[论文解读] Geometric Wide-Angle Camera Calibration: A Review and Comparative Study

Jianzhu Huai, Yuan Zhuang+5 more|arXiv (Cornell University)|Jun 15, 2023

Satellite Image Processing and Photogrammetry被引用 4

一句话总结

本文使用模拟数据和真实数据，对六种主流的几何相机标定工具——BabelCalib、Basalt、Camodocal、Kalibr、MATLAB 标定器以及基于 OpenCV 的 ROS 标定器——在广角镜头和鱼眼镜头上的表现进行了综述与评估。研究发现，KB-8 模型在大视角相机中最为可靠，因其具有更优的稳定性和准确性；而 Mei 模型存在参数冗余问题，且基于优化的标定工具在特定场景下存在工具特异性的失败率。

ABSTRACT

Wide-angle cameras are widely used in photogrammetry and autonomous systems which rely on the accurate metric measurements derived from images. To find the geometric relationship between incoming rays and image pixels, geometric camera calibration (GCC) has been actively developed. Aiming to provide practical calibration guidelines, this work surveys the existing GCC tools and evaluates the representative ones for wide-angle cameras. The survey covers camera models, calibration targets, and algorithms used in these tools, highlighting their properties and the trends in GCC development. The evaluation compares six target-based GCC tools, namely, BabelCalib, Basalt, Camodocal, Kalibr, the MATLAB calibrator, and the OpenCV-based ROS calibrator, with simulated and real data for wide-angle cameras described by four parametric projection models. These tests reveal the strengths and weaknesses of these camera models, as well as the repeatability of these GCC tools. In view of the survey and evaluation, future research directions of wide-angle GCC are also discussed.

研究动机与目标

• 为解决实践者在面对多样化工具和相机型号时难以选择合适标定工具的挑战。
• 评估六种广泛使用的标定工具在广角和鱼眼镜头上的结果一致性、可重复性和准确性。
• 在模拟和真实条件下，评估三种传统相机模型（针孔径向切向模型、KB-8 模型和 Mei 模型）的性能。
• 识别当前标定工具的关键局限，特别是异常值处理、参数初始化和优化鲁棒性方面的问题。
• 通过提出交互式标定、基于主动目标的静态标定以及标定感知的重建流水线等方向，为未来研究提供指导。

提出的方法

• 本研究使用四款广角和鱼眼镜头的合成与真实数据集，评估了六种标定工具：BabelCalib、Basalt、Camodocal、Kalibr、MATLAB 标定器以及基于 OpenCV 的 ROS 标定器。
• 通过三种标准相机模型（针孔径向切向模型、KB-8 模型和 Mei 模型）生成模拟数据，使用已知真值参数以评估准确性与稳定性。
• 真实数据集通过四款镜头（BM4218、BM4018、BT2120、MTV185）在九个序列中采集，采用平面标定板并在受控成像条件下进行。
• 以重投影误差（RMS）和序列间参数一致性（均值、标准差）作为主要性能指标。
• 通过分析角点检测误差，特别是模糊或低对比度图像中的误差，评估异常值检测与处理效果。
• 评估重点包括参数稳定性、收敛率和失败案例，尤其关注如 Mei 模型等存在参数冗余的模型。

Figure 1: The geometric camera calibration and the evaluated tools.

实验结果

研究问题

• RQ1 在广角和鱼眼镜头中，针孔径向切向模型、KB-8 模型和 Mei 模型中哪一个能提供最稳定和最准确的标定结果？
• RQ2 在真实和模拟数据上，六种主要标定工具（BabelCalib、Basalt、Camodocal、Kalibr、MATLAB、ROS/OpenCV）在重投影误差和参数一致性方面如何比较？
• RQ3 基于优化的标定工具失败的原因是什么？异常值检测与初始化如何影响标定的鲁棒性？
• RQ4 像 Mei 模型这样的模型中存在的参数冗余和非唯一性如何影响标定的可靠性与可重复性？
• RQ5 当前标定流水线的关键局限是什么？未来研究应从哪些方向改进以提升标定的鲁棒性与可用性？

主要发现

• KB-8 模型在对角线视场角（DAOV）大于100°的相机中表现出更优的稳定性和准确性，因此是广角和鱼眼镜头的首选模型。
• 尽管 Mei 模型的重投影误差 RMS 值较低，但其参数方差较高，表明因参数冗余而存在不稳定性，尤其在真实数据中表现明显。
• Camodocal、Kalibr 和 MATLAB 标定器在针孔径向切向模型上表现优异；而 BabelCalib 和 Camodocal 在 KB-8 模型上表现良好。
• Basalt 在部分镜头（BM4218、MTV185）的九个序列中失败了 7–8 次，表明其在优化过程中鲁棒性差，可能源于初始化或收敛问题。
• 异常值检测至关重要；即使角点位置与真实位置仅偏移几个像素，也会显著影响标定结果，但大多数工具能有效处理此类情况。
• EUCM 模型提供了稳定的参数估计（如 α、β），而 Mei 模型的 k1 参数表现出高度可变性，凸显其不稳定性。

Figure 2: The structure of this survey.