图像理论部分"/>
SLAM十四讲——第五讲相机与图像理论部分
目录
相机模型
单目模型(重点)
单目针孔模型
相机畸变:
相机畸变处理流程如下:
成像过程总结 :
鱼眼相机
卷帘相机与全局相机
全景相机(使机器人感知360°的环境)
双目针孔模型(重点)
双目相机:
存在问题:
RGB-D
与双目相机估计深度的区别
优点:
缺点:
相机标定(重点)
为什么要标定
常用标定方法
matlab
Opencv
Kalibr(ROS)GitHub - ethz-asl/kalibr: The Kalibr visual-inertial calibration toolbox
做SLAM常用的相机
相机模型
-
单目模型(重点)
单目针孔模型
可得结果:
成像平面X-Y和像素系u-v:
注意:像素坐标系和像平面坐标系之间的转换就差两个步骤:
- 坐标单位之间的转换
- 像素中心的偏移
k:相机的内参矩阵,只跟相机本身有关
注意: k是常数,即相机的内参矩阵!
相机畸变:
注意:处理畸变时的x,y;代入的是在归一化平面上的坐标!
相机畸变处理流程如下:
成像过程总结 :
鱼眼相机
【摄影vlog】鱼眼相机里的世界_哔哩哔哩_bilibili
卷帘相机与全局相机
卷帘相机与全局相机的区别 (61条消息) 卷帘相机和全局相机的区别(Rolling Shutter & Global Shutter)_诸葛飞飞的博客-CSDN博客
果冻效应
“果冻效应”是什么?将尺子在阳光下拨动,有趣的现象发生了_哔哩哔哩_bilibili
全景相机(使机器人感知360°的环境)
目前最值得一试的全景运动相机?影石Insta360 X3上手_哔哩哔哩_bilibili
-
双目针孔模型(重点)
注意:单目相机存在的问题——深度丢失!
双目相机:
最后推导所得结果:
最后公式分析:b:基线已知 d(disparty):视差 z:深度信息
- 若是深度信息很大,比如太阳,人睁左眼闭右眼和睁右眼闭左眼的两种情况差别不大,即视差很小。
- 若深度信息很小,比如眼前的手指,人睁左眼闭右眼和睁右眼闭左眼的两种情况差别很大,即视差很大。
- 基线b越大越好,因为现实世界成像存在噪声,感光平面cmos上,由于光源影响,会有一些点的匹配不准,白点噪声,基线很小的情况下,会造成很大的误差。比如:要做10m避障,要使用10cm的基线!
- 基线b越大越好的物理意义:基线b越大,照照片时,对于相同深度的物体,视差越大!
存在问题:
- 对计算机要求特别高,对于p点来说,如何将左边成像平面的点,和右边平面的点匹配到一块。
- 如果要对环境进行稠密的三维重建,这时要对相机中的每一个像素点都要做如下流程:首先匹配,之后计算视差,带入公式中计算z。导航时所用的图像是640*480,总共有30万像素!相机一般是30fps。
- 基线会限制感知距离的最大值。
RGB-D
RGB-D既能够采集三通道的RGB图像,相机中安装了红外发射和接受器,能够直接采集深度信息
与双目相机估计深度的区别
- 双目相机是使用像素匹配的方法,通过计算得到的,而RGB-D相机是通过物理方法得到的,对算力的要求很低。
- RGB-D相机得到的是RGB彩色图像,可得到彩色的3D点云。
优点:
- 直接测量深度,无需像单双目那样计算每个像素的深度
- RGB+Depth,彩色点云,场景稠密重建很友好
缺点:
- 容易受到日光影响
- 不同机器人之间的RGB-D也可能会相互影响
- 没办法检测到投射物体
- 成本、功耗
相机标定(重点)
为什么要标定
- 我们建立了相机的观测方程z=h(x,y)
- 观测方程涉及内参k和外参Tcw,外参为待估计量,内参为相机的固有变量,只有将内参估计好,我们才能更加准确的估计外参(SLAM要解决的问题就是找到x和y)
- 标定车间一分钟标定一辆车的自动驾驶标定车间长啥样?_哔哩哔哩_bilibili
注意:要估计外参,就是认为内参k是正确的,不受外参的影响!
常用标定方法
-
matlab
matlab 工具标定相机流程:
-
Opencv
Opencv 官方手册:.x/
Opencv 标定流程:
Opencv B站教学推荐:=29
Opencv CSDN博客推荐:OpenCV入门【C++版】
-
Kalibr(ROS)GitHub - ethz-asl/kalibr: The Kalibr visual-inertial calibration toolbox
Kalibr 标定流程:/?spm_id_from=333.337.search-card.all.click&vd_source=0da0b7e545e1a65e82836ac4eff73077
做SLAM常用的相机
- Realsense
- ZED
- kinect
- 工业相机
- ov7670
- uvc免驱
- csi相机
- SDK、价格、效果
更多推荐
SLAM十四讲——第五讲相机与图像理论部分
发布评论