AOI机器视觉行业先行者

【机器视觉系统】机器视觉模型——畸变模型

发布时间:2022-05-09浏览量:108作者:康耐德

  1 概述

  机器视觉镜头透镜由于制造精度以及组装工艺的偏差会引入畸变,导致原始图像的失真,即图像畸变。

  在前一篇文章《机器视觉模型——投影矩阵》中描述了机器视觉系统成像模型,在这个模型里包含了相机内参(与像元尺寸、焦距、像素中心有关)以及相机外参(与相机在世界坐标系的位姿有关),这个模型是一个理想模型,或者说线性模型,没有考虑到镜头透镜产生的畸变所带来的影响。

  结合上文成像模型,可以把畸变理解成像点和物点之间的光线是弯曲的,如下图所示。

20200521110851405.png

  图中本来应该共线的三个点O、P、Q,现在由于透镜的某种偏差原因而不共线了,Pcrt被成像在了P点,很明显,此时的关系不再是前文讨论的矩阵关系了,也就是说,在畸变存在的条件下,用前文的矩阵公式计算出来的结果是不正确的。

  所以,在用这个视觉模型矩阵公式前,需要先把产生的畸变消除掉,与前文同样原理,如果透镜畸变能用一个数学模型或者数学公式来表达,我们就可以很方便地消除畸变,我们把这个模型称为“畸变模型”。

  2 透镜的畸变

  透镜的畸变主要包括:径向畸变、切向畸变、薄透镜畸变等等,但最显著的是径向畸变和切向畸变,所以我们这个模型里只考虑这两种畸变。同时,图像的畸变是两种畸变的组合,因此把整个畸变分解为径向畸变分量和切向畸变分量。

  2.1 径向畸变

  径向畸变:就是沿着透镜半径方向分布的畸变,如我们所熟知的鱼眼镜头产生的畸变、枕形畸变、桶形畸变等。

20200521112749601.png

20200521112800444.png

下图为径向畸变的分布,一般越远离中心越严重。

20200521112847948.png

微信截图_20220509175706.png


  2.2 切向畸变

  切向畸变:是由于透镜本身与相机传感器平面(像平面)或图像平面不平行而产生的,这种情况多是由于透镜被粘贴到镜头模组上的安装偏差导致,如下图所示。

20200521113416120.png

20200521120729342.png

  随着相机制造工艺的大大提升,这种情况很少出现了,所以很多时候已经可以不考虑切向畸变。

  下图为切向畸变的分布


20200521113457231.png

微信截图_20220509175828.png

  3 机器视觉畸变模型

  综上,可以得到机器视觉系统透镜畸变模型如下

 


微信截图_20220509175905.png


  对于一个给定的镜头成像系统,这5个畸变参数怎么获得?这就涉及到“相机标定”,即需要根据一系列已知的若干对原成像点与畸变成像点的坐标值,带入以上公式来解出,具体的限于篇幅这里不详细讨论。


  ————————————————

  版权声明:本文为CSDN博主「寒韩Glory」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

  原文链接:https://blog.csdn.net/hangl_ciom/article/details/106252235


相关新闻


东莞市 南城区 黄金路 天安数码城C2栋507室

153-2293-3971

0769-28680919

csray@csray.com

  • 康耐德智能官方公众号官方公众号
    康耐德官方抖音号官方抖音号
  • Copyright  © 2022  东莞康耐德智能控制有限公司版权所有.机器视觉系统 粤ICP备2022020204号    联系我们 | 网站地图

    服务热线

    0769-28680919

    153-2293-3971

    官方公众号

    咨询微信号