4. 畸变基础理论
在车载环视系统中，摄像头通常采用大视场角镜头以覆盖车身周边近场区域，但大视场角带来的直接代价就是成像畸变。畸变并不是“图像模糊”，而是空间直线在像平面上不再保持直线的几何误差。理解畸变的来源、分类与数学表达，是后续标定、去畸变、拼接和低照度优化的共同基础。如果畸变模型选错，即使标定板检测再精确，环视拼接缝也会出现错位、拉伸或“果冻”式扭曲。
一、核心原理：畸变从何而来
理想针孔模型假设物点、光心和像点严格共线，成像满足相似三角形关系。但真实镜头由多片球面或非球面透镜组成，光线在透镜表面折射时，不同视场角的光线实际焦距并不完全一致，导致像高与入射角之间偏离理想线性关系。这种偏离就是畸变。按几何成因，车载镜头畸变主要分为三类：
- 径向畸变：沿像平面半径方向产生，表现为桶形或枕形，是鱼眼镜头中最主要的畸变分量。
- 切向畸变：由镜头与传感器不平行、镜片装配偏心引起，表现为图像沿切向偏移，通常量级较小但会破坏对称性。
- 透视畸变：并非镜头缺陷，而是近大远小投影关系在倾斜拍摄或近距目标上产生的透视变形，属于投影几何效应。
此外，鱼眼镜头为把半球甚至更大视场压缩到有限像面，会主动引入强烈的径向畸变，因此不能简单用普通针孔模型描述，需要专门的鱼眼模型。工程上常把径向、切向和薄棱镜畸变统一写成多项式形式，再通过标定求解系数。
二、畸变数学表达与分类
在标定与去畸变中，通常先定义归一化像平面坐标 (x, y)，再引入畸变模型。最常用的是 Brown-Conrady 模型，它把径向畸变和切向畸变叠加：
r² = x² + y²
x_d = x(1 + k1·r² + k2·r⁴ + k3·r⁶) + 2·p1·x·y + p2·(r² + 2x²)
y_d = y(1 + k1·r² + k2·r⁴ + k3·r⁶) + p1·(r² + 2y²) + 2·p2·x·y
其中 (x_d, y_d) 是畸变后的归一化坐标，k1、k2、k3 为径向畸变系数，p1、p2 为切向畸变系数。若镜头视场角极大，还需加入 k4、k5、k6 或改用鱼眼模型。鱼眼模型常见有等距投影、等立体角投影、正交投影和体视投影，它们描述入射角 θ 与像高 r 的关系：
| 模型 | 投影关系 | 适用场景 | 特点 |
|---|---|---|---|
| 等距投影 | r = f·θ | 车载鱼眼、全景监控 | 角度均匀，去畸变后边缘拉伸明显 |
| 等立体角投影 | r = 2f·sin(θ/2) | 需要亮度均匀的鱼眼 | 立体角均匀，边缘压缩较小 |
| 正交投影 | r = f·sinθ | 180°视场鱼眼 | 边缘压缩强，中心分辨率高 |
| 体视投影 | r = 2f·tan(θ/2) | 大视场但畸变较小 | 保角性好，适合拼接 |
三、方法流程：从标定到去畸变
工程上处理畸变的典型流程如下：
- 采集多姿态标定板图像，覆盖画面中心、边缘和四角。
- 提取角点，建立世界坐标与像素坐标的对应关系。
- 选择畸变模型，初始化内参和畸变系数。
- 使用最小二乘或 LM 算法迭代优化，最小化重投影误差。
- 用求得的系数对原始图像做去畸变映射，生成校正图。
- 在环视拼接中，将去畸变图再投影到地面鸟瞰图，完成多路融合。
四、案例与场景：环视拼接中的畸变影响
假设一辆车搭载 4 路 190° 鱼眼摄像头，前视摄像头安装于车标附近。若只用 k1、k2 两项径向畸变，画面四角仍会出现明显“拉伸拖尾”，导致前视与侧视拼接缝处的地面标线错位。此时应增加 k3、k4 项，或改用等距鱼眼模型，并在拼接前对每路图像做独立去畸变。另一个常见场景是侧视摄像头安装角度略向下倾斜，透视畸变会使近处地面被放大，远处被压缩，若直接按针孔模型投影到鸟瞰图，会导致车位线呈现梯形。正确做法是先做透视校正，再与径向去畸变结果统一到同一虚拟相机坐标系。
五、误区与复盘
- 误区一：只关注径向畸变。切向畸变虽小，但在高精度环视拼接中会引入 1～3 像素的系统偏差，边缘区域更明显。
- 误区二：用同一组畸变系数覆盖所有摄像头。每颗镜头的装配和传感器倾斜不同，必须独立标定。
- 误区三：忽略温度与振动影响。车载环境温度变化会导致镜筒材料形变，畸变系数发生漂移，量产阶段需考虑在线补偿或鲁棒拼接策略。
- 复盘要点：去畸变后应检查直线是否恢复为直线，尤其是画面边缘和四角；同时观察拼接缝处的地面标线是否连续。若边缘仍弯曲，优先增加径向高阶项或更换鱼眼模型，而不是盲目提高标定板数量。