuǎn)量，如何推知物點旋轉(zhuǎn)量像面上弧長LI=r,(10)物面上弧長LO=R,(11)又：r/R=f/OD(12)故：LO=(R/r)LI=(OD/f)LI(13)注：LO為物面上的弧長，LI為像面上的弧長，OD為物距，f為焦距4.攝像機內(nèi)參數(shù)（intrinsic parameters）及其定義（1）內(nèi)參數(shù)焦距（Focal length）:以像素表示，存儲在2*1矢量fc中；

6、主點（Pricipal point）:主點坐標(biāo)存儲在2*1矢量cc中；傾斜系數(shù)（Skew coefficient）:x與y像素軸的夾角，存儲在標(biāo)量alpha_c中；畸變（Distortion）:圖像畸變系數(shù)（徑向和切向畸變），存儲在5*1矢量kc中。（2）定義 (根據(jù)camera calibration toolbox for matlab幫助翻譯)假設(shè)P是攝像機參照系坐標(biāo)矢量XXc=Xc;Yc;Zc空間中的一個點，現(xiàn)在根據(jù)內(nèi)參數(shù)(fc,cc,alpha_c,kc) 把該點投影在像面上。設(shè)xn為XXc歸一化的針孔圖像投影：xn=Xc/Zc,Yc/Zc(colum)=x,y(colum)。此處讓

7、r2=x2+y2?？紤]到透鏡畸變以后，新的歸一化點坐標(biāo)xd被定義如下：xd=xd(1),xd(2)(column)=(1+kc(1)r2+kc(2)r4+kc(5)r6)xn+dxdx是切向畸變矢量，dx=2kc(3)xy+kc(4)(r2+2x2),kc(3)(r2+2y2)+2kc(4)xy（column）.此處5元素矢量kc同時包含了徑向和切向畸變系數(shù)。注意到第六階徑向畸變項的系數(shù)是矢量kc的第5個分量。值得注意的是上述畸變模型首次由Brown于1966年引入，稱作“Blum Bob”模型（徑向多項式+“薄棱鏡”）。切向畸變來源于復(fù)合透鏡的“decentering”或不完美的透鏡元件中心

8、以及其他制造缺陷。一旦考慮了畸變，P在像面上的投影坐標(biāo)x_pixel=xp;yp即為：xp=fc(1)(xd(1)+alpha_c*xd(2)+cc(1)yp=fc(2)xd(2)+cc(2)一般的標(biāo)定過程：選擇圖像讀取方式（標(biāo)準(zhǔn)，還是一副一副的讀），如果選擇一次性將文件讀入內(nèi)存，則在后面輸入文件基本名稱和文件格式后，不需要再點ReadImage.一般直接選擇標(biāo)準(zhǔn)方式即可。1，進入standard vision，選擇Image names，在Matlab命令窗口中，輸入圖像的基本名，如calL，程序自動提取文件名為calL1,calL2.的 圖像。再輸入圖像格式，按照給出的提示，輸入相應(yīng)的字母

9、即可。2，在得到所有的標(biāo)定圖像后，可以點擊在Extract grid corners，下面需要手動標(biāo)記出角點的范圍，程序會在范圍內(nèi)精確確定角點的位置。這里需要注意的是，由于標(biāo)定圖像較多，往往會有手誤，將范圍標(biāo)錯，這時程序會提示，重新輸入標(biāo)定塊個數(shù)，并可以通過對焦距或Kc（畸變參數(shù)）進行預(yù)估，來調(diào)整范圍。這邊對焦距和畸變參數(shù)的估計，只是用來調(diào)整角點范圍，不會對標(biāo)定結(jié)果存在影響。這邊Kc=-1,1，可以重復(fù)幾次來獲得正確的范圍，最終得到正確的角點坐標(biāo)。3，當(dāng)所有的角點被正確提取后，點擊Calibration,就可以的到相機的各個參數(shù)。4，反投影誤差：通過上述三個步驟，就獲得了標(biāo)定信息。對結(jié)果的一些

10、可視化的工作，該軟件也做得很好。首先，可以通過reproject on images，得到根據(jù)當(dāng)前標(biāo)定結(jié)果得到的反投影誤差，從點云的聚集情況和分散的最大范圍可以看出反投影誤差的大小。還可以對每幅圖像的角點進行反向投影，可以看到反向投影點與原角點位置的偏差，根據(jù)這些可以對標(biāo)定結(jié)果的誤差和可信度有個簡單的判斷。對于反投影誤差較大的情況，往往是由于角點提取不正確造成的，然后可以通過重新計算來優(yōu)化結(jié)果。5，Recomp. corners選項，主要完成根據(jù)反向投影得到的角點坐標(biāo)重作為對角點的估計，重新計算角點的功能。針對第一次標(biāo)定結(jié)果誤差太大的情況，可以通過此方法重新計算焦點。計算完成后，點擊Calib

11、ration根據(jù)新的焦點進行標(biāo)定。此時，得到的標(biāo)定信息，比第一次得到的反投影誤差分布更集中，直徑也小。但是該步驟在標(biāo)定過程中不被推薦，因為往往首次得到的三維坐標(biāo)精確度并不高，如果參考誤差較大的信息的話，有可能使結(jié)果與正解偏差更大。6，這個時候可以點擊Analyse errs,通過選取反投影誤差點的位置，在命令窗口中給出選中誤差點對應(yīng)的圖像幅數(shù)，焦點順序號，在標(biāo)定板中的位置和反投影得到的位置以及x,y方向的誤差值等信息。7，相關(guān)的可視化工具還有Show Extrinsic，可以看到相機與標(biāo)定板的位置關(guān)系。8，另外的一些輔助功能如保存標(biāo)定結(jié)果，去除某幅圖像等，都可以方便的使用。第一次校準(zhǔn)的例子角落

12、提取、校準(zhǔn)、附加tools.This部分需要您完成一個完整的校準(zhǔn)的例子基于共有20(25)的圖像平面棋盤。這個例子可以讓你學(xué)習(xí)如何使用工具箱的特點:加載標(biāo)定圖像,提取圖像的角落,主要校準(zhǔn)引擎運行,顯示結(jié)果,控制精度、添加和抑制圖像,undistorting圖像, 以不同的格式輸出校準(zhǔn)數(shù)據(jù)這個例子是強烈推薦對那些剛剛開始使用工具箱。下載突然calib_example校準(zhǔn)圖片。(4461 kb壓縮)或一個接一個地和存儲20名為calib_example圖像到一個獨立的文件夾。在matlab中,示例文件夾calib_example包含圖像?？磮D片:一二點擊Image names按鈕在 Camera

13、calibration tool窗口名稱。進入basename校準(zhǔn)圖像(圖像)和圖像格式(tif)。所有圖片(20)然后加載在內(nèi)存中(通過命令讀取圖片自動執(zhí)行)變量I_1,I_2,圖像存儲在變量的數(shù)量n_ima(= 20)。matlab窗口應(yīng)該是這樣的:全套的圖片也是縮略圖所示格式(這圖片總是可以通過運行棋盤圖再生):如果圖像閱讀時出現(xiàn)內(nèi)存不足錯誤消息,這意味著你的計算機沒有足夠的內(nèi)存來保存的整個圖像在本地內(nèi)存集。這可以很容易地發(fā)生您正在運行的128 mb的工具箱或少筆記本。在這種情況下,您可以直接切換到內(nèi)存的有效版本工具箱通過運行calib_gui并選擇內(nèi)存操作的有效模式。剩下的步驟校準(zhǔn)(網(wǎng)

14、格角落提取和校準(zhǔn))是一樣的。注意,在內(nèi)存中有效模式,顯示的縮略圖不是自校準(zhǔn)圖像不加載。提取網(wǎng)格角落:三點擊Extract geird corners提取網(wǎng)格角落按鈕在相機校準(zhǔn)工具窗口Camera calibration tool。按“enter”(一個空參數(shù))選擇了所有的圖片(否則,你將會進入一個圖像索引列表像2 5 8 10 12提取的圖像)的一個子集。然后,選擇默認的窗口大小角落儀:wintx = winty = 5按“enter”與空參數(shù)wintx winty問題。這導(dǎo)致的一個有效窗口大小11 x11像素。你是否使用自動平方計算機制，或者使用自己手動輸入的平方。角落提取引擎包含一個自動機

15、制,計算網(wǎng)格中的格子的數(shù)量。這個工具是專門方便在處理大量圖像自用戶不必手動輸入方塊的數(shù)量在這兩種模式的x和y方向。然而在一些非常罕見的情況下,這段代碼可能不正確預(yù)測數(shù)量的方塊。這通常發(fā)生在校準(zhǔn)鏡頭與極端扭曲。此時在角落里提取程序,程序給出了選擇用戶禁用自動平方計算代碼。在那個特殊的模式下,用戶將被提示為每平方數(shù)的像素。在這個示例中,它是完全適當(dāng)?shù)睦^續(xù)工作在默認模式(即自動平方計算激活),因此,只需按下“輸入Enter”與一個空參數(shù)。(注:一般建議先使用在這個角落里提取代碼默認模式,然后,如果需要,目錄“問題”的一些圖片)第一校正圖像被顯示在圖2:點擊四個極端角落矩形棋盤狀圖案。點擊位置顯示在四

16、個數(shù)字(警告:嘗試單擊四角上的準(zhǔn)確,最多5像素的角落。否則會錯過一些角落探測器)。點擊排序規(guī)則:第一個點擊點選擇有關(guān)的起源點參考框架連接到網(wǎng)格。其他三個點的矩形網(wǎng)格可以在任何順序點擊。這點規(guī)則尤為重要如果你需要調(diào)整外部多個攝像頭(即計算幾個相機在空間的相對位置)。在處理多個攝像頭,同樣的網(wǎng)格模式需要不斷選擇參考系不同相機圖像(即網(wǎng)格點需要在對應(yīng)不同的相機視圖)。例如,它是一個立體標(biāo)定工具箱stereo_gui運行要求。(試著幫助stereo_gui和訪問第五校準(zhǔn)示例頁面獲取更多信息)。校準(zhǔn)的邊界網(wǎng)格如圖2所示:輸入X和Y的dX和dY大小網(wǎng)格中的每平方(在這種情況下,dX = dY = 30毫米

17、=默認值):注意,您就可以按下“輸入Enter”與一個空參數(shù)選擇默認值。程序自動計算方塊的數(shù)量在這兩個維度,并顯示預(yù)測的網(wǎng)格無失真角落:如果預(yù)測角落接近真實圖像的角落,然后下面的步驟可以跳過(如果圖像失真并不多)。這就是現(xiàn)在的形象:在預(yù)測的角落是足夠接近真實圖像的角落。因此,沒有必要“help幫助”軟件來檢測圖像角落通過輸入猜測徑的向畸變radial distortion系數(shù)。按“輸入Enter”,自動提取使用這些角落位置作為初始猜測。然后自動提取圖像的角落,并顯示在圖3(角點周圍的藍色方塊顯示角的限制finder檢測窗口):角落里提取的精度約為0.1像素。遵循相同的過程,第二,第三,14號圖

18、像。例如,下面是圖2的檢測到角落,3、4、5、6和7:觀察廣場維度dX,dY總是保持其原始值(30毫米)。有時候,預(yù)測角落不足夠接近真實圖像角落時允許一個有效的提取。在這種情況下,有必要完善預(yù)測角落通過輸入透鏡畸變系數(shù)的猜測。這種情況發(fā)生在15形象。圖片,預(yù)測的角落:觀察到的一些預(yù)測足夠遠的角落在網(wǎng)格內(nèi)的實際網(wǎng)格角落結(jié)果到錯誤。原因:圖像失真。為了幫助系統(tǒng)做一個更好的猜測角落位置,用戶是自由的手動輸入猜測的一級透鏡畸變系數(shù)kc(準(zhǔn)確地說,它是第一個條目的畸變系數(shù)向量kc描述在這個頁面)。為了輸入猜測透鏡畸變系數(shù),輸入一個非空字符串失真的問題需要一個初始猜測值?(例如1)。輸入然后kc畸變系數(shù)=

19、 -0.3(實際上,這通常是介于1和1)。使用提供的迭代的次數(shù)使用提供的焦點估計焦點心 像素猜測的失真因子kc失真滿意嗎？根據(jù)這一扭曲,新的預(yù)測角落位置是:如果新的預(yù)測角落是足夠接近真實圖像角落(這是這里的情況),輸入任何非空字符串(如1)失真問題滿意嗎?。亞像素角位置然后計算使用新的預(yù)測位置與圖像失真)(初始猜測:如果我們不滿意,我們將會進入一個空字符串問題滿意失真?(通過直接按下“輸入”),然后嘗試一個新的失真系數(shù)kc。你可以任意多次重復(fù)這個過程,直到滿意的預(yù)測(注:扭曲的值用在那個階段只是用來幫助角落提取和不會影響下一個主要的校準(zhǔn)步驟。換句話說,既不使用這些值作為最后的畸變系數(shù),也用作真

20、正的初始猜測畸變系數(shù)估計通過校準(zhǔn)優(yōu)化階段)。最后發(fā)現(xiàn)角落是圖3所示:其余5上重復(fù)相同的過程圖片(16 - 20)。然而,在這些圖像不使用預(yù)測失真選項,即使提取的角落不是完全正確。在接下來的步驟中,我們將改正(在這個例子中,我們可以沒有這個選項用于圖像15,但那是相當(dāng)有用的插圖)。角落里提取后,calib_data matlab數(shù)據(jù)文件。 墊是自動生成的。這個文件包含所有的信息聚集在角落里提取階段(圖像坐標(biāo),相應(yīng)的3 d網(wǎng)格坐標(biāo)、網(wǎng)格大小,)。這個文件僅在緊急情況下,當(dāng)創(chuàng)建例如matlab突然終止之前儲蓄。加載這個文件會阻止你不得不再次單擊圖像。在自己的校準(zhǔn),當(dāng)有大量的失真圖像中,該計劃可能無法

21、自動計算網(wǎng)格中的格子的數(shù)量。在這種情況下,在X和Y方向的數(shù)量必須手動輸入。這不應(yīng)該發(fā)生在這個目前的例子。另一個問題可能出現(xiàn)在執(zhí)行自己的校準(zhǔn)。如果透鏡扭曲真的太嚴重(例如對魚眼鏡頭),基于一個簡單的指導(dǎo)工具畸變系數(shù)kc可能不足以提供足夠好的初始猜測角落的位置。對于一些困難的情況下,腳本程序包括在工具箱,允許完全手冊角落提取(即每個角落一個點擊)。該腳本文件稱為manual_corner_extraction。 (在內(nèi)存中有效的模式,您應(yīng)該使用manual_corner_extraction_no_read。 m)后,應(yīng)該執(zhí)行傳統(tǒng)的角落extaction代碼(腳本依賴數(shù)據(jù),計算了傳統(tǒng)的角落里提取代

22、碼平方計算,網(wǎng)格的大小,點,即使角落本身被錯誤檢測到)。顯然,這角落里提取方法可能非常耗時的應(yīng)用在很多圖像。因此建議使用它作為最后的手段,當(dāng)一切都失敗了。大多數(shù)用戶應(yīng)該永遠不必擔(dān)心這個問題,也不可能在這個禮物校準(zhǔn)的例子。主要校準(zhǔn)步驟:角落里提取后,四點擊Calibration按鈕校準(zhǔn)相機校準(zhǔn)工具運行主相機的標(biāo)定過程。校準(zhǔn)完成兩個步驟:首先初始化,然后非線性優(yōu)化。初始化步驟計算封閉的解基于校準(zhǔn)參數(shù)不包括任何透鏡畸變(項目名稱:init_calib_param.m)。非線性優(yōu)化步驟最小化總reprojection誤差(最小二乘意義上的)所有校準(zhǔn)參數(shù)(9自由度內(nèi)在:焦點,主要觀點,畸變系數(shù),和6 *

23、 20自由度外在= 129參數(shù))。校準(zhǔn)參數(shù)的完整描述,點擊該鏈接。優(yōu)化是通過與一個顯式迭代梯度下降(封閉)計算雅可比矩陣(項目名稱:go_calib_optim.m)。校準(zhǔn)參數(shù)存儲在一個變量的數(shù)量。一個完整的描述,訪問這個頁面。注意,傾斜系數(shù)alpha_c和第六階徑向畸變系數(shù)(kc)的最后一項沒有估計(這是默認模式)。因此,x和y像素軸之間的角度是90度。在大多數(shù)實際情況下,這是一個很好的假設(shè)。但是,后來,引入斜alpha_c系數(shù)的優(yōu)化將會呈現(xiàn)。觀察到只有11梯度下降迭代需要以達到最低。這意味著只有11 reprojection函數(shù)的評估+雅可比行列式計算和反演?？焖偈諗康脑蚴浅跏疾聹y的質(zhì)量

24、計算的參數(shù)初始化過程。現(xiàn)在,忽略系統(tǒng)的建議,以減少失真模型。reprojection錯誤仍然太大做出判斷模型的復(fù)雜性。這主要是因為一些網(wǎng)格的角落并不是很精確提取的圖像。五點擊Reproject on images在攝像機圖像校準(zhǔn)工具顯示網(wǎng)格的reprojections到原始圖像。這些預(yù)測是基于當(dāng)前的內(nèi)在和外在的參數(shù)計算。輸入一個空字符串(只要按“輸入Enter”) Number(s) of image(s) to show ( = all images)問題的數(shù)量(s)的圖像(s)顯示(=所有圖片)表明你想顯示所有圖片:下圖顯示了前四個圖像(紅色十字架)檢測到角落和reprojected網(wǎng)格角

25、落(圈)。reprojection錯誤也是彩色編碼的形式跨越所示:為了退出錯誤分析工具,右鍵單擊任何一個圖(稍后您可以了解使用該選項)。六點擊Show Extrinsic顯示外在相機校準(zhǔn)工具。外在的參數(shù)(網(wǎng)格的相對位置對相機)然后一種3 d圖所示:在這個圖中,框架(Xc Oc,Yc,佐)相機參考系。紅色金字塔對應(yīng)的有效視場相機像平面定義的。從“camera-centered”視圖切換到“world-centered”視圖,只需七點擊Switch to world-centered view切換到world-centered視圖按鈕位于圖的左下角時。在這個新的圖,每個攝像機的位置和方向是由綠色金

26、字塔表示。另一個點擊Switch to camera-centered view切換到camera-centered視圖按鈕將圖回“camera-centered”情節(jié)。回顧錯誤情節(jié),注意reprojection誤差非常大在大量的數(shù)據(jù)。的原因是,我們沒有做得非常小心在一些高度扭曲的圖像提取角(一份更好的工作,也可以做使用預(yù)測失真選項)。然而,現(xiàn)在我們可以糾正,通過重新計算圖像角落自動對所有圖像。這里是要做:按八Recomp。corners按鈕在主相機校準(zhǔn)工具,選擇再次一個角落finder窗口大小wintx = winty = 5wintx = winty = 5(缺省值):問題的數(shù)量(s)的圖

27、像(s)處理(=所有圖片) Number(s) of image(s) to process ( = all images)按“輸入enter”與一個空參數(shù)重新計算的角落的所有圖像。輸入提取的模式:自動模式(汽車)使用re-projected電網(wǎng)作為初始猜測角落的位置,手動模式允許用戶手動提取角(傳統(tǒng)的角落里提取方法)。在目前的情況下,reprojected網(wǎng)格點非常接近實際圖像的角落。因此,我們選擇自動模式:按下“輸入”與一個空字符串。所有圖片的角落然后重新計算。matlab窗口應(yīng)該看起來像:運行另一個校準(zhǔn)優(yōu)化通過九點擊校準(zhǔn): Calibration觀察到只有6個迭代收斂是必要的,而沒有執(zhí)行

28、初始化步驟(優(yōu)化從以前的校準(zhǔn)結(jié)果)。0.12668和0.12604這兩個值的標(biāo)準(zhǔn)偏差是reprojection錯誤(像素)分別在x和y方向。 觀察到的不確定性也校準(zhǔn)參數(shù)估計。數(shù)值是大約三倍標(biāo)準(zhǔn)差。優(yōu)化后,單擊十Save保存校準(zhǔn)結(jié)果(內(nèi)在和外在)Calib_Results.mat matlab文件校準(zhǔn)參數(shù)的完整描述,點擊該鏈接。再次十一點擊Reproject Reproject網(wǎng)格到原始圖像校準(zhǔn)圖片。 一分之四的圖像看起來像:十二點擊Analyse error分析錯誤觀點新reprojection錯誤(觀察錯誤比以前小得多):后右鍵單擊錯誤圖(退出誤差分析工具),十三點擊Show Extrins

29、ic顯示外在展示新的3 d網(wǎng)格對相機的位置:一個簡單的十四點擊Switch to world-centered view切換到world-centered視圖按鈕改變圖: 工具允許您檢查分析錯誤點對應(yīng)于大錯誤。十五點擊Analyse error分析錯誤并單擊圖地區(qū)(右上角圖角落)所示:點擊后,下面的信息出現(xiàn)在主Matlab窗口:這意味著對應(yīng)點在圖像18日在網(wǎng)格坐標(biāo)(0,0)校準(zhǔn)網(wǎng)格(模式)的起源。下圖顯示了一個近距離的點的標(biāo)定圖像(之前退出錯誤檢查工具在任何地方點擊鼠標(biāo)右鍵在圖):錯誤檢查工具是非常有用的在角落已經(jīng)被嚴重的情況下提取一個或多個圖像。在這種情況下,用戶可以重新計算的特定圖像使用不

30、同的窗口大小(更大或更小)。例如,讓我們重新計算圖像角落使用窗口大小(wintx = winty = 9)為所有20個圖像除了圖像20(使用wintx = winty = 5),圖片5,7,819(使用wintx = winty = 7)和圖像18(使用wintx = winty = 8)。角落的提取應(yīng)該執(zhí)行Recomp三個。的角落。在第一次調(diào)用Recomp。角落,選擇wintx = winty = 9,選擇過程圖片1、2、3、4、6、9、10、11、12、13、14、15、16和17,并選擇自動模式(reprojections已經(jīng)非常接近實際圖像角落):在第二個調(diào)用Recomp。角落里,選擇

31、wintx = winty = 8,再次選擇處理圖像18和選擇自動模式:在第三個Recomp的召喚。角落,選擇wintx = winty = 7,選擇過程圖片5,7,8和19再次并選擇自動模式:再次通過點擊校準(zhǔn):觀察到reprojection錯誤(0.11689,0.11500)比上次略小。 此外,觀察到校準(zhǔn)參數(shù)的不確定性也較小。檢查錯誤十五點擊Analyse error:分析錯誤:讓我們看看前面的圖像18點利息,在網(wǎng)格坐標(biāo)校準(zhǔn)網(wǎng)格(0,0)。圖片上,十六點擊Reproject on images。選擇只顯示圖像18(當(dāng)然,在那之前,你必須退出錯誤檢查工具中的right-cliking窗口):

32、關(guān)閉視圖在興趣點(圖18)顯示了一個小reprojection錯誤:再次十六點擊save保存,保存校準(zhǔn)結(jié)果(內(nèi)在和外在)Calib_Results.mat matlab文件觀察到前面的校準(zhǔn)結(jié)果文件復(fù)制Calib_Results_old0之下。(以防以后你想使用它)。立即下載Image21五個額外的圖像。tif,Image22。 tif,Image23。 tif,Image24。 Image25。相機使用完整的25張圖片沒有重新計算一切從頭開始。將五個額外的圖片保存在當(dāng)前目錄后,點擊Read images閱讀圖像閱讀完整的新的圖片:顯示縮略圖圖像的標(biāo)定圖像,運行mosaic (如果您正在運行在內(nèi)

33、存中有效模式,運行mosaic_no_read相反)。點擊Extract grid corners提取網(wǎng)格角落提取五個新圖像的角落,用默認窗口大小wintx = winty = 5:和繼續(xù)傳統(tǒng)的角落里提取5個圖片。之后,運行另一個優(yōu)化通過點擊Calibration校準(zhǔn):接下來,再計算圖像的四個角落最后圖像使用不同的窗口大小。使用wintx = winty = 9圖像22號和24號,使用wintx = winty = 8圖像23日和使用wintx = winty = 6圖片25。 遵循相同的過程正如前面介紹(三個Recomp調(diào)用。角落應(yīng)該足夠)。重新計算后,再次運行Calibration校準(zhǔn):再

34、次點擊Save保存,保存校準(zhǔn)結(jié)果(內(nèi)在和外在)Calib_Results.mat matlab文件作為練習(xí),調(diào)整基于所有圖片,除了圖片16,18,19,24和25 (即在一套新的20校準(zhǔn)圖像)。點擊添加/抑制圖像。Add/Suppress images輸入的圖像列表抑制(16 18 19 24 25):點擊Calibration校準(zhǔn)調(diào)整:由用戶使用函數(shù)Add/Suppress images添加/抑制圖像激活或取消圖片。實際上,這個函數(shù)僅僅更新二進制向量active_images零設(shè)置為靜態(tài)圖像,和活躍的圖像。接下來,加載之前舊的校準(zhǔn)結(jié)果保存在Calib_Results?？赏ㄟ^點擊load加載:

35、設(shè)置現(xiàn)在回到以前supressing 5圖片16,18、19、24和25。 現(xiàn)在讓我們運行一個校準(zhǔn)包括傾斜因子alpha_c描述x和y像素軸之間的角度。為此,設(shè)置變量est_alpha(在matlab提示)。作為練習(xí),讓我們適應(yīng)徑向畸變模型6(到目前為止,這是第四階,與切向畸變)。為此,設(shè)置的最后一項向量est_dist一:然后,運行一個新的校準(zhǔn)通過點擊校準(zhǔn):觀察到優(yōu)化后,傾斜系數(shù)非常接近于零(alpha_c = 0.00042)。這導(dǎo)致x和y像素軸之間的角度非常接近90華氏度(89.976攝氏度)。這證明了前面的假設(shè)矩形像素(alpha_c = 0)。此外,注意到第六階徑向畸變系數(shù)的不確定性

36、是非常大的(不確定性比系數(shù)的絕對值大得多)。在這種情況下,最好禁用它的估計。在這種情況下,設(shè)置est_dist的最后一項為零:然后,運行校準(zhǔn)再次點擊Calibration校準(zhǔn):判斷校準(zhǔn)的結(jié)果令人滿意,讓我們通過點擊Svae保存:保存save當(dāng)前校準(zhǔn)參數(shù)為了決定使用適當(dāng)?shù)幕兡Ｐ?它有時是非常有用的可視化像素圖像扭曲的影響,和徑向分量和切向分量的重要性的扭曲。為此,在matlab運行腳本visualize_distortions提示(這個函數(shù)還沒有與任何按鈕在GUI窗口)。這三個圖片然后產(chǎn)生:第一個圖中顯示完整的畸變模型的影響(徑向+切線)圖像的每個像素。每個箭頭表示一個像素的有效位移由透鏡畸變

37、引起的。觀察到在圖像的角點流離失所多達25個像素。第二個圖中顯示的切向分量失真的影響。在這個情節(jié),誘導(dǎo)最大位移是0.14像素(圖像的左上角)。第三個圖中顯示的徑向分量失真的影響。這個情節(jié)非常類似于完整的變形圖,顯示了切向分量很可能被丟棄在完整的變形模型。三位數(shù),十字架表示圖像的中心,圈主點的位置。現(xiàn)在,就像一個練習(xí)在練習(xí)(不推薦),讓我們運行一個優(yōu)化沒有鏡頭畸變模型(通過執(zhí)行kc =(0,0,0,0,0),沒有寬高比(通過執(zhí)行組件的fc相等)。,設(shè)置二進制變量est_dist(0,0,0,0,0)和est_aspect_ratio 0在matlab提示:然后,運行一個新的優(yōu)化通過點擊校準(zhǔn):正如

38、所料,變形系數(shù)向量kc現(xiàn)在是零,和這兩個組件的焦點向量相等(fc(1)= fc(2)。在實踐中,這個模型校準(zhǔn)不建議:首先,它毫無意義估計沒有長寬比傾斜。一般來說,除非一個特定的目標(biāo)所要求的應(yīng)用,建議總是估計模型中的寬高比(它是容易的部分)。對于畸變模型,人們經(jīng)常運行優(yōu)化畸變系數(shù)的一個子集。例如,設(shè)置est_dist(1;0,0,0)保持估計第一個畸變系數(shù)kc(1)而執(zhí)行三人為零。這個模型也稱為二階對稱徑向畸變模型。這是一個非常可行的模型,特別是當(dāng)使用低畸變光學(xué)系統(tǒng)(昂貴的鏡頭),或者當(dāng)只有少數(shù)圖像用于校準(zhǔn)。另一個非常常見的畸變模型是第四階對稱徑向畸變無切向分量(est_kc =1;1、0、0)

39、。這個模型中,所使用的,是有道理的,因為大多數(shù)鏡頭目前生產(chǎn)沒有缺陷在定心(更多信息,請訪問這個頁面)。這個模型很可能被使用在這個目前的例子中,回憶的前三個數(shù)字畸變模型的切向分量顯著較小的徑向組件。最后,讓我們運行一個校準(zhǔn)拒絕長寬比fc(2)/ fc(1),校長cc,畸變系數(shù)kc,傾斜系數(shù)alpha_c優(yōu)化估計。為此,設(shè)置四個二進制變量,center_optim,est_dist和est_alpha以下值:一般來說,如果主要的一點是不估計,其位置的最佳猜測圖像的中心:然后,運行一個新的優(yōu)化通過點擊Calibration校準(zhǔn):觀察到的主要點cc仍在優(yōu)化后的圖像的中心(因為center_optim = 0)。接下來,加載之前舊的校準(zhǔn)結(jié)果它保存在Calib_Results.mat,通過點擊Load加載:額外的功能包括在標(biāo)定工具箱:Computation of extrinsic parameters only:非