AI 詞彙表
人工智能完整詞典
内在参数
相机内部光学特性的集合，包括焦距、主点和畸变系数，这些参数决定了3D点如何投影到2D图像平面上。这些参数与相机在空间中的位置和方向无关。
外在参数
描述相机相对于世界坐标系的位置和方向的参数，包括旋转矩阵和平移向量。它们允许将真实世界坐标转换为相机坐标系坐标。
标定矩阵
包含相机内在参数的3x3矩阵，包括焦距fx和fy、主点(cx, cy)和倾斜系数。它对于校正畸变和在图像空间中进行精确测量至关重要。
径向畸变
由镜头非理想形状引起的光学畸变类型，导致点相对于光学中心远离或靠近。它由系数(k1, k2, k3)建模，必须进行校正以实现精确的几何重建。
切向畸变
由相机光学元件之间对准缺陷导致的光学畸变，使点沿垂直于径向射线的方向移动。在Brown-Conrady模型中，它通常由两个系数(p1, p2)建模。
主点
相机光轴与图像平面的交点，通常位于传感器的理论中心但在实践中有所偏移。在标定矩阵中表示为(cx, cy)，对于正确投影至关重要。
焦距
镜头光学中心与图像平面之间的距离，在标定上下文中以像素表示(fx, fy)。它决定了视野范围和3D点在图像上的投影比例。
标定板
具有已知几何图案（棋盘格、对称圆、点阵）的物理工具，用于确定标定参数。其尺寸特征的精度直接影响标定质量。
齐次坐标
一种通过增加额外维度来扩展笛卡尔坐标的数学表示方法，能够统一地表示投影变换和无穷远点。对于标定和计算机视觉至关重要。
图像矫正
一种几何变换过程，用于校正图像畸变，使现实世界中的直线在图像中也呈现为直线。它利用标定参数来生成无畸变且几何正确的图像。
针孔模型
一种简化的相机几何模型，通过一个简单的孔来表示透视投影，是标定的基础。它忽略了光学像差，但为理解3D-2D变换提供了基本框架。
重投影误差
标定质量的定量度量，计算为图像中观测点与使用标定参数投影出的理论点之间的距离。误差小表明标定精确可靠。
立体标定
同时标定两个或多个相机以确定其内参和相对外参的过程。对于立体视觉、3D重建和深度测量至关重要。
桶形畸变
一种特定的径向畸变，导致图像向外膨胀，其中直线呈现为向外弯曲。在广角和超广角镜头中更为常见。
枕形畸变
一种与桶形畸变相反的径向畸变形式，导致图像向内收缩，其中直线呈现为向内弯曲。常见于长焦镜头。
自标定
一种不需要物理标定板的标定技术，利用场景或相机运动中固有的几何约束。比使用标定板的标定精度低，但更灵活。
Optimisation par faisceaux
一种非线性优化算法，通过最小化全局重投影误差，同时优化标定参数和相机位姿。被认为是标定优化领域的最先进方法。