【SLAM】6.SLAM十四讲——相机与图像

前言

 

一.相机模型

1.1 SLAM的本质

定位与建图,那么,输入信息是什么?输出信息是什么?

输入是传感器对运动的里程测量、周围环境的探知,输出是当前位置和周围环境地图。

1.2 运动方程

1.3 观测方程

 

二.相机坐标系——单目小孔成像

2.1 小孔成像模型

 

2.2 像素系与成像平面的关系——内参矩阵

推导见教程

 针孔相机小孔成像模型

2.3 畸变问题

不必记公式,在归一化坐标乘以内参矩阵之前进行畸变矫正,然后再乘以内参矩阵得到图像坐标

 (1)透镜畸变、径向畸变

包括桶形畸变、枕形畸变

修正方式:作极坐标修正

(2)成像平面、切向畸变

由于镜头与感光板不平行,造成梯形畸变

修正方式:作切向修正

 

三.相机坐标系——双目针孔模型

3.1 双目针孔模型

推导见教程

3.2 双目遇到的挑战

(1)左右视图的特征匹配

(2)计算量大,每个像素都要计算深度信息

 

四.RGB-D

4.1 种类

结构光、TOF

4.2 优缺点

优点:计算量小,点云三维重建很友好

缺点:

(1)易受日光影响

(2)不同相机间可能会干扰

(3)没办法检测透射物体

(4)有源传感器,能耗高

 

五.相机标定

对于观测方程Z=h(x,y)而言,

要使用观测到的图像特征推测物理世界中的物体坐标,涉及到内参矩阵K和外参矩阵T,

外参为待估计量,内参为相机的固有变量,

将内参提前估计好才能准确地估计外参,

SLAM要解决的就是在已知内参和其他信息的情况下,准确地估计x和y。

5.1 常用标定工具

一般标定精度要到0.5pixel

(1)Matlab

(2)OpenCV

(3)Kalibr(ROS),支持多种相机模型,如多相机、VIO、多IMU内参标定、针孔相机、鱼眼相机

5.2 常用相机

Realsense

ZED双目

Kinect结构光

工业相机

本文作者:啊原来是这样呀

本文链接:https://www.cnblogs.com/OhOfCourse/p/17244249.html

版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。

posted @   啊原来是这样呀  阅读(97)  评论(0编辑  收藏  举报
点击右上角即可分享
微信分享提示
评论
收藏
关注
推荐
深色
回顶
收起