Camera_calibration

Camera calibration을 하는 이유는 2d 평면을 3d 모델로 해석하기 위해서 필요한 파라미터를 구하는 것이다.

A[R/t] 행렬에서 A행렬이다.
A행렬은 내부 파라미터(intrinsic calibration)라고 하는데 이의 구성은

1. 초점거리 fx, fy

실제 단위: mm, 카메라 모델 단위: pixel
pixel은 이미지 센서의 셀 크기에 대해 상대적인 값으로 표현
예를 들어 셀 크기: 0.1mm, 초점거리가 500mm면 렌즈 중심에서 이미지 센서까지의 거리는 이미지 센서 셀 크기의 500배, 50mm라는 뜻이다. 실제 단위를 셀 크기와 초점거리로 표현해 놓은 것이다. 왜? 값을 이미지 센서에 종속시킴으로서 영상에서의 기하학적 해석을 용이하게 하기 위해서.

2. 주점 cx, cy

렌즈에서 이미지 센서에 내린 수선의 발
이론상으론 거의 영상 중심점과 같지만 렌즈의 길이가 잘못되었으면 다를 수도 있다.

3. 비대칭계수 skew_c = tan α

이미지 센서의 y축이 기울어진 정도. 왜 기울어진거지?

Camera calibration의 이론-좌표계, 파라미터 행렬, 그의 식

normalized image plane에 대한 설명
원점을 카메라 죄표계의 Zc축이 관통하고, 원점으로부터의 거리가 1인 평면.
다크 프로그래머의 글에서 이해 안되는 부분인 x = fxX/Z+cx, y = fyY/Z+cy의 유도과정.

월드 좌표계 항인 (X, Y, Z)는 [R/t]가 이미 곱해진것임. 이를 계산하면

(scale은 생략)

이리하여 그 공식이 나오고 만것이다!!
사실 이건 그리 중요한 것이 아니다. 중요한건 정규좌표계와 픽셀좌표계, 그리고 픽셀의 개념이다…!

오늘의 의문점

-rviz_ pointcloud2의 정체는 3d lidar였다.
-velodyne lidar : 최근 자율주행 자동차에 많이 사용되는 라이다.
-카메라 캘리브레이션의 이론과 실습 중

참고한 사이트

다크 프로그래머 :: 카메라 캘리브레이션 (Camera Calibration)
다크 프로그래머 :: 카메라 좌표계

Refstop

Deep Learning 및 SLAM을 공부하고 있습니다.

Comments

  Write a comment ...