[PYTHON] Comprendre visuellement l'étalonnage de la caméra
Le calibrage de l'appareil photo est utilisé pour corriger la distorsion de l'objectif, mais il semble difficile de comprendre comment chaque coefficient l'affecte.
Je vais donc essayer de le comprendre intuitivement.
Qu'est-ce que l'étalonnage de la caméra?
À moins qu'il ne s'agisse d'un modèle d'appareil photo à sténopé idéal, l'image est déformée comme indiqué à gauche. En trouvant le coefficient de distorsion propre à la caméra, il est possible de corriger une telle image déformée.
Comment fonctionne l'étalonnage de la caméra
Lorsque vous calibrez votre appareil photo, vous imprimez quelque chose appelé un damier.
Prenez des dizaines de photos sous tous les angles avec l'appareil photo dont vous souhaitez mesurer les paramètres.
Vous pouvez maintenant faire correspondre la coordonnée bidimensionnelle $ x $ de la caméra avec la coordonnée tridimensionnelle $ X $ de l'espace.
x = P X
Ce $ P $ est la matrice de la caméra. Il peut être calculé par des équations simultanées à 3 lignes et 4 colonnes.
P = K [R|t]
$ P $ peut être décomposé en la matrice triangulaire supérieure $ K $ et la matrice orthogonale normale $ R $.
$ K $ ...... Paramètre interne, paramètre intrinsèque (distance focale, centre optique, coefficient de cisaillement) $ [R | t] $ ... Paramètre externe, paramètre extrinsèque (rotation et conversion de la caméra)
Ce sera.
Paramètres internes
Ce paramètre interne $ K $
K = \begin{pmatrix}
f_x & s & c_x \\
0 & f_y & c_y \\
0 & 0 & 1 \\
\end{pmatrix}
Il représente la distance focale $ (f_x, f_y) $, le centre optique $ (c_x, c_y) $ et le coefficient de cisaillement $ s $.
la mise en oeuvre
En Python, vous pouvez utiliser OpenCV pour trouver $ K $ (mtx) comme suit.
#Détecter les points du damier
ret, corners = cv2.findChessboardCorners(gray, (8,6), None)
#Étalonnage
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, img_size,None,None)
#Correction de la distorsion
dst = cv2.undistort(img, mtx, dist, None, newMtx)
Compréhension intuitive
Animons des paramètres tels que la distance focale, le centre optique et le coefficient de cisaillement, respectivement. Seuls les paramètres cibles sont modifiés à partir de la matrice de caméra obtenue.
L'image originale
Distance focale
Infini → Distance focale appropriée → Petite
(1) 
(2) 
(3) 
Centre optique
Négatif → position correcte → positif
(1) 
(1) 
Coefficient de cisaillement
Négatif → valeur propre → positif
En anglais, c'est Skew.
Résumé
Comment était-ce. Il s'avère que le calibrage de l'appareil photo est utilisé pour corriger la distorsion.
Travail futur
Je veux aussi faire le coefficient de distorsion dans la direction radiale et le coefficient de distorsion dans la direction circonférentielle.
Citation d'image
https://github.com/DavidWangWood/Camera-Calibration-Python https://jp.mathworks.com/help/vision/examples/evaluating-the-accuracy-of-single-camera-calibration.html