Computer vision 摄像机外部校准
我有一个鱼眼照相机，我已经校准过了。我需要通过使用所述棋盘的单个图像、固有参数和棋盘方块的大小来计算棋盘的相机姿势w.r.t。不幸的是，许多校准库首先从一组图像计算外部参数，然后计算内部参数，这基本上是我想要的“反向”过程。当然，我可以将我的棋盘图像放在我用于校准的其他图像集中，然后再次运行校准过程，但这非常繁琐，而且，我不能使用与用于本质校准的棋盘大小不同的棋盘。谁能给我指出正确的方向吗 编辑：读了弗朗西斯科的答案后，我意识到我没有解释校准相机的意思。我的问题开始于我没有经典的内在参数矩阵（因此我不能实际使用Francesco描述的方法）。事实上，我用Scaramuzza的程序（）校准了鱼眼相机，该程序基本上找到了一个多项式，可以将3d世界点映射到像素坐标（或者，将像素反向投影到单位球体的多项式）。现在，我认为这些信息足以找到相机姿势w.r.t.棋盘，但我不确定具体如何进行。我假设“校准”意味着你的相机有一个针孔模型 然后，棋盘平面和图像平面之间的变换是单应性的，可以使用通常的DLT算法从角点的图像中估计单应性。然后，可以将其表示为内在参数a和[x y t]矩阵的乘积（按比例），其中x和y列是世界坐标系（即棋盘坐标系）的x和y单位向量，t是从相机中心到同一帧原点的向量。即： H=标度*A*[x | y | t] 所以 [x | y | t]=1/刻度*inv（A）*H 选择比例是为了使x和y具有单位长度。一旦有了x和y，第三个轴就是它们的叉积。该过程计算棋盘的外部姿势（CB）在摄影机坐标中。openCV在其3D重建模块中添加了一个鱼眼库，以适应具有大视场的摄影机中的显著扭曲。当然，如果您的固有矩阵或变换不是经典固有矩阵，则必须修改PnP：Computer vision 摄像机外部校准,computer-vision,camera-calibration,extrinsic-parameters,Computer Vision,Camera Calibration,Extrinsic Parameters,我有一个鱼眼照相机，我已经校准过了。我需要通过使用所述棋盘的单个图像、固有参数和棋盘方块的大小来计算棋盘的相机姿势w.r.t。不幸的是，许多校准库首先从一组图像计算外部参数，然后计算内部参数，这基本上是我想要的“反向”过程。当然，我可以将我的棋盘图像放在我用于校准的其他图像集中，然后再次运行校准过程，但这非常繁琐，而且，我不能使用与用于本质校准的棋盘大小不同的棋盘。谁能给我指出正确的方向吗 编辑：读了弗朗西斯科的答案后，我意识到我没有解释校准相机的意思。我的问题开始于我没有经典的内在参数矩阵（因
k=R20*x+R21*y+R22*z+Tz
k*u = R00*x+R01*y+R02*z+Tx
k*v = R10*x+R11*y+R12*z+Tx
现在，R2，T2为非线性算法优化（如Levenberg-Marquardt）提供了一个良好的起点。这是必需的，因为之前的线性步骤只优化参数的代数误差，而非线性步骤优化正确的度量，如像素距离的平方误差。然而，如果您不想遵循所有这些eps你可以利用openCV的特性。假设你有两条光线通过一个正方形的边的定界点
r1=（x1，y1,1）r2=（x2，y2,1）w