calibration checkerboard grid shot images using  Matlab simulation experiment was designed using the Camera Calibration toolbox perform image calibration。 The detailed process algorithm uses parameters obtained inside and outside of the camera, and then consider the distortion factor, the error estimate, and save the picture after the elimination of distortion。

In the end,i summarizes and analyses results of the full text then also gives insufficient。

Keywords  Camera Calibration   Distortion Model   Nonlinear Optimization   Corner Detection

目次

1 引言 2

1。1  研究背景以及研究意义 2

1。2 国内外研究现状 2

1。3本文主要研究内容 4

2 与相机标定的相关基本理论 5

2。1 三维坐标系模型 5

2。2线性摄像机模型 7

2。3非线性相机模型 8

2。3。1 非线性相机模型的含义和会产生的畸变模型 8

2。3。2 畸变模型总结 10

3 角点检测算法 12

3。1角点检测基本概念 12

3。2 Harris角点检测 12

3。3 Harris算法实测 14

3。4  SUSAN算法简介 15

3。5SUSAN算法步骤设计 16

4 经典标定方法 17

4。1基于DLT模型的摄像机标定方法 17

4。1。1 DLT算法模型 17

4。1。2 相机参数的求解 18

4。2Tsai模型的两步法 19

4。2。1径向排列约束介绍 19

4。2。2 两步法的具体标定过程 20

4。3张正友平面标定法 23

4。3。1张正友基础模型 23

4。3。2  两步法改进 24

4。4三种经典标定法的分析 27

5 实验仿真的实现 28

5。1 实验内容和结果 28

5。2 实验结果分析 35

5。3 本章小结 35

结  论 37

致  谢 38

参 考 文 献 39

1 引言

1。1  研究背景以及研究意义

对于地球上所有生物来说，视觉可谓是接受外界信息的主要方式，也是感知和适应外界复杂环境变化的基础。同样，计算机视觉也越来越成为一项在很多重要军事或者民用领域的重要技术。而摄像机的标定则是计算机视觉中的基本问题和前提，是计算机视觉系统不可或缺的部分。随着社会的发展，对各方面技术的要求多有提高，特别是摄像机的标定准度，标定结果的优劣直接影响计算机视觉在实际中的应用。只有提高标定的精度，才能同时提高计算机视觉测量精度。因此研究摄像机标定具有很实际的社会价值。