可能還有很多朋友對機(jī)器視覺中的相機(jī)內(nèi)外參數(shù)不了解，下面就跟著智通培訓(xùn)一塊來了解吧。

1、相機(jī)內(nèi)參數(shù)是與相機(jī)自身特性相關(guān)的參數(shù)，比如相機(jī)的焦距、像素大小等；相機(jī)外參數(shù)是在世界坐標(biāo)系中的參數(shù)，比如相機(jī)的位置、旋轉(zhuǎn)方向等。

相機(jī)標(biāo)定（或攝像機(jī)標(biāo)定）：

一句話就是世界坐標(biāo)到像素坐標(biāo)的映射，當(dāng)然這個世界坐標(biāo)是我們?nèi)藶槿ザx的，標(biāo)定就是已知標(biāo)定控制點的世界坐標(biāo)和像素坐標(biāo)我們?nèi)ソ馑氵@個映射關(guān)系，一旦這個關(guān)系解算出來了我們就可以由點的像素坐標(biāo)去反推它的世界坐標(biāo)，當(dāng)然有了這個世界坐標(biāo)，我們就可以進(jìn)行測量等其他后續(xù)操作了～上述標(biāo)定又被稱作隱參數(shù)標(biāo)定，因為它沒有單獨求出相機(jī)的內(nèi)部參數(shù)，如相機(jī)焦慮，相機(jī)畸變系數(shù)等～一般來說如果你僅僅只是利用相機(jī)標(biāo)定來進(jìn)行一些比較簡單的視覺測量的話，那么就沒有必要單獨標(biāo)定出相機(jī)的內(nèi)部參數(shù)了～至于相機(jī)內(nèi)部參數(shù)如何解算，相關(guān)論文講的很多～

在圖像測量過程以及機(jī)器視覺應(yīng)用中，為確定空間物體表面某點的三維幾何位置與其在圖像中對應(yīng)點之間的相互關(guān)系，必須建立相機(jī)成像的幾何模型，這些幾何模型參數(shù)就是相機(jī)參數(shù)。在大多數(shù)條件下這些參數(shù)必須通過實驗與計算才能得到，這個求解參數(shù)的過程就稱之為相機(jī)標(biāo)定（或攝像機(jī)標(biāo)定）

相機(jī)標(biāo)定的目的是確定相機(jī)的一些參數(shù)的值。通常，這些參數(shù)可以建立定標(biāo)板確定的三維坐標(biāo)系和相機(jī)圖像坐標(biāo)系的映射關(guān)系，換句話說，你可以用這些參數(shù)把一個三維空間中的點映射到圖像空間，或者反過來。

相機(jī)需要標(biāo)定的參數(shù)通常分為內(nèi)參和外參兩部分。外參確定了相機(jī)在某個三維空間中的位置和朝向，至于內(nèi)參，可以說是相機(jī)內(nèi)部的參數(shù)（這好像是廢話...笑），我覺得需要引入一點光學(xué)的東西來更好地解釋一下。現(xiàn)有的相機(jī)都至少包含一個光學(xué)鏡頭和一個光電傳感器（CCD或CMOS）。

通過鏡頭，一個三維空間中的物體經(jīng)常會被映射成一個倒立縮小的像（當(dāng)然顯微鏡是放大的，不過常用的相機(jī)都是縮小的），被傳感器感知到。

• 理想情況下，鏡頭的光軸（就是通過鏡頭中心垂直于傳感器平面的直線）應(yīng)該是穿過圖像的正中間的，但是，實際由于安裝精度的問題，總是存在誤差，這種誤差需要用內(nèi)參來描述；

• 理想情況下，相機(jī)對x方向和y方向的尺寸的縮小比例是一樣的，但實際上，鏡頭如果不是完美的圓，傳感器上的像素如果不是完美的緊密排列的正方形，都可能會導(dǎo)致這兩個方向的縮小比例不一致。內(nèi)參中包含兩個參數(shù)可以描述這兩個方向的縮放比例，不僅可以將用像素數(shù)量來衡量的長度轉(zhuǎn)換成三維空間中的用其它單位（比如米）來衡量的長度，也可以表示在x和y方向的尺度變換的不一致性；

• 理想情況下，鏡頭會將一個三維空間中的直線也映射成直線（即射影變換），但實際上，鏡頭無法這么完美，通過鏡頭映射之后，直線會變彎，所以需要相機(jī)的畸變參數(shù)來描述這種變形效果。

1).外參數(shù)矩陣。告訴你現(xiàn)實世界點(世界坐標(biāo))是怎樣經(jīng)過旋轉(zhuǎn)和平移，然后落到另一個現(xiàn)實世界點(攝像機(jī)坐標(biāo))上。

2).內(nèi)參數(shù)矩陣。告訴你上述那個點在1的基礎(chǔ)上，是如何繼續(xù)經(jīng)過攝像機(jī)的鏡頭、并通過針孔成像和電子轉(zhuǎn)化而成為像素點的。

3).畸變矩陣。告訴你為什么上面那個像素點并沒有落在理論計算該落在的位置上，還tm產(chǎn)生了一定的偏移和變形?。?！

2、攝像機(jī)內(nèi)參、外參矩陣

在opencv的3D重建中（opencv中文網(wǎng)站中：照相機(jī)定標(biāo)與三維場景重建），對攝像機(jī)的內(nèi)參外參有講解： 

外參：攝像機(jī)的旋轉(zhuǎn)平移屬于外參，用于描述相機(jī)在靜態(tài)場景下相機(jī)的運動，或者在相機(jī)固定時，運動物體的剛性運動。因此，在圖像拼接或者三維重建中，就需要使用外參來求幾幅圖像之間的相對運動，從而將其注冊到同一個坐標(biāo)系下面來 

內(nèi)參：下面給出了內(nèi)參矩陣，需要注意的是，真實的鏡頭還會有徑向和切向畸變，而這些畸變是屬于相機(jī)的內(nèi)參的。 
攝像機(jī)內(nèi)參矩陣：

其中，fx，fy為焦距，一般情況下，二者相等，x0、y0為主點坐標(biāo)（相對于成像平面），s為坐標(biāo)軸傾斜參數(shù)，理想情況下為0

攝像機(jī)外參矩陣：包括旋轉(zhuǎn)矩陣和平移矩陣 
旋轉(zhuǎn)矩陣和平移矩陣共同描述了如何把點從世界坐標(biāo)系轉(zhuǎn)換到攝像機(jī)坐標(biāo)系

旋轉(zhuǎn)矩陣：描述了世界坐標(biāo)系的坐標(biāo)軸相對于攝像機(jī)坐標(biāo)軸的方向 
平移矩陣：描述了在攝像機(jī)坐標(biāo)系下，空間原點的位置

二、 一些疑問

Q1：標(biāo)定時棋盤格的大小如何設(shè)定，對最后結(jié)果有沒有影響？

A：當(dāng)然有。在標(biāo)定時，需要指定一個棋盤方格的長度，這個長度(一般以毫米為單位，如果需要更精確可以設(shè)為0.1毫米量級)與實際長度相同，標(biāo)定得出的結(jié)果才能用于實際距離測量。一般如果尺寸設(shè)定準(zhǔn)確的話，通過立體標(biāo)定得出的Translation的向量的第一個分量Tx的絕對值就是左右攝像頭的中心距。一般可以用這個來驗證立體標(biāo)定的準(zhǔn)確度。比如我設(shè)定的棋盤格大小為270 (27mm)？？？，最終得出的Tx大小就是602.8 (60.28mm)，相當(dāng)精確。

Q2：通過立體標(biāo)定得出的Tx符號為什么是負(fù)的？

A：這個其實我也不是很清楚。個人的解釋是，立體標(biāo)定得出的T向量指向是從右攝像頭指向左攝像頭(也就是Tx為負(fù))，而在OpenCV坐標(biāo)系中，坐標(biāo)的原點是在左攝像頭的。因此，用作校準(zhǔn)的時候，要把這個向量的三個分量符號都要換一下，最后求出的距離才會是正的。

但是這里還有一個問題，就是Learning OpenCV中Q的表達(dá)式，第四行第三列元素是-1/Tx，而在具體實踐中，求出來的實際值是1/Tx。這里我和maxwellsdemon討論下來的結(jié)果是，估計書上Q表達(dá)式里的這個負(fù)號就是為了抵消T向量的反方向所設(shè)的，但在實際寫OpenCV代碼的過程中，那位朋友卻沒有把這個負(fù)號加進(jìn)去。(一家之言，求更詳細(xì)的解釋)

Q3：cvFindStereoCorrespondenceBM的輸出結(jié)果好像不是以像素點為單位的視差？

A：在OpenCV2.0中，BM函數(shù)得出的結(jié)果是以16位符號數(shù)的形式的存儲的，出于精度需要，所有的視差在輸出時都擴(kuò)大了16倍(2^4)。其具體代碼表示如下：

dptr[y*dstep] = (short)(((ndisp - mind - 1 + mindisp)*256 + (d != 0 ? (p-n)*128/d : 0) + 15) >> 4);

可以看到，原始視差在左移8位(256)并且加上一個修正值之后又右移了4位，最終的結(jié)果就是左移4位

因此，在實際求距離時，cvReprojectTo3D出來的X/W,Y/W,Z/W都要乘以16 (也就是W除以16)，才能得到正確的三維坐標(biāo)信息

Q4：利用雙攝像頭進(jìn)行測距的時候世界坐標(biāo)的原點究竟在哪里？ 

A：世界坐標(biāo)系的原點是左攝像頭凸透鏡的光心。

說起這個，就不得不提到針孔模型。如圖3所示，針孔模型是凸透鏡成像的一種簡化模型。當(dāng)物距足夠遠(yuǎn)時(遠(yuǎn)大于兩倍焦距)，凸透鏡成像可以看作是在焦距處的小孔成像。(ref: http://bak1.beareyes.com.cn/2/lib/200110/04/20011004006.htm)

在實際計算過程中，為了計算方便，我們將像平面翻轉(zhuǎn)平移到針孔前，從而得到一種數(shù)學(xué)上更為簡單的等價形式（方便相似三角形的計算），如圖4所示。

圖3. 針孔模型

在實際計算過程中，為了計算方便，我們將像平面翻轉(zhuǎn)平移到針孔前，從而得到一種數(shù)學(xué)上更為簡單的等價形式（方便相似三角形的計算），如圖4所示。

圖4. 針孔模型的數(shù)學(xué)等價形式

因此，對應(yīng)圖2就可以知道，世界坐標(biāo)系原點就是左攝像頭針孔模型的針孔，也就是左攝像頭凸透鏡的光心

Q5：f和d的單位是像素，那這個像素到底表示什么，它與毫米之間又是怎樣換算的？

A：這個問題也與針孔模型相關(guān)。在針孔模型中，光線穿過針孔（也就是凸透鏡中心）在焦距處上成像，因此，圖3的像平面就是攝像頭的CCD傳感器的表面。每個CCD傳感器都有一定的尺寸，也有一定的分辨率，這個就確定了毫米與像素點之間的轉(zhuǎn)換關(guān)系。舉個例子，CCD的尺寸是8mm X 6mm，分辨率是640X480，那么毫米與像素點之間的轉(zhuǎn)換關(guān)系就是80pixel/mm。

在實際運用中，我們在數(shù)學(xué)上將這個像平面等效到小孔前（圖4），這樣就相當(dāng)于將在透鏡中心點之前假設(shè)了一塊虛擬的CCD傳感器。

Q6：為什么cvStereoRectify求出的Q矩陣cx, cy, f都與原來的不同？

A：這個在前文有提到過。在實際測量中，由于攝像頭擺放的關(guān)系，左右攝像頭的f, cx, cy都是不相同的。而為了使左右視圖達(dá)到完全平行對準(zhǔn)的理想形式從而達(dá)到數(shù)學(xué)上運算的方便，立體 校準(zhǔn)所做的工作事實上就是在左右像重合區(qū)域最大的情況下，讓兩個攝像頭光軸的前向平行，并且讓左右攝像頭的f, cx, cy相同。因此，Q矩陣中的值與兩個instrinsic矩陣的值不一樣就可以理解了。