Tag: 图像校正

径向畸变是镜头成像过程中由于光线在远离光轴区域发生非均匀折射而产生的图像形变现象，主要表现为图像边缘的直线出现向内凹陷（桶形畸变）或向外凸出（枕形畸变）的弯曲。其数学本质可用多项式模型描述，主要与镜头曲率、装配精度等物理特性相关，在自动驾驶的视觉感知系统中属于必须校正的几何误差源。 在自动驾驶领域，未经校正的径向畸变会导致车道线检测偏离、物体定位失准等问题。当前主流的解决方案是通过标定板获取相机内参，利用OpenCV等库实现实时校正。值得关注的是，特斯拉在2021年提出的「镜头物理建模+深度学习」的混合校正方法，将传统几何校正的精度提升了40%，这种技术路径正逐渐成为行业新趋势。

切向畸变(Tangential Distortion)是摄像机镜头成像过程中产生的一种几何失真现象，主要由镜头与成像平面不平行造成。当镜头的光轴与图像传感器存在倾斜时，会导致图像出现类似「梯形」或「枕形」的扭曲变形，这种畸变在图像边缘区域尤为明显。切向畸变通常与径向畸变共同存在，但二者物理成因不同：前者源于光学元件装配偏差，后者则源于镜片曲率特性。 在自动驾驶系统中，切向畸变校正是视觉感知模块的重要预处理环节。未经校正的图像会导致目标检测、车道线识别等算法产生位置偏差，进而影响路径规划和决策的准确性。现代解决方案多采用张正友标定法等技术，通过计算畸变系数矩阵实现实时校正。随着固态激光雷达和事件相机的普及，部分厂商开始探索硬件级畸变消除方案，这为多传感器融合提供了更精准的数据基础。