旋转机构相机如何标定

⑴ 怎么解释相机九点标定法

可以统称为对焦点。

⑵ 请问相机的标定是指对相机的哪些参数的确定

不同的算法模型会有差异，分两种模型：普通相机——焦距f，像元尺寸，中心点坐标，比例系数，畸变系数；远心模型——同上，只是焦距为0.相机标定一定要看具体项目情况，不是所有的机器视觉项目都需要这种预标定的。

⑶ 相机标定的技术

基于离线相机标定
基于离线相机标定技术需要准确的相机内参数和外参数作为重构算法的输入和先决条件，目前最为流行的离线相机标定算法是Tsai在1987年提出的[Tsai1987]，Tsai方法使用一个带有非共面专用标定标识的三维标定物来提供图像点和其对应的三维空间点的对应并计算标定参数。Zhang在1998年提出了另一个实用方法 [Bouguet2007]，该方法需要对一个平面标定图案的至少两幅不同视图来进行标定。加州理工学院的相机标定工具对以上两个方法均作了有效实现，并且已经被集成到Intel的视觉算法库OpenCV中[OpenCV2004]。通过标定算法，可以计算相机的投影矩阵，并提供场景的三维测度信息。在不给定真实场景的绝对平移、旋转和放缩参数的情况下，可以达到相似变换级别的测度重构。
基于在线相机标定
在很多场合下，如缺失标定设备或相机内参数持续改变的情况下，没有足够数据来支持离线相机标定，对这类场景的多视三维重构就要用到在线相机标定的技术。在线标定和离线标定框架的主要区别在于标定相机或估计相机参数的方法上。在大多数文献中在线标定技术被称为自标定。自标定方法可以大致分为两类：基于场景约束的自标定和基于几何约束的自标定。
①基于场景约束的自标定
合适的场景约束往往能够在很大程度上简化自标定的难度。比如说，广泛存在于建筑或人造场景中的平行线能够帮助提供三个主正交方向的消视点和消视线信息，并能够据此给出相机内参数的代数解或数值解 [Caprile1990]。消视点的求解可以通过投票并搜索最大值的方法进行。Barnard采用高斯球构造求解空间 [Barnard1983]。Quan、Lutton和Rother等给出了进一步的优化策略[Quan1989, Lutton1994, Rother2000]。文献[Quan1989]中给出了搜索解空间的直接算法，Heuvel给出的改进算法加入了强制性的正交条件 [Heuvel1998]。Caprile给出了基于三个主正交方向消视点的几何参数估计法，Hartley使用标定曲线计算焦距 [Hartley2003]。Liebowitz等进一步从消视点位置构造绝对二次曲线的约束并用考克斯分解求解标定矩阵 [Liebowitz1999]。
② 基于几何约束的自标定
基于几何约束的自标定不需要外在场景约束，仅仅依靠多视图自身彼此间的内在几何限制来完成标定任务。利用绝对二次曲面作自标定的理论和算法最先由Triggs提出 [Triggs1997]。基于Kruppa方程求解相机参数则始于 Faugeras, Maybank等的工作 [Faugeras1992, Maybank1992]。Hartley给予基本矩阵推导出了Kruppa方程的另一个推导 [Hartley1997]。文献[Sturm2000]则给出了Kruppa方程的不确定性的理论探讨。层进式自标定技术被用于从射影重构升级到度量重构 [Faugeras1992]。自标定技术的一个主要困难在于它不是无限制地用于任意图像或视频序列，事实上，存在着特定运动序列或空间特征分布导致自标定求解框架的退化和奇异解。文献[Sturm1997]给出了关于退化情形的详细讨论和分类。对一些特殊可解情况存在性和求解方法的讨论可以参考文献[Wilesde1996]等。

⑷ 相机标定误差允许范围

相机标定误差允许范围在0.1至0.5左右。标定是依靠专用的标准设备来确定传感器的输入输出转换关系，相机标定就是求解参数的过程，校准是指传感器在使用中或存储后进行的性能复测，在校准过程中，如果传感器的某些指标发生了变化应对其进行修正。

相机标定的方法

最简单的相机标定为线性标定，即不考虑相机的畸变而只考虑空间坐标转换，每个坐标点有XY两个变量，可列两个方程，相机内参有5个未知数，外参平移和旋转各3个，共有11个变量，因此至少需要6个特征点来求解。

当镜头畸变明显时必须考虑畸变，一般较为便宜的网络摄像头畸变特别大，而价格较贵的工业摄像头则畸变很小，因为其中已经嵌入了许多消除畸变的程序，这时线性模型转化为非线性模型，需要通过非线性标定方法求解。

⑸ 相机标定原理

一、为什么要相机标定？
在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。
【1】进行摄像机标定的目的：求出相机的内、外参数，以及畸变参数。
【2】标定相机后通常是想做两件事：一个是由于每个镜头的畸变程度各不相同，通过相机标定可以校正这种镜头畸变矫正畸变，生成矫正后的图像；另一个是根据获得的图像重构三维场景。

摄像机标定过程，简单的可以简单的描述为通过标定板，如下图，可以得到n个对应的世界坐标三维点Xi和对应的图像坐标二维点xi，这些三维点到二维点的转换都可以通过上面提到的相机内参K ，相机外参 R 和t，以及畸变参数 D ，经过一系列的矩阵变换得到。

二、什么叫相机标定？
在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）

三、为什么相机标定很重要？
无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。因此，做好相机标定是做好后续工作的前提，提高标定精度是科研工作的重点所在。

⑹ 相机标定

标定，我的理解应该是标准50mm定焦镜头。在镜头当中，50mm焦距镜头因为最接近人眼所观测时的角度，所以，50mm镜头在摄影当中被认定为标准镜头。又因为定焦镜头在成像质量上要优越于变焦镜头，所以才得到“标定”的推荐。
虽然50mm焦距的角度接近人眼的角度，但是人在看东西的时候，因为距离被观测事物的远近会影响你所看到的事物的大小（近大远小），同理，相机在拍摄中，求实际距离是很难实现的。所以，个人认为有必要用辅助标尺来进行拍摄来求实际距离。
建议：
1，将拍摄距离，即物距固定（个人建议物距为30厘米），使用三角架或者其他方式固定相机，然后固定被拍摄对象们在相同的距离来拍摄。
2，保持水平拍摄，即被拍摄者的眼睛水平于相机镜头中心点。
2，保持相同的相机设置以及光线设置，得到同样的曝光图片。
3，使用标尺标明距离。

⑺ 计算机视觉——相机内外参、相机标定

一直在做图像处理，也经常听到相机内参相机外参，我却没深入理解什么是相机内外参，什么是相机标定。

1、 相机内参数 是与相机自身特性相关的参数，比如相机的焦距、像素大小等；

摄像机 内参矩阵 反应了相机自身的属性，各个相机是不一样的，需要标定才能知道这些参数。作用：告诉我们摄像机坐标的点在1的基础上，是如何继续经过摄像机的镜头、并通过针孔成像和电子转化而成为像素点的。

摄像机内参 （Camera Intrinsics） 矩阵：（需要注意的是，真实的镜头还会有径向和切向畸变，而这些畸变是属于相机的内参的）

           fx   s    x0

    K =  0    fy   y0

            0   0    1

其中，fx，fy为焦距，一般情况下，二者相等，x0、y0为主点坐标（相对于成像平面）， s为坐标轴倾斜参数，理想情况下为0 。

内参矩阵的参数含义：

f：焦距，单位毫米

dx：像素x方向宽度，单位毫米，1/dx：x方向1毫米内有多少个像素（dx、dy为一个像素的长和高）

f/dx：使用像素来描述x轴方向焦距的长度

f/dy：使用像素来描述y轴方向焦距的长度

u0,v0,主点的实际位置，单位也是像素（原点的平移量）

2、 相机外参数 是在世界坐标系中的参数，比如相机的位置、旋转方向等。相比于不变的内参，外参会随着相机运动发生改变。

摄像机的旋转平移属于外参，用于描述相机在静态场景下相机的运动，或者在相机固定时，运动物体的刚性运动。因此， 在图像拼接或者三维重建中，就需要使用外参来求几幅图像之间的相对运动，从而将其注册到同一个坐标系下面来 。（最近我在研究多幅图像的图像拼接）

摄像机 外参矩阵 ：包括旋转矩阵和平移矩阵。作用：告诉我们现实世界点(世界坐标)是怎样经过旋转和平移，然后落到另一个现实世界点(摄像机坐标)上。

旋转矩阵和平移矩阵共同描述了如何把点从世界坐标系转换到摄像机坐标系。

旋转矩阵 ：描述了世界坐标系的坐标轴相对于摄像机坐标轴的方向

平移矩阵：描述了在摄像机坐标系下，空间原点的位置

摄像机 外参（Camera Extrinsics） 矩阵：

其中， R是旋转矩阵，t是平移向量.

3、相机标定（或摄像机标定）：一句话就是世界坐标到像素坐标的映射，其中世界坐标是人为定义的。

相机标定的目的是确定相机的一些参数的值。通常，这些参数可以建立定标板确定的三维坐标系和相机图像坐标系的映射关系，换句话说， 你可以用这些参数把一个三维空间中的点映射到图像空间，或者反过来。相机需要标定的参数通常分为内参和外参两部分。

标定就是已知标定控制点的世界坐标和像素坐标我们去解算这个映射关系，一旦这个关系解算出来了我们就可以由点的像素坐标去反推它的世界坐标，当然有了这个世界坐标，我们就可以进行测量等其他后续操作了。上述标定又被称作隐参数标定，因为它没有单独求出相机的内部参数，如相机焦距，相机畸变系数等。

一般来说如果仅仅只是利用相机标定来进行一些比较简单的视觉测量的话，那么就没有必要单独标定出相机的内部参数了。至于相机内部参数如何解算，相关论文讲的很多。

在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。

无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。因此，做好相机标定是做好后续工作的前提，提高标定精度是科研工作的重点所在。

4、畸变（distortion）是对直线投影（rectilinear projection）的一种偏移。简单来说直线投影是场景内的一条直线投影到图片上也保持为一条直线。畸变简单来说就是一条直线投影到图片上不能保持为一条直线了，这是一种光学畸变（optical aberration）,可能由于摄像机镜头的原因。

     畸变矩阵：告诉我们为什么像素点并没有落在理论计算该落在的位置上，还产生了一定的偏移和变形！！！

参考链接：

计算机视觉-相机内参数和外参数_liulina603的专栏-CSDN博客_相机参数

https://blog.csdn.net/paulkg12/article/details/121393602

https://blog.csdn.net/weixin_40787463/article/details/105785593

https://blog.csdn.net/guyuealian/article/details/102502213

https://blog.csdn.net/weixin_41480034/article/details/121759128

旋转矩阵(Rotate Matrix)的性质分析 - caster99 - 博客园 (cnblogs.com)

SLAM入门之视觉里程计(2)：相机模型（内参数，外参数） - Brook_icv - 博客园 (cnblogs.com)

⑻ 相机标定的方法

相机标定方法有：传统相机标定法、主动视觉相机标定方法、相机自标定法。
传统相机标定法需要使用尺寸已知的标定物，通过建立标定物上坐标已知的点与其图像点之间的对应，利用一定的算法获得相机模型的内外参数。根据标定物的不同可分为三维标定物和平面型标定物。三维标定物可由单幅图像进行标定，标定精度较高，但高精密三维标定物的加工和维护较困难。平面型标定物比三维标定物制作简单，精度易保证，但标定时必须采用两幅或两幅以上的图像。传统相机标定法在标定过程中始终需要标定物，且标定物的制作精度会影响标定结果。同时有些场合不适合放置标定物也限制了传统相机标定法的应用。
目前出现的自标定算法中主要是利用相机运动的约束。相机的运动约束条件太强，因此使得其在实际中并不实用。利用场景约束主要是利用场景中的一些平行或者正交的信息。其中空间平行线在相机图像平面上的交点被称为消失点，它是射影几何中一个非常重要的特征，所以很多学者研究了基于消失点的相机自标定方法。自标定方法灵活性强，可对相机进行在线定标。但由于它是基于绝对二次曲线或曲面的方法，其算法鲁棒性差。
基于主动视觉的相机标定法是指已知相机的某些运动信息对相机进行标定。该方法不需要标定物，但需要控制相机做某些特殊运动，利用这种运动的特殊性可以计算出相机内部参数。基于主动视觉的相机标定法的优点是算法简单，往往能够获得线性解，故鲁棒性较高，缺点是系统的成本高、实验设备昂贵、实验条件要求高，而且不适合于运动参数位置或无法控制的场合。

⑼ 相机参数标定方法有哪些

基本的坐标系：

世界坐标系(world coordinate system)；
相机坐标系(camera coordinate system)；
图像坐标系(image coordinate system)；
一般来说，标定的过程分为两个部分：

第一步是从世界坐标系转换为相机坐标系，这一步是三维点到三维点的转换，包括 RR，tt （相机外参）等参数；
第二部是从相机坐标系转为图像坐标系，这一步是三维点到二维点的转换，包括 KK（相机内参）等参数；CC 点表示camera centre，即相机的中心点，也是相机坐标系的中心点；
ZZ 轴表示principal axis，即相机的主轴；
pp 点所在的平面表示image plane，即相机的像平面，也就是图片坐标系所在的二维平面；
pp 点表示principal point，即主点，主轴与像平面相交的点；
CC 点到 pp 点的距离，也就是右边图中的 ff 表示focal length，即相机的焦距；
像平面上的 xx 和 yy 坐标轴是与相机坐标系上的 XX 和 YY 坐标轴互相平行的；
相机坐标系是以 XX， YY， ZZ（大写）三个轴组成的且原点在 CC 点，度量值为米（m）；
像平面坐标系是以 xx，yy（小写）两个轴组成的且原点在 pp 点，度量值为米（m）；