确认相机校准仍然有效

Question

如何确定您在X时刻为相机计算的内在和外在参数在时间Y仍然有效？

我的想法是

1. 使用已知的校准对象（棋盘）并在时间Y将其放置在相机的视野中。
2. 计算相机图像中的棋盘角点（时间Y）。
3. 将其中一个棋盘角点定义为世界原点，并根据该原点计算所有剩余棋盘角的世界坐标。
4. 将坐标与相机坐标系相关联。
5. 使用在时间X计算的参数来计算4点的图像点。
6. 计算点之间的距离2.点与5之间的距离。

这是一个聪明的方法吗？我最终想在MATLAB中实现它，后来可能在openCV中实现它。我想我知道如何做步骤1）-2）和步骤6）。也许某人可以对步骤2）-5）进行粗略的实施。特别是我不确定如何将“棋盘世界坐标系”与“相机世界坐标系”联系起来，我认为我必须这样做。

谢谢！

Answer 1

如果您只有一台相机，则可以轻松按照本文中的步骤操作： Evaluating the Accuracy of Single Camera Calibration

为了实现第2步，您可以轻松地使用MATLAB中的detectCheckerboardPoints函数。

 [imagePoints, boardSize, imagesUsed] = detectCheckerboardPoints(imageFileNames);

假设您正在谈论立体相机，对于立体声对，imagePoints(:,:,:,1)是来自第一组图像的点，而imagePoints(:,:,:,2)是来自第二组图像的点。输出包含M个[x y]坐标。每个坐标表示在棋盘上检测到方角的点。函数返回的点数取决于boardSize的值，表示检测到的平方数。该功能以亚像素精度检测点。

正如您在下图中所见，这些点是相对于第三步的估计值。

[图片来自MATHWORKS的this page。]

您可以将第1点视为坐标系的原点（0,0）。轴的方向显示在图像上，您知道每个点之间的距离（在世界坐标中），因此这只是深度估计的问题。

要在世界CS中的点与摄像机CS中的点之间找到变换矩阵，您应该收集一组点并执行SVD来估计变换矩阵。

<强>但是，

我会估算相机的参数，并将它们与X时的初始参数进行比较。如果您保存了在X时校准相机时使用的图像，则这会更容易。如果相机校准仍然有效，通过使用这些图像重复校准过程，您应该得到非常相似的结果。

修改：为什么需要X时刻校准过程中使用的图像集？

你有一组图像是第一次进行校准，对吗？要重新校准相机，您需要使用一组新图像。但是，要检查先前的校准，您可以使用之前的图像。如果摄像机的参数发生变化，则在重新估计和第一次估计之间会出现误差。这可用于评估校准的有效性，而不是用于重新校准相机。