无论是在图像测量还是机器视觉应用中，摄像机参数的标定都是非常关键的环节，标定结果的准确性和算法的稳定性直接影响摄像机工作结果的准确性和稳定性。
什么是相机校准？
在图像测量和机器视觉的应用过程中，为了确定空间物体表面一点的三维几何位置与其在图像中对应点的关系，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。
在大多数情况下，这些参数只能通过实验和计算来获得，这个求解参数的过程称为摄像机标定。
计算机视觉的基本任务之一是根据摄像机获取的图像信息，计算出物体在三维空间中的几何信息，进而对物体进行重建和识别。我们用一个简单的数学模型来表达复杂的成像过程，找出成像的逆过程。标定后的双目摄像机可以重建三维场景，这是计算机视觉的一个主要分支。
经典针孔摄像机模型
针孔成像的实验大家都很熟悉，如上图。根据这个实验，也可以抽象出一个经典的针孔摄像头模型，如下图：
摄像机校准通常在四个坐标系中使用，即：
像素坐标系(U，V):描述物体在数字图像(照片)上成像像点的坐标，单位为(像素数)。
成像平面坐标系(x，y):描述成像过程中物体从相机坐标系到图像坐标系的投影和透射关系，单位为m。
相机坐标系(xc，yc，zc):原点落在相机上的三维坐标系，单位为m。
世界坐标系(xw，yw，zw):三维世界的用户自定义坐标系，引入该坐标系是为了描述目标在现实世界中的位置。单位是m。
世界坐标系和相机坐标系的转换关系今天就不讨论了。我们将重点讨论相机坐标系和成像平面坐标系之间的转换关系。
上述针孔成像实验的成像过程可以描述为一个针孔相机模型的示意图(如图A所示)。为了便于数学描述，我们将摄像机坐标系和图像坐标系的位置转换为图B所示的布局：
图a
图b
经过一系列的推导，我们可以得到一个结果转换公式：
透镜变形
镜头畸变主要分为径向畸变和切向畸变：
径向畸变是沿透镜半径分布的畸变，这是由于光线远离透镜中心比靠近中心弯曲得更厉害。径向畸变主要包括桶形畸变和枕形畸变。以下分别是枕形失真和桶形失真的示意图。
切向畸变是由于镜头本身与像面不平行造成的，这种畸变大多是由于镜头模组附带的镜头安装偏差造成的。
常见的摄像机校准方法
常用的摄像机标定方法有：传统摄像机标定方法、主动视觉摄像机标定方法和摄像机自标定方法。
传统的摄像机校准方法
传统的摄像机标定方法需要使用已知尺寸的标定物。通过建立被标定物体上已知坐标的点与其像点之间的对应关系，可以通过一定的算法获得摄像机模型的内外参数。根据标定物的不同，可分为三维标定物和平面标定物。传统的摄像机标定方法在标定过程中总是需要标定物，而标定物的精度会影响标定结果。
主动视觉摄像机校准方法
基于主动视觉的摄像机标定方法是指通过知道摄像机的一些运动信息来标定摄像机。这种方法不不需要标定物，但需要控制摄像机做一些特殊的运动，利用这种运动的特殊性可以计算出摄像机的内部参数。摄像机响了
摄像机自标定算法主要利用场景中一些平行或正交的信息。其中，空间平行线在摄像机像平面上的交点称为灭点，灭点是射影几何中非常重要的特征，因此很多学者研究了基于灭点的摄像机自标定方法。自标定方法灵活，可以在线标定摄像机。但由于是基于绝对二次曲线或曲面，其算法鲁棒性较差。
标签：摄像机坐标系过程