相信大家在DIY機器人的時候，都想讓自己的機器人像人一樣能夠識別周圍的環(huán)境進行自主運動，今天推出的系列blog將帶大家一起學習和了解機器3D視覺，向大家介紹3D視覺相關原理，并以Dragoboard410c開發(fā)板為平臺進行簡單的3D視覺實驗，這里我們將涉及到3D視覺中的攝像機標定、姿勢估計、對極集合和3D圖像中的深度地圖等內容。

這篇blog主要向大家介紹攝像機標定涉及到的一些基礎概念和原理，這是我們進行3D視覺處理的基礎，在Dragonboard 410c上我們可以方便的用USB攝像頭進行圖像采集，但是通常我們買的USB攝像頭采集到的圖像會帶有一定的畸變，這些畸變將給后續(xù)我們進行3D視覺處理計算帶來誤差，為了消除這些誤差，我們在進行3D視覺建模的過程中需要對我們使用的攝像機進行標定，獲取相機內外參數(shù)，然后再根據(jù)內外參數(shù)對計算進行糾正。

攝像機采集到的圖像發(fā)生的畸變通常分為徑向畸變和切向畸變兩種，如下圖2所示，我們用攝像頭對棋盤進行拍攝獲取圖像，用紅色直線將棋盤的兩個邊標注出來的時候，可以發(fā)現(xiàn)棋盤的邊界與紅線并不重合，這就是畸變帶來的成像影響，如果不進行處理，后續(xù)進行3D視覺計算，其將影響計算結果。

通常徑向畸變我們可以通過下面的方程組來進行糾正：

同樣，采用相似原理，我們通過下面的方程組來進行校正：

根據(jù)上述分析，如果我們在使用攝像頭進行采集的時候，要對采集的圖像進行畸形校正，就必須找到五個造成畸變的系數(shù)如下：

同時，校正的過程中我們并不是為了校正圖像，更重要的是我們需要找到攝像機的內外參數(shù)，這些參數(shù)是我們后面進行3D計算的關鍵參數(shù)，覺得了3D計算的精度，包括攝像機的焦距（fx，fy），光學中心（cx，cy）等，在計算中我們用矩陣進行表示，通常稱為相機矩陣，這些參數(shù)是相機的固有參數(shù)，一般情況下，如果不去調整硬件，是不會變化的，因此在進行3D視覺計算的過程中，我們這些參數(shù)在計算機標定的時候計算出來即可，其矩陣表示如下：

以上就是整個攝像機標定的基本原理和相關概念，在機器3D視覺計算中，先要通過標定確定這些參數(shù)，通常的做法是通過一些包含了非常明顯的圖案樣本（棋盤），然后找到圖像中的比較特殊的拐點，然后得到這些特殊點在圖片中的位置和實際位置，通過真實位置和實際位置就可以采用上述數(shù)學方法來計算求解方程組中的相關參數(shù)，即我們在3D計算中所需要的畸變系數(shù)。

以上就是整個攝像機標定的基本原理和概念，這里只是簡單的介紹了單個攝像頭的標定，如果大家想要更精確的視覺3D建?；蛘呦朐敿毩私鈹z像機標定的原理，可以參考雙目視覺幾何框架系列--機器視覺一文，下期blog將在此基礎上介紹如何用CV庫中的函數(shù)來實現(xiàn)攝像機圖像的標定編程。