Professional Documents
Culture Documents
Chapter 9. Camera Calibration and 3D Reconstruction
Chapter 9. Camera Calibration and 3D Reconstruction
Hà Nội, 2021 1
Machine Translated by Google
2
Machine Translated by Google
3
Machine Translated by Google
Hiệu chỉnh hình học camera, còn được gọi là cắt bỏ camera, ước tính
các thông số của ống kính và cảm biến hình ảnh của máy ảnh hoặc máy quay video.
Bạn có thể sử dụng các tham số này để sửa hiện tượng méo ống kính, đo kích thước của
vật thể theo đơn vị thế giới hoặc xác định vị trí của máy ảnh trong cảnh.
Những tác vụ này được sử dụng trong các ứng dụng như thị giác máy để phát hiện và đo
lường vật thể. Chúng cũng được sử dụng trong robot, hệ thống định vị và tái tạo cảnh
3-D.
4
Machine Translated by Google
5
Machine Translated by Google
Các thông số của camera bao gồm hệ số bên trong, bên ngoài và hệ số méo.
Để ước tính các thông số camera, bạn cần có các điểm thế giới 3-D và các điểm của chúng
điểm hình ảnh 2-D tương ứng.
Bạn có thể nhận được những sự tương ứng này bằng cách sử dụng nhiều hình ảnh của mẫu hiệu
chuẩn, chẳng hạn như bàn cờ. Sử dụng các sự tương ứng, bạn có thể giải quyết các thông
số của camera.
6
Machine Translated by Google
Sau khi hiệu chỉnh camera, để đánh giá độ chính xác của các thông số ước tính,
bạn có thể:
Vẽ đồ thị các vị trí tương đối của camera và mẫu hiệu chỉnh Tính
7
Machine Translated by Google
Máy ảnh pinhole là một máy ảnh đơn giản không có ống kính và chỉ có một khẩu độ nhỏ.
số 8
Machine Translated by Google
9
Machine Translated by Google
Thuật toán hiệu chỉnh tính toán ma trận camera bằng cách sử dụng
10
Machine Translated by Google
Các điểm thế giới được chuyển đổi sang tọa độ camera bằng các tham số bên ngoài. Tọa độ
camera được ánh xạ vào mặt phẳng hình ảnh bằng cách sử dụng các tham số nội tại.
11
Machine Translated by Google
12
Machine Translated by Google
Các tham số bên ngoài bao gồm phép quay R và phép tịnh tiến t. Điểm gốc của hệ tọa độ của
máy ảnh là ở trung tâm quang học của nó và trục x và y của nó xác định mặt phẳng hình ảnh.
13
Machine Translated by Google
Các thông số nội tại bao gồm tiêu cự, quang tâm hay còn gọi là điểm chính và hệ số lệch.
Ma trận nội tại của máy ảnh, K, được định nghĩa là:
14
Machine Translated by Google
15
Machine Translated by Google
Ma trận camera không tính đến hiện tượng méo ống kính vì một máy ảnh lỗ kim lý tưởng không
có ống kính. Để thể hiện chính xác một chiếc máy ảnh thực, kiểu máy ảnh bao gồm độ méo ống
kính hướng tâm và tiếp tuyến.
16
Machine Translated by Google
Biến dạng xuyên tâm xảy ra khi các tia sáng bị uốn cong ở gần các cạnh của thấu kính hơn là ở
tâm quang học của nó. Ống kính càng nhỏ thì độ méo càng lớn.
17
Machine Translated by Google
Các hệ số biến dạng hướng tâm mô hình hóa loại biến dạng này. Các điểm bị biến dạng là
•x, y — Vị trí pixel không bị biến dạng. x và y nằm trong tọa độ hình ảnh chuẩn hóa. Tọa độ hình ảnh
chuẩn hóa được tính từ tọa độ pixel bằng cách dịch sang tâm quang học và chia cho tiêu cự tính bằng
pixel. Do đó, x và y là không thứ nguyên. •k1 , k2 , và k3 — Hệ số biến
18
Machine Translated by Google
Biến dạng tiếp tuyến xảy ra khi thấu kính và mặt phẳng ảnh không song song. Các
hệ số biến dạng tiếp tuyến mô hình loại biến dạng này.
19
Machine Translated by Google
•x, y — Vị trí pixel không bị biến dạng. x và y nằm trong tọa độ hình ảnh chuẩn hóa. Tọa độ hình ảnh chuẩn
hóa được tính từ tọa độ pixel bằng cách dịch sang tâm quang học và chia cho tiêu cự tính bằng pixel. Do đó, x
và y là không thứ nguyên. •p1 và p2 — Hệ số biến dạng tiếp tuyến của thấu kính.
+ y2
2 2
•r : x
20
Machine Translated by Google
21
Machine Translated by Google
Chức năng hiệu chỉnhCamera sử dụng model trên để thực hiện các công việc sau:
Chiếu 3D trỏ tới mặt phẳng hình ảnh với các tham số bên trong và bên ngoài.
Tính toán các tham số bên ngoài cho các tham số bên trong, một vài điểm 3D và
các phép chiếu.
Ước tính các thông số camera bên trong và bên ngoài từ một số chế độ xem hiệu chuẩn đã biết
mẫu (mọi chế độ xem được mô tả bằng một số điểm tương ứng 3D-2D).
Ước tính vị trí và hướng tương đối của các “đầu” camera âm thanh nổi và tính toán
phép biến đổi chỉnh lưu làm cho trục quang của camera song song.
22
Machine Translated by Google
23
Machine Translated by Google
Camera được cố định vào một cấu trúc độc lập Camera gắn trên robot
24
Machine Translated by Google
A1 A1
B1 B1
B2
B2
A2 A2
chuyển đổi từ Target Cam X: chuyển đổi chuyển đổi từ Cam Target X: chuyển đổi
A1 B1 A1XB1 = A2XB2
A2 -1A1XB1B1 -1 = A2 -1A2XB2B1 -1
-1
A2 -1A1X = XB2B1
AX = XB
A = A2 -1A1
B2 -1
B = B2B1
A2
A1 A1XB1 = A2XB2
B1
A2 -1A1XB1B1 -1 = A2 -1A2XB2B1 -1
-1
A2 -1A1X = XB2B1
AX = XB
A = A2 -1A1
B2 -1
B = B2B1
A2
từ Gripper Cam??? 27
Machine Translated by Google
https://github.com/jhu-lcsr/handeye_calib_camodocal
https://github.com/hengli/camodocal
https://visp-doc.inria.fr/doxygen/visp-daily/classvpHandEyeCalibration.html#a68ab673312cc098bf8ed4f22b2d04d16
https://github.com/zhixy/SolveAXXB
28
Machine Translated by Google
29
Machine Translated by Google
Ước lượng tư thế 3D là bài toán xác định sự biến đổi của một vật thể thành ảnh
2D từ đó cho ra vật thể 3D.
Cho một hình ảnh 2D của một vật thể và máy ảnh được hiệu chỉnh theo hệ tọa độ thế giới,
cũng có thể tìm thấy tư thế tạo ra vật thể 3D trong hệ tọa độ đối tượng của nó.
Bắt đầu với hình ảnh 2D, các điểm hình ảnh được trích xuất tương ứng với các góc trong
hình ảnh. Các tia chiếu từ các điểm ảnh được tái tạo từ các điểm 2D sao cho có thể xác
định được các điểm 3D, vốn phải trùng với các tia được tái tạo.
30
Machine Translated by Google
Thuật toán
Thuật toán xác định ước lượng tư thế dựa trên thuật toán Iterative Closest Point. Ý tưởng chính là xác định sự
tương ứng giữa các đặc điểm của hình ảnh 2D và các điểm trên đường cong mô hình 3D.
(b) Ước tính điểm gần nhất của mỗi tia chiếu với một điểm trên đường viền 3D
(c) Ước tính tư thế của đường viền bằng cách sử dụng bộ tương ứng này
31
Machine Translated by Google
32
Machine Translated by Google
33
Machine Translated by Google
bộ não của chúng ta chụp hai hình ảnh và xây dựng bản đồ 3D bằng cách sử dụng hình ảnh lập thể
chụp hai bức ảnh của cùng một cảnh bằng các góc nhìn khác nhau, sau đó khớp các điểm
tương ứng để thu được bản đồ độ sâu của cảnh thuật toán tầm nhìn lập thể
34
Machine Translated by Google
Bên trái
Hình ảnh
35
Machine Translated by Google
Chênh lệch tuyệt đối giữa d1 và d2 lớn hơn chênh lệch tuyệt đối giữa d3
và d4
Camera di chuyển cùng một khoảng, có sự khác biệt lớn giữa khoảng cách biểu kiến giữa vị trí ban
đầu và vị trí cuối cùng Điều này xảy ra do chúng ta có thể đưa vật thể lại gần camera hơn;
chuyển động biểu kiến giảm đi khi bạn chụp hai ảnh từ các góc khác nhau.
Đây là khái niệm đằng sau sự tương ứng âm thanh nổi: chúng tôi chụp hai hình ảnh và sử dụng
kiến thức để trích xuất thông tin chuyên sâu từ một cảnh nhất định.
36
Machine Translated by Google
37
Machine Translated by Google
38
Machine Translated by Google
Cách chúng tôi thực hiện là trích xuất một ma trận có thể liên kết các điểm tương ứng
Nếu bạn khớp các điểm chính bằng SIFT và vẽ các đường hướng tới điểm gặp nhau ở hình bên trái và bên phải,
39
Machine Translated by Google
40
Machine Translated by Google
Điều này có thể được sử dụng để ước tính tư thế của máy ảnh trong môi trường 3D.
Chúng ta sẽ sử dụng thông tin này sau này để trích xuất thông tin 3D từ cảnh.
41
Machine Translated by Google
42
Machine Translated by Google
Bước đầu tiên là trích xuất bản đồ chênh lệch giữa hai ảnh.
Khi chúng ta tìm thấy các điểm trùng khớp giữa hai hình ảnh, chúng ta có thể tìm ra sự khác biệt bằng cách sử
43
Machine Translated by Google
x và x′ là khoảng cách giữa các điểm trong mặt phẳng ảnh tương ứng với điểm cảnh 3D
và trung tâm máy ảnh của họ.
B là khoảng cách giữa hai camera (mà chúng ta đã biết) và f là tiêu cự của camera
(đã biết).
Tóm lại, phương trình trên cho biết độ sâu của một điểm trong một cảnh tỷ lệ nghịch với
sự khác biệt về khoảng cách của các điểm ảnh tương ứng và tâm camera của chúng.
Với thông tin này, chúng ta có thể tính được độ sâu của tất cả các điểm ảnh trong một hình ảnh.
44
Machine Translated by Google
45