如何理解KITTI相机校准文件?

时间:2015-04-02 07:35:50

标签: computer-vision camera-calibration

我正在研究KITTI数据集 我已经下载了对象数据集(左和右)和对象集的相机校准矩阵。

我想使用立体声信息 但我不知道如何获得两个相机的内在矩阵和R | T矩阵。我不明白校准文件的含义。

校准文件的内容:

P0: 
7.070493000000e+02 0.000000000000e+00 6.040814000000e+02 0.000000000000e+00 
0.000000000000e+00 7.070493000000e+02 1.805066000000e+02 0.000000000000e+00 
0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 0.000000000000e+00
P1: 
7.070493000000e+02 0.000000000000e+00 6.040814000000e+02 -3.797842000000e+02 
0.000000000000e+00 7.070493000000e+02 1.805066000000e+02 0.000000000000e+00 
0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 0.000000000000e+00
P2: 
7.070493000000e+02 0.000000000000e+00 6.040814000000e+02 4.575831000000e+01 
0.000000000000e+00 7.070493000000e+02 1.805066000000e+02 -3.454157000000e-01 
0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 4.981016000000e-03
P3: 
7.070493000000e+02 0.000000000000e+00 6.040814000000e+02 -3.341081000000e+02 
0.000000000000e+00 7.070493000000e+02 1.805066000000e+02 2.330660000000e+00 
0.000000000000e+00 0.000000000000e+00 1.000000000000e+00 3.201153000000e-03
R0_rect: 
9.999128000000e-01 1.009263000000e-02 -8.511932000000e-03 
-1.012729000000e-02 9.999406000000e-01 -4.037671000000e-03 
8.470675000000e-03 4.123522000000e-03 9.999556000000e-01
Tr_velo_to_cam: 
6.927964000000e-03 -9.999722000000e-01 -2.757829000000e-03 -2.457729000000e-02 
-1.162982000000e-03 2.749836000000e-03 -9.999955000000e-01 -6.127237000000e-02 
9.999753000000e-01 6.931141000000e-03 -1.143899000000e-03 -3.321029000000e-01
Tr_imu_to_velo: 
9.999976000000e-01 7.553071000000e-04 -2.035826000000e-03 -8.086759000000e-01 
-7.854027000000e-04 9.998898000000e-01 -1.482298000000e-02 3.195559000000e-01 
2.024406000000e-03 1.482454000000e-02 9.998881000000e-01 -7.997231000000e-01

2 个答案:

答案 0 :(得分:5)

来自README

  

传感器校准zip存档包含文件,存储矩阵   行对齐顺序,意味着第一个值对应于   第一行:

     

calib_cam_to_cam.txt:相机到相机校准

           
      
  • S_xx:整流前图像xx的1x2尺寸
  •   
  • K_xx:整流前相机xx的3x3校准矩阵
  •   
  • D_xx:整流前相机xx的1x5失真矢量
  •   
  • R_xx:相机xx的3x3旋转矩阵(外在的)
  •   
  • T_xx:相机xx(外在)的3x1平移向量
  •   
  • S_rect_xx:整改后图像xx的1x2尺寸
  •   
  • R_rect_xx:3x3整流旋转以使图像平面共面
  •   
  • P_rect_xx:整流后的3x4投影矩阵
  •   
     

注意:使用此数据集时,您很可能只需要访问   P_rect_xx,因为该矩阵对经过校正的图像序列有效。   保持

答案 1 :(得分:0)

请参见https://medium.com/test-ttile/kitti-3d-object-detection-dataset-d78a762b5a4 “ Px矩阵将校正后的参考摄像机坐标中的一个点投影到camera_x图像。camera_0是参考摄像机坐标。R0_rect是参考坐标的校正旋转(校正使多个摄像机的图像位于同一平面上。)Tr_velo_to_cam映射a点云中的点到参考坐标的坐标。 将在此处进行2个测试。第一个测试是将3D边界框从标签文件投影到图像上。第二项测试是将点云坐标中的一个点投影到图像上。代数很简单,如下所示。第一个等式用于将3D绑定框投影到与camera_2图像协调的参考摄像机中。第二个方程将Velodyne坐标点投影到camera_2图像中。 y_image = P2 * R0_rect * R0_rot * x_ref_coord y_image = P2 * R0_rect * Tr_velo_to_cam * x_velo_coord 在上面,R0_rot是要从对象坐标映射到参考坐标的旋转矩阵。”