验证参数

Question

用于验证照相机校准的标准方法是计算和图像重新投影对应的世界点所检测到的点之间的距离，该过程验证本征作为外部参数

现在它可以通过捕捉线条的图像来验证非线性失真参数的准确性，然后使图像不失真并测量线条是否为直线。

有没有办法来验证线性内在参数（光学中心，焦点，歪斜）的准确性与extrinsics分开？

Answer 1

这很棘手，倾向于非常难如果您需要高水平的准确性。问题在于所有的内部参数都是在再投影误差中耦合的。

为了让您了解所涉及的困难，请考虑主要问题。可以证明，针孔摄像机的主要点是由三个独立消失点形成的三角形的中心。这似乎暗示了独立于其他内在参数验证其的过程：采集一个或多个图像，集体显示三条或更多条平行线，检测并模拟所述线条的铅笔，估计它们的消失点等。但是，为了精确地对检测到的线进行建模，因此您可以将它们相交以找到消失点，您需要准确无误地对图像进行校正 - 并猜测非线性镜头失真的中心通常由主点来近似，因此您的“验证”过程最终使用完全相同的估计参数，您尝试独立验证。

您可以尝试通过使用非线性失真的替代非参数模型来解决上述难题 - 例如，使用仅取决于线性偏差的成本函数构建网格的薄板样条 - 作为你建议。再一次，想出这样一个无偏的成本函数是很棘手的：简单的线性最小二乘拟合一条直线是行不通的，因为线点的失真图像一般是而不是 i.i.d.关于底层未失真的线路。所以你需要为每条线使用一个“局部”模型，通常是一个低阶多项式。最后，只要接受参数（内部和外部参数）相互耦合，并简单地根据实际应用的输入输出需求进行验证即可：确定什么是可接受的RMS重投影然后使用已知校准对象的独立图像集，以某种方式模拟对您的应用程序非常重要的3D场景属性，然后重新设定其点并验证您获得的错误是否可以接受。