Bir cismin tanımlanmasından önceki ilk süreç kamera parametrelerinin bulunmasıdır. Bu bir kalibrasyon cismi sahesinde olabilir. Bu cisimden ve belirli bir kameradan çekilen imgeden elde edilen eşleştirmeler kamera kalibrasyon matrisini veririr. Örnek verelim. Bir tane perspektif kameramız olsun. Bu kameramızın bir dış bir de iç parameterleri vardır. Dış parametreleri konum ve yönelim ( 3+ 3 = 6 özgürlük derecesi) iç parametreleri ise ( optik uzunluk, x yönündeki birim uzunnluk, y yönündek birim uzunluk vb. toplam 5 tane). Bir perspektif kameranın 3*4 boyutunda bir matrisi vardır ve toplam 11 parametrenin bulunması gerekmektedir. Bir kalibrasyon algoritması temelde 3d-2d eşlenikleri girdi olarak alır. Bu eşleşmeler ya imge işleme algortimaları sayesinde ya da bizim tarafımızdan elimizle işaretlenerek bulunur. Bu algoritmanın 11 parameter için 11 denkleme ihtiyacı vardır ve her 3d-2d eşleşmesinde 2 denklem gelir. Sonuçta bu problemi çözmek için 6 eşleşme yeterlidir.
Fakat 2d (imge üzerindeki) ölçümler büyük bir doğrulukla yapılabilmesine rağmen 3d noktaların ölçümü oldukça hatalı olabilmektedir. Bunu telafi edebilmek için çok daha fazla sayıda eşleşmeye ihtiyaç vardır (Genelde 5* minimum). Bu denklemleri direk çözmek yerine bir iterasyonla hatayı en aza indirgemek gerekir. Bunun için Newton Iterasyonu ya da onun bir varyasyonu olan Levenberg-Marquard algoritması kullanılabilir.
Daha detaylı bir bilgi için ``Multiple View Geometry : Richard Hartly, Andrew Zisserman'' mükemmel bir kaynaktır. Kamera kalibrasyonu hakkındaki sorularınızı bana çekinmeden yazabilirsiniz. (ozdenkem@btae.mam.gov.tr).
