CN113160333A - 参数优化相机标定方法 - Google Patents

参数优化相机标定方法 Download PDF

Info

Publication number
CN113160333A
CN113160333A CN202110468122.3A CN202110468122A CN113160333A CN 113160333 A CN113160333 A CN 113160333A CN 202110468122 A CN202110468122 A CN 202110468122A CN 113160333 A CN113160333 A CN 113160333A
Authority
CN
China
Prior art keywords
camera
distortion
coordinate system
matrix
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110468122.3A
Other languages
English (en)
Other versions
CN113160333B (zh
Inventor
李醒飞
冯高品
谭文斌
刘震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202110468122.3A priority Critical patent/CN113160333B/zh
Publication of CN113160333A publication Critical patent/CN113160333A/zh
Application granted granted Critical
Publication of CN113160333B publication Critical patent/CN113160333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及视觉测量,为提出新的相机标定方法。为此,本发明采取的技术方案是,参数优化相机标定方法,利用相机的透视变换模型建立约束方程,并引入相机切向畸变和薄透镜畸变,然后利用做小二乘法求解物体坐标和图像坐标之间的数学模型。本发明主要应用于相机标定、视觉测量场合。

Description

参数优化相机标定方法
技术领域
本发明涉及视觉测量,具体涉及参数优化相机标定方法。
背景技术
视觉测量是一种摄像机为传感器的非接触式测量技术,随着视觉测量理论的发展以及有关相机成像精度等硬件性能的提升,视觉测量技术被广泛地应用在各种工业测量当中,并且具有非接触,速度快,精度高的特点。视觉测量的基本原理利用图像传感器获取目标的信息,建立物体坐标和图像坐标之间的数学模型,通过求解模型当中的参数,确定物体坐标和图像坐标的映射关系,由图像坐标求得物体坐标,进而确定物体的实际尺寸。模型的求解过程即为相机的标定,因而标定精度直接影响到测量的精度。
相机的标定方式有传统标定法:优点是标定精度高,但是需要记结构尺寸精确的标定物,并且标定过程计算较为复杂;基于主动视觉测的标定:不需高精度的参,这种标定方法需要控制摄像机做某些特殊运动,如摄像机做相互正交的平移运动,在平台坐标系下朝某一方向平移,摄像机仅作纯平移或旋转运动等。该方法的算法相对简单,参数可以通过线性求解,鲁棒性较高。但该方法需要使用高精度视觉平台进行摄像机标定,系统成本较高,且不适用于摄像机运动未知或无法控制的场合。摄像机自标定法:利用摄像机在运动过程中图像与图像之间对应点的关系,直接对摄像机进行标定。该方法采用的是针孔摄像模型,通过摄像机内部参数的自身约束关系进行求解,该方法不需标定参照物,方便灵活,但是精度较低不适用于视觉测量领域。介于传统和自标定之间的张氏标定法:张正友基于棋盘格的标定法,该方法利用相机的内参数约束分别求取相机初始内参和外参数,然后引入径向畸变,利用最优化方法进行全局优化,该方法不需要高精度参照物,标定精度较高,但是在镜头畸变较大的情况下易使求解陷入局部最优,并且没有考虑镜头的切向畸变。
发明内容
为克服现有技术的不足,本发明旨在提出新的相机标定方法。为此,本发明采取的技术方案是,参数优化相机标定方法,利用相机的透视变换模型建立约束方程,并引入相机切向畸变和薄透镜畸变,然后利用做小二乘法求解物体坐标和图像坐标之间的数学模型。
具体步骤如下:
1.建立无畸变的理想成像模型
相机的成像模型包括从世界坐标系—相机坐标系—成像面坐标系—像素坐标系的转换矩阵,转换矩阵如下:
Figure BDA0003044144510000011
其中:(Xw,Yw,Zw)为世界坐标系中的点,(u,v)为像素坐标系中的点,Zc为成像距离,
Figure BDA0003044144510000021
为相机内参矩阵,
Figure BDA0003044144510000022
为外参矩阵,
Figure BDA0003044144510000023
为像素坐标平面上的尺度因子,也称等效焦距,f为相机焦距,dx、dy为像素平面上单位像素对应的物理距离。
Figure BDA0003044144510000024
为旋转矩阵,r11、r12......r33为由旋转角度计算得到的矩阵参数;
T3,1=[Tx Ty Tz]为平移矩阵,Tx、Ty、Tz为X方向、Y方向、Z方向的平移距离。
2.初始参数求解
在忽略透镜存在畸变等因素的情况下,以平面的单应性为约束条件求解相机的初始内外参数,采用基于单平面棋盘格张正友标定法求解,得到f、dx、dy、r、u0、v0、R3,3、T3,1的值。
3.求解畸变参数
选用迭代逐步逼近求解的方式,首先通过多畸变模型校正像点坐标,假定经校正后像点的成像坐标与该点在摄像机坐标系下的位置满足透视原理,然后利用相机的初始内外参数值求解出畸变系数,在此畸变系数在畸变模型上迭代更新相机的内外参数。
求解畸变参数和全局优化具体过程如下:
(1)设(x,y)是理想图像坐标,(xr,yr)是实际的图像坐标,(xc,yc,zc)为相机坐标系中的对应点,k1、k2为径向畸变系数,p1、p2为切向畸变系数,s1、s2为薄透镜畸变系数;
Figure BDA0003044144510000025
则根据畸变校正和透视变换模型得到:
Figure BDA0003044144510000026
利用上节得到的外参矩阵和内参矩阵初始值,可计算xc,yc,zc的值,(xr,yr)的值根据下式计算得到:
Figure BDA0003044144510000031
至此,式中只剩下畸变参数k1,k2,p1,p2,s1,s2,在标定图像中任意选取n>6个点,通过最小二乘法求出畸变系数。
(2)迭代优化R,T,f的值
由世界坐标系和图像坐标系的转换关系:
Figure BDA0003044144510000032
写成线性方程的形式为:
Figure BDA0003044144510000033
其中f.r11/Tz,f.r12/Tz,f.Tx/Tz,f.r21/Tz,f.r22/Tz,f.Ty/Tz,r31/Tz,r32/Tz通过最小二乘算法求解。由旋转矩阵R的正交性,有:
Figure BDA0003044144510000034
解出f/Tz,r11,r12,r21,r22,Tx,Ty,根据正交矩阵的性质,可求出r13、r23、r31、r32、r33,最后有r31/Tz可求出Tz的值,由f/Tz求出f的值;
(3)设ΔR为两次迭代中R的差值,ΔT为两次迭代T的差值,Δf为两次迭代中f的差值;重复步骤3-(1)和3-(2)直到|ΔR|、|ΔT|、|Δf|的值小于一个极小的正值ε,迭代结束。
本发明的特点及有益效果是:
本发明选用迭代逐步逼近的方式,利用相机的初始内外参数值求解出畸变系数,进一步以此畸变系数在畸变模型上迭代更新相机的内外参数。因而本发明标定精度较高,能够清除镜头的切向畸变影响。
附图说明:
图1参数优化相机标定方法流程。
图2相机小孔成像模型。
图3标定板在CCD中的成像。
图4经畸变校正的图像。
图5标定误差。
具体实施方式
如图1所示,展示了本发明实施方式的流程。本发明传统张氏标定的基础上,在求得初始解之后,对于参数优化过程进行改进,利用相机的透视变换模型建立约束方程,并引入相机切向畸变和薄透镜畸变,然后利用做小二乘法求解。实验表明标定方法稳定可靠,标定精度较张氏标定高。
本发明步骤如下:
1.建立无畸变的理想成像模型
相机的成像模型包括从世界坐标系—相机坐标系—成像面坐标系—像素坐标系的转换矩阵,如图1所示。
根据常用的小孔成像模型可得到下面的转换矩阵
Figure BDA0003044144510000041
其中:(Xw,Yw,Zw)为世界坐标系中的点,(u,v)为像素坐标系中的点,Zc为成像距离;
Figure BDA0003044144510000042
为相机内参矩阵,
Figure BDA0003044144510000043
为外参矩阵;
Figure BDA0003044144510000044
为像素坐标平面上的尺度因子,也称等效焦距,f为相机焦距,dx、dy为像素平面上单位像素对应的物理距离;
Figure BDA0003044144510000045
为旋转矩阵,r11、r12......r33为由旋转角度计算得到的矩阵参数;
T3,1=[Tx Ty Tz]为平移矩阵,Tx、Ty、Tz为X方向,Y方向,Z方向的平移距离。
2.初始参数求解
在忽略透镜存在畸变等因素的情况下,以平面的单应性为约束条件求解相机的初始内外参数,采用基于单平面棋盘格张正友标定法求解,得到f、dx、dy、r、u0、v0、R3,3、T3,1的值。
3.求解畸变参数和全局优化
上述的内外参数是根据线性模型求出的,未引入成像过程中的相机畸变,为此还需对结果进行优化。张氏标定法的优化方法是最大似然估计方法,其优化过程可能会陷入局部最优解。为此本文选用迭代逐步逼近的方式,首先通过多畸变模型校正像点坐标,假定经校正后像点的成像坐标与该点在摄像机坐标系下的位置满足透视原理,然后利用相机的初始内外参数值求解出畸变系数,进一步以此畸变系数在畸变模型上迭代更新相机的内外参数,具体过程如下:
(1)利用透视约束和初始成像参数求解畸变系数
设(x,y)是理想图像坐标,(xr,yr)是实际的图像坐标,(xc,yc,zc)为相机坐标系中的对应点,k1、k2为径向畸变系数,p1、p2为切向畸变系数,s1、s2为薄透镜畸变系数;
Figure BDA0003044144510000051
则根据畸变校正和透视变换模型得到:
Figure BDA0003044144510000052
利用上节得到的外参矩阵和内参矩阵初始值,可计算xc,yc,zc的值,(xr,yr)的值可根据下式计算:
Figure BDA0003044144510000053
至此,式中只剩下畸变参数k1,k2,p1,p2,s1,s2,在标定图像中任意选取n>6个点即可通过最小二乘法求出畸变系数。
(2)迭代优化R,T,f的值
由世界坐标系和图像坐标系的转换关系:
Figure BDA0003044144510000054
写成线性方程的形式为:
Figure BDA0003044144510000061
其中f.r11/Tz,f.r12/Tz,f.Tx/Tz,f.r21/Tz,f.r22/Tz,f.Ty/Tz,r31/Tz,r32/Tz可通过最小二乘法算法求解。由R的正交性,有:
Figure BDA0003044144510000062
解出f/Tz,r11,r12,r21,r22,Tx,Ty,根据正交矩阵的性质,可求出r13,r23,r31,r32,r33,最后有r31/Tz可求出Tz的值,由f/Tz求出f的值。
(3)设ΔR为两次迭代中R的差值,ΔT为两次迭代T的差值,Δf为两次迭代中f的差值;重复步骤(3)和(4)直到|ΔR|、|ΔT|、|Δf|的值小于一个极小的正值ε,迭代结束。
二.实验验证
为验证本文标定方法的有效性,实验中所用的标定板为刻印在菲林板上的9x12的黑白棋盘格,单个棋盘格大小为0.5x0.5mm,镜头型号为图像分辨率744x480黑白CCD相机,为提高标定精度又不使计算量过大,通过平移和转动图像,使标定板在视野中的不同位置成像,实验中共选取了11张不同方位的图像,成像效果如图3所示。
标定的步骤如下
1)调节相机光圈和焦距,将标定板以合适的距离安装在三角架安装板上,调整好双相机的角度、焦距、光圈,使标定板清晰明亮可见;然后将双相机的位置、焦圈、光圈等都加以固定。
2)转动和倾斜标定板,使标定板在图像中的不同位置成像,记录图像并保存。
3)按本发明中1-3的步骤对相机参数进行求解和优化。
4)分析标定误差。
标定结果如下所示:
(1)内参矩阵
Figure BDA0003044144510000063
(2)部分外参矩阵:
Figure BDA0003044144510000064
Figure BDA0003044144510000071
(3)畸变系数
K1=0.00026,K2=-0.00023
P1=-0.01765,P2=0.02153
S1=-0.00061S2=-0.0331
(4)图4为角点识别和畸变校正之后的图像,对比原图,图像四周的枕形畸变明显减小。
(5)图5为利用标定参数经重映射之后计算的标定误差,平均重映射误差为0.18个像素,证明标定结果较好。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (3)

1.一种参数优化相机标定方法,其特征是,利用相机的透视变换模型建立约束方程,并引入相机切向畸变和薄透镜畸变,然后利用做小二乘法求解物体坐标和图像坐标之间的数学模型。
2.如权利要求1所述的参数优化相机标定方法,其特征是,具体步骤如下:
1)建立无畸变的理想成像模型
相机的成像模型包括从世界坐标系—相机坐标系—成像面坐标系—像素坐标系的转换矩阵,转换矩阵如下:
Figure FDA0003044144500000011
其中:(Xw,Yw,Zw)为世界坐标系中的点,(u,v)为像素坐标系中的点,Zc为成像距离,
Figure FDA0003044144500000012
为相机内参矩阵,
Figure FDA0003044144500000013
为外参矩阵,
Figure FDA0003044144500000014
为像素坐标平面上的尺度因子,也称等效焦距,f为相机焦距,dx、dy为像素平面上单位像素对应的物理距离。
Figure FDA0003044144500000015
为旋转矩阵,r11、r12......r33为由旋转角度计算得到的矩阵参数;
T3,1=[Tx Ty Tz]为平移矩阵,Tx、Ty、Tz为X方向、Y方向、Z方向的平移距离。
2)初始参数求解
在忽略透镜存在畸变等因素的情况下,以平面的单应性为约束条件求解相机的初始内外参数,采用基于单平面棋盘格张正友标定法求解,得到f、dx、dy、r、u0、v0、R3,3、T3,1的值。
3)求解畸变参数
选用迭代逐步逼近求解的方式,首先通过多畸变模型校正像点坐标,假定经校正后像点的成像坐标与该点在摄像机坐标系下的位置满足透视原理,然后利用相机的初始内外参数值求解出畸变系数,在此畸变系数在畸变模型上迭代更新相机的内外参数。
3.如权利要求2所述的参数优化相机标定方法,其特征是,求解畸变参数和全局优化具体过程如下:
(1)设(x,y)是理想图像坐标,(xr,yr)是实际的图像坐标,(xc,yc,zc)为相机坐标系中的对应点,k1、k2为径向畸变系数,p1、p2为切向畸变系数,s1、s2为薄透镜畸变系数;
Figure FDA0003044144500000021
则根据畸变校正和透视变换模型得到:
Figure FDA0003044144500000022
利用上节得到的外参矩阵和内参矩阵初始值,可计算xc,yc,zc的值,(xr,yr)的值根据下式计算得到:
Figure FDA0003044144500000023
至此,式中只剩下畸变参数k1,k2,p1,p2,s1,s2,在标定图像中任意选取n>6个点,通过最小二乘法求出畸变系数。
(2)迭代优化R,T,f的值
由世界坐标系和图像坐标系的转换关系:
Figure FDA0003044144500000024
写成线性方程的形式为:
Figure FDA0003044144500000025
其中f.r11/Tz,f.r12/Tz,f.Tx/Tz,f.r21/Tz,f.r22/Tz,f.Ty/Tz,r31/Tz,r32/Tz通过最小二乘算法求解。由旋转矩阵R的正交性,有:
Figure FDA0003044144500000026
解出f/Tz,r11,r12,r21,r22,Tx,Ty,根据正交矩阵的性质,可求出r13、r23、r31、r32、r33,最后有r31/Tz可求出Tz的值,由f/Tz求出f的值;
(3)设ΔR为两次迭代中R的差值,ΔT为两次迭代T的差值,Δf为两次迭代中f的差值;重复步骤3-(1)和3-(2)直到|ΔR|、|ΔT|、|Δf|的值小于一个极小的正值ε,迭代结束。
CN202110468122.3A 2021-04-28 2021-04-28 参数优化相机标定方法 Active CN113160333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110468122.3A CN113160333B (zh) 2021-04-28 2021-04-28 参数优化相机标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110468122.3A CN113160333B (zh) 2021-04-28 2021-04-28 参数优化相机标定方法

Publications (2)

Publication Number Publication Date
CN113160333A true CN113160333A (zh) 2021-07-23
CN113160333B CN113160333B (zh) 2023-03-07

Family

ID=76872018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110468122.3A Active CN113160333B (zh) 2021-04-28 2021-04-28 参数优化相机标定方法

Country Status (1)

Country Link
CN (1) CN113160333B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113989389A (zh) * 2021-11-10 2022-01-28 中国科学院长春光学精密机械与物理研究所 应用于抬头设备的交替平差标定方法
CN117319628A (zh) * 2023-09-18 2023-12-29 四开花园网络科技(广州)有限公司 一种支持户外led屏的实时互动裸眼3d虚拟场景系统
CN117576228A (zh) * 2024-01-16 2024-02-20 成都合能创越软件有限公司 基于实时场景的相机坐标标定方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101276465A (zh) * 2008-04-17 2008-10-01 上海交通大学 广角图像自动拼接方法
CN102750697A (zh) * 2012-06-08 2012-10-24 华为技术有限公司 一种参数标定方法及装置
CN104331896A (zh) * 2014-11-21 2015-02-04 天津工业大学 一种基于深度信息的系统标定方法
CN107507246A (zh) * 2017-08-21 2017-12-22 南京理工大学 一种基于改进畸变模型的摄像机标定方法
CN109544643A (zh) * 2018-11-21 2019-03-29 北京佳讯飞鸿电气股份有限公司 一种摄像机图像校正方法及装置
CN110458951A (zh) * 2019-08-15 2019-11-15 广东电网有限责任公司 一种电网杆塔的建模数据获取方法及相关装置
CN111667536A (zh) * 2019-03-09 2020-09-15 华东交通大学 一种基于变焦相机深度估计的参数标定方法
CN112465918A (zh) * 2020-12-06 2021-03-09 西安交通大学 一种基于Tsai标定的显微视觉标定方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101276465A (zh) * 2008-04-17 2008-10-01 上海交通大学 广角图像自动拼接方法
CN102750697A (zh) * 2012-06-08 2012-10-24 华为技术有限公司 一种参数标定方法及装置
US20150093042A1 (en) * 2012-06-08 2015-04-02 Huawei Technologies Co., Ltd. Parameter calibration method and apparatus
CN104331896A (zh) * 2014-11-21 2015-02-04 天津工业大学 一种基于深度信息的系统标定方法
CN107507246A (zh) * 2017-08-21 2017-12-22 南京理工大学 一种基于改进畸变模型的摄像机标定方法
CN109544643A (zh) * 2018-11-21 2019-03-29 北京佳讯飞鸿电气股份有限公司 一种摄像机图像校正方法及装置
CN111667536A (zh) * 2019-03-09 2020-09-15 华东交通大学 一种基于变焦相机深度估计的参数标定方法
CN110458951A (zh) * 2019-08-15 2019-11-15 广东电网有限责任公司 一种电网杆塔的建模数据获取方法及相关装置
CN112465918A (zh) * 2020-12-06 2021-03-09 西安交通大学 一种基于Tsai标定的显微视觉标定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘博: "双目视觉中摄像机标定与特征点提取算法的研究与改进", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, no. 2, 15 February 2020 (2020-02-15) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113989389A (zh) * 2021-11-10 2022-01-28 中国科学院长春光学精密机械与物理研究所 应用于抬头设备的交替平差标定方法
CN113989389B (zh) * 2021-11-10 2024-05-14 中国科学院长春光学精密机械与物理研究所 应用于抬头设备的交替平差标定方法
CN117319628A (zh) * 2023-09-18 2023-12-29 四开花园网络科技(广州)有限公司 一种支持户外led屏的实时互动裸眼3d虚拟场景系统
CN117576228A (zh) * 2024-01-16 2024-02-20 成都合能创越软件有限公司 基于实时场景的相机坐标标定方法及系统
CN117576228B (zh) * 2024-01-16 2024-04-16 成都合能创越软件有限公司 基于实时场景的相机坐标标定方法及系统

Also Published As

Publication number Publication date
CN113160333B (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
CN113160333B (zh) 参数优化相机标定方法
CN107633536B (zh) 一种基于二维平面模板的相机标定方法及系统
CN105096329B (zh) 一种精确校正超广角摄像头图像畸变的方法
CN107025670A (zh) 一种远心相机标定方法
CN111243033B (zh) 一种优化双目相机外参数的方法
CN106504290B (zh) 一种高精度的摄像机动态标定方法
ES2382233T3 (es) Método y aparato para calibrar una videocámara
CN106595528A (zh) 一种基于数字散斑的远心显微双目立体视觉测量方法
CN112614075B (zh) 一种面结构光3d系统的畸变校正方法及设备
CN109961485A (zh) 一种基于单目视觉进行目标定位的方法
CN109003312B (zh) 一种基于非线性优化的相机标定方法
CN107633533B (zh) 大畸变镜头下的高精度圆形标志点中心定位方法及装置
CN113920205B (zh) 一种非同轴相机的标定方法
CN113012234B (zh) 基于平面变换的高精度相机标定方法
CN101561931A (zh) 基于无迹卡尔曼滤波的摄像机标定方法
CN113763479B (zh) 一种折反射全景相机与imu传感器的标定方法
CN112686961A (zh) 一种深度相机标定参数的修正方法、装置
CN113920206A (zh) 透视移轴相机的标定方法
CN110136068A (zh) 基于双侧远心镜头相机之间位置标定的音膜球顶装配系统
CN113781581B (zh) 基于靶标松姿态约束的景深畸变模型标定方法
CN113012279B (zh) 一种非接触三维成像测量方法、系统及计算机可读存储介质
CN113865514B (zh) 一种线结构光三维测量系统标定方法
CN114820810A (zh) 一种基于Tsai氏相机平面标定算法的解析方法
CN110689582B (zh) 全站仪摄像机标定方法
CN114373019B (zh) 一种利用最优化方法对无公共视场相机进行标定的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant