過程 ora 希望 .cn href 標準 www. solid http

通過前面的相機標定，我們能夠獲得一些參數模型。但是這些相機的參數矩陣到底是什麽意思？怎樣才能夠判斷是否正確？誤差都會來自哪裏？這裏就必須要通過具體實驗來加深認識。采集帶相機參數的圖片具有一定難度，幸好我之前有著不錯的積累—這裏一共有兩款數據集，一款來自《OpenCV計算機視覺編程攻略》第3版，家裏面好像還有一款微單可以進行采集，這樣我們可以進行交叉比對，看一看獲得的參數是否符合實際情況：
數據集1 來自《OpenCV計算機視覺編程攻略》第3版 數據集2來自家中“國民床單”既然是做實驗，我想初步計劃一下。首先是要明確我能夠獲得那些東西？然後是比較這些東西是否真的像書上說的那樣符合實際？然後我會添加一些幹擾，看一看在有錯誤數據的情況，這些東西如何變化？最後是一個小結。1、明確我能夠獲得那些東西？通過前面的代碼，我們大概是準備獲得這樣的東西：<?xml version="1.0"?>
<opencv_storage>
<Intrinsic type_id="opencv-matrix">
<rows>3</rows>
<cols>3</cols>
<dt>d</dt>
<data>
1.3589305122261344e+003 0. 5.7505355544729957e+002
0. 1.3565816672769690e+003 6.0423226535731465e

+002
0. 0. 1.
</data>
</Intrinsic>

<Distortion type_id="opencv-matrix">
<rows>1</rows>
<cols>14</cols>
<dt>d</dt>
<data>
9.5113243912423840e+001 1.4262144540955842e+003
5.2119492051277685e-003 2.8847713358900241e-003
1.2859720255043484e+002 9.5182218776001392e

+001
1.4741397414456521e+003 6.8332022963370434e+002 0. 0. 0. 0. 0. 0.</data></Distortion>
</opencv_storage>
從結果上看，我將獲得這兩個矩陣。前面那個是相機內參矩陣，後面那個是外參數。那麽在一組圖片中，內參肯定是不變的；後面外參肯定是變化的。但是這裏也有很多疑問。

那麽具體來看結果，對於第一組圖片來說，我們獲得的結果為：<?xml version="1.0"?>
<opencv_storage>
<Intrinsic type_id="opencv-matrix">
<rows>3</rows>
<cols>3</cols>
<dt>d</dt>
<data>
4.0927176647992695e+002 0. 2.3724719115090161e+002 0. 4.0870629848642727e+002 1.7128731207874495e+002 0. 0. 1. </data></Intrinsic>
<Distortion type_id="opencv-matrix">
<rows>1</rows>
<cols>14</cols>
<dt>d</dt>
<data>
1.8631118716959048e+001 -5.0639175384902096e+001
-5.2453807582033300e-003 -9.2620440694993842e-003
5.2367454865598742e+000 1.9002289932447418e+001
-4.8948501055979285e+001 -6.5115263545215851e-001 0. 0. 0. 0. 0. 0.</data></Distortion>
</opencv_storage>
<?xml version="1.0"?>
<opencv_storage>
<Intrinsic type_id="opencv-matrix">
<rows>3</rows>
<cols>3</cols>
<dt>d</dt>
<data>
3.9136489375791234e+003 0. 2.6879080836687035e+003 0. 3.9811430968074164e+003 1.9454067884808153e+003 0. 0. 1. </data></Intrinsic>
<Distortion type_id="opencv-matrix">
<rows>1</rows>
<cols>14</cols>
<dt>d</dt>
<data>
2.5259392493942739e-002 -3.2418875955674309e-001
3.6376246418718853e-004 3.2526045276898190e-003
-8.1692713459156296e-002 2.5694845194956913e-002
4.7826938999253371e-001 -1.3315729771950511e+000 0. 0. 0. 0. 0. 0.</data></Distortion>
</opencv_storage>
對於第二組圖片來說：
2、這些東西是否真的像書上說的那樣符合實際？
對於第一套圖片來說，看它的內參矩陣：<data>
4.0927176647992695e+002 0. 2.3724719115090161e+002
0. 4.0870629848642727e+002 1.7128731207874495e+002
0. 0. 1.
</data>
解析一下，fx = fy = 409 ；U0=237 V0 = 171，這個是代碼計算值。從實際情況上來看，標準中間為 268,178，這個和237,171是比較符合的。
對於其它信息

這個焦距和我們計算出來的東西差距較大，如何比對？進一步研究，獲得這個相機的參數：
可以獲得，它的傳感器尺寸為23.5mm X 15.7mm,那麽像素寬度分別為0.0438（=23.5/536）和0.044,反過來算焦距為17.9，這個比較接近。
書中給出的資料肯定是自己選擇過的，那麽我們自己重新采集一套圖片來說，那麽它的固有參數為：

獲得的結果：
<data>
3.9136489375791234e+003 0. 2.6879080836687035e+003
0. 3.9811430968074164e+003 1.9454067884808153e+003
0. 0. 1.
</data>
翻譯一下，fx = 3913.6 fy=3981.1 U0=2687.9 V0=1945.4先看U V，5456/2 = 2728 3632/2=1816，這樣的話，差距在1.5%，這個差距看上去比較大，但是相對值比書中提供的數據要小。而對於焦距來說，像素寬度分別為0.00425（=23.2/5456）和0.0386算出來焦距為16.64和16.88，這個和16的差距也是比較合適的。

3、添加一些幹擾，容錯性如何？
最好的方法，是在有固定相機的情況下，重新采集一套圖片，這個對於讀者來說，如果有興趣，可以來做。
4、小結
通過比較，可以發現一下幾個特點：1、書本上采集的圖片，其角度範圍更為廣泛。所以說書上的采集方法對於我們後面做實際采集有指導意義；2、棋盤的大小和最後是否能夠產生良好結果關系不大，所以一個合適大小的棋盤就可以；此外：3、特別是對於視野比較廣的情況，應該優先想出高效解決方法。我認為視場越大，誤差越大；4、對於大照片的處理，本身就是一個比較復雜的問題：因為像素比較高，所以處理起來比較慢；而又不能通過壓縮之類的方法進行預處理，所以會有比較多的問題。目前還有沒有很好解決方法；
此外，你還必須考慮標定的過程中失敗的情況；還必須考慮采用什麽模式能夠讓標定的效果最好。
感謝閱讀至此，希望有所幫助。

來自為知筆記(Wiz)

基於OpenCV做“三維重建”（3）--相機參數矩陣