colmap相机畸变怎么获取

### 获取 Colmap 中相机畸变参数的方法 在使用 Colmap 进行三维重建的过程中，相机的内参矩阵（Intrinsic Parameters）和畸变参数（Distortion Parameters）是非常重要的组成部分。这些参数能够描述相机成像过程中的几何属性，并且对于后续的应用（如图像校正、立体匹配等）至关重要。 --- #### 1. **Colmap 中相机模型的选择** Colmap 支持多种相机模型，每种模型对应不同的畸变参数形式。常见的相机模型包括但不限于： - **Pinhole Model**: 不考虑任何畸变。 - **Simple Radial Distortion Model**: 包含单个径向畸变参数 $k_1$。 - **Radial Tangential Distortion Model**: 同时包含径向 ($k_1, k_2$) 和切向 ($p_1, p_2$) 畸变参数。 - **Fisheye Model**: 针对鱼眼镜头设计的特殊模型[^1]。 用户可以在运行稀疏重建之前指定使用的相机模型类型。如果未明确设置，默认情况下 Colmap 会选择最适合输入数据的模型。 --- #### 2. **获取相机畸变参数的具体步骤** 以下是通过 Colmap 提取相机畸变参数的一般流程： ##### (a) **执行稀疏重建** 首先需要利用 Colmap 对目标场景进行稀疏重建操作。这一步骤会自动估计相机的姿态（Extrinsics）、内参以及相应的畸变参数。命令如下所示： ```bash colmap feature_extractor --ImageReader.single_camera=1 \ --database_path path/to/database.db \ --image_path path/to/images/ colmap exhaustive_matcher --database_path path/to/database.db colmap mapper --database_path path/to/database.db \ --image_path path/to/images/ \ --output_path sparse/reconstruction/ ``` 其中 `--ImageReader.single_camera=1` 表示假定所有图片共享同一个相机配置，这对于简化畸变参数分析非常有用。 ##### (b) **查看相机参数文件** 完成稀疏重建之后，会在输出路径下的 `cameras.txt` 文件中记录每个相机的相关信息。打开此文本文件可以看到类似于下面的内容： ``` # Camera list with one line of data per camera: # # CAMERA_ID, MODEL, WIDTH, HEIGHT, PARAMS[] # # Number of cameras: 1 1 SIMPLE_RADIAL 1920 1080 1500.0 960.0 540.0 0.1 ``` 在这里，“SIMPLE_RADIAL”表明选择了简单径向畸变模型；后面的五个数值依次代表焦距 f、主点位置 $(cx,cy)$ 以及唯一的径向畸变系数 $k_1$。如果是更复杂的模型，则会有更多的参数项列出。 ##### (c) **解析相机参数** 为了便于程序化访问上述信息，可以编写脚本来读取并展示具体的畸变参数值。例如采用 Python 结合 OpenCV 来实现这一功能： ```python import cv2 import numpy as np def parse_colmap_cameras(cam_file='sparse/cameras.txt'): cam_params = {} with open(cam_file, 'r') as f: lines = f.readlines() for line in lines: if not line.startswith('#') and len(line.strip()) != 0: entries = line.split(' ') model_name = entries[1].strip().upper() params = [] for i in range(4, len(entries)): try: param_val = float(entries[i]) params.append(param_val) except ValueError: continue cam_id = int(entries[0]) width = int(entries[2]) height = int(entries[3]) intrinsic_matrix = None distortion_coeffs = [] if model_name == "PINHOLE": fx,fy,cx,cy=params[:4] intrinsic_matrix=np.array([[fx,0,cx],[0,fy,cy],[0,0,1]]) elif model_name=="SIMPLE_RADIAL": # Only has radial term K1 fx=fy=cx=cy=k1=params intrinsic_matrix=np.diag([fx]*2+[1]).astype(float)+np.array([[0,0,cx],[0,0,cy],[0,0,0]]).astype(float) distortion_coeffs=[k1] else : raise NotImplementedError(f"{model_name} Not Supported Yet.") cam_params[cam_id]={ 'width':width, 'height':height, 'intrinsic_matrix':intrinsic_matrix, 'distortion_coefficients':distortion_coeffs} return cam_params cams_data = parse_colmap_cameras() for cid,details in cams_data.items(): print(f'Camera {cid}:') print(f'\tWidth={details["width"]}, Height={details["height"]}') print('\tIntrinsic Matrix:') print(details['intrinsic_matrix']) print('\tDistortion Coefficients:', details.get('distortion_coefficients')) ``` 以上代码片段定义了一个辅助函数用于加载来自 Colmap 的相机参数表，并将其转换为易于理解和进一步处理的形式。 --- #### 3. **验证与应用畸变参数** 一旦获得了精确的畸变参数，就可以应用于诸如图像校正之类的任务之中。OpenCV 提供了方便快捷的方式来进行此类变换： ```python img = cv2.imread('path_to_image.jpg') K = np.array(cams_data[cid]['intrinsic_matrix'], dtype=np.float32) D = np.array(cams_data[cid]['distortion_coefficients'], dtype=np.float32) undistorted_img = cv2.undistort(img, K, D) cv2.imwrite('corrected_image.png', undistorted_img) ``` 这样即可获得经过校正后的无畸变版本原始影像素材。 ---