OpenCV三維重建（3）--相機參數矩陣
-
- 1、明确我能夠獲得那些東西？
- 2、這些東西是否真的像書上說的那樣符合實際？
- 3、添加一些幹擾，容錯性如何？
- 4、小結
通過前面的相機标定，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麼意思？怎樣才能夠判斷是否正确？誤差都會來自哪裡？這裡就必須要通過具體實驗來加深認識。采集帶相機參數的圖檔具有一定難度，幸好我之前有着不錯的積累—這裡一共有兩款資料集，一款來自《OpenCV計算機視覺程式設計攻略》第3版，家裡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：
資料集1 來自《OpenCV計算機視覺程式設計攻略》第3版
資料集2來自家中“國民床單”
既然是做實驗，我想初步計劃一下。首先是要明确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，看一看在有錯誤資料的情況，這些東西如何變化？最後是一個小結。
1、明确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>
3
3
d 1.3589305122261344e+003 0. 5.7505355544729957e+002 0. 1.3565816672769690e+003 6.0423226535731465e+002 0. 0. 1. 1 14 d 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. ____________________________________________________________________ 從結果上看，我将獲得這兩個矩陣。前面那個是相機内參矩陣，後面那個是外參數。那麼在一組圖檔中，内參肯定是不變的；後面外參肯定是變化的。但是這裡也有很多疑問。
那麼具體來看結果，對于第一組圖檔來說，我們獲得的結果為：
<?xml version="1.0"?>
<opencv_storage>
3
3
d 4.0927176647992695e+002 0. 2.3724719115090161e+002 0. 4.0870629848642727e+002 1.7128731207874495e+002 0. 0. 1. 1 14 d 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. _____________________________________________________________________ <?xml version="1.0"?>
<opencv_storage>
3
3
d 3.9136489375791234e+003 0. 2.6879080836687035e+003 0. 3.9811430968074164e+003 1.9454067884808153e+003 0. 0. 1. 1 14 d 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. ______________________________________________________________________
對于第二組圖檔來說：
2、這些東西是否真的像書上說的那樣符合實際？
對于第一套圖檔來說，看它的内參矩陣：
4.0927176647992695e+002 0. 2.3724719115090161e+002 0. 4.0870629848642727e+002 1.7128731207874495e+002 0. 0. 1. ______________________________________________________________________
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，
标準中間為 268,178，這個和237,171是比較符合的。
對于其它資訊
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,那麼像素寬度分别為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，那麼我們自己重新采集一套圖檔來說，那麼它的固有參數為：
獲得的結果：
3.9136489375791234e+003 0. 2.6879080836687035e+003 0. 3.9811430968074164e+003 1.9454067884808153e+003 0. 0. 1. ____________________________________________________________________
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資料要小。
而對于焦距來說，像素寬度分别為0.00425（=23.2/5456）和0.0386
算出來焦距為16.64和16.88，這個和16的差距也是比較合适的。
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，重新采集一套圖檔，這個對于讀者來說，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、書本上采集的圖檔，其角度範圍更為廣泛。是以說書上的采集方法對于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産生良好結果關系不大，是以一個合适大小的棋盤就可以；
此外：
3、特别是對于視野比較廣的情況，應該優先想出高效解決方法。我認為視場越大，誤差越大；
4、對于大照片的處理，本身就是一個比較複雜的問題：因為像素比較高，是以處理起來比較慢；而又不能通過壓縮之類的方法進行預處理，是以會有比較多的問題。目前還有沒有很好解決方法；
此外，你還必須考慮标定的過程中失敗的情況；還必須考慮采用什麼模式能夠讓标定的效果最好。
感謝閱讀至此，希望有所幫助。
來自為知筆記(Wiz)
目前方向：圖像拼接融合、圖像識别 聯系方式：[email protected]