相机、imu 标定 简介

惯性校准
对于 IMU,重点在于它所测量的是加速度,而非距离或速率。IMU 读数的误差会逐渐累积,累积速度极快!
校准和建模的目的在于确保每秒钟的 X 等分时间段内,对于距离的测量(对加速度进行二重积分)是足够精确的。
理想情况下,这段时间已经足够长,可以抵消由于镜头被遮挡或场景中其他情况导致追踪过程漏掉几帧画面所造成的影响。

使用 IMU 测量距离的方法也叫航位推算。基本上这就是一种猜测,但只要对 IMU 行为建模,确定误差的所有累积方式,随后编写可以缓解这些误差的筛选器,即可获得准确的猜测结果。
假设你要迈出一步并猜测这一步的长度,只迈一步并猜一次的误差肯定会很高。但如果重复迈出上千步,每一步都进行测量,同时确定迈出的到底是左脚还是右脚、地板材质、穿的鞋子、移动的速度、疲倦程度等因素,那么最终的猜测结果将变得非常准确。
IMU 校准和建模实际上就是做这种事情的。

误差的来源有很多。厂商通常会使用机器臂以相同方式反复移动设备,持续捕获并筛选 IMU 输出结果,直到 IMU 的输出能与机器臂移动过程的地表实况(ground truth)精确匹配。
为了进一步消除误差,Google 和微软甚至在国际空间站以及“零重力飞机”的微重力环境下进行过设备校准。


-----------------
相机校准
为了让软件精确地将摄像头传感器像素与现实世界中的一点关联在一起,摄像头系统必须进行精确的校准。校准主要可分为两种类型:

几何校准(Geometric Calibration):使用相机的小孔成像(Pinhole model)模式矫正镜头视野以及镜头圆筒效应(Barrel effect)等参数。由于镜头形状的影响,基本上所有图像都会存在一定的扭曲变形。
大部分软件开发者无需求助 OEM 厂商,即可通过失真测试卡(Checkerboard)以及公开的摄像头参数进行这种校准。

光学校准(Photometric Calibration):这种校准麻烦得多,由于会涉及图像传感器本身的规范以及镜头内部使用的涂层,通常离不开 OEM 厂商的参与。这种校准主要是为了解决颜色和亮度的映射问题。
例如安装在望远镜上用于拍摄星空的照相机,必须能知道传感器上一个像素捕获的光照亮度轻微的变化是否代表一颗星,还是只是传感器或镜头本身造成的像差(Aberation)。
对于 AR 追踪系统来说,这种校准的结果可以让传感器像素与现实世界中的点更精确地映射在一起,塑造更健壮,误差更低的光学追踪系统。

上图中,组成图片的多个 RGB 光子进入图片传感器的一个“像素桶”,这个过程就很好地展示了这个问题。
来自现实世界中一点的光线通常会落在多个像素的边界上,每个像素会对命中的所有光子取平均值。用户的轻微移动或场景中的阴影,甚至荧光灯的闪烁,都会造成与像素最匹配的现实世界点产生变化。
所有光学校准机制的目的都是尽可能消除这种误差。

你可能感兴趣的:(算法,人工智能,几何学)