算法标定图

‘壹’ 相机标定相机标定的技术

相机标定是一项关键技术，它为图像处理和三维重建提供了必要的参数。离线标定，如Tsai方法和Zhang方法，依赖于准确的相机内外参数，通过匹配三维标定物或平面标定图案的图像点，计算出相机的投影矩阵和场景的三维信息。这些方法已经集成在OpenCV这样的视觉算法库中，适用于已知标定条件下的场景。

然而，在某些场景下，如没有标定设备或相机参数不断变化，离线标定不再适用，这就需要在线相机标定。在线标定主要通过实时估计相机参数，与离线标定的自标定技术（分为基于场景约束和几何约束两种）不同。基于场景约束的自标定利用场景特征，如建筑中的平行线，提供消视点信息，如Caprile的方法和Heuvel的改进算法。而基于几何约束的自标定，如Triggs的绝对二次曲面理论，仅依赖图像间的几何关系进行标定，但对特定运动序列或空间特征分布有特定要求，存在退化和奇异解的情况。

‘贰’ 相机标定的方法

相机标定方法有：传统相机标定法、主动视觉相机标定方法、相机自标定法。
传统相机标定法需要使用尺寸已知的标定物，通过建立标定物上坐标已知的点与其图像点之间的对应，利用一定的算法获得相机模型的内外参数。根据标定物的不同可分为三维标定物和平面型标定物。三维标定物可由单幅图像进行标定，标定精度较高，但高精密三维标定物的加工和维护较困难。平面型标定物比三维标定物制作简单，精度易保证，但标定时必须采用两幅或两幅以上的图像。传统相机标定法在标定过程中始终需要标定物，且标定物的制作精度会影响标定结果。同时有些场合不适合放置标定物也限制了传统相机标定法的应用。
目前出现的自标定算法中主要是利用相机运动的约束。相机的运动约束条件太强，因此使得其在实际中并不实用。利用场景约束主要是利用场景中的一些平行或者正交的信息。其中空间平行线在相机图像平面上的交点被称为消失点，它是射影几何中一个非常重要的特征，所以很多学者研究了基于消失点的相机自标定方法。自标定方法灵活性强，可对相机进行在线定标。但由于它是基于绝对二次曲线或曲面的方法，其算法鲁棒性差。
基于主动视觉的相机标定法是指已知相机的某些运动信息对相机进行标定。该方法不需要标定物，但需要控制相机做某些特殊运动，利用这种运动的特殊性可以计算出相机内部参数。基于主动视觉的相机标定法的优点是算法简单，往往能够获得线性解，故鲁棒性较高，缺点是系统的成本高、实验设备昂贵、实验条件要求高，而且不适合于运动参数位置或无法控制的场合。