线扫描相机校准咨询：是否存在无需多姿态图案的可行算法

核心结论 #

仅采集与相机光轴平行的单姿态棋盘格图像，从数学层面无法完成完整的内参+外参校准。

原因解析 #

线扫描相机（尤其是推扫式）的成像模型依赖「相机-靶标相对运动」或「多视角姿态」提供的额外约束，才能解耦内参（如主点、畸变系数、像素等效焦距）与外参（旋转、平移）。单姿态且靶标与光轴平行时，所有观测到的棋盘格特征都处于同一个平行于成像平面的平面上，无法提供足够的几何约束来区分内参中的耦合参数（比如主点偏移与外参平移的部分分量），也无法求解旋转外参和大部分畸变参数。

替代可行方案 #

如果无法获取多姿态图像，可尝试以下方向：

• 结合已知运动约束：若相机或靶标做匀速直线运动，且运动方向/速度已知，可通过单姿态靶标+运动轨迹信息完成校准
• 使用3D靶标：采用带有已知深度信息的立体校准靶，替代平面棋盘格，通过单姿态下的3D特征提供额外约束
• 部分参数校准：若仅需核心内参（如像素间距、主点近似位置），可通过单姿态棋盘格的行列像素比例、特征点几何关系求解，但无法得到完整的外参和畸变参数

与你查阅论文的关联 #

• Gupta等人的《Linear pushbroom cameras》：构建了线性推扫相机的基础成像模型，明确了多视角/多姿态对参数可观测性的作用
• Zhang的经典平面校准方法：针对面阵相机的多姿态校准逻辑，其线扫描扩展版本（如Draréni等人的《Plane-based calibration for linear cameras》）同样依赖多姿态平面靶标来解耦内参与外参

内容的提问来源于stack exchange，提问作者tomato potato