~ M [ X Y 1]T 为模板平 • 其中，K为摄像机的内参数矩阵，
面上点的齐次坐标， m [u v 1] 为模板平面上点投影到图 象平面上对应点的齐次坐标，[r1 r2 r3 ] 和t分别是摄像机坐 标系相对于世界坐标系的旋转矩阵和平移向量。
~ ~ sm HM
其中
H [h1 h2 h3 ] K [r1 r2 t ]
m13 m23 m33 X m14 w Yw m24 Z w m34 1
u m11 m12 m ZC v 21 m22 1 m31 m32
整理消去 Zc 得到两个关于 mij 的线性方程：
求解：首先利用最小二乘法求解超定线性方程组，求得模型外部 参数；然后求解内部参数，如果摄像机无透镜畸变，可通过一个超定 线性方程组解出，如果存在一个以二次多项式近似的径向畸变，则利 用一个包含三个变量的目标函数进行优化搜索求解。
2.张正友的标定方法
Yc
M X , Y , 0
Zc
O
Yw
mu, v
摄 像 机 标 定 技 术
线性标定方法
优点：标定精度高 缺点：模型复杂计算量过大
非线性优化标定方法
优点：参数求解简易 缺点：标定成本高
Tsai的经典两步法 两步标定法 张正友的标定方法
(一)线性标定方法
u ZC v M 1M 2 X w MX w 1
将
写成如下形式：
2、畸变误差数学模型

光学镜头径向曲率的变化是引起径向畸变的主要原因，这种变 形会使得图像点沿径向移动，离中心点越远其变形的位移量越 大。对于图像的径向畸变，通常采用多项式拟合算法，假设图 像中的像素点理想的坐标为(Xd,Yd),畸变后坐标为(Xr,Yr),则:
r0 ki r i
i 1 n
四、摄像机镜头畸变
由于摄像机物镜系统设计、制作、装配所 引起的像点偏离其理想位置点位误差称为光学 畸变，如下图所示：
1、径向畸变、偏心畸变
光学畸变分为径向畸 变和偏心畸变。径向畸 变像点沿径向方向偏离 标准理想位置；偏心畸 变使像点沿径向方向和 垂直径向方向偏离理想 位置，径向畸变称为非 对称径向畸变，垂直径 向方向的畸变称为切向 畸变。
（二）摄像机标定的意义 无论是在图像测量或者机器视觉应 用中，摄像机参数的标定都是非常关键 的环节，其标定结果的精度及算法的稳 定性直接影响摄像机工作产生结果的准 确性。因此，做好摄像机标定是做好后 续工作的前提，是提高标定精度是科研 工作的重点所在。
（三）摄像机标定的目的
是利用给定物体的参考点坐标（x，y，z） 和它的图像坐标（u，v）来确定摄像机内部的 几何和光学特性（内部参数）以及摄像机在三 维世界中的坐标关系（外部参数）。内部参数 包括镜头焦距f，镜头畸变系数（k、s、p）， 坐标扭曲因子s，图像坐标原点（u0，v0）等参 数。外部参数包括摄像机坐标系相对于世界坐 标系得旋转矩阵R 和平移向量T 等参数。
Xc
Ow
Zw Xw

方法的要求：


摄像机在两个以上 不同的方位拍摄一 个平面靶标； 标定过程中摄像机 内参保持不不变
标定板
单应性矩阵：
•在这里假定模板平面在世界坐标系 Z 0的平上
~
T
X u X Y K [r r r t ] K [ r r t ]Y s v 1 2 3 1 2 0 1 1 1
二、摄像机标定涉及到的坐标系
（一）图像像素直角坐标系
摄像机采集图像后以标准电视信 号的形式输入计算机，在计算机中以M × N矩阵(M 行 N 列的图像中的每一个 元素的数值被称为图像点的灰度)保存。 在图像上定义图像像素直角坐标系(Ot, u, v)，每一个像素的坐标(u,v)分别表 示该像素在数组中的列数与行起的图像变形，这种变形是由径向变形分量和 切向变形分量共同构成，其数学模型为：
2 2 X p s1 ( xd yd ) 2 2 Y s ( x y ) p 2 d d
五、传统的摄像机标定技术
优点：运算速度快 缺点：标定的精度不高
求解方法
拟 线 性 化 方 法
最速下降法
遗传算法
高斯牛顿法
神经网络算法 Levenberg-Marquard算法
完 全 非 线 性 法
(三)两步标定法
1. Tsai的经典两步法
概念：Tsai 基于 RAC 约束（Radial Alignment Constrain）提 出的两步法，在求解过程中将CCD（电耦合器件）阵列感光元的横向间 距和纵向间距当作已知参数，求解的摄像机内部参数：有效焦距f；镜 头径向畸变系数k1,k2；非确定性尺度因子xs ；图像中心或主点u0,v0。 外部参数：世界坐标系与摄像机坐标系之间的旋转矩阵R与平移向量t。
摄像机坐标系向世界坐标系的变换，包括 X、Y轴和Z轴的旋转以及坐标平移，故根据以 上坐标变换知识可得摄像机坐标系和世界坐 标系的齐次坐标系变换矩阵：
其中
R中各个参数r1…r9可由旋转变换矩阵得到， 且只含有α、β和γ三个参数
三、摄像机针孔模型
透镜成像原理： 物距μ，焦距f，相距v三者之间满足如下关系
v
u x
v
y
（二）图像物理坐标系(O1,X,Y)
由于像素直角坐标系中(u , v )只表示像素位于 数组中的列数与行数，并没有物理单位表示出该 像素在图像中的位置，因此需要建立以物理单位 表示的图像物理坐标系(O1,X,Y)。
(三)物理坐标系与像素坐标系转换
如图若O1在u，v坐标系中 的坐标为（u0，v0），每一个像素 在x轴与y轴方向上的物理尺寸为 dx，dy则图像中任意一个像素在 两个坐标系下的坐标有如下关系：
u
x u0 dx
v
y v0 dy
上式可表示为下面的矩阵：
(四)摄像机坐标系、世界坐标系
摄像机坐标系是由点OC与XC、 YC和ZC轴组成的直角坐标系 (OC
点称为摄像机的光学中心，简称
光心), XC、YC和x轴y轴平行，ZC 轴为摄像机的光轴，它与图像平 面垂直，光轴与图像平面的交点， 即为图像坐标系的原点，OcO1 为 摄像机焦距。
1.求解思想 求 解 过 程 2.具体步骤
2.每个标定点对应两个方程
3.假设m34= 1，那么共有 11 个 未知数 1.选取n（n≥6）个标定特征点， 得到其关于11个未知数的超 定方程 2.最小二乘法求解
3.分解得到的变换矩阵
(二)非线性标定方法

当镜头畸变明显时 必须要引入畸变模 型，将线性标定模 型转化为非线性标 定模型，通过非线 性优化的方法求解 摄像机参数。
数字图像处理
——摄像机标定
李**
标定有什么用？
1、工业元件尺寸测量系统
2、基于机器视觉的四轮定位系统
3、数字博物馆虚拟体验
标定什么？
外参 内参
1、物距
1、像素
2、焦距
2、角度
3、图像原点
4、畸变
一、综述
（一）什么是摄像机标定 在图像测量过程以及机器视觉应用中，为 确定空间物体表面某点的三维几何位置与其在 图像中对应点之间的相互关系，必须建立摄像 机成像的几何模型, 这些几何模型参数就是摄 像机参数。在大多数条件下这些参数必须通过 实验与计算才能得到，这个求解参数的过程就 称之为摄像机标定。
2.尺度缩放 用 Sx , S y , Sz 沿 X , Y , Z轴进行缩放变换可用下列矩 阵实现:
sx 0 s 0 0 0 sy 0 0 0 0 sz 0 0 0 0 1
同理有点绕X轴旋转α角，和点绕Y轴旋转β 角的变换矩阵：
一个完整的坐标旋转变换，包括绕x、y和z 轴的旋转，可得旋转变换矩阵 R R R R
式中
2 2 r0 xr2 yr2 r xd yd
Ki为畸变系数
由于径向畸变只跟像素点离图像中心的距离有关，因此在直 xd xr 角坐标系中有： yd yr yd yr o y 将该式带入上式得：
X r xd (k1r k2 r k3r ) 2 4 6 Yr yd (k1r k2 r k3r )
X wm11 Ywm12 Z wm13 +m14 uX wm31 uYwm32 uZ wm33 um34 X wm21 Ywm22 Z wm23 +m24 vX wm31 vYwm32 vZ wm33 vm34
1.已知像素坐标，将mij看作未知 数，则共有 12个未知数
求解摄像机模型参数
令：
经过推导可得：
有：
非线性最优化摄像机参数
由于图像噪声等因素的影响，上述过程求得的 CCD 摄像 机参数与真实值之间还存在着差距。因此，需要对所有的摄 像机参数进行最优化求解，优化目标函数为：
其中， 像模型投影得到的, 点。
是由世界坐标点M通过摄像机成 是通过角点检测得到的像素坐标
参考文献
[1] 马颂德,张正友.计算机视觉-计算理论与算法基础[M]. 北京：科学出版社,1998. [2] D Vision, W H Freeman, Company San Francisco.中译 本：视觉计算理论，姚国正，刘磊，汪云九译，科学出版 社，1988. [3] 钟玉琢,乔秉新,李树青.机器人视觉技术[M].北京：国防 工业出版社,1994. [4] 蔡自兴.机器人学[M].北京:清华大学出版社,2003. [5] 贾云得.机器视觉[M].北京:科学出版社,2000. [6] 章毓晋.图像工程[M].北京:清华大学出版社,1999. [7] 郑南宁.计算机视觉与模式识别 [M].北京：国防工业出 版 社, 1998. [8] 吴立德.计算机视觉[M].上海：复旦大学出版社, 1993.