AI-exp-3/实验报告_相机标定与运动估计.md
fly6516 39d6065521 feat(camera): 添加相机标定与运动估计功能
- 新增 camera_calibration.py 文件,实现相机标定功能
- 新增 motion_estimation.py 文件,实现运动估计功能- 编写实验报告,总结相机标定与运动估计的原理和实验结果
2025-05-23 11:43:17 +08:00

1.7 KiB
Raw Blame History

计算机视觉实验报告:相机标定与运动估计

一、 实验目的

  1. 了解相机标定和运动估计的基本原理;
  2. 了解相机标定和运动估计的应用;
  3. 掌握相机标定和运动估计实现方法。

二、 基本思想

相机标定

相机标定旨在计算相机的内部参数焦距、主点坐标等和外部参数位置和方向以及校正镜头畸变。使用棋盘格图案作为标定物通过已知的3D-2D对应关系来求解相机矩阵和畸变系数。

运动估计

运动估计是通过分析连续图像帧之间的特征匹配,确定两个视图之间的相对旋转和平移变换。这通常涉及基础矩阵或本质矩阵的计算,从而恢复场景的三维结构和相机运动。

三、 源码

相机标定代码

# 见camera_calibration.py文件

运动估计代码

# 见motion_estimation.py文件

四、 算法分析

时间复杂度

  • 相机标定主要耗时在角点检测O(N)和线性优化迭代求解参数整体近似为O(N·T)其中N为像素数T为迭代次数。
  • 运动估计SIFT特征提取为O(M), 特征匹配为O(M²)RANSAC筛选为O(K)。总体时间复杂度约为O(M²+K)。

空间复杂度

  • 相机标定存储对象点和图像点的数组为O(P)P为角点数目。
  • 运动估计保存关键点和描述符的空间为O(Q), Q为特征数量。

五、 实验运行结果图

相机标定角点检测示例

标定角点

运动估计特征匹配图

特征匹配

六、 实验总结

这里可以添加你的实验心得和遇到的问题及解决方案。