基于矩形的摄像机自标定几何方法_徐嵩
简述相机自标定法步骤
简述相机自标定法步骤相机自标定法是计算机视觉领域中的一项关键技术，它能够在没有特殊标定物的条件下，仅利用相机内部参数对相机进行标定。
本文将简述相机自标定法的步骤，帮助读者了解这一技术的基本原理。
相机自标定法主要包括以下步骤：1.图像采集在进行相机自标定之前，首先需要采集一系列不同视角下的图像。
这些图像应当包含丰富的场景信息，以便于后续的特征提取和匹配。
2.特征提取从采集到的图像中提取特征点。
常用的特征提取方法有关键点提取（如SIFT、SURF等）和边缘检测。
这些特征点将用于后续的特征匹配。
3.特征匹配将提取到的特征点进行匹配。
这一步骤需要找到不同图像中相同特征点的对应关系。
常用的特征匹配方法有暴力匹配、FLANN匹配等。
4.本质矩阵估计利用特征匹配结果，计算两幅图像之间的本质矩阵。
本质矩阵描述了图像间的旋转和平移关系。
这一步通常采用RANSAC算法进行优化，以提高鲁棒性。
5.相机内参估计通过本质矩阵和特征匹配结果，利用三角测量原理，估算相机的内参（焦距、主点等）。
这一步可以通过最小化重投影误差来实现。
6.畸变校正根据相机内参，对图像进行畸变校正。
常见的畸变有径向畸变和切向畸变。
畸变校正可以提高图像质量，为后续视觉任务提供更好的基础。
7.优化通过优化算法（如Levenberg-Marquardt算法）对相机内参进行迭代优化，进一步降低重投影误差，提高标定精度。
8.标定结果评估评估标定结果的准确性。
常用的评估指标有重投影误差、平均误差等。
如果评估结果满意，则可以认为相机自标定成功。
总结：相机自标定法通过以上步骤，可以在没有特殊标定物的条件下，实现相机的标定。
摄像机标定 方法
摄像机标定方法摄像机标定是计算机视觉领域的一项重要任务，主要目的是确定摄像机的内外参数，以便将图像中的像素坐标转换为世界坐标。
摄像机标定有多种方法可供选择，其中包括使用标定物体、使用棋盘格、使用角点等。
下面将详细介绍其中的几种方法。
第一种方法是使用标定物体进行摄像机标定。
该方法需要摄像机拍摄带有已知尺寸的标定物体，例如固定尺寸的棋盘格或标尺。
通过测量图像中标定物体的像素坐标和已知尺寸，可以计算出摄像机的内外参数。
这个过程通常涉及到图像坐标和世界坐标的转换，以及通过最小二乘法进行参数求解。
第二种方法是使用棋盘格进行摄像机标定。
这种方法是比较常用且简单的一种标定方法。
首先，在摄像机拍摄的图像中绘制一个棋盘格，然后使用摄像机内参数和外参数将棋盘格的世界坐标与图像坐标建立对应关系。
通过采集多幅图像并测量每幅图像中的棋盘格角点的像素坐标，可以得到摄像机的内外参数。
这个过程通常使用角点检测算法来自动检测图像中的棋盘格角点。
第三种方法是使用角点进行摄像机标定。
这种方法也是比较常用的一种标定方法。
和使用棋盘格类似，该方法也是通过摄像机内参数和外参数将角点的世界坐标与图像坐标建立对应关系。
角点通常是由几条直线的交点或者是物体的尖锐边缘。
通过采集多幅图像并测量每幅图像中的角点的像素坐标，可以得到摄像机的内外参数。
这个过程通常也使用角点检测算法来自动检测图像中的角点。
除了上述几种常用方法，还有其他一些比较新颖的摄像机标定方法。
例如，基于模板匹配的方法可以在不需要标定物体的情况下估计摄像机的内外参数。
这种方法需要摄像机拍摄多幅图像，并在每幅图像中定位模板。
通过比较模板在不同图像中的位置，可以估计摄像机的内外参数。
此外，还有基于结构光的方法和基于手眼标定原理的方法等。
总之，摄像机标定是计算机视觉领域的一项重要任务，有多种不同的方法可供选择。
使用标定物体、棋盘格、角点等进行摄像机标定是常见的方法。
这些方法可以通过采集多幅图像并测量像素坐标，计算摄像机的内外参数。
摄像机标定的几种方法
摄像机标定的几种方法摄像机标定是计算机视觉和机器视觉领域中的一项重要技术，用于确定相机的内参矩阵和外参矩阵，从而实现图像的准确测量与三维重建。
本文将介绍几种常用的摄像机标定方法，包括直接线性变换（DLT）、Zhang的标定法、Tsai的标定法、径向畸变模型等。
1.直接线性变换（DLT）方法：直接线性变换方法是摄像机标定最基础的方法之一，通过在物体平面上放置多个已知几何形状的标定物体，测量它们的图像坐标和真实坐标，通过最小二乘法求解相机的投影矩阵。
DLT方法简单直接，但对噪声敏感，容易产生误差。
2. Zhang的标定法：Zhang的标定法是一种常用的摄像机标定方法，通过在平面上放置一系列平行的标定板，根据不同位置姿态下的标定板的图像坐标和物理坐标，运用最小二乘法求解相机的内参矩阵和外参矩阵。
Zhang的标定法提高了标定的精度和稳定性，但要求标定板在不同位置姿态下具有较大的变化。
3. Tsai的标定法：Tsai的标定法是一种基于摄像机的投影模型的标定方法，通过摄像机的旋转和平移矩阵，以及曲率和径向畸变的参数，对图像坐标和物理坐标之间的映射关系进行数学推导和求解。
Tsai的标定法可以对畸变进行校正，提高图像测量的精度。
4. Kalibr工具包：Kalibr是一个开源的摄像机标定和多传感器校准工具包，结合了多种摄像机标定方法，例如DLT、Tsai、Zhang等。
Kalibr工具包不仅可以标定单目相机，还可以标定双目和多目视觉系统，对相机的内参、外参、畸变等参数进行标定和优化，同时还能进行相机的手眼标定、IMU与相机的联合标定等。
5. Di Zhang的自标定方法：Di Zhang提出了一种基于相对边界点的自标定方法，通过提取图像中的特定点边界，通过对这些边界点位置的检测与分析，实现对相机内参和外参的求解。
这种方法不需要使用标定板等外部标定物体，只需要相机自身可以看到的物体边界即可进行标定。
6.径向畸变模型：径向畸变是摄像机成像中常见的一种畸变形式，主要表现为物体边缘呈弯曲的形式。
一种新的基于Kruppa方程的摄像机自标定方法
Kruppa 方程[3 ,4 ]如下 :
5期
雷 成等 :一种新的基于 Kruppa 方程的摄像机自标定方法
589
(σ1F) 2 v1T Cv1 σ1Fσ2F v2T Cv1
σ1Fσ2F v1T Cv2 (σ2F) 2 v2T Cv2
0 0 =
0
0
0
u1T Cu1 - u1T Cu2 0
s′ - u2T Cu1 u2T Cu2 0
2 基于 Kruppa 方程的摄像机自标定 技术的简要回顾
本文中 ,假设摄像机的模型是常用的针孔模型. 因此从三维空间点 X = ( x , y , z , 1) T到二维图像点 m = ( u , v ,1) T的成像关系可以表示为
m K[ R | t ] X
(1)
f u γ u0
其中 K = 0 f v v0 是摄像机的内参数矩阵 ,
588
计 算 机 学 报
2003 年
种摄像机自标定方法中 ,人们是利用由 IAC 的对极 几何关系所推导出的 Kruppa 方程所提供的关于 IAC 的约束 , 通过确定 IAC 来标定摄像机内参数 的. 但实践中发现基于 Kruppa 方程的摄像机标定方 法并不十分鲁棒 ,为此人们又提出了很多更为鲁棒 的自标定算法 ,但大多需要作一些基于摄像机先验 知识的假设 ,或者对摄像机的运动 ,或对所拍摄的场 景有一些特殊的要求. 而在某些情况下 ,我们又不可 避免地需要利用 Kruppa 方程来进行摄像机标定 ,因 此对如何提高基于 Kruppa 方程的摄像机标定算法 的鲁棒性和实用性仍有着很重要的意义.
=
( FCF T) 22
( [ e′] ×C[ e′] T×) 22
=
( FC F T) 23
自标定方法(二)
自标定方法(二)自标定方法简介•自标定方法（self-calibration）是计算机视觉领域中的一种重要技术，用于自动获取摄像机的内外参数，并实现相机的校准。
•自标定方法可以根据已知的几何关系和图像特征，通过计算机算法进行自动标定，无需人工干预。
•本文将介绍几种常见的自标定方法，包括：–视球模型法–平面模型法–分类模型法视球模型法•视球模型法是一种最基本的自标定方法，适用于基于运动的标定技术。
•核心思想是通过计算摄像机在运动中捕捉的视场变化，自动推导出相机的内外参数。
•视球模型法的优点是简单易懂，适用于传统计算机视觉应用。
但缺点是对标定场景要求较高，且只适用于摄像机移动的情况。
平面模型法•平面模型法是一种基于平面运动的自标定方法，适用于平面运动的标定场景。
•核心思想是通过分析平面在图像中的投影变换关系，计算出摄像机的内外参数。
•平面模型法的优点是标定场景要求相对较低，适用于一些特定的平面运动应用。
但缺点是对摄像机与平面之间的几何关系要求较高。
分类模型法•分类模型法是一种基于机器学习的自标定方法，适用于标定场景不限制的情况。
•核心思想是通过训练一个分类模型，对输入图像进行特征提取和分类，从而得到摄像机的内外参数。
•分类模型法的优点是适用范围广，可以处理各种标定场景。
但缺点是需要大量的标定样本和时间进行训练，且对计算资源要求较高。
总结•自标定方法是计算机视觉领域中的重要技术之一，用于自动获取摄像机的内外参数。
•视球模型法、平面模型法和分类模型法是常见的自标定方法，适用于不同的标定场景。
•在实际应用中，我们可以根据标定场景的特点选择合适的自标定方法，以获得准确的摄像机参数。
•随着计算机视觉和机器学习的进一步发展，自标定方法将在更多领域得到应用，并不断提升标定的准确性和效率。
基于扩展摄像机成像模型的自标定方法
ａ ｄ ｔ ｉ ｋ ｎ ａ ．Ｅ ｐ ｒｍｅ ｔ ｔ ｉ ｌｔｄ ｄ ｔ ｓｗ ｌ ａ ｔ ｅ ｌ ｍａ ｅ ｈ ｗ ａ ｈ ｒ ｐ ｓ ｄ ｍｅｈ ｄ ｉ ｒ ａ ｌ ａ ｄ ｎ ｈ ｎ ｉ ｇ ｗ ｙ ｘ ｅｉ ｎ ｓ ｈ ｓ ｗｉ ｍｕ ａｅ ａａａ ｅ ｌ ｓ ｈ ｒ ａ ｇ ｓｓ ｏ ｔ ｔ ｅｐ ｏ ｏ ｅ ｔｏ ｓ ｗｉ ｉ ｈ ｔ ｗｏｋ ｂｅ， ｎ
ｃ ａ ｏ ｎｓ ｗｉｈ ｎ ｔ ｉ ｌ ｎ ． Ｓｏ ａ ｓｎｇｅ ｉ ｇ ｏ ｐｅ ｅ ｈｅ ｐｒｃ ｓ ｆｃ ｌｂ ａ ｉｎ． Ｔｏ ｋ ｒ ｇ ｌｒ ｓ ｌｄ ｔ ｅ ｔ ｙ ｔ ｅ ｉ ｅ ｕｌｒｐ ｉ ｔ ｔ ｉ ｈｅｒｐ ａ ｅ ｉ ｌ ｍａ ｅ ｃ ｍ ｌｔｄ ｔ ｏ ｅ ｓ ｏ ａ ｉｒ ｔｏ ｏ ｅ ｕａ ｏｉ ｏ ｖ ｒｉ ｈ ｄ ａ ｆ
关键词 ：扩展模 型 ； 像机 标定 ； 应矩 阵 ； 摄 单 圆环 点
中图分 类号 ：Ｔ ３ １ Ｐ ９ 文 献标志 码 ：Ａ 文章编 号 ：１ ０ — ６ ５ ２ ０ ） ２ ３ ７ —４ ０ １ ３９ （０ ８ １ — ６ ６ ０
Ｓ ｌ ｃ ｌ ｒｔ ｎ ｂ ｓ ｄ ｏ ｘｅ ｄ ｄ ｃ ｍｅａ ｍｏ ｅｓ ｅｆ ａｉ ａｉ ａ ｅ ｎ ｅ ｔｎ ｅ ａ ｒ ｄ ｌ ． ｂ ｏ
ｔｎ Ｕ ｉ ｒｔ， ｉｎ ｔｎＨ ｎ ｎ４ １０ ａ ｎｖ ｓｙ Ｘａｇａ ｕ ａ １１５，Ｃ ｉａ ｅｉ ｈｎ ）
Ａｂ ｔ ａ ｔ Ｔ ｉ ａ ｅ ｒｐ ｓ ｄ ａ ｔ ｃ ｎ ｑ ｅ ｆｒ ｓ ｌ ｃ ｌ ｒｔ ｎ ｂ ｓ ｄ ｏ ｘｅ ｄ ｄ ｃ ｍｅ ａ ｍｏ ｅ ． Ｃ ａ ｇ ｄ ａ ｃ ｎ ｅ ｔ ｎ ｏ ｓ ｒ ｃ ： ｈ ｓ ｐ ｐ ｒｐ ｏ ｏ ｅ ｅ ｈ ｉ ｕ ｏ ｅｆ ａｉ ａｉ ａ ｅ ｎ ｅ ｔｎ ｅ ａ ｒ ｄ １ ｈ ｎ ｅ ｏ ｃ ｐ ｉ ｆ － ｂ ｏ ｏ
基于极坐标的摄像机标定
（ ｃｏ ｌ ｆ ｕｏ ｔ ｎ ｏｒｅ ｎｖ ｒｔ Ｎａｊ ｇ２ ０ ９ ， ｈ ） Ｓｈ ｏ ｔｍａｉ ，Ｓｕ ｓｔ ｉ ｓｙ， ｎｉ １０ ６ Ｃ ｍａ ｏＡ ｏ Ｕ ｅｉ ｎ Ａｂｓｒ ｃ ｔ ａ ｔ：Ｉ ｒ ｅ ｏ ｉ ｐ ｏ ｅ ｔ ｅ ｆｅ ｉ ｉｉ ｆｍ ｕ ｔ— ａ ｅ ａ ｃ ｌ ｒ ｔｏ ｎ ｈ ｉ ｅ ｓｔ ｆｃ ｌｂ ａ ｎ ｏ ｄ ｒｔ ｍ ｒ ｖ ｈ ｌｘ ｂ ｌ ｙ ｏ ｌ ｃ ｍ ｒ ａｉ ａｉ ｎ ａ ｄ ｔ ｅ ｄ ｖ ｒ ｉ ｏ ａｉ ｒ ・ ｔ ｉ ｂ ｙ
像机 和标 定板 之 间的位置 关 系上 更 加 灵 活． 与传 统 的精 确标 定 板 的结 果 比较 ， 在保 证 精 度 情 况
下， 标定板 设 计和整 个标定 系统 的实现则 更加 简单 易行 ． 关键 词 ： 摄像 机标 定 ； 坐标 ； 极 多摄 像机 标定 ； 面标定 板 ； 器视 觉 平 机
此来进 行摄 像机 参 数 的标定 ． 据设 计好 的标定 板确 定世 界坐标 下 的特征 点 ， 别相 应 的特 征 点 根 识 在 图像 坐标 的位 置 ， 匹配特 征 点在 图像 坐标 和 世界 坐标 的位置 关 系后完成 摄像机 的标 定． 标定 该
方 法只 需大 约 ２ ０点 对左右 数据 ， 同时保证标 定 的结 果 和 鲁棒 性 ； 少 的 点对和 图像 的 多样 性避 较 免 了遮挡 和公 共部分 不足 的 问题 ， 利 于完成 多摄像 机标 定 ， 传 统 多摄像 机标 定 方法在分 配摄 有 较
ｗｏｌ ｏ ｒｉａ ．Ｔ ｅ ｃ ｉｒｔ ｎ ｍｅ ｏ ｎｙ ｒｑ ｉ ｓｓ ｌ ｓｔ ｏ ｏｒｓｏ ｄ ｎｅ ａ ｏ ｔ ０ ｒ ｃｏｄｎｔ ｄ ｅ ｈ ａ ｂａｏ ｔ ｄ ｏ ｌ ｅｕｒ ｍａ ｅｓ ｆｃｒ ｐ ｎ ｅ ｃｓ（ ｂ ｕ ｌ ｉ ｈ ｅ ｌ ｅ ２ ｐ ｉ ） ａ ｄ ｍｅ ｗ ｉ ，ｉＣ ｎｕｅｔｅａｃ ｒｃ ｎ ｏ ｕｔｅｓ Ｓ ｌ ｅ ｆｃ ｒ ｓｏ ｄ ｎ ｅ ａｓ ， ｒ ｎ ， ａ ｈｌ ｔ ａ ｅ ｓｒ ｃｕａ ｙａ ｄｒｂ ｓ ｓ． ｍａ ｓｔ ｏ ｏｒ ｐ ｎ ｅ ｃｓ ｎ ｅ ｎ ｈ ｎ ｌ ｓ ｅ
相机标定方法
摄像机标定的方法和具体的步骤1.理想的摄像机成像模型在不考虑畸变的情况下，建立如图所示的摄像机模型。
物体到图像之间的转化，经历了下面四个坐标系的转换：1.三维世界坐标系O X Y Zw w w w这是基于不存在误差的基础上建立的坐标系，是一个理想的模型。
这是后两个模型的参考，可以作为对比的基础。
2.摄像机坐标系Oxyz该坐标系的原点是摄像机的光心，CCD像平面到原点的距离为f，即理想成像系统的有效焦距，坐标系的轴与光轴重合。
3.摄像机图像坐标系'O XYO，X轴、该二维坐标系定义在CCD像平面上，其中光轴与像平面的交点定义为原点'Ｙ轴分别平行于ｘ、ｙ轴。
4.计算机像平面坐标系Ouv在这一坐标系中，原点在图像的左上角。
这是一个建立在CCD像平面中的二维坐标系，u轴和v轴组成坐标系，前者为水平轴，后者为垂直轴，方向向右、向下。
上面我们讨论的四个坐标系中，只有最后一个坐标系的单位是像素。
前三者的单位都是毫米。
一被测点P，其三维坐标为(x,y,z)，摄像机坐标系为(x,y,z)，其经过拍摄后，w w w在摄像机图像坐标系中的坐标为(X,Y)，最后得到计算机像面坐标系的坐标(u,v)，这四步的变换过程如下图所示：一、刚体变换（从世界坐标系到摄像机坐标系）在刚体变换过程中世界坐标系中的一点到摄像机坐标系中的点，可以由一个旋转矩阵R以及一个平移矩阵t来描述，则存在如下刚体变换公式：其中R为3X3的旋转矩阵（），t是一个三维平移向量，化为其次坐标形式有：二、透视投影（相机坐标系到理想图像物理坐标系）根据针孔模型下透镜成像焦距f，物距u和相距v的关系，以及下图可得：（注意此时的点M是摄像机坐标系的点）y是理想图像物理坐标系坐标）将上面的关系式化成其次坐标式为：（注意：x,u u三、畸变校正在上面所有的坐标系公式推导的过程中，我们遵循的是线性摄像机模型，但是实际的摄像机由于镜头制作工艺等原因，使摄像机获取的原始图像是含有畸变的，畸变的图像的像点、投影中心、空间点不存在共线关系，所以如果要想直接运用线性模型来描述三维世界空间的点与像点之间的关系，必须先对畸变的图像进行校正。
摄像机标定方法综述
摄像机标定方法综述摄像机标定是指将图像中的像素坐标与真实世界中的三维物体坐标相对应的过程。
摄像机标定在计算机视觉和机器视觉领域中广泛应用，比如目标识别、目标追踪、立体视觉等任务。
下面将就几种常用的摄像机标定方法进行综述。
1.直接线性变换(DLT)方法：直接线性变换是最早提出的摄像机标定方法之一、该方法通过摄像机拍摄具有已知三维坐标的物体，并通过图像中物体投影的像素坐标计算出摄像机内部的参数（如焦距和像素坐标系原点等）和外部参数（如摄像机的旋转和平移矩阵）。
DLT方法的精度受到图像中噪声和非线性畸变的影响，因此通常需要进行非线性优化。
2.张正友标定方法：张正友标定方法是基于经典的DLT方法而改进的一种摄像机标定方法。
该方法通过使用多个摄像机拍摄一组模板图案(如棋盘格)，并根据图案在图像中的投影计算出摄像机的内外参数。
该方法克服了DLT方法的不足，可以有效地降低标定过程中的误差。
张正友标定方法已经成为摄像机标定的事实标准。
3.陈氏标定方法：陈氏标定方法是一种基于棋盘格划分的摄像机标定方法。
该方法相比于其他标定方法更具鲁棒性，能够处理大部分图像畸变，包括径向畸变和切向畸变。
陈氏标定方法不依赖于特定的图案设计，可以适用于各种不同形状和规模的棋盘格标定板。
此种标定方法能得到相对准确的摄像参数。
4.光束投影法：光束投影法也是一种常用的摄像机标定方法。
光束投影法通过摄像机对多个光束的拍摄，利用光束在三维空间中的重合关系来计算摄像机的内外参数。
光束投影法具有较高的精度和计算效率，可适用于复杂场景中的标定问题。
5.基于结构光的标定方法：结构光标定方法是一种基于投影的摄像机标定方法。
该方法使用一个激光投影仪将结构光（如条纹或网格）投影到摄像机视野中的物体上，然后通过分析图像中的结构光变形情况计算出摄像机的内外参数。
该方法具有较高的精度和稳定性，可适用于复杂环境下的标定。
以上介绍了几种常用的摄像机标定方法，每种方法都有其适用的特定场景和优缺点。
摄像机自标定
a
0 a3
a3 a2 0 a1
a2 a1 0
则对应任意的向量 b, 有 a b a b
一些预备知识
对偶原理
如果 C为一非退化的图象二次曲线，即：
J xT Cx 0 C CT , Det(C) 0
点坐标曲线
过x 则
处x 的12切C线1参l 数, 代向入量上为式：可l 得：J x
推导Kruppa 方程的示意图
ll
lr
xl
xr
Kruppa 方程
xlT Cxl 0 xrT Cxr 0
对偶 llTll 0 lrTlr 0
ll [e] x, x 为位于 ll 上的任意一点，则 lr F,x
则
xT [e]T [e] x 0, xT F TFx 0
则
[e]T [e] FTF
l' Fm l FT n'
所有的外极线都过对应的外极点，外极点是光心连线 与图象平面的交点。对应外极线束构成一射影变换
基本矩阵和外极点的关系
Fe1 0, FT e' 0
(e' )T Fmi 0
一些预备知识
m'
e'
l' n'
l' Fm m' n'
一些预备知识
中心投影下，如果 射影平面与空间曲 线相切，则射影平 面与图象平面的交 线必与空间曲线在 图象平面上的投影 曲线相切
2Cx
则 lT l 0 C 1
对偶线坐标曲线
一些预备知识
l3 C
对偶曲线示意图
x3
x1
l1
x2
l2
l1
点坐标曲线
l3
l2
相机几何标定方法
相机几何标定方法
1. 嘿，你知道吗？相机几何标定方法之一就是张正友标定法哦！就好像给相机戴上了一副超级精准的眼镜，让它能看清这个世界的每一个角落。
比如你想拍一个小小的玩具，通过张正友标定法，就能让玩具的每个细节都清晰呈现，是不是很神奇呀？
2. 哇塞，还有棋盘格标定法呢！这就像是相机的秘密武器呀。
想象一下，把那棋盘格放在那里，相机就能通过它找到自己的定位，然后拍出超棒的照片。
就像你根据地图找到宝藏一样，棋盘格就是相机的宝藏地图，酷不酷？
3. 嘿呀，直接线性变换标定法也很厉害呢！它就如同给相机安装了一个精准的导航系统，能够指引相机拍出最完美的画面。
比如你拍一座大楼，它能让相机准确找到最佳角度，把大楼的雄伟展现得淋漓尽致，这可太牛啦！
4. 还有自标定法哦！这简直就是相机的自我探索之旅呀。
它不用借助其他外在的东西，自己就能慢慢摸索出怎么来标定。
就好像一个勇敢的探险家，自己在未知的领域探索出正确的道路，是不是很了不起？
5. 哇哦，圆形标定法也是有意思得很呢！相机通过识别那些圆圆的东西来校准自己，就好比我们通过认路牌找到目的地一样。
你想想看，当相机通过这些圆形准确找到拍摄的方向，多有意思呀！
6. 最后呀，Bundle 调整标定法也不能落下呀！它就像是一个神奇的魔术棒，能让相机的标定效果达到最佳。
就如同一场精彩的魔术表演，最后呈现出令人惊叹的效果，你能不期待吗？
在我看来呀，这些相机几何标定方法都各有各的神奇之处，它们能让相机变得更强大，为我们拍出更多精彩的照片！。
基于简单几何知识的摄像机标定算法
基于简单几何知识的摄像机标定算法
张宏
【期刊名称】《科技信息》
【年(卷),期】2009(000)019
【摘要】针对摄像机固定和共面约束条件下进行目标定位这一问题,本文提出一种全新简单可行的算法.该算法避开了繁琐的摄像机标定过程,只是运用射影几何的性质,通过简单的几何关系,对非标定单摄像机拍摄的一幅图像,求解出其出2D图像平面到3D平面之间的非线性单映射关系.
【总页数】2页(P76-77)
【作者】张宏
【作者单位】中华女子学院山东分院信息技术学院,山东,济南,250101
【正文语种】中文
【中图分类】TN94
【相关文献】
1.基于两步法的摄像机标定算法 [J], 崔凌燕;陈婧
2.基于角点检测的摄像机标定算法及应用 [J], 王晓辉;李星
3.基于无人机航迹大视场摄像机标定算法研究 [J], 黎才鑫; 李天伟; 黄谦
4.基于Tsai算法的摄像机标定可视化操作平台研究与应用 [J], 马涛
5.基于改进风驱动算法的摄像机标定优化方法 [J], 任久斌;曹中清
因版权原因，仅展示原文概要，查看原文内容请购买。
基于矩形的摄像机自标定几何方法_徐嵩
光 学 学 报 Ａ Ｃ Ｔ Ａ Ｏ ＰＴ Ｉ Ｃ Ａ Ｓ Ｉ Ｎ Ｉ Ｃ Ａ
Ｖ ｏ ｌ ． ３ ４，Ｎ ｏ ． １ １ ， Ｎ ｏ ｖ ｅ ｍ ｂ ｅ ｒ２ ０ １ ４
基于矩形的摄像机自标定几何方法
徐 嵩 孙秀霞 刘 希 蔡 鸣
光 学 学 报
并根据其 空 间 坐 标 与 图 像 坐 标 的 对 应 关 系 求 内 参
［］ 数 。 其中 Ｔ ｓ ａ ｉ２ 提 出 两 步 标 定 方 法 综 合 了 线 性 内
２ 摄像机模型
（ ） 空军工程大学航空航天工程学院 ，陕西 西安 ７ １ ０ ０ ３ ８ 摘要 基于矩形两组对边的消隐点特性和隐含的长宽比信息 ， 提出了一种新的 摄 像 机 自 标 定 几 何 方 法 。 该 方 法 仅 依据同一个矩形的两次或三次成像 ， 即可在摄像机传感器特性已知或未知时标定摄像机内参数并辨识矩形长宽 比 。 利用空间中有限距离点与同一无穷远点的连线相互平行和完全四边形的调 和 分 割 特 性 ， 以及被多次成像的矩 建立了摄像机内参数约束方 程 。 通 过 建 立 与 直 线 段 成 像 相 关 的 代 价 函 数 ， 提出了畸变参数 形长宽比相同的特点 ， 寻优与线性内参数标定相迭代的畸变校正方法 ， 可获得与摄像机无畸变情况下 相 当 的 自 标 定 精 度 。 在 确 定 矩 形 任 意两个顶点坐标的情况下 ， 即可求解 摄 像 机 所 有 外 参 数 。 仿 真 实 验 表 明 ， 该 标 定 算 法 收 敛 快 速， 对图像噪声不敏 感 。 实际图像实验表明 ， 与传统平面靶标法相比 ， 该方法不但减少了预知条件 ， 而且提高了标定精度和效率 。 关键词 图像处理 ； 机器视觉 ； 摄像机自标定 ； 消隐点 ； 完全四边形 ； 畸变校正 ： ／ 中图分类号 Ｔ Ｐ ３ ９ １． ４ 文献标识码 Ａ ｄ ｏ ｉ １ ０． ３ ７ ８ ８ Ａ Ｏ Ｓ ２ ０ １ ４ ３ ４． １ １ １ ５ ０ ０ ２
相机自标定方法
相机自标定方法
嘿，你知道相机自标定是啥不？这可是个超厉害的技术呢！相机自标定就是让相机自己确定一些参数，就像它自己给自己做了个“体检”。
那它咋做到的呢？首先，得找一些有特点的场景，比如有很多线条或者图案的地方。
这就好比给相机找了个“考场”，让它在这个特定的环境里表现自己。
然后，相机就会通过分析这些场景中的特征来计算自己的参数。
这就像一个侦探在寻找线索，解开谜团。
在这个过程中有啥要注意的呢？那可不少呢！比如说，场景得有足够的特征，不然相机就像个迷路的孩子，找不到方向。
还有啊，光线也很重要，太暗或者太亮都不行，这就跟人在不合适的光线下看东西会模糊一样。
那安全性和稳定性咋样呢？放心啦！相机自标定一般不会对相机造成啥伤害，就像给相机做了个温柔的“按摩”。
而且只要操作正确，结果是很稳定的，不会今天一个样，明天又变了。
这技术有啥应用场景呢？那可多了去了！比如在摄影测量中，可以让测量更准确。
想象一下，就像给摄影师配了个超级助手，能拍出更完美的照片。
在机器人视觉中也很有用，让机器人的眼睛更厉害，就像给
机器人安了一双火眼金睛。
还有虚拟现实和增强现实领域，能让虚拟世界更真实，就像给你打开了一扇通往奇幻世界的大门。
咱来看看实际案例吧！有个摄影师在拍摄古建筑的时候，用了相机自标定，结果照片的精度大大提高。
那些古建筑的细节都清晰地展现出来，就像把古建筑搬到了你面前一样。
还有个机器人公司，用相机自标定让机器人更好地识别周围环境，工作效率大大提高。
这不是超棒吗？
相机自标定真的是个超厉害的技术，能让相机变得更强大，给我们的生活带来更多的惊喜和便利。
基于摄像机自标定的视频对比度能见度检测算法与实现
稳定性等原因的缺点。其系统已在江苏 1/5 的高速公路上试运行，结果误差符合国际及国家相关标准。
关键词：视频能见度；摄像机自标定；小波变换；对比度；曲线拟合
中图分类号：TP391.41
文献标识码： A
文章编号：1009-5896(2010)12-2907-06
DOI: 10.3724/SP.J.1146.2009.01630
如图1所示为算法流程模块：使用摄像机自标定 技术恢复出图像中的距离信息，建立带有距离信息 的观测目标物，消除图像中冲击噪声的图像预处 理，使用小波变换提取目标物中属于边缘的像素 点，摄像机图像肉眼模拟的边缘特征的提取，根据 所得分析结果与距离映射关系进行曲线拟合，得出 能见度距离。
型参数，以完成车道分割线的像平面重建。模型参
为此，本文提出了一种基于摄像机自标定和对 比度的视频能见度检测方法，通过摄像机自标定技 术恢复出图像距离信息，建立图像中的虚拟观测目 标物，同时采用小波变换对图像提取虚拟目标物的 边缘，剔除噪声，并采用归一化对比度对虚拟目标 物的边缘进行能见度对比度检测，最后通过曲线拟 合得出能见度曲线，并根据正常视距对比度阈值得 出当前能见度距离或等级。
2009-12-22 收到，2010-04-06 改回 中国交通部科技攻关项目(2004-353-352-04)和江苏交通厅科研基金 (06x05、07x03)资助课题 通信作者：陈钊正 czz05g@
2 能见度算法整体框架
由于视频能见度检测对外界条件具有一定的依 赖性，如：摄像机是否正在转动、摄像机镜头上是
图1 能见度检测算法框架
2.1 图像距离、目标物提取 2.1.1 摄像机自标定提取距离信息 文中利用视频采 集设备所采集的视频图像，建立图像坐标至路面坐 标的映射关系，将图像距离信息转换成路面距离信 息。
基于单个正方形的摄像机自标定算法
基于单个正方形的摄像机自标定算法
蓝慕云
【期刊名称】《现代计算机（专业版）》
【年(卷),期】2007(000)007
【摘要】提出一种基于带对角线正方形作为平面标定模板的自标定算法机理,只需摄像机作三次运动参数未知的自由运动并摄取正方形模板在不同方位的三幅图像,即可线性求解摄像机的内外参数.实验表明,该算法能够较准确的标定出摄像机内参数,具有较高的鲁棒性.
【总页数】3页(P7-9)
【作者】蓝慕云
【作者单位】华南理工大学电工电子实验中心,广州,510006
【正文语种】中文
【中图分类】TP3
【相关文献】
1.机器视觉技术中一种基于反对称矩阵及RANSAC算法的摄像机自标定方法 [J], 王赟
2.基于正方形模板的摄像机自标定新方法 [J], 陈西;黎宁;周建江
3.基于粒子群算法的摄像机自标定 [J], 黄伟光;董安国
4.基于改进遗传算法的摄像机自标定方法 [J], 杨亚男; 贾渊
5.一种改进的基于九圆点的摄像机自标定算法 [J], 陈洵凛;殷素峰;黎小巨;张锦荣
因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的基于直线特征的摄像机自标定方法
一种新的基于直线特征的摄像机自标定方法
殷焰;赵荣椿
【期刊名称】《计算机应用研究》
【年(卷),期】2006(23)3
【摘要】通过引入场景的几何约束,提出了一种新的基于直线的摄像机自标定方法.利用射影几何中平行直线投影的交点与光心的连线平行于该平行直线的性质,给出了摄像机内参数的线性求解方法.只假设场景中存在垂直的平行直线,相对于文献[1]而言,其适用的情况更为广泛.实验结果验证了方法的有效性.
【总页数】2页(P170-171)
【作者】殷焰;赵荣椿
【作者单位】西北工业大学,计算机学院,陕西,西安,710072;西北工业大学,计算机学院,陕西,西安,710072
【正文语种】中文
【中图分类】TP242.6
【相关文献】
1.一种新的基于Kruppa方程的摄像机自标定方法 [J], 雷成;胡占义;吴福
朝;TSUIHT
2.一种新的基于主动视觉系统的摄像机自标定方法 [J], 雷成;吴福朝;胡占义
3.一种新的基于圆环点的摄像机自标定方法 [J], 孟晓桥;胡占义
4.一种新的基于正交性的摄像机自标定方法 [J], 潘亚宾;刘国栋
5.一种基于直线特征的信源个数估计新算法 [J], 唐涛;吴瑛
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１］ 。 息分为靶标标定与自标定两类 ［
靶 标 标定 须 利 用参 考 点坐 标 精 确已 知 的 靶 标，
） 、 ， ） 、 ） 基金项目 ：国家自然科学基金 （ 航空科学基金 （ 陕西省自然科学基金 （ ６ １ ２ ７ ３ １ ４ １ ２ ０ １ ２ １ ３ ９ ６ ０ ０ ８ ２ ０ １ ３ ５ ８ ９ ６ ０ ２ ５ ２ ０ １ ４ Ｊ Ｍ ８ ３ ３ ２ ， ： ＿ 作者简介 ：徐 嵩 （ 男， 博士研究生 ， 主要从事视觉导航理论与应用方面的研究 。Ｅ－ｍ １ ９ ８ ５—） ａ ｉ ｌ ｘ ｕ ｓ ｏ ｎ ｌ ａ ６ ３． ｃ ｏ ｍ ＠１ ｇ ｐ ， 导师简介 ：孙秀霞 （ 女， 博士 ， 教授 ， 博士生导师 ， 主要从事无人机导航与控制方面的研究 。 １ ９ ６ ２—） ： ｃ ｘ ｓ ｘ ｘ Ｅ－ｍ ａ ｉ ｌ ２ ６． ｃ ｏ ｍ ＠１ ｇ ｙ １ １ １ ５ ０ ０ ２ １ －
１ 引 言
摄像机模型确定了三维世界到二维图像的映射 关系 ， 摄像机标定即 为 确 定 该 模 型 中 相 关 参 数 的 过
；收到修改稿日期 ： ２ ０ １ ４ ０ ４ １ ４ ２ ０ １ ４ ０ ６ ２ ３ 收稿日期 ： － － － －
程 。 标定方法按对标定所需参考物能提供的已知信
（ Ａ ｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ａ ｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ Ｅ ｎ ｉ ｎ ｅ ｅ ｒ ｉ ｎ Ｃ ｏ ｌ ｌ ｅ ｅ， Ａ ｉ ｒ Ｆ ｏ ｒ ｃ ｅ Ｅ ｎ ｉ ｎ ｅ ｅ ｒ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｇ ｇ ｇ ｇ ｇ ｙ，
光 学 学 报
并根据其 空 间 坐 标 与 图 像 坐 标 的 对 应 关 系 求 内 参
［］ 数 。 其中 Ｔ ｓ ａ ｉ２ 提 出 两 步 标 定 方 法 综 合 了 线 性 ａ ｎ， Ｓ ｈ ａ ａ ｎ ｘ ｉ ７ １ ０ ０ ３ ８， Ｃ ｈ ｉ ｎ ａ）
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｎ ｅ ｗ ｃ ａ ｍ ｅ ｒ ａ ｓ ｅ ｌ ｆ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ａ ｒ ｏ ａ ｃ ｈ ｉ ｓ ｒ ｏ ｏ ｓ ｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｒ ｏ ｅ ｒ ｔ ｏ ｆ ｔ ｈ ｅ ｖ ａ ｎ ｉ ｓ ｈ ｉ ｎ ｏ ｉ ｎ ｔ ｓ ａ ｎ ｄ ｔ ｈ ｅ Ａ － ｐ ｐ ｐ ｐ ｐ ｐ ｙ ｇ ｐ ｒ ａ ｔ ｉ ｏ ｏ ｆ ｔ ｈ ｅ ｒ ｅ ｃ ｔ ａ ｎ ｌ ｅ ′ ｓ ｔ ｗ ｏ ｒ ｏ ｕ ｓ ｏ ｆ ｏ ｏ ｓ ｉ ｔ ｅ ｓ ｉ ｄ ｅ ｓ ．Ｔ ｈ ｉ ｓ ｍ ｅ ｔ ｈ ｏ ｄ ｃ ａ ｎ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｅ ｔ ｈ ｅ ｃ ａ ｍ ｅ ｒ ａ ′ ｓ ｉ ｎ ｔ ｒ ｉ ｎ ｓ ｉ ｃ ａ ｓ ｅ ｃ ｔ ｇ ｇ ｐ ｐ ｐ ｐ ，ｗ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ａ ｎ ｄ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｔ ｈ ｅ ａ ｓ ｅ ｃ ｔ ｒ ａ ｔ ｉ ｏ ｏ ｆ ｔ ｈ ｅ ｒ ｅ ｃ ｔ ａ ｎ ｌ ｅ ｈ ｅ ｔ ｈ ｅ ｒ ｋ ｎ ｏ ｗ ｎ ｏ ｒ ｕ ｎ ｋ ｎ ｏ ｗ ｎ ｔ ｈ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｏ ｆ ｃ ａ ｍ ｅ ｒ ａ ′ ｓ ｐ ｙ ｐ ｇ ， ， ｓ ｅ ｎ ｓ ｏ ｒ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｔ ｏ ｔ ｗ ｉ ｃ ｅ ｏ ｒ ｔ ｒ ｉ ｌ ｅ ｉ ｍ ａ ｉ ｎ ｆ ｏ ｒ ｔ ｈ ｅ ｓ ａ ｍ ｅ ｒ ｅ ｃ ｔ ａ ｎ ｌ ｅ ｒ ｅ ｓ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ．Ｔ ｈ ｅ ｅ ｕ ａ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｔ ｈ ｅ ｃ ａ ｍ ｅ ｒ ａ ′ ｓ ｇ ｐ ｇ ｇ ｇ ｐ ｙ ｑ ： ｉ ｎ ｔ ｒ ｉ ｎ ｓ ｉ ｃ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｒ ｏ ｅ ｒ ｔ ｉ ｅ ｓ ｏ ｉ ｎ ｔ ｓ ａ ｒ ｅ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ ｖ ｉ ａ ｔ ｈ ｒ ｅ ｅ ｔ ｈ ｅ ｆ ｉ ｒ ｓ ｔ ｏ ｎ ｅ ｉ ｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｌ ｉ ｎ ｅ ｓ ｗ ｈ ｉ ｃ ｈ ｃ ｏ ｎ ｎ ｅ ｃ ｔ ｆ ｉ ｎ ｉ ｔ ｅ ａ ｎ ｄ ｐ ｐ ｐ ｐ ；ｔ ｓ ａ ｍ ｅ ｉ ｎ ｆ ｉ ｎ ｉ ｔ ｅ ａ ｒ ｅ ｈ ｅ ｓ ｅ ｃ ｏ ｎ ｄ ｏ ｎ ｅ ｉ ｓ ｔ ｈ ｅ ｈ ａ ｒ ｍ ｏ ｎ ｉ ｃ ｄ ｉ ｖ ｉ ｓ ｉ ｏ ｎ ｗ ｈ ｉ ｃ ｈ ｃ ｏ ｎ ｓ ｉ ｓ ｔ ｓ ｉ ｎ ｔ ｈ ｅ ｃ ｏ ｍ ｌ ｅ ｔ ｅ ｔ ｈ ｅ ｏ ｉ ｎ ｔ ｓ ａ ｒ ａ ｌ ｌ ｅ ｌ ｐ ｐ ｐ ； ｕ ａ ｄ ｒ ｉ ｌ ａ ｔ ｅ ｒ ａ ｌ ｔ ｈ ｅ ｔ ｈ ｉ ｒ ｄ ｏ ｎ ｅ ｉ ｓ ｔ ｈ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｔ ｌ ｅ ｎ ｔ ｈ ｉ ｄ ｔ ｈ ｒ ａ ｔ ｉ ｏ ｏ ｆ ｔ ｈ ｅ ｒ ｅ ｃ ｔ ａ ｎ ｌ ｅ ｗ ｈ ｉ ｃ ｈ ｉ ｍ ａ ｅ ｄ ｓ ｏ ｍ ｅ ｔ ｉ ｍ ｅ ｓ ． Ａ ｃ ｏ ｒ ｒ ｅ ｃ ｔ ｉ ｏ ｎ －ｗ ｑ ｙ ｇ ｇ ｇ ， ｍ ｅ ｔ ｈ ｏ ｄ ｏ ｆ ｔ ｈ ｅ ｃ ａ ｍ ｅ ｒ ａ ｄ ｉ ｓ ｔ ｏ ｒ ｔ ｉ ｏ ｎ ｕ ｔ ｉ ｌ ｉ ｚ ｉ ｎ ｗ ｈ ｉ ｃ ｈ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｏ ｆ ｓ ｅ ｌ ｆ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｃ ｏ ｒ ｒ ｅ ｓ ｏ ｎ ｄ ｔ ｏ ｔ ｈ ｅ ｎ ｏ ｄ ｉ ｓ ｔ ｏ ｒ ｔ ｉ ｏ ｎ － ｇ ｙ ｐ ， ｉ ｓ ｖ ｉ ａ ｉ ｔ ｅ ｒ ａ ｔ ｉ ｖ ｅ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｔ ｈ ｅ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｎ ｏ ｎ ｌ ｉ ｎ ｅ ａ ｒ ｄ ｉ ｓ ｔ ｏ ｒ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｓ ｏ ｌ ｖ ｉ ｎ ｏ ｆ ｌ ｉ ｎ ｅ ａ ｒ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ｒ ｏ ｏ ｓ ｅ ｄ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｐ ｇ ｐ ｐ ｐ ， ｉ ｎ ｔ ｒ ｉ ｎ ｓ ｉ ｃ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｒ ｏ ｖ ｅ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｉ ｎ ａ ｃ ｏ ｓ ｔ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｌ ｉ ｎ ｅ ｓ ′ ｉ ｍ ａ ｉ ｎ ． Ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｐ ｐ ｇ ｇ ｇ ， ， ｃ ａ ｎ ｃ ｏ ｎ ｖ ｅ ｒ ｅ ｓ ｈ ａ ｒ ｌ ａ ｎ ｄ ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ａ ｒ ｅ ｎ ｏ ｔ ｓ ｅ ｎ ｓ ｉ ｔ ｉ ｖ ｅ ｔ ｏ ｉ ｍ ａ ｅ ｎ ｏ ｉ ｓ ｅ ．Ｒ ｅ ａ ｌ ｉ ｍ ａ ｉ ｎ ｔ ｅ ｓ ｔ ｓ ｔ ｈ ａ ｔ ｒ ｏ ｖ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｇ ｐ ｙ ｇ ｇ ｇ ｐ ｇ ， ， ｃ ｏ ｍ ａ ｒ ｉ ｎ ｗ ｉ ｔ ｈ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｂ ｆ ｌ ａ ｔ ｓ ｕ ｒ ｆ ａ ｃ ｅ ｄ ｒ ｏ ｎ ｅ ｔ ｈ ｉ ｓ ｍ ｅ ｔ ｈ ｏ ｄ ｃ ａ ｎ ｒ ｅ ｄ ｕ ｃ ｅ ｆ ｏ ｒ ｅ ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｅ ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｓ ａ ｓ ｗ ｅ ｌ ｌ ｐ ｇ ｙ ｇ ｒ ｏ ｍ ｏ ｔ ｉ ｎ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ａ ｓ ｂ ｏ ｔ ｈ ａ ｎ ｄ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｏ ｆ ｔ ｈ ｅ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ． ｐ ｇ ｐ ｙ ；ｍ ；ｃ ；ｖ ；ｃ ； Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｉ ｍ ａ ｅ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ａ ｃ ｈ ｉ ｎ ｅ ｖ ｉ ｓ ｉ ｏ ｎ ａ ｍ ｅ ｒ ａ ｓ ｅ ｌ ｆ ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ａ ｎ ｉ ｓ ｈ ｏ ｉ ｎ ｔ ｏ ｍ ｌ ｅ ｔ ｅ ｕ ａ ｄ ｒ ｉ ｌ ａ ｔ ｅ ｒ ａ ｌ － ｇ ｐ ｐ ｇ ｐ ｑ ｙ ｄ ｉ ｓ ｔ ｏ ｒ ｔ ｉ ｏ ｎ ｃ ｏ ｒ ｒ ｅ ｃ ｔ ｉ ｏ ｎ Ｏ Ｃ Ｉ Ｓ ｃ ｏ ｄ ｅ ｓ ５ ０． ０ １ ５ ５； １ ５ ０． １ ４ ８ ８； １ ５ ０． ６ ９ １ ０ １
Ｇ ｅ ｏ ｍ ｅ ｔ ｒ Ｍ ｅ ｔ ｈ ｏ ｄ ｏ ｆ Ｃ ａ ｍ ｅ ｒ ａ Ｓ ｅ ｌ ｆ Ｃ ａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ Ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ Ｒ ｅ ｃ ｔ ａ ｎ ｌ ｅ － ｙ ｇ