Hello，歡迎來到我的博客~
今天的內(nèi)容是魚眼相機(jī)的建模方法和標(biāo)定工具的使用
主要會介紹魚眼相機(jī)和普通透視相機(jī)的聯(lián)系，以及一種簡單的魚眼相機(jī)模型，和標(biāo)定方法

1 魚眼相機(jī)與普通透視相機(jī)的關(guān)系

普通透視相機(jī)是我們在日常生活最常用的相機(jī)，它的成像模型想必大家都很了解。而魚眼相機(jī)拍攝的圖像和普通相機(jī)拍攝的有著天壤之別，所以我們直觀上很難想象它是如何成像的。但是這里有一種很簡單的方法，就可以將一個普通相機(jī)改造成魚眼相機(jī)：

沒錯，在普通相機(jī)前面加一個反射鏡就可以等效成一個魚眼相機(jī)了。
大家注意了，這也是給魚眼相機(jī)建模的一個基本思想，就是把魚眼相機(jī)等效為一面鏡子和普通相機(jī)的組合！
另外，還需要注意的是，這里我們只是說明魚眼相機(jī)是如何等效為普通相機(jī)的。一般的魚眼相機(jī)的實際原理并不是這樣的，而是通過一系列透鏡來改變光路，實現(xiàn)了魚眼的效果。
普通相機(jī)+鏡子構(gòu)成魚眼相機(jī)的這種系統(tǒng)稱為：catadioptric omnidirectional cameras
通過透鏡構(gòu)成魚眼相機(jī)的系統(tǒng)稱為：dioptric omnidirectional cameras

2 魚眼相機(jī)的類型

上面說到可以把一面鏡子和一個普通相機(jī)組合，形成一個魚眼相機(jī)。根據(jù)這面鏡子的不同，可以把魚眼相機(jī)分為：中心式（central camera）和非中心式（non central camera）兩類。

2.1 非中心式（Non central camera）

非中心式相機(jī)，也可以叫做non-single effective viewpoint camera，如下圖所示：

上圖中，黑色粗直線代表成像平面，黑色粗曲線代表反射鏡。從圖中可以看出來，這實際上就是從外部射向鏡子的光線都不相交于同一點。

2.2 中心式（Non central camera）

中心式相機(jī)，也可以叫做single effective viewpoint camera，如下圖所示：

從圖中可以看出來，這種相機(jī)實際上就是從外部射向鏡子的光線都相交于同一點。
對于這種相機(jī)來說，這個鏡子可能的形狀有，雙曲面（hyperbolic）， 拋物面（parabolic），橢圓面（elliptical）。

3 魚眼相機(jī)模型

魚眼相機(jī)模型的作用是建立二維圖像坐標(biāo)到三維矢量間的關(guān)系。 此外，這一節(jié)介紹的相機(jī)模型是針對于中心式魚眼相機(jī)系統(tǒng)的，但對于透鏡構(gòu)成的魚眼還是反射鏡構(gòu)成的魚眼是沒有區(qū)分的。下面是一個相機(jī)模型的圖示：

注意：

相機(jī)模型的中心建立在反射面的焦點處

$p$所在的平面是成像平面，代表的是圖像二維坐標(biāo)

$P$對應(yīng)了粗的黑色矢量，是一個三維矢量，代表特征點對應(yīng)的三維方向

畫面最下方是一個普通相機(jī)

3.1 模型假設(shè)

實際系統(tǒng)存在很多誤差，為了模型的實用性，因此做了如下假設(shè)，選擇性的忽略了一部分誤差：

• 假設(shè)鏡面沿著鏡面軸是完美對稱的，無論旋轉(zhuǎn)多少度，都不會對光路產(chǎn)生變化
• 假設(shè)不考慮相機(jī)的透鏡畸變，因為這部分畸變實際上可以考慮到反射鏡對應(yīng)的投影函數(shù)里

3.2 相機(jī)模型-1

在這個相機(jī)模型中，我們在上邊的基礎(chǔ)上，額外加入一條假設(shè)，即：

• 假設(shè)相機(jī)軸和反射鏡的中軸完全完全對齊

于是，假設(shè)$p=(u,v)$代表了特征點對應(yīng)的圖像坐標(biāo)，$P=(x,y,z)$代表了從相機(jī)坐標(biāo)系原點出發(fā)，指向特征點的三維矢量。
由于，相機(jī)軸和鏡面軸完美對齊，所以：
$$\left[\begin{array}{c}x\\ y\end{array}\right]=\alpha \left[\begin{array}{c}u\\ v\end{array}\right],\alpha >0$$
其中，$\alpha$相當(dāng)于一個縮放因子，它并不影響矢量的方向。
然后，根據(jù)$x$和$y$，還有曲面的形狀，可以計算$z=h(x,y)=h(\alpha u,\alpha v)=\alpha f(u,v)$。注意，這里$f$和$h$都代表的是曲面的形狀函數(shù)，它的形式是自己定義，我們可以隨意的把$\alpha$提出來。
所以，最后的$P$矢量可以等效為：
$$P=?\begin{array}{c}x\\ y\\ z\end{array}?=\alpha ?\begin{array}{c}u\\ v\\ f(u,v)\end{array}?$$
由于$P$是一個方向矢量，所以，$\alpha$沒有任何影響，所以：
$$P=?\begin{array}{c}x\\ y\\ z\end{array}?=?\begin{array}{c}u\\ v\\ f(u,v)\end{array}?$$
這里，我們給出$f$的形式：
$$f(\rho )=a_0+a_1\rho +a_2{\rho }^2+a_3{\rho }^3+a_4{\rho }^4+...$$
其中，$\rho =\sqrt{u^2+v^2}$。
這里$a_1～a_n$就是魚眼鏡頭的參數(shù)，也是要標(biāo)定的系數(shù)。
一般來說，這個多項式的階數(shù)是4階時，效果是最優(yōu)的。

3.3 相機(jī)模型-2

在這個模型中，我們不再假設(shè)相機(jī)軸和反射鏡的中軸完全完全對齊。此外，我們還考慮了像素點發(fā)生線性變形（仿射變換）帶來的誤差。因此，我們將原始的像素坐標(biāo)投影到一個新的平面：
$$\left[\begin{array}{c}{u}^{\prime }\\ v^{\prime }\end{array}\right]=\left[\begin{array}{cc}c& d\\ e& 1\end{array}\right]\left[\begin{array}{c}u\\ v\end{array}\right]+\left[\begin{array}{c}{u}_c\\ v_c\end{array}\right]$$
其中，$u_c$和$v_c$是反射鏡軸和相機(jī)軸的偏移，$c,d,e$參數(shù)代表了像素線性形變。$u^{\prime }$和$v^{\prime }$就是修正過后的像素坐標(biāo)。
之后，再根據(jù)修正后的像素坐標(biāo)和相機(jī)模型-1，仍然可以恢復(fù)特征點的三維矢量。

4 魚眼相機(jī)標(biāo)定

本文所提魚眼相機(jī)模型有對應(yīng)的開源工具：OCamCalib
它有一個Matlab的工具箱，大家下載解壓以后，進(jìn)入該文件夾，用Matlab運行ocam_calib就可以打開該工具了，它的界面是這樣的：
具體的標(biāo)定步驟：

采集包含棋盤格標(biāo)定板的圖片（6~10張），盡可能覆蓋相機(jī)的所有視野范圍，盡可能靠近相機(jī)一點，保證棋盤格所有角點清晰可見。最后，照片存入該工具箱的文件夾下，并且名字命名為：[image name][image num].[image type]。例如：fisheye0.jpg, fisheye1.jpg, fisheye2.jpg,…

打開ocam_calib工具箱

點擊Read names按鈕。會要求你輸入圖片名，例如：fisheye。還會要求你輸入圖片格式，例如：jpg。

點擊Extract grid corners按鈕。會要求你輸入你想處理的圖片編號，會讓你輸入棋盤格的數(shù)量，棋盤格的寬度，還有圖像中心（這個參數(shù)可以不用設(shè)置，直接回車，后面會自動計算）。最后，還會讓你選擇自動提取角點還是手動提取，一般就直接回車，選擇自動提取。

點擊Calibration按鈕。會要求你輸入模型階數(shù)，一般直接回車，就選擇默認(rèn)的4階模型，也可以自己輸入。等待一段時間后，可以得到標(biāo)定的結(jié)果，也就是$f(\rho )$函數(shù)的曲線和參數(shù)。

點擊Find center按鈕。這一步是要找到圖像的中心，點擊完之后，需要計算很長一段時間，大家耐心等待就好。

點擊Calibration Refinement按鈕。這一步是進(jìn)一步優(yōu)化標(biāo)定結(jié)果，這一步會問你最大的迭代步數(shù)，直接回車就好。這一步需要等待的時間也比較長。

標(biāo)定已經(jīng)完成了，通過calib_data.ocam_model數(shù)據(jù)就可以查看模型參數(shù)了。另外，Reproject on images，Show Extrinsic，Analyse error等按鈕也可以用來直觀的顯示標(biāo)定結(jié)果的好壞。

參數(shù)說明
ocam_model：儲存相機(jī)參數(shù)的結(jié)構(gòu)體
ocam_model.ss：$f(\rho )$的系數(shù)
ocam_model.xc，ocam_model.yc：圖像中心
ocam_model.c，ocam_model.d，ocam_model.e：仿射變換參數(shù)
ocam_model.width，ocam_model.height：圖像尺寸

5 參考文獻(xiàn)

[1] OCamCalib
[2] Scaramuzza, D., Martinelli, A. and Siegwart, R., (2006). “A Flexible Technique for Accurate Omnidirectional Camera Calibration and Structure from Motion”, Proceedings of IEEE International Conference of Vision Systems (ICVS’06), New York, January 5-7, 2006.
[3] Scaramuzza, D., Martinelli, A. and Siegwart, R., (2006). “A Toolbox for Easy Calibrating Omnidirectional Cameras”, Proceedings to IEEE International Conference on Intelligent Robots and Systems (IROS 2006), Beijing China, October 7-15, 2006.
[4] Scaramuzza, D. (2008). Omnidirectional Vision: from Calibration to Robot Motion Estimation, ETH Zurich, PhD Thesis no. 17635. PhD Thesis advisor: Prof. Roland Siegwart. Committee members: Prof. Patrick Rives (INRIA Sophia Antipolis), Prof. Luc Van Gool (ETH Zurich). Chair: Prof. Lino Guzzella (ETH Zurich), Zurich, February 22, 2008.

總結(jié)

以上是生活随笔為你收集整理的鱼眼相机模型和标定的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。