Computer vision 如何验证摄像机校准是否正确？（或如何估计重投影的误差）
校准质量通过重投影误差（是否有替代方案？）进行测量，这需要一些3d点的知识世界坐标Computer vision 如何验证摄像机校准是否正确？（或如何估计重投影的误差）,computer-vision,camera-calibration,Computer Vision,Camera Calibration,校准质量通过重投影误差（是否有替代方案？）进行测量，这需要一些3d点的知识世界坐标 有没有一种简单的方法来产生这样的已知点？是否有其他方法来验证校准（例如，Zhang的校准方法只要求校准对象是平面的，不需要知道系统的几何结构）生成内部校准时使用的图像也可用于验证。移动机器人编程工具包（MRPT）中的工具就是一个很好的例子 根据Zhang的方法，MRPT校准过程如下： 处理输入图像： 1a。定位校准目标（提取棋盘角） 1b。假设目标是具有已知交点数的平面棋盘，估计相机相对于目标的姿势 1c。将图
有没有一种简单的方法来产生这样的已知点？是否有其他方法来验证校准（例如，Zhang的校准方法只要求校准对象是平面的，不需要知道系统的几何结构）生成内部校准时使用的图像也可用于验证。移动机器人编程工具包（MRPT）中的工具就是一个很好的例子 根据Zhang的方法，MRPT校准过程如下：
- 1a。定位校准目标（提取棋盘角）
- 1b。假设目标是具有已知交点数的平面棋盘，估计相机相对于目标的姿势
- 1c。将图像上的点指定给相对三维坐标系中校准目标的模型
如果要验证完整的系统，包括摄影机内部函数和摄影机到世界变换，可能需要构建一个夹具，将摄影机和目标放置在已知配置中，然后根据实际测量值测试计算出的3D点。您可以独立于姿势验证估计的非线性镜头畸变参数的准确性。拍摄视野范围内的直边图像（例如铅垂线或平面上的激光条纹）（一种跨越视野的简单方法是旋转相机，保持铅垂线固定，然后添加所有图像）。在所述线图像上拾取点，不扭曲其坐标，拟合数学线，计算误差 对于线性零件，您还可以在已知的相对姿势下捕获多个平面装备的图像，或者使用可重复/精确装备（例如转盘）移动一个平面目标，或者以彼此已知的角度安装多个平面目标（例如，三个彼此成90度角的平面）
和往常一样，精度要求和预算之间需要折衷。有了足够的钱和附近一家友好的机器店，你就可以让你的幻想随着钻机的几何结构而疯狂。我曾经有一个葡萄柚大小的十二面体，由白色塑料加工而成，规格为1/20毫米。用它来校准机器人手臂末端执行器上相机的姿势，在球体上围绕固定点移动相机。十二面体在遮挡角度方面具有非常好的特性。不用说，这都是专利 关于引擎的问题：姿势矩阵是[R | t]矩阵，其中R是纯三维旋转，t是平移向量。如果您已经从图像中计算出了单应性，Zhang的Microsoft技术报告（）第3.1节给出了一种封闭形式的方法，使用已知的单应性和固有的相机矩阵K来获得R和t。（我不能评论，所以我添加了一个新的答案）应该只是校准中的方差和偏差（像素重投影）在校准装置姿势中存在足够多的可变性时产生的误差。最好将这些错误可视化，而不是查看值。例如，指向中心的误差向量表示焦距错误。观察曲线可以直观地了解畸变系数 要校准摄像机，必须共同解决外部和内部问题。后者可从制造商处得知，外部（旋转和平移）的求解涉及计算单应性的分解：
这里使用单应性，因为大多数校准目标都是平面的。我正在处理相同的问题，我校准了相机，得到了固有矩阵，我想检查校准是否良好。但是在你的回答中，你说我们应该把相机的姿势和相机矩阵相乘，这样我们就得到了2D图像角！你在哪里拍的？提前谢谢你的帮助