OpenCV相機(jī)標(biāo)定的全過(guò)程記錄
一、OpenCV標(biāo)定的幾個(gè)常用函數(shù)
findChessboardCorners() 棋盤格角點(diǎn)檢測(cè)
bool findChessboardCorners( InputArray image,
Size patternSize,
OutputArray corners,
int flags = CALIB_CB_ADAPTIVE_THRESH +
CALIB_CB_NORMALIZE_IMAGE );
第一個(gè)參數(shù)是輸入的棋盤格圖像（可以是8位單通道或三通道圖像）；
第二個(gè)參數(shù)是棋盤格內(nèi)部的角點(diǎn)的行列數(shù)（注意：不是棋盤格的行列數(shù)，如棋盤格的行列數(shù)分別為4、8，而內(nèi)部角點(diǎn)的行列數(shù)分別是3、7，因此這里應(yīng)該指定為cv::Size(3, 7)）；
第三個(gè)參數(shù)是檢測(cè)到的棋盤格角點(diǎn)，類型為std::vectorcv::Point2f。
第四個(gè)參數(shù)flag，用于指定在檢測(cè)棋盤格角點(diǎn)的過(guò)程中所應(yīng)用的一種或多種過(guò)濾方法，可以使用下面的一種或多種，如果都是用則使用OR：
- cv::CALIB_CB_ADAPTIVE_THRESH：使用自適應(yīng)閾值將圖像轉(zhuǎn)化成二值圖像
- cv::CALIB_CB_NORMALIZE_IMAGE：歸一化圖像灰度系數(shù)(用直方圖均衡化或者自適應(yīng)閾值)
- cv::CALIB_CB_FILTER_QUADS：在輪廓提取階段，使用附加條件排除錯(cuò)誤的假設(shè)
- cv::CALIB_CV_FAST_CHECK：快速檢測(cè)
cv::drawChessboardCorners() 棋盤格角點(diǎn)的繪制
drawChessboardCorners( InputOutputArray image,
Size patternSize,
InputArray corners,
bool patternWasFound );
- image為8-bit，三通道圖像
- patternSize，每一行每一列的角
- corners，已經(jīng)檢測(cè)到的角
- patternWasFound，findChessboardCorners的返回值
find4QuadCornerSubpix() 對(duì)粗提取的角點(diǎn)進(jìn)行精確化
find4QuadCornerSubpix( InputArray img,
InputOutputArray corners,
Size region_size );
- image源圖像
- corners，提供角點(diǎn)的初始坐標(biāo)
- region_size： 搜索窗口的一般尺寸
cornerSubPix() 亞像素檢測(cè)
void cornerSubPix( InputArray image,
InputOutputArray corners,
Size winSize,
Size zeroZone,
TermCriteria criteria );
- image源圖像
- corners，提供角點(diǎn)的初始坐標(biāo)，返回更加精確的點(diǎn)
- winSize，搜索窗口的一般尺寸，如果winSize=Size(5,5),則search windows為11*11
- winSize,死區(qū)的一般尺寸，用來(lái)避免自相關(guān)矩陣的奇點(diǎn)，(-1,-1)表示沒(méi)有死區(qū)
- criteria，控制迭代次數(shù)和精度
calibrateCamera() 求解攝像機(jī)的內(nèi)在參數(shù)和外在參數(shù)
double calibrateCamera( InputArrayOfArrays objectPoints,
InputArrayOfArrays imagePoints,
Size imageSize,
InputOutputArray cameraMatrix,
InputOutputArray distCoeffs,
OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs,
int flags = 0,
TermCriteria criteria = TermCriteria(TermCriteria::COUNT +
TermCriteria::EPS, 30, DBL_EPSILON) );
objectPoints，世界坐標(biāo)，用vector<vector>，輸入x,y坐標(biāo)，z坐標(biāo)為0
imagePoints，圖像坐標(biāo)，vector<vector>
imageSize，圖像的大小用于初始化標(biāo)定攝像機(jī)的image的size
cameraMatrix，內(nèi)參數(shù)矩陣
distCoeffs，畸變矩陣
rvecs，位移向量
tvecs，旋轉(zhuǎn)向量
flags，可以組合：
CV_CALIB_USE_INTRINSIC_GUESS：使用該參數(shù)時(shí)，將包含有效的fx,fy,cx,cy的估計(jì)值的內(nèi)參矩陣cameraMatrix，作為初始值輸入，然后函數(shù)對(duì)其做進(jìn)一步優(yōu)化。如果不使用這個(gè)參數(shù)，用圖像的中心點(diǎn)初始化光軸點(diǎn)坐標(biāo)(cx, cy)，使用最小二乘估算出fx，fy（這種求法好像和張正友的論文不一樣，不知道為何要這樣處理）。注意，如果已知內(nèi)部參數(shù)（內(nèi)參矩陣和畸變系數(shù)），就不需要使用這個(gè)函數(shù)來(lái)估計(jì)外參，可以使用solvepnp()函數(shù)計(jì)算外參數(shù)矩陣。
CV_CALIB_FIX_PRINCIPAL_POINT：在進(jìn)行優(yōu)化時(shí)會(huì)固定光軸點(diǎn)，光軸點(diǎn)將保持為圖像的中心點(diǎn)。當(dāng)CV_CALIB_USE_INTRINSIC_GUESS參數(shù)被設(shè)置，保持為輸入的值。
CV_CALIB_FIX_ASPECT_RATIO：固定fx/fy的比值，只將fy作為可變量，進(jìn)行優(yōu)化計(jì)算。當(dāng)
CV_CALIB_USE_INTRINSIC_GUESS沒(méi)有被設(shè)置，fx和fy的實(shí)際輸入值將會(huì)被忽略，只有fx/fy的比值被計(jì)算和使用。
CV_CALIB_ZERO_TANGENT_DIST：切向畸變系數(shù)（P1，P2）被設(shè)置為零并保持為零。
CV_CALIB_FIX_K1,…,CV_CALIB_FIX_K6：對(duì)應(yīng)的徑向畸變系數(shù)在優(yōu)化中保持不變。如果設(shè)置了CV_CALIB_USE_INTRINSIC_GUESS參數(shù)，就從提供的畸變系數(shù)矩陣中得到。否則，設(shè)置為0。
CV_CALIB_RATIONAL_MODEL（理想模型）：?jiǎn)⒂没僰4，k5，k6三個(gè)畸變參數(shù)。使標(biāo)定函數(shù)使用有理模型，返回8個(gè)系數(shù)。如果沒(méi)有設(shè)置，則只計(jì)算其它5個(gè)畸變參數(shù)。
CALIB_THIN_PRISM_MODEL （薄棱鏡畸變模型）：?jiǎn)⒂没兿禂?shù)S1、S2、S3和S4。使標(biāo)定函數(shù)使用薄棱柱模型并返回12個(gè)系數(shù)。如果不設(shè)置標(biāo)志，則函數(shù)計(jì)算并返回只有5個(gè)失真系數(shù)。
CALIB_FIX_S1_S2_S3_S4 ：優(yōu)化過(guò)程中不改變薄棱鏡畸變系數(shù)S1、S2、S3、S4。如果cv_calib_use_intrinsic_guess設(shè)置，使用提供的畸變系數(shù)矩陣中的值。否則，設(shè)置為0。
CALIB_TILTED_MODEL （傾斜模型）：?jiǎn)⒂没兿禂?shù)tauX and tauY。標(biāo)定函數(shù)使用傾斜傳感器模型并返回14個(gè)系數(shù)。如果不設(shè)置標(biāo)志，則函數(shù)計(jì)算并返回只有5個(gè)失真系數(shù)。
CALIB_FIX_TAUX_TAUY ：在優(yōu)化過(guò)程中，傾斜傳感器模型的系數(shù)不被改變。如果cv_calib_use_intrinsic_guess設(shè)置，從提供的畸變系數(shù)矩陣中得到。否則，設(shè)置為0。
initUndistortRectifyMap() 計(jì)算畸變參數(shù)
void initUndistortRectifyMap(InputArray cameraMatrix,
InputArray distCoeffs,
InputArray R,
InputArray newCameraMatrix,
Size size,
int m1type,
OutputArray map1,
OutputArray map2)
- cameraMatrix，攝像機(jī)內(nèi)參數(shù)矩陣
- distCoeffs， 攝像機(jī)的5個(gè)畸變系數(shù)，(k1,k2,p1,p2[,k3[,k4,k5,k6]])
- R，在客觀空間中的轉(zhuǎn)換對(duì)象
- newCameraMatrix，新的3*3的浮點(diǎn)型矩矩陣
- size，為失真圖像的大小
- m1type，第一個(gè)輸出的map，類型為CV_32FC1或CV_16SC2
- map1，x映射函數(shù)
- map2，y映射函數(shù)
二、繪制棋盤格，拍攝照片
這里自己畫一個(gè)棋盤格用作標(biāo)定，長(zhǎng)度為1280像素，寬490像素，橫向10方格，縱向7方格
std_cb = Vision::makeCheckerboard(1280, 490, 10, 7, 0, (char *)"../blizzard/res/calibration/std_cb.png");
效果如圖
Vision是我個(gè)人創(chuàng)建的視覺(jué)類，可以用來(lái)繪制標(biāo)準(zhǔn)的棋盤格。
頭文件vision.h
//
// Created by czh on 18-10-16.
//
#ifndef OPENGL_PRO_VISION_H
#define OPENGL_PRO_VISION_H
#include "opencv2/opencv.hpp"
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgcodecs/imgcodecs.hpp>
#include "iostream"
class Vision {
public:
static cv::Mat read(std::string file_path, int flags = cv::IMREAD_ANYCOLOR | cv::IMREAD_ANYDEPTH);
static cv::Mat write(std::string file_path, int flags = cv::IMREAD_ANYCOLOR | cv::IMREAD_ANYDEPTH);
static void dispConfig(cv::Mat img);
static cv::Mat makeCheckerboard(int bkgWidth, int bkgHeight, int sqXnum, int sqYnum = 0, int borderThickness = 0, char *savePath = NULL);
private:
};
#endif //OPENGL_PRO_VISION_H
源文件vision.cpp
//
// Created by czh on 18-10-16.
//
#include "vision.h"
#include "string.h"
using namespace std;
using namespace cv;
const char *findName(const char *ch) {
const char *name = strrchr(ch, '/');
return ++name;
}
cv::Mat Vision::read(std::string file_path, int flags) {
printf("#Vision read\n");
cv::Mat img;
img = cv::imread(file_path, flags);
if (img.data == NULL) {
printf("\tError:vision read\n");
} else {
dispConfig(img);
}
return img;
}
void Vision::dispConfig(cv::Mat img) {
printf("\tpixel:%d*%d, channels:%d\n", img.size().width, img.size().height, img.channels());
}
cv::Mat Vision::makeCheckerboard(int bkgWidth, int bkgHeight, int sqXnum, int sqYnum, int thickNum, char *savePath) {
if(sqYnum == 0){
sqYnum = sqXnum;
}
if(savePath == NULL){
char *defaultPath = (char *)"../res/calibration/maths.png";
savePath = defaultPath;
}
int checkboardX = 0;//棋盤x坐標(biāo)
int checkboardY = 0;//棋盤y坐標(biāo)
int xLen = bkgWidth / sqXnum;//x方格長(zhǎng)度
int yLen = bkgHeight / sqYnum;//y方格長(zhǎng)度
cv::Mat img(bkgHeight + thickNum * 2, bkgWidth + thickNum * 2, CV_8UC4, cv::Scalar(0, 255, 255, 255));
for (int i = 0; i < img.rows; i++) {
for (int j = 0; j < img.cols; j++) {
if (i < thickNum || i >= thickNum + bkgHeight || j < thickNum || j >= thickNum + bkgWidth) {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(0, 0, 0, 255);
continue;
}
checkboardX = j - thickNum;
checkboardY = i - thickNum;
if (checkboardY / yLen % 2 == 0) {
if ((checkboardX) / xLen % 2 == 0) {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(255, 255, 255, 255);
} else {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(0, 0, 0, 255);
}
}
else{
if ((checkboardX) / xLen % 2 != 0) {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(255, 255, 255, 255);
} else {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(0, 0, 0, 255);
}
}
}
}
imwrite(savePath, img); //保存生成的圖片
printf("#makeCheckerboard %d*%d\n", bkgWidth + thickNum, bkgHeight + thickNum);
return img;
}
用A4紙打印棋盤格，相機(jī)拍攝照片。
我偷懶，拿了別人的標(biāo)定照片
三、相機(jī)標(biāo)定
下面是相機(jī)標(biāo)定代碼
cv::imwrite("../blizzard/res/calibration/cb_source.png", cb_source);
printf("#Start scan corner\n");
cv::Mat img;
std::vector<cv::Point2f> image_points;
std::vector<std::vector<cv::Point2f>> image_points_seq; /* 保存檢測(cè)到的所有角點(diǎn) */
if (cv::findChessboardCorners(cb_source, cv::Size(aqXnum, aqYnum), image_points, 0) == 0) {
printf("#Error: Corners not find ");
return 0;
} else {
cvtColor(cb_source, img, CV_RGBA2GRAY);
cv::imwrite("../blizzard/res/calibration/cb_gray.png", img);
//find4QuadCornerSubpix(img, image_points, cv::Size(5, 5));
cv::cornerSubPix(img, image_points, cv::Size(11, 11), cv::Size(-1, -1),
cv::TermCriteria(CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 30, 0.01));
image_points_seq.push_back(image_points);
cv::Mat cb_corner;
cb_corner = cb_source.clone();
drawChessboardCorners(cb_corner, cv::Size(aqXnum, aqYnum), image_points, true);
cv::imwrite("../blizzard/res/calibration/cb_corner.png", cb_corner);
}
printf("#Start calibrate\n");
cv::Size square_size = cv::Size(14.2222, 12);
std::vector<std::vector<cv::Point3f>> object_points; /* 保存標(biāo)定板上角點(diǎn)的三維坐標(biāo) */
cv::Mat cameraMatrix = cv::Mat(3, 3, CV_32FC1, cv::Scalar::all(0)); /* 攝像機(jī)內(nèi)參數(shù)矩陣 */
cv::Mat distCoeffs = cv::Mat(1, 5, CV_32FC1, cv::Scalar::all(0)); /* 攝像機(jī)的5個(gè)畸變系數(shù)：k1,k2,p1,p2,k3 */
std::vector<cv::Mat> tvecsMat; /* 每幅圖像的旋轉(zhuǎn)向量 */
std::vector<cv::Mat> rvecsMat; /* 每幅圖像的平移向量 */
std::vector<cv::Point3f> realPoint;
for (int i = 0; i < aqYnum; i++) {
for (int j = 0; j < aqXnum; j++) {
cv::Point3f tempPoint;
/* 假設(shè)標(biāo)定板放在世界坐標(biāo)系中z=0的平面上 */
tempPoint.x = i * square_size.width;
tempPoint.y = j * square_size.height;
tempPoint.z = 0;
realPoint.push_back(tempPoint);
}
}
object_points.push_back(realPoint);
printf("#objectPoints： %ld\n", sizeof(object_points[0]));
std::cout << object_points[0] << std::endl;
printf("#image_points： %ld\n", sizeof(image_points_seq[0]));
std::cout << image_points << std::endl;
printf("#image size\n");
std::cout << SCREEN_WIDTH << "*" << SCREEN_HEIGHT << std::endl;
cv::calibrateCamera(object_points, image_points_seq, cb_source.size(), cameraMatrix, distCoeffs, rvecsMat, tvecsMat,
CV_CALIB_FIX_K3);
std::cout << "tvecsMat:\n" << tvecsMat[0] << std::endl;
std::cout << "rvecsMat:\n" << rvecsMat[0] << std::endl;
std::cout << "#cameraMatrix:\n" << cameraMatrix << std::endl;
std::cout << "#distCoeffs:\n" << distCoeffs << std::endl;
四、對(duì)圖片進(jìn)行校正
cv::Mat cb_final;
cv::Mat mapx = cv::Mat(cb_source.size(), CV_32FC1);
cv::Mat mapy = cv::Mat(cb_source.size(), CV_32FC1);
cv::Mat R = cv::Mat::eye(3, 3, CV_32F);
//initUndistortRectifyMap(cameraMatrix, distCoeffs, R, cv::Mat(), cb_source.size(), CV_32FC1,
// mapx, mapy);
//cv::remap(cb_source, cb_final, mapx, mapy, cv::INTER_LINEAR);
undistort(cb_source, cb_final, cameraMatrix, distCoeffs);
cv::imwrite("../blizzard/res/calibration/cb_final.png", cb_final);
1.校正前的圖片
2.校正后的圖片
總結(jié)
到此這篇關(guān)于OpenCV相機(jī)標(biāo)定的文章就介紹到這了,更多相關(guān)OpenCV相機(jī)標(biāo)定內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
C++中類的三種訪問(wèn)權(quán)限解析:private、public與protect
這篇文章主要介紹了C++中類的三種訪問(wèn)權(quán)限解析:private、public與protect，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
C語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單學(xué)生信息管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單學(xué)生信息管理系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-07-07
下面小編就為大家?guī)?lái)一篇淺談c++中的輸入輸出方法。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-06-06
C語(yǔ)言的動(dòng)態(tài)內(nèi)存管理的深入了解
這篇文章主要為大家詳細(xì)介紹了語(yǔ)言C的動(dòng)態(tài)內(nèi)存管理，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來(lái)幫助2022-02-02
這篇文章主要介紹了C++中const的特性的使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05
C++中棧結(jié)構(gòu)建立與操作詳細(xì)解析
我們可以把棧理解成一個(gè)大倉(cāng)庫(kù)，放在倉(cāng)庫(kù)門口（棧頂）的貨物會(huì)優(yōu)先被取出，然后再取出里面的貨物。而從數(shù)據(jù)的邏輯結(jié)構(gòu)來(lái)看，棧結(jié)構(gòu)起始就是一種線性結(jié)構(gòu)2013-10-10
C語(yǔ)言輸出孿生素?cái)?shù)的實(shí)現(xiàn)示例
本文主要介紹了C語(yǔ)言輸出孿生素?cái)?shù)的實(shí)現(xiàn)示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-01-01
C語(yǔ)言中帶頭雙向循環(huán)鏈表基本操作的實(shí)現(xiàn)詳解
無(wú)頭單向非循環(huán)鏈表結(jié)構(gòu)簡(jiǎn)單，一般不會(huì)單獨(dú)用來(lái)存數(shù)據(jù)。而帶頭雙向循環(huán)鏈表的結(jié)構(gòu)較為復(fù)雜，一般用在單獨(dú)存儲(chǔ)數(shù)據(jù)。本文將介紹帶頭雙向循環(huán)鏈表的基本操作，需要的可以參考一下2022-11-11
這篇文章主要為大家介紹了基于Qt+opencv開發(fā)的視頻播放器示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-08-08
C++簡(jiǎn)單集合類的實(shí)現(xiàn)方法
如何使用C++實(shí)現(xiàn)一個(gè)簡(jiǎn)單的集合類，這篇文章主要介紹了C++簡(jiǎn)單集合類的實(shí)現(xiàn)方法，感興趣的小伙伴們可以參考一下2016-07-07