每天一分钟,带你读遍机器人顶级会议文章
标题:Parameter-free Lens Distortion Calibration of Central Cameras
作者:Filippo Bergamasco, Luca Cosmo, Andrea Gasparetto, Andrea Albarelli and Andrea Torsello
来源:International Conference on Computer Vision (ICCV 2017)
编译:颜青松
审核:陈世浪
欢迎个人转发朋友圈;其他机构或自媒体如需转载,后台留言申请授权
摘要
许多的计算机视觉应用的核心都在于寻找一个合理的数学模型来描述成像过程,带径向畸变的针孔模型就是目前最常用的模型之一,其平衡了精度和复杂度,能够满足这些应用的需要。
于此同时,为解决特殊成像相机的无约束非参模型也被发现具有比参数模型具有更好效果,即便使用较为简易的设施。虽然无参数模型具有更高的精度,但是由于其无法用简单的线性映射关系描述成像过程,导致其使用范围受到了极大的限制。
本文提出了一种无参数模型,其中所有的光线都被约束到同一个成像中心,保证其是中心投影。本文的算法直接提供了一个畸变改正图,能够非常容易的获取符合中心投影的无畸变影像。并且,本文的算法也能用于双目相机校准,能够同时进行相机标定和核线校正。
图1 左上图和左下图是展示了光线正确投影与实际投影的差异图,左上图是初始结果,左下图是迭代优化后的记过。右图是光线与标定板之间的示意图。
图2 使用本文算法可以直接获取的双目校正结果
Abstract
At the core of many Computer Vision applications standsthe need to define a mathematical model describing theimaging process. To this end, the pinhole model with radialdistortion is probably the most commonly used, asit balances low complexity with a precision that is suffi-cient for most applications. On the other hand, unconstrainednon-parametric models, despite being originallyproposed to handle specialty cameras, have been shownto outperform the pinhole model, even with the simpler setups.Still, notwithstanding the higher accuracy, the inabilityof describing the imaging model by simple linear projectiveoperators severely limits the use of standard algorithmswith unconstrained models. In this paper we proposea parameter-free camera model where each imaging ray isconstrained to a common optical center, forcing the camerato be central. Such model can be easily calibrated witha practical procedure which provides a convenient undistortionmap that can be used to obtain a virtual pinholecamera. The proposed method can also be used to calibratea stereo rig with a displacement map that simultaneouslyprovides stereo rectification and corrects lens distortion.
如果你对本文感兴趣,想要下载完整文章进行阅读,可以关注【泡泡机器人SLAM】公众号(paopaorobot_slam)。
欢迎来到泡泡论坛,这里有大牛为你解答关于SLAM的任何疑惑。
有想问的问题,或者想刷帖回答问题,泡泡论坛欢迎你!
泡泡网站:www.paopaorobot.org
泡泡论坛:http://paopaorobot.org/forums/
泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成,希望大家珍惜我们的劳动成果,转载请务必注明出自【泡泡机器人SLAM】微信公众号,否则侵权必究!同时,我们也欢迎各位转载到自己的朋友圈,让更多的人能进入到SLAM这个领域中,让我们共同为推进中国的SLAM事业而努力!
商业合作及转载请联系liufuqiang_robot@hotmail.com