Làm cách nào để xác minh rằng hiệu chuẩn máy ảnh là chính xác? (hoặc làm thế nào để ước tính lỗi tái phát)

Question

Chất lượng hiệu chuẩn được đo bằng lỗi tái phát (có cách nào khác không?), đòi hỏi một tọa độ thế giới tri thức của một số điểm 3d.

Có cách nào đơn giản để tạo ra các điểm đã biết như vậy không? Có cách nào để xác minh hiệu chuẩn theo một cách khác (ví dụ, phương pháp hiệu chuẩn của Zhang chỉ yêu cầu đối tượng hiệu chuẩn là phẳng và hình học của hệ thống không cần biết)

Answer 1

Bạn có thể xác minh tính chính xác của các thông số biến dạng ống kính phi tuyến ước tính độc lập với tư thế. Chụp ảnh các cạnh thẳng (ví dụ như một đường thẳng, hoặc một sọc laser trên bề mặt phẳng) bao trùm trường nhìn (một cách dễ dàng để kéo dài FOV là xoay máy ảnh giữ đường thẳng cố định, sau đó thêm tất cả hình ảnh) . Chọn các điểm trên các hình ảnh đường thẳng đã nêu, phân tách tọa độ của chúng, phù hợp với các đường toán học, lỗi tính toán. Đối với phần tuyến tính, bạn cũng có thể chụp ảnh nhiều giàn phẳng tại vị trí tương đối đã biết, di chuyển một mục tiêu phẳng với giàn khoan lặp lại/chính xác (ví dụ bàn xoay) hoặc gắn nhiều mục tiêu phẳng ở các góc đã biết từ lẫn nhau (ví dụ: ba mặt phẳng với 90 độ từ nhau).

Như mọi khi, thỏa hiệp là thứ tự giữa các yêu cầu về chính xác và ngân sách. Với đủ tiền và một cửa hàng máy móc thân thiện gần đó bạn có thể để cho hình ảnh của bạn chạy hoang dã với hình dạng giàn khoan. Tôi đã từng một lần một chiếc dodecahedron về kích thước của một quả bưởi, được làm từ nhựa trắng đến 1/20 mm spec. Sử dụng nó để hiệu chỉnh tư thế của một máy ảnh trên hiệu ứng cuối của cánh tay robot, di chuyển nó trên một hình cầu xung quanh một điểm cố định. Các dodecahedron có tính chất thực sự tốt đẹp liên quan đến góc occlusion. Không cần phải nói, tất cả đều được cấp bằng sáng chế.

Answer 2

Hình ảnh được sử dụng để tạo nội tại hiệu chuẩn cũng có thể được sử dụng để xác minh nó. Một ví dụ điển hình là công cụ camera-calib từ Bộ công cụ lập trình Robot di động (MRPT).

phương pháp mỗi Zhang, số tiền thu được hiệu chuẩn MRPT như sau:

1. Process những hình ảnh đầu vào:

   • 1a. Xác định mục tiêu hiệu chuẩn (trích xuất các góc bàn cờ)
   • 1b. Ước tính vị trí của máy ảnh so với mục tiêu, giả sử rằng mục tiêu là một bàn cờ phẳng với số lượng giao lộ đã biết.
   • 1c. Chỉ định các điểm trên hình ảnh cho một mô hình của mục tiêu hiệu chuẩn trong các tọa độ 3D tương đối.

2. Tìm hiệu chuẩn nội tại giải thích tốt nhất tất cả các mô hình được tạo trong 1b/c.

Khi hiệu chuẩn nội tại được tạo, chúng tôi có thể quay lại hình ảnh nguồn.

Đối với mỗi hình ảnh, nhân tư thế camera ước tính với hiệu chuẩn nội tại, sau đó áp dụng cho mỗi điểm bắt nguồn trong 1c.

Điều này sẽ ánh xạ các điểm 3D tương đối từ mô hình đích trở lại hình ảnh nguồn hiệu chuẩn 2D. Sự khác biệt giữa tính năng hình ảnh gốc (góc bàn cờ) và điểm được chiếu lại là lỗi hiệu chuẩn.

MRPT thực hiện kiểm tra này trên tất cả các hình ảnh đầu vào và sẽ cung cấp cho bạn lỗi tổng hợp lại.

Nếu bạn muốn xác minh toàn bộ hệ thống, bao gồm cả nội tại camera và chuyển đổi giữa máy ảnh và thế giới, có thể bạn sẽ cần phải tạo một khuôn đặt camera và nhắm mục tiêu trong cấu hình đã biết. điểm so với các phép đo trong thế giới thực.

Answer 3

Câu hỏi của động cơ: ma trận đặt ra là ma trận [R | t] trong đó R là xoay 3D thuần túy và t là một vectơ dịch. Nếu bạn đã tính toán một homography từ hình ảnh, phần 3.1 của Báo cáo kỹ thuật Microsoft của Zhang (http://research.microsoft.com/en-us/um/people/zhang/Papers/TR98-71.pdf) đưa ra một phương thức đóng để có được cả R và t bằng cách sử dụng homography đã biết và ma trận nội tại máy ảnh K. (Tôi không thể bình luận, Tôi đã thêm làm câu trả lời mới)