共计 1645 个字符，预计需要花费 5 分钟才能阅读完成。
首先，严格意义来说，本文题目并非合乎无关多视角纹理映射的相干内容，而是基于上一篇文章《多视角三维模型纹理映射 02》的留坑持续 …
其实，应该叫做 — 3D 扫描仪转台标定 吧。
在开启这部分的工作前，查阅了很多论文、材料等，其中比拟有借鉴意义的是《旋转平台点云数据的配准办法》，【作者周朗明，郑顺义，黄荣永，武汉大学】，这篇文章给了本人极大的启发。
设施与筹备
先来看一些本人所用到设施及其大体组合构造示意图：
本人所应用的根本设施如上图所示：相机支架，深度相机(间接产生点云，内参已知)、旋转平台，待测物体(标定块)。嗯嗯，只有也仅有上述几个设施而已。其中旋转平台和相机的间隔应在正当范畴内。
在固定好上述设施的地位关系后，接下来就是设计标定算法并验证了。
3D 扫描仪转台标定算法设计
首先要明确，标定的目标是什么，料想的标定后果是什么。
标定目标
第一个问题：标定的目标？？目标难道不是确定转台和相机的绝对地位关系嘛？！是，当然是。更进一步的，因为相机无奈间接拍摄转台外表获取相应数据 (此处转台为纯彩色，且转台外表没有标记点)，因而须要借助 标定块 来实现相应目标。此时，上图中 [实物 ] 能够临时了解为 [标定块 ]。
此时，又引来另一个问题，抉择什么样的标定块。留神，这里的标定块，是【块 】，不是标定板，是一个三维的实体规范块。在抉择标定块时候，最好该标定块有严格且已知的规范尺寸，形态最好比较简单，且 数学意义上比拟好形容，如球、圆柱等等。
算了，间接上我选的标定块吧，如图：
对，没有错。我抉择了台球，台球简直合乎上述所有要求 (规范直径，规范数学形容公式、易拟合)，而且还比拟便宜。此时 标定块 或者称为 标定球 更为适合。在理论施行中，我抉择了那个纯白色的球球 …eee… 因为其外表色调比拟繁多 ….
留神：因为相机内参曾经晓得了，不须要对深度相机进行反复标定，所以也不须要标定板。
至此，根本解决了所有内部依赖条件。
标定的后果
在筹备得当所有的内部硬件条件后，进一步便须要寻求标定后果。
设想一下扫描过程：转台在地位 1，相机拍摄该地位下的标定块点云 1 -1；转台在地位 2，相机拍摄该地位下的标定块点云 2 -2；… 如此循环直到实现标定块的 360 度扫描。
转台旋转一周，拍摄的台球点云如下图:
不言而喻，“貌似 ”规范球在围绕 一个货色 旋转了一周。想想也是如此，不就是转台带着规范球转了一圈嘛。
的确，这里的 一个货色 就是咱们 3D 转台标定要求解的货色。从论文和上图数据，不难猜测：扫描失去的点云，是在绕某个 固定轴 – 这个货色旋转。至此，根本晓得，我要求解的后果应该是个 固定轴。
是什么样的固定轴呢？– 旋转平台的核心轴 — 旋转平台的核心轴在相机坐标系下的示意 —旋转平台的中心点 和旋转平台的立体法向量 在相机坐标系下的示意 ==> 标定后果。
至此，彻底明确了，所谓的标定后果，应该蕴含两个数据：点坐标和向量。
在上述场景下，如何求解这两个货色？！根本求解过程如下：
- 将台球固定在转台表明，管制旋转平台绕固定角度旋转；
- 相机拍摄每个固定角度下的台球点云数据；
- 为缩小误差，步骤 1 和步骤 2 数据量个数越多越好；
- 拟合每个角度下的台球点云 — 球数据，并提取球心(提取球半径，与标准台球半径比拟，侧面测验规范球拟合算法精度)；
- 反复步骤 4，直至计算出所有拍摄角度下的球心坐标；
- 基于步骤 5，在三维空间中拟合圆；
- 提取三维圆形的圆心和法向量 ==> 标定后果。
为了进一步提高精度，能够反复步骤 1 –7，取屡次测量后果的均值作为最终的标定后果。
测试
将规范球的标定后果利用于规范球，试验后果如下：
由上图可见，标定过程根本正确，后果根本可承受。
测试人头数据：
本篇文章的记录根本都可能基于 PCL 实现，所以不再贴源码。
大节
本篇文章联合后面几篇，实践上根本能够搭建一个转台式三维扫描仪，当然，还有很多很多中央须要改良。
最近一系列文章涵盖了 3D 标定(本文)、点云非线性全局优化、全局点云交融、三维网格模型纹理映射等几个方面的根本要点及基础理论。尽管目前都已实现，但还有待更进一步的深刻开掘。
