Razones de la mala repetibilidad de múltiples calibraciones de cámaras

Soy un estudiante novato que quiere comenzar a calibrar la cámara por un año. No tengo experiencia práctica. Siento que estoy mirando el cielo desde el fondo de un pozo. comprensión de este tema.

1. Un artículo sobre la calibración de la cámara. El clásico es la calibración de Zhang Zhengyou. Tanto matlab como opencv utilizan este principio. Para diferentes imágenes capturadas por una cámara general, se requieren al menos 3 imágenes para tener impacto y resultados estables.

2. Con respecto al artículo sobre la calibración de la cámara ojo de pez, opencv usa un artículo de 2006. Olvidé el nombre. Recuerdo que el contenido parece ser similar a la calibración de Zhang Zhengyou, excepto que el modelo de distorsión ha sido. cambiado un poco.

También hay una caja de herramientas para la calibración de ojo de pez en matlab. Es un artículo de 2005. Olvidé el nombre. Recuerdo que el contenido es más o menos similar a la autocalibración, que tiene en cuenta las aberraciones al calcular. parámetros externos.

3. Hay muchas razones por las que los resultados de calibración de una misma cámara son diferentes. Puede ser un problema con la detección de esquinas, como la finura de la impresión de la placa de calibración (si es mejor usar una pantalla LCD, no lo sé) o la resolución de la cámara. Puede ser un problema de distancia, el centro óptico de la cámara puede ser diferente en diferentes distancias. Puede ser que la posición de su placa de calibración en la imagen sea diferente, el ángulo de desviación de la placa de calibración sea demasiado grande, el número de imágenes tomadas, etc.

4. La esencia de la aberración de calibración que entiendo es en realidad seleccionar un modelo más adecuado, luego ajustar un conjunto de parámetros con polinomios y finalmente optimizar para que el error de reproyección general sea muy pequeño. Para una cámara real, no tiene muchas funciones. No sabemos cuál es la relación MAP entre el punto de imagen y el punto sin imagen, y es posible que no haya nada entre el punto de imagen y el punto sin imagen. fácil de usar. El polinomio se puede ajustar perfectamente y se puede utilizar para ajustar una relación MAP simple. Esto da como resultado el hecho de que verá varias calibraciones con centros de aberración aleatoria ligeramente diferentes y distancias focales ligeramente diferentes, pero el error de reproyección final será similar. Porque, para ser honesto, incluso si los puntos centrales de aberración son diferentes, los parámetros de ajuste se utilizarán para que los puntos de esquina extraídos y los puntos de reproyección sean lo más consistentes posible en su conjunto. Sin embargo, el error de reproyección promedio también es muy pequeño. A menudo nos encontramos con situaciones en las que los parámetros del coeficiente de aberración interna y externa son muy diferentes.

Debido a que la estructura de la lente de la cámara es compleja, ningún polinomio simple puede expresar la relación MAP. Por lo tanto, le resulta difícil utilizar un modelo de aberración simple para obtener con precisión todas las relaciones de mapeo de puntos de la imagen. Los resultados que veo tienden a ser que el error de reproyección es menor en el área media de la imagen, mientras que el error de reproyección es mayor en el área del borde de la imagen. Esto se debe a que las esquinas apuntan en la imagen que subes. se concentran en la zona central. Por lo tanto, creo que se necesitan más algoritmos para medir los resultados buenos y malos de la calibración. Creo que sería mejor un método de medición que no se vea afectado por la detección de esquinas, después de todo la detección de esquinas no siempre es correcta. Los métodos de evaluación comúnmente utilizados incluyen error de reproyección, relación de valores atípicos, probabilidad de falla, plano vertical reconstruido aún vertical, paralelo reconstruido, balabala de línea recta reconstruida. Otros: la placa de calibración y la autocalibración tienen cada una su propia. Ventajas: los modelos continuos y los modelos discretos tienen sus propias ventajas y desventajas. No confunda los modelos generales con los modelos no paramétricos. El primero en realidad utiliza un modelo de cámara para modificar su algoritmo para adaptarse al nuevo modelo de cámara. De la misma manera, la desalineación de muchas lentes por parte de Lensfun en realidad está dirigida a efectos visuales humanos y no es adecuada para la reconstrucción visual

Agregaré lo que se me ocurra

Lo anterior es Solo mi comprensión y Supongo que no es necesariamente correcto. Doy la bienvenida a la orientación de los expertos en calibración. Invito a los estudiantes y expertos a discutir la experiencia laboral de calibrar cámaras y aprender conmigo. p>

Ampliar

Ampliar

Ampliar

Ampliar

p>

Esta es la primera vez que se calibra una cámara para un estándar estandarizado. p>