简介面向摄影测量与三维建模用户的Photoscan相机标定及畸变改正流程文档重点解决空三处理中相机内参与畸变参数解算、批量影像畸变校正等实操问题。全文以Word格式系统梳理两大核心模块相机标定涵盖添加影像、对齐影像、优化相机参数与导出参数文件四个环节并结合空三原理说明参数优化逻辑畸变改正详解导入标定参数、导出未畸变影像的具体操作路径特别指出大规模测区可选取纹理丰富的部分影像估计参数、再批量改正全部影像的实用策略兼顾计算效率与精度。资源包内含1个docx文档大小2.37MB内容按步骤配合关键界面呈现适合航测数据处理人员、三维建模初学者及相关专业学生阅读学习。已有4761人在CSDN学习下载可作为理解Photoscan摄影测量内业流程、提升三维重建成果精度的入门参考资料。1. 为什么Photoscan处理流程里相机标定和畸变改正决定了建模的成败做过近景摄影测量或者无人机航测的人应该都遇到过这种怪事照片拍得很清楚重叠率也够Photoscan一跑完对齐模型整体像个大锅盖——地面拱起来墙面朝外鼓。第一反应是“照片太少”或者“匹配点不够”但往往加了几十张照片重跑锅盖还在。这时候真正的问题多半不在照片数量而在于相机标定参数没给对畸变改正做了个寂寞。Photoscan的处理流程说穿了就是“照片对齐 → 稀疏点云 → 密集点云 → 网格 → 纹理”而照片对齐这一步软件同时干两件事估计每张照片的外方位元素相机位置和姿态估计相机内参焦距、主点、畸变系数。也就是说相机标定不是一项可做可不做的预处理它嵌在对齐里精度直接决定后续所有步骤的几何骨架。畸变改正不到位模型不是弯曲就是扭曲控制点再密也拉不回来。这篇笔记就围绕这套流程里的相机标定与畸变改正展开先说清原理再给可照抄的落地操作最后把踩过的坑全部摆出来。2. Photoscan相机标定解析内参、畸变模型与自标定的边界2.1 内参是什么fx/fy/cx/cy在Photoscan里的真实含义相机内参描述的是一束光线穿过镜头后如何在传感器平面上落成像素坐标。四个基本量是fx、fyx和y方向的像素焦距和cx、cy像素主点。很多人以为主点就是画面的正中心其实镜头装配总有偏差主点经常偏离中心几个像素甚至几十个像素短焦镜头尤其明显。Photoscan里的相机标定参数表核心就是这个内参矩阵加畸变系数。它的f就是像素焦距单位不是毫米cx、cy在旧版PhotoScan里也以像素为单位但含义是主点偏离画面中心的值而不是OpenCV那种“主点距离左上角距离”的绝对坐标。举例来说一张1280×720的图像OpenCV标定出cx634.7像素那Photoscan里应填的是634.7 - 1280/2 -5.3左右表示主点略微偏左。把这两套表达直接混用很多人第一次导入标定参数就在这里翻车。像素焦距和物理焦距的关系也很要紧。f像素 镜头物理焦距毫米÷ 像元尺寸毫米/像素。比如8.4mm镜头配1.4μm像元像素焦距约6000。Photoscan的高级参数里填sensor width传感器宽度和focal length mm毫米焦距后它会自动按像素尺寸折算但如果你的图像经过了缩放裁剪EXIF里的焦距和实际像幅不匹配软件就会算出错误的像素焦距。2.2 畸变模型的好坏k1/k2/k3和p1/p2各自管什么理想针孔模型是直线投影实际镜头不是。径向畸变让直线变成弧线枕形畸变是图像边缘向外凸桶形畸变是向内凹这是k1、k2、k3三个系数管的。切向畸变是因为镜头光轴和传感器平面不严格垂直成像出现“平行四边形”式的剪切这是p1、p2两个系数管的。Photoscan默认的Brown模型把这五个系数全部纳入标定时一起解算。畸变改正在Photoscan里不是一个独立的“按钮”而是在对齐过程中软件把每个像点按当前畸变系数重新投影回理想位置再参与同名点匹配和光束法平差。系数差一点图像边缘的点就会偏出几个像素匹配点就会找错地方平差结果随之整体扭曲。有一个非常反直觉的现象畸变系数错了重投影误差未必会特别大因为平差会用外方位元素去“吸收”这部分误差结果就是点云依然光滑但绝对形状是弯的。2.3 自标定 vs 预标定为什么不能无脑自动Photoscan默认是自标定对齐时把所有内参、畸变系数作为未知数一起解算。这个方案在照片数量充足、重叠度高、相机有运动视差的场景下相当靠谱无人机航测那种几百张照片、航线规则、地面纹理丰富的序列让它自己跑就行。自标定的软肋在于“解空间太大”。如果只有十几张照片或者相机几乎没有旋转和平移那内参和外参互相纠缠解出来的焦距可能偏了30%k1偏一个数量级但平差照样收敛。这正是模型弯曲但软件不报错的根本原因。预标定就是提前用棋盘格或者其他工具把内参固定下来让Photoscan只去解外方位元素几何稳定性好很多。我的习惯是近景拍摄、短基线、大广角镜头这三类场景一律预标定不让软件自由发挥。下表是我取舍时的判断依据场景特征自标定预标定照片数量大于100、重叠度大于70%推荐可选照片数少于30、视角单一不推荐强烈推荐鱼眼/超广角镜头不推荐推荐已知同型号相机多次标定结果可选推荐需要多个测区成果拼接不推荐必须3. 把已知内参写进Photoscan畸变改正落地的步骤和Python脚本3.1 从OpenCV/ROS标定结果到Photoscan的参数映射很多从业者手头已经有标定好的相机参数比如用D435i在ROS下跑过相机标定或者用OpenCV的棋盘格标定过单目相机。这些工具输出的是camera_matrixfx、fy、cx、cy和distortion_coefficientsk1、k2、p1、p2、k3把它们搬进Photoscan时不能原样粘贴要做两次换算。第一次换算是主点坐标。OpenCV的cx是相对图像左上角的绝对像素坐标Photoscan要的是相对图像中心的偏移量。以1280×720图像为例cx634.7换算后约-5.3cy356.2换算后约-3.8。第二次换算是fy的处理。OpenCV的fx和fy分别是两个方向的像素焦距而Photoscan的sensor.f只有一个值另一个方向靠纵横比aspect来体现。aspectfy/fx正常镜头这个值接近1但D435i这类相机并非绝对正方像素随手填成1.0会留下几个像素的误差。畸变系数k1、k2、p1、p2、k3的符号和数值直接对应但要注意ROS里distortion_model标成plumb_bob时是Brown模型标成equidistant或fisheye时是其他模型不能混填进Photoscan的默认模型。3.2 用Metashape Python API写入并锁定标定参数Photoscan从2.0时代开始就提供Python API后来改名为MetashapeAPI模块名也从PhotoScan换成了Metashape。我一般会在照片导入后、对齐之前用一段脚本把标定参数写死。下面是针对D435i标定结果的一个可运行示例import Metashape chunk Metashape.app.document.chunk # 假设图像尺寸为1280x720以下是ROS相机标定得到的内参 fx 615.4 fy 614.9 cx 634.7 cy 356.2 k1, k2, p1, p2, k3 -0.0561, 0.0628, -0.0002, 0.0001, 0.0 sensor chunk.sensors[0] sensor.fixed True # 锁定标定不让对齐时随意修改 sensor.width 1280 sensor.height 720 sensor.f fx # 像素焦距 sensor.aspect fy / fx # 纵横比 sensor.cx cx - sensor.width / 2.0 sensor.cy cy - sensor.height / 2.0 sensor.k1 k1 sensor.k2 k2 sensor.k3 k3 sensor.p1 p1 sensor.p2 p2这里最关键的是sensor.fixed True。如果不锁对齐时软件认为这些值只是初值依旧会去优化它们等于你白填。sensor.cx和sensor.cy用“OpenCV绝对值减半幅”的方式换算成相对中心偏移。sensor.aspect的意义是f/fy我填的是fy/fx因为Photoscan里aspect基线是f对应的方向。如果你用的相机是多相机系统比如双目相机每个sensor要单独设置。常见做法是先创建一个空chunk把左右目照片分别添加到两个camera group再分别取chunk.sensors里的对应传感器做赋值。不同设备的内参不同混在一起会让对齐直接失败这一点比单目还要敏感。3.3 校准窗口的手动操作与“固定标定”的正确姿势没有Python环境的时候也可以纯界面操作。在Metashape工作区选中相机右键点击“调节”Calibrate弹出的对话框里列出了该相机的标定参数。把“固定标定”Fixed calibration勾上然后手动修改f、cx、cy、k1、k2、k3、p1、p2这些值确定后重新执行对齐。手动操作里我踩过一个很隐蔽的坑修改标定参数后直接点击“对齐照片”结果软件依然重新优化了这些参数。原因是对齐对话框里的“Adaptive camera model fitting”选项开着它会让软件按照片实际情况重新适应。正确做法是保持勾选“固定标定”同时对照片对齐对话框里的“自适应模型拟合”保持默认因为此时参数已经被锁那个选项只对未锁定的参数起作用。改完参数之后建议看一眼控制台输出确认打印出来的初始焦距确实是你填的值。如果Photoscan提示“相机标定参数无效”最常见的坑是图像尺寸和填写尺寸对不上。图像导入后被自动缩放而你填的是原始尺寸的标定值软件按错误尺度换算像素焦距自然报错。解决方法是先读取sensor.width和sensor.height确认真实分辨率再换算主点偏移。4. 相机标定与畸变改正避坑指南5条让模型翻车的血泪经验4.1 模型成碟形或锅盖形先查k1的符号和量级做了控制点约束还是弯那基本可以断定畸变参数没有正确生效。常见原因是k1的正负号填反了桶形畸变的k1是负值枕形畸变是正值。Photoscan默认展示的畸变曲线图和OpenCV的符号约定是反的很多人按OpenCV结果倒贴进去模型就按相反方向弯曲。解决方法是先确认你用的是哪套标定工具把畸变系数贴进去后马上用一个已知平面的小场景做验证比如拍一堵平直墙面跑完对齐看稀疏点云是否平面不平面就翻转k1符号再试。4.2 照片太少时标定发散的用control固定主点不要全放开十几张照片拍一个物体Photoscan对齐后焦距变成原来的两倍这个情况见得不少。原因是照片数量不够光束法平差里内参外参一起解数学上是欠定的。解决方法是分两级收敛第一级把cx、cy、k2、k3、p1、p2全部固定只让f和k1自由第二级对齐完成后再解锁全部参数做一次优化。这个“分级解锁”的做法一定要配合足够多的控制点否则就算收敛了也容易落到局部极小。4.3 D435i标定结果导入后警告“焦距与EXIF不一致”从ROS相机标定拿到D435i的内参后写进Metashape对齐时控制台打印“focal length differs from EXIF by 20%”之类的警告。这是因为D435i的彩色相机和深度相机各自有标定结果你拿深度相机的内参填到了彩色相机上或者反过来两个镜头的焦距本来就是不同的。解决方法是导入前确定用的是RGB传感器的标定结果并且核对sensor.width、sensor.height和标定时的图像分辨率一致。D435i在ROS下标定时一般用640×480Photoscan里用1280×720照片时就该把fx按比例放大新fx原fx*(1280/640)。4.4 鱼眼镜头按Brown模型标定边缘仍然撕裂鱼眼镜头视场角超过120度以后Brown模型的拟合能力急剧下降图像边缘畸变改正后还是弯。解决办法是使用Photoscan的“鱼眼镜头类型在相机标定对话框里把镜头类型Lens type从“针孔”切换为“鱼眼”对应的畸变模型变成F-theta类型。注意切换后OpenCV标定的k1-k3不能直接填进来这两种模型的参数物理意义不同需要重新在Photoscan里自标定或者用支持鱼眼模型的标定工具重新算。4.5 对齐报告显示标定参数“没变”但模型偏了手动填完标定重新对齐后发现相机标定参数跟你填的一样但模型整体偏移。这个坑的根子不在标定而在照片EXIF里的焦距。Photoscan对齐前加载照片时优先读取EXIF的FocalLength和FocalLengthIn35mmFilm用它初始化或覆盖你填的像素焦距。解决方法是选中所有照片右键菜单里把“焦距”focal length设为忽略EXIF或者在导入前用exiftool把EXIF焦距统一改成符合实际的值。5. Photoscan处理流程里对齐与畸变改正如何配合5.1 对齐照片时标定是怎么被“同时估计”的“对齐照片”的执行过程是用光束法平差同时解算相机位姿和标定参数。每一对匹配点都会构成一个误差方程平差的目标是最小化所有像点的重投影误差也就是把三维点重新投影到像平面后和原像点之间的距离。标定参数就藏在这个投影函数里所以畸变系数不准为了压低误差软件会把相机位置姿态调到“不自然”的状态这就是模型弯曲的数学来源。理解这一点就知道为什么不能孤立地看“相机标定”和“畸变改正”两个词它们是同一道平差问题的两半。照片对齐对话框里的“精度”Accuracy选项和高阶参数的“自适应模型拟合”共同决定了标定参数的优化方式。精度选最高时软件用原始分辨率参与匹配标定参数能捕获更精细的畸变精度选低时用降采样图像匹配标定会变得粗糙。5.2 不同设备下的标定策略无人机、D435i、全景相机无人机航测比如大疆系列的镜头在出厂时有一个标称焦距但不代表每台机器的真实焦距一致温度变化也会让内参漂移。对无人机我一般默认开自标定但一定要在航线里加入足够的交叉航线让相机有多个旋转角度的观测。D435i这类深度相机则完全相反它的RGB镜头焦距短、视场角大、畸变明显自标定极易跑飞必须从ROS标定或双目相机标定结果里拿内参再用第3章的脚本写入。全景相机目前不是Photoscan的强项它的多镜头拼接参数和普通单目标定模型不适配实在要做只能每个镜头拆开单独建块再对齐。5.3 对齐质量不好时按什么顺序排查我在实际项目中把排查流程固定成了一串顺序操作。第一步看对齐报告的匹配点数和重投影误差误差大于1像素就要警惕第二步看相机标定参数是否落在合理区间比如800万像素照片焦距在2000~4000像素区间主点偏移不超过20像素第三步用“查看稀疏点云”的误差颜色显示置信度置信度低的区域通常对应畸变改正不良的边缘地带第四步拿几对同名点手动测量在界面里对比它们在原始照片上的位置和重投影的点位差。这套排查顺序能区分“标定坏了”和“匹配失败”两种问题。匹配失败时重投影误差会特别大标定坏了则误差可能不大但模型几何形状扭曲。如果标定参数在合理区间但模型还是弯的再回头看控制点误差控制点如果也被拉偏说明问题不是局部而是全局的那就要考虑换成像模型或者重跑对齐。6. 进阶验证用重投影误差和控制点把畸变改正做到可量化分享一个我每次项目必做的验证动作对齐完成后不要急着生成密集点云先写一小段Python脚本把每个相机的重投影误差导出来并用控制点做二次检验。import Metashape chunk Metashape.app.document.chunk for camera in chunk.cameras: if camera.transform is None: continue err camera.reproj_error if err 0.75: print(camera.label, 重投影误差偏高:, round(err, 3))一个健康的对齐结果平均重投影误差应低于0.5像素个别覆盖边缘的相机可以到0.7~0.8像素但如果多数相机超过1像素标定参数大概率没有对上。控制点验证更直接在模型上放置3到5个外业控制点固定后看“控制点误差”弹窗里的平面和高程误差。如果控制点误差远大于重投影误差说明存在系统性畸变残余。此时我一般会打开相机标定对话框把k2或p1解锁再对齐一次看误差是否明显下降以此判断畸变模型的高阶项是否需要参与优化。这个“解锁-对齐-看误差”的循环一次只放开一个参数是Photoscan处理流程里最稳定的相机标定调节方式。如果你用外部工具算出的畸变系数和Photoscan自标定结果差了20%以上不要急着信某一方用上面这个循环让数据说话。畸变改正做得好不好最后都体现在这些数字里。希望这几条经验帮你在下一次建模时少走几步弯路。本文还有配套的精品资源点击获取
