Python+OpenCV實(shí)現(xiàn)相機(jī)標(biāo)定的方法詳解
opencv中內(nèi)置了張正友的棋盤(pán)格標(biāo)定法,通過(guò)一些姿態(tài)各異的棋盤(pán)格圖像,就能標(biāo)定相機(jī)的內(nèi)外參數(shù)。
角點(diǎn)檢測(cè)
第一步是角點(diǎn)檢測(cè),首先需要讀取棋盤(pán)格圖像
import numpy as np import cv2 import os path = 'imgs' # 圖像文件夾;相對(duì)路徑 fs = os.listdir(path) grays = [] for f in fs: fName = os.path.join(path, f) img = cv2.imread(fName) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 圖像轉(zhuǎn)灰度 grays.append(gray)
其中,grays中便是所有棋盤(pán)格灰度圖像,接下來(lái),就要找到這些棋盤(pán)格的角點(diǎn)位置,主要用到函數(shù)findChessboardCorners,其輸入?yún)?shù)為棋盤(pán)格圖像、角點(diǎn)個(gè)數(shù)以及標(biāo)志位。
w, h = 11, 8 # 交點(diǎn)橫縱個(gè)數(shù) # 亞像素點(diǎn)的檢測(cè)條件 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) pImgs = [] for g in grays: # cs即位初步檢測(cè)的角點(diǎn) ret, cs = cv2.findChessboardCorners(g, (w, h), None) # 亞像素角點(diǎn)檢測(cè) pImg = cv2.cornerSubPix(g, cs.astype(np.float32), (5, 5), (-1, -1), criteria) pImgs.append(np.squeeze(pImg))
其中,pImg用于存放像素坐標(biāo)中的二維點(diǎn)。
查看角點(diǎn)
為了驗(yàn)證角點(diǎn)檢測(cè)是否合理,可以將其畫(huà)出來(lái),用opencv自帶的工具就像下面這樣就可以,
cv2.drawChessboardCorners(grays[0], (w, h), pImgs[0], None) cv2.imshow('findCorners', grays[0]) cv2.waitKey(1000)
但窗口縮放比較麻煩,所以更推薦用經(jīng)典的matplotlib來(lái)畫(huà)圖
import matplotlib.pyplot as plt pts = pImgs[0].squeeze().reshape(-1,2).T plt.imshow(grays[0]) plt.scatter(pts[0], pts[1], marker='*', c='red') plt.show()
效果如下
標(biāo)定
函數(shù)calibrateCamera可用于圖像標(biāo)定,只需將現(xiàn)實(shí)世界的點(diǎn)和相機(jī)坐標(biāo)系中的角點(diǎn)的一一對(duì)應(yīng)關(guān)系輸入,便能得到相應(yīng)的相機(jī)矩陣。其中,現(xiàn)實(shí)世界中哦的三維點(diǎn),一般成為對(duì)象點(diǎn),由于棋盤(pán)格中每個(gè)方塊都是等距的,故可直接建立為類(lèi)似(1,0,0), (2,0,0)...即可
objp = np.zeros((6*7,3), np.float32) objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2) pObj = np.zeros((w*h, 3), np.float32) pObj[:,:2] = np.mgrid[0:w, 0:h].T.reshape(-1,2) pObjs = [pObj for _ in range(len(pImgs))]
至此,萬(wàn)事俱備,只需調(diào)用
size = grays[0].shape[::-1] # 圖像尺寸 ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(pObjs, pImgs, size, None, None)
其中,rec為成功標(biāo)志,為T(mén)rue時(shí)表示標(biāo)定成功。
mtx為內(nèi)參矩陣,差不多是
dist為畸變參數(shù),最多有8個(gè),分別表示k1,k2,p1,p2,k3,k4,k5,k6,本次標(biāo)定得到的結(jié)果為
>>> print(dist)
[[-8.36577030e-02 -1.68977185e-01 -1.12233478e-03 9.45685802e-04
-2.04246147e+01]]
這些畸變參數(shù)的物理意義如下
以上就是Python+OpenCV實(shí)現(xiàn)相機(jī)標(biāo)定的方法詳解的詳細(xì)內(nèi)容,更多關(guān)于Python OpenCV相機(jī)標(biāo)定的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
python測(cè)試開(kāi)發(fā)django之使用supervisord?后臺(tái)啟動(dòng)celery?服務(wù)(worker/beat)
Supervisor是用Python開(kāi)發(fā)的一個(gè)client/server服務(wù),是Linux/Unix系統(tǒng)下的一個(gè)進(jìn)程管理工具,不支持Windows系統(tǒng),這篇文章主要介紹了python測(cè)試開(kāi)發(fā)django之使用supervisord?后臺(tái)啟動(dòng)celery?服務(wù)(worker/beat),需要的朋友可以參考下2022-07-07Python使用socket實(shí)現(xiàn)組播與發(fā)送二進(jìn)制數(shù)據(jù)
在工作中經(jīng)常會(huì)用到socket傳輸數(shù)據(jù),例如客戶(hù)端給服務(wù)器發(fā)送數(shù)據(jù)(雙方約定了數(shù)據(jù)格式),本文主要介紹了Python使用socket實(shí)現(xiàn)組播與發(fā)送二進(jìn)制數(shù)據(jù),感興趣的可以了解一下2021-06-06Python設(shè)計(jì)模式之觀察者模式簡(jiǎn)單示例
這篇文章主要介紹了Python設(shè)計(jì)模式之觀察者模式,簡(jiǎn)單描述了觀察者模式的概念、原理,并結(jié)合實(shí)例形式分析了Python觀察者模式的相關(guān)定義與使用技巧,需要的朋友可以參考下2018-01-01再也不用花錢(qián)買(mǎi)漫畫(huà)!Python爬取某漫畫(huà)的腳本及源碼
今天帶大家學(xué)習(xí)Python的相關(guān)知識(shí),文章圍繞著怎么用Python下載漫畫(huà)展開(kāi),文中有非常詳細(xì)的代碼示例及介紹,需要的朋友可以參考下2021-06-06Django框架使用內(nèi)置方法實(shí)現(xiàn)登錄功能詳解
這篇文章主要介紹了Django框架使用內(nèi)置方法實(shí)現(xiàn)登錄功能,結(jié)合實(shí)例形式詳細(xì)分析了Django框架內(nèi)置方法實(shí)現(xiàn)登錄功能的相關(guān)操作技巧與使用注意事項(xiàng),需要的朋友可以參考下2019-06-06Python中免驗(yàn)證跳轉(zhuǎn)到內(nèi)容頁(yè)的實(shí)例代碼
在本篇文章里小編給大家整理的是一篇關(guān)于Python中免驗(yàn)證跳轉(zhuǎn)到內(nèi)容頁(yè)的實(shí)例代碼,有興趣的朋友們可以學(xué)習(xí)分享下。2020-10-10