㈠ 雙目視覺測距原理
單目測距原理：
先通過圖像匹配進行目標識別（各種車型、行人、物體等），再通過目標在圖像中的大小去估算目標距離。這就要求在估算距離之前首先對目標進行准確識別，是汽車還是行人，是貨車、SUV還是小轎車。准確識別是准確估算距離的第一步。要做到這一點，就需要建立並不斷維護一個龐大的樣本特徵資料庫，保證這個資料庫包含待識別目標的全部特徵數據。比如在一些特殊地區，為了專門檢測大型動物，必須先行建立大型動物的資料庫；而對於另外某些區域存在一些非常規車型，也要先將這些車型的特徵數據加入到資料庫中。如果缺乏待識別目標的特徵數據，就會導致系統無法對這些車型、物體、障礙物進行識別，從而也就無法准確估算這些目標的距離。
單/雙目方案的優點與難點
從上面的介紹，單目系統的優勢在於成本較低，對計算資源的要求不高，系統結構相對簡單；缺點是：（1）需要不斷更新和維護一個龐大的樣本資料庫，才能保證系統達到較高的識別率；（2）無法對非標准障礙物進行判斷；（3）距離並非真正意義上的測量，准確度較低。
雙目檢測原理：
通過對兩幅圖像視差的計算，直接對前方景物（圖像所拍攝到的范圍）進行距離測量，而無需判斷前方出現的是什麼類型的障礙物。所以對於任何類型的障礙物，都能根據距離信息的變化，進行必要的預警或制動。雙目攝像頭的原理與人眼相似。人眼能夠感知物體的遠近，是由於兩隻眼睛對同一個物體呈現的圖像存在差異，也稱「視差」。物體距離越遠，視差越小；反之，視差越大。視差的大小對應著物體與眼睛之間距離的遠近，這也是3D電影能夠使人有立體層次感知的原因。
上圖中的人和椰子樹，人在前，椰子樹在後，最下方是雙目相機中的成像。其中，右側相機成像中人在樹的左側，左側相機成像中人在樹的右側，這是因為雙目的角度不一樣。再通過對比兩幅圖像就可以知道人眼觀察樹的時候視差小，而觀察人時視差大。因為樹的距離遠，人的距離近。這就是雙目三角測距的原理。雙目系統對目標物體距離感知是一種絕對的測量，而非估算。
理想雙目相機成像模型
根據三角形相似定律：
根據上述推導，要求得空間點P離相機的距離（深度）z，必須知道：
1、相機焦距f，左右相機基線b（可以通過先驗信息或者相機標定得到）。
2、視差 ：，即左相機像素點(xl, yl)和右相機中對應點(xr, yr)的關系，這是雙目視覺的核心問題。
重點來看一下視差（disparity），視差是同一個空間點在兩個相機成像中對應的x坐標的差值，它可以通過編碼成灰度圖來反映出距離的遠近，離鏡頭越近的灰度越亮；
極線約束
對於左圖中的一個像素點，如何確定該點在右圖中的位置？需要在整個圖像中地毯式搜索嗎？當然不用，此時需要用到極線約束。
如上圖所示。O1，O2是兩個相機，P是空間中的一個點，P和兩個相機中心點O1、O2形成了三維空間中的一個平面PO1O2，稱為極平面（Epipolar plane）。極平面和兩幅圖像相交於兩條直線，這兩條直線稱為極線(Epipolar line)。
P在相機O1中的成像點是P1，在相機O2中的成像點是P2，但是P的位置是未知的。我們的目標是：對於左圖的P1點，尋找它在右圖中的對應點P2，這樣就能確定P點的空間位置。
極線約束（Epipolar Constraint）是指當空間點在兩幅圖像上分別成像時，已知左圖投影點p1，那麼對應右圖投影點p2一定在相對於p1的極線上，這樣可以極大的縮小匹配范圍。即P2一定在對應極線上，所以只需要沿著極線搜索便可以找到P1的對應點P2。
㈡ matlab雙目測距中怎樣把攝像機標定後的內外參數和視差圖結合起來計算深度距離
你用的是雙面立體相機配置嗎？如果是，你需要標定左右兩個相機的內部參數，即焦距，像素物理尺寸，還有兩個相機間的三維平移，旋轉量。如果你不做三維重建的話，就不需要得到外部參數。得到相機內部參數，就可以矯正左右兩幅圖像對，然後使用立體匹配演算法得到目標的視差圖像，然後用你得到的，fc,cc參數，用三角法則計算出目標點到相機平面的距離。三角法則：z=f*b/d。f是焦距，b是兩相機間的橫向距離，d是立體匹配得到的視差值，即目標像素點在左右兩相機平面x方向的坐標差值。
㈢ 攝像機標定：怎麼才算標定好了怎麼看標定的精度
相機標定的目的就是要求出相機的內、外參數。
徑向、切向畸變參數有時候一般也算相機內參數，
因此你標定的結果是相機的內參數。即：
Focal Length（焦距）, Principal Point（主點）, Skew（扭曲因子）, Distrotion（畸變）.
這些參數是Heikkil在1997發表的論文中所求的全部內參數。
論文題目： 」A Four-step Camera Calibration Procere with Implicit Image Correction「
如果你用相機做視覺測量，標定出相機內參數就算標定好了。
fc=[ ]？[ ]裡面的內容表示的標定出的焦距和誤差（不確定度）。
比如: fc = [657.30254 ; 657.74391] 和fc_error = [0.28487 ; 0.28937]
你的結果中，其他參數cc,alpha_c,kc表示的也是這樣的意思。
問號前[ ]中內容表示參數，問號後[ ]中內容表示誤差。
多數情況，進行相機標定我們不關心它的外參數。
但是，為了對參數進行優化，則需利用了最小化重投影誤差進行非線性優化。這時就得求解相機的外參數了。
外參數包括平移矢量和旋轉矩陣。
而你給的結果中：
Pixel Error（像素誤差）指的是the standard deviation of the reprojection error (in Pixel) in both x and y directions respectivly（在x和y方向上以像素為單位的重投影誤差的標准差）.
根據優化的准則我們知道，重投影誤差越小，就說相機標定的精度越高。
㈣ 雙目標定後對圖像校正，畸變很大，請問原因是什麼
如果知道圖像，不知道相機還怎麼通過相機來標定畸變？
1、只給定一張圖片可以根據圖像中相關特徵進行標定，比如：圖像中的某個物體具有直線性特點。一般是找出本來應當是直線的物體邊緣，在其上取若干點，根據這些點將圖像中的物體邊緣重新校正為直線。簡單講就是利用： line is straight 這個原理。
2、目前最常用的張正友在1998年提出的一種標定方法，是通過二維標定板（平面標定板），根據小孔成像的原理，通過對 reprojection error 最小化進行非線性優化，來實現對相機的標定。並非根據看似高大上的訓練集來標定。
當然他寫這篇文章的目的不單單是為了校正畸變。畸變參數只是張正友相機標定法所求參數的一部分，即：兩個徑向畸變系數和兩個切向畸變系數。
消除畸變的目的是讓相機盡量地逼近針孔相機模型，這樣相機成像時直線才會保持其直線性。一般常見的畸變校正演算法都是根據這一原理來實現的。
當然，還有二般的情況。比如：圖像中壓根就沒有直線性物體存在。我們該怎麼辦？還能進行標定嗎？
答案是肯定的。可以利用對極約束，對圖像畸變進行標定。不過，這需要至少兩幅圖像，而且這兩幅圖像必須是同一相機在短時間內拍攝得到。
㈤ 標定好的雙目相機是不是不能再移動了
相機標定的目的是確定相機的內外參數。
雙目相機標定也不例外。相機的內參數是相機本身的物理屬性，跟相機本身有關，同時受標定時的溫濕度等外部環境的影響，所以當標定好相機之後防止受外部環境的影響，最好不要亂移動。
這也是為什麼實際應用中，相機使用一段時間之後是要重新進行標定的原因。
㈥ 單目攝像機標定與雙目攝像機標定有什麼區別
兩台攝像機標定是為求旋轉矩陣和平移矩陣，而單目為求相機內參數，目的不同，立體標定重建三維就得需要標定兩個攝像機，標定為了確定內外參數包括畸變等。標定方法一樣，只不過標定了兩次。新手，如理解錯誤可以交流。謝謝！標定可以用MATLAB標定工具箱也可以opencv標定方法多個。
㈦ 如何標定imu和相機之間的平移
標定通過相機的標定得到相機內參和外參和畸變系數。內參矩陣一般用A或者M1表示。內參矩陣含有相機的固有參數（fx，fy，Cx，Cy），fx，fy（單位：像素）與dx，dy（x,y方向一個像素的物理尺寸，單位：毫米/像素）和焦距f（單位：毫米）有關。Cx，Cy為圖像原點相對於光心成像點的縱橫偏移量（單位：像素）。相機坐標系轉圖像坐標系3D恢復外參矩陣一般用[R|T]表示，R表示旋轉矩陣，T為平移矩陣。不同的棋盤圖對應不同的旋轉矩陣和平移矩陣。因為每一副圖像對應的世界坐標系相對應與相機坐標系是不一樣的。世界坐標系轉相機坐標系圖像校正（傾斜，平移）畸變系數一般用[p1,p2,p3,k1,k2]表示，p1,p2,p3是相機的徑向畸變系數，k1,k2是相機的切向畸變系數。圖像矯正（T型畸變，魚眼圖像等）標定步驟拍攝棋盤圖，越多越好，一般10張就可以，10張必須符合所有角點都能檢測到才算合格棋盤圖。標定程序計算並保存相機內參和外參和畸變系數矩陣，運用三個矩陣解決實際問題。只要相機的角度和焦距固定，位置可以移動，那麼內參矩陣和畸變系數是不會改變的。注意：單目標定的外參矩陣，運用只能對應相應的棋盤的世界坐標系。雙目標定可以確定唯一的外參矩陣。坐標系相機坐標系以光心為相機坐標系的原點，以平行於圖像的x和y方向為Xc軸和Yc軸，Zc軸和光軸平行，Xc，Yc，Zc互相垂直，單位是長度單位.圖像物理坐標系可以認為是相機坐標系z軸方向的投影圖。以主光軸和圖像平面交點為坐標原點，注意：不一定是圖像的中心點，根據Cx和Cy知道偏移了多少像素。圖像物理坐標系x和y方向單位是長度單位。圖像坐標系以主光軸和圖像平面交點為坐標原點，x和y方向單位是像素單位。世界坐標系物體在真實世界中的坐標，比如黑白棋盤格的世界坐標系原點定在第一個棋盤格的頂點，Xw，Yw，Zw互相垂直，Zw方向就是垂直於棋盤格面板的方向。可見世界坐標系是隨著物體的大小和位置變化的，單位是長度單位。只要棋盤格的大小決定了，無論板子怎麼動，棋盤格角點坐標一般就不再變動(因為是相對於世界坐標系原點的位置不變)，且認為是Zw=0。
㈧ 雙目視覺標定中如何求視差值呀到底什麼是視差值圖中的m n 如何獲取呀求救。
我一直也有這樣的疑問：我們實驗時，也沒有嚴格把相機按照平行模式或會聚模式放呀，只是手動把兩個相機斜視下方被測物，（Halcon軟體）經過標定，然後在拍攝被測物體，最後測出了任意兩個特徵點的三維坐標，他們的間距和實際測量值一樣（誤差可控），請問什麼平行模式啦等等，到底是為了幹嘛呀？？？？？求解
㈨ 小覓雙目攝像頭具體參數是什麼
線數用攝像機拍攝的影音信號需要在電視上播放時，需要換算成與電視畫質相同的單位。而電視的畫面清晰度是以水平清晰度作為單位。通俗地說，我們可以把電視上的畫面以水平方向分割成很多很多「條」，分得越細，這些畫面就越清楚，而水平線數的數碼就越多。這個單位是「電視行（TVLine）」也稱線。線的數量就稱為線數。線數越多，表明圖象越清晰。(1)影像像素在25萬像素（pixel）左右、彩色解析度為330線、黑白解析度420線左右的低檔型。 (2)影像像素在25萬~38萬之間、彩色解析度為420線、黑白解析度在500線上下的中檔型 (3)影像在38萬點以上、彩色解析度大於或等於480線、黑白解析度，570線以上的高解析度。