目录

棋盘格标定

Matlab相机工具包计算相机内参 详情参考链接

OpenCV函数调用

实心圆点标定

相机标定

标定结果-重投影误差

完整代码展示

在相机内参标定中 采用二维靶标标定主要分为两种方式 棋盘格标定、实心圆点标定。注意棋盘格和实心圆点在标定过程中注意保持清晰 且与水平 竖直 成一定角度15-30° 实验所得 仅供参考。

棋盘格标定

棋盘格标定相机内参主要采用两种方法 Matlab的相机工具包、OpenCV函数findChessboardCorner函数调用。

Matlab相机工具包计算相机内参 详情参考链接

OpenCV函数调用

findChessboardCorners参数设置 该函数检测鲁棒性较差 提取易失败 不同背景下的提取效果也不同 背景白色较多时提取成功率较高

findChessboardCorners(
InputArray image,
Size patternSize,
OutputArray corners,
int flags CALIB_CB_ADAPTIVE_THRESH CALIB_CB_NORMALIZE_IMAGE) 

关键参数

OutputArray corners--

提取的棋盘格角点像素坐标 数据类型为vector vector Point2f ;

int flags--

滤波处理 CALIB_CB_ADAPTIVE_THRESH自适应阈值法 CALIB_CB_NORMALIZE_IMAGE归一化 默认值

find4QuadCornerSubpix参数设置 亚像素坐标提取函数

bool cv::find4QuadCornerSubpix (
 InputArray img, //8位灰度图
 InputOutputArray corners, //保存计算所得亚像素坐标 数据类型同findChessboardCorners
 Size region_size //设置搜索框尺寸
 ) 

Size  region_size  --

角点搜索具体操作

1. 根据窗口尺寸 确定以该角点为中心的ROI区域 并计算该区域的直方图

2. 找出直方图中最大的一段segment 以此进行图像二值化 之后进行腐蚀操作 共进行两次

3. 对两幅图使用findContours进行轮廓提取 对于轮廓根据到该角点的最小距离排序

4. 以每幅图最小的两个轮廓为研究对象 先进行多边形逼近approxPolyDP 道格拉斯普克算子 并使用findCorner找到轮廓中到该角点最近的点

5. 对找到的四个点使用findLinesCrossPoint 获取精确的角点位置

drawChessboardCorners函数 角点绘制函数

void cv::drawChessboardCorners ( 
 InputOutputArray image, 
 Size patternSize, //棋盘格行列数 下角有标注 
 InputArray corners, 
 bool patternWasFound //true检测到棋盘 将corners连接起来 
 //false未检测到棋盘 将检测到的角点用红圈标注
 ) 

具体实现参考点云侠-OpenCV——单目视觉 方形标定板角点提取

实心圆点标定

实心圆点标定板又分为对称型和非对称型 本文主要探讨对称型。

findCircleGrid参数设置 源码实质是调用findCIirclesGrid2函数 这里不做解析

bool findCirclesGrid(
 InputArray _image, Size patternSize,
 OutputArray _centers, int flags,
 const Ptr FeatureDetector blobDetector)
 return cv::findCirclesGrid2(_image, patternSize, _centers, 
 flags, blobDetector, CirclesGridFinderParameters2());

关键参数

int flags---

对称型圆心      cv::CALIB_CB_SYMMETRIC_GRID

非对称型圆心  cv::CALIB_CB_ASYMMETRIC_GRID

cv::CALIB_CB_CLUSTEREING透镜失真严重时使用  通常用于宽视野相机 用“|”与对称型和非对称型配合使用

const Ptr FeatureDetector blobDetector  创建用于检测圆的智能指针 方法Blob算子

对于大图片一定要设置检测圆面积阈值 本文图片分辨率为5472x3648

​

相机标定

calibrateCamera函数 相机标定函数 用于标定相机内外参数

CV_EXPORTS_W double calibrateCamera( 
 InputArrayOfArrays objectPoints,
 InputArrayOfArrays imagePoints,
 CV_OUT InputOutputArray cameraMatrix,
 CV_OUT InputOutputArray distCoeffs,
 OutputArrayOfArrays rvecs, 
 OutputArrayOfArrays tvecs,
 int flags 0, TermCriteria criteria TermCriteria(TermCriteria::COUNT TermCriteria
::EPS, 30, DBL_EPSILON) );

函数的12个参数 一般设置前7个参数即可 后面默认。
1.objectPoints 世界坐标系中的点。在使用时 应该输入vector vector Point3f 。
2.imagePoints 其对应的图像点。和objectPoints一样 应该输入vector vector Point2f 型的变量。
3.imageSize 图像的大小 在计算相机的内参数和畸变矩阵需要用到
4.cameraMatrix 内参数矩阵。输入一个Mat cameraMatrix即可。
5.distCoeffs 畸变矩阵。输入一个Mat distCoeffs即可。
6.rvecs 旋转向量 应该输入一个Mat的vector 即vector Mat rvecs因为每个vector Point3f 会得到一个rvecs。
7.tvecs 位移向量 和rvecs一样 也应该为vector tvecs。
8.stdDeviationsIntrinsics 内参数的输出向量。输出顺序为: (fx,fy,cx,cy,k1,k2,p1,p2,k3,k4,k5,k6,s1,s2,s3,s4,τx,τy) 如果不估计其中某一个参数 值等于0
9.stdDeviationsExtrinsics 外参数的输出向量。输出顺序: (R1,T1,…,RM,TM) M是标定图片的个数, Ri,Ti 是1x3的向量 。
10.perViewErrors 每个标定图片的重投影均方根误差的输出向量。
11.criteria 迭代优化算法的终止准则
12.flags 标定函数是所采用的模型 重点 ”。可输入如下某个或者某几个参数

CV_CALIB_USE_INTRINSIC_GUESS 使用该参数时 将包含有效的fx,fy,cx,cy的估计值的内参矩阵cameraMatrix 作为初始值输入 然后函数对其做进一步优化。如果
不使用这个参数 用图像的中心点初始化光轴点坐标(cx, cy) 使用最小二乘估算出fx fy 这种求法好像和张正友的论文不一样 不知道为何要这样处理 。注意 如果
已知内部参数 内参矩阵和畸变系数 就不需要使用这个函数来估计外参 可以使用solvepnp()函数计算外参数矩阵。

CV_CALIB_FIX_PRINCIPAL_POINT 在进行优化时会固定光轴点 光轴点将保持为图像的中心点。当CV_CALIB_USE_INTRINSIC_GUESS参数被设置 保持为输入的值。

CV_CALIB_FIX_ASPECT_RATIO 固定fx/fy的比值 只将fy作为可变量 进行优化计算。当CV_CALIB_USE_INTRINSIC_GUESS没有被设置 fx和fy的实际输入值将会被
忽略 只有fx/fy的比值被计算和使用。

CV_CALIB_ZERO_TANGENT_DIST 切向畸变系数 P1 P2 被设置为零并保持为零。

CV_CALIB_FIX_K1,…,CV_CALIB_FIX_K6 对应的径向畸变系数在优化中保持不变。如果设置了CV_CALIB_USE_INTRINSIC_GUESS参数 就从提供的畸变系数矩阵中得
到。否则 设置为0。

CV_CALIB_RATIONAL_MODEL 理想模型 启用畸变k4 k5 k6三个畸变参数。使标定函数使用有理模型 返回8个系数。如果没有设置 则只计算其它5个畸变参数。

CALIB_THIN_PRISM_MODEL 薄棱镜畸变模型 启用畸变系数S1、S2、S3和S4。使标定函数使用薄棱柱模型并返回12个系数。如果不设置标志 则函数计算并返回
只有5个失真系数。

CALIB_FIX_S1_S2_S3_S4 优化过程中不改变薄棱镜畸变系数S1、S2、S3、S4。如果cv_calib_use_intrinsic_guess设置 使用提供的畸变系数矩阵中的值。否则 设置为0。

CALIB_TILTED_MODEL 倾斜模型 启用畸变系数tauX and tauY。标定函数使用倾斜传感器模型并返回14个系数。如果不设置标志 则函数计算并返回只有5个失真系数。

CALIB_FIX_TAUX_TAUY 在优化过程中 倾斜传感器模型的系数不被改变。如果cv_calib_use_intrinsic_guess设置 从提供的畸变系数矩阵中得到。否则 设置为0。

   vector Point2f ----用于存放float类型的数据 这里是二维点向量 也可以将Point2f换成int等其他类型
        vector Point2i ----用于存放int类型的数据
        vector Point2d ----用于存放double类型的数据
        vector vector Point2f points;----表示定义一个二维数组
                其中的points[0].size() 表示第一行的列数 points[0]第一行。ponts[1]第二行

Vec4f为二维直线类型 Vec6f为三维直线类型
Vec4f line ; line[0].line[1]存放的是直线方向向量 斜率为line[1]/line[0]  point.x line[2];point.y line[3];

标定结果-重投影误差

注意 重投影误差reprojectionError不能完全作为标定精度的评判标准 重投影误差结果的好坏与图像大小 图像质量等等有关。

建议 通过标定的内外参数计算角点/圆心靶标坐标系下坐标与实际坐标 角点间距、圆点中心距已知 进行比较。

关键函数 projectPoints函数

void projectPoints(
 InputArray objectPoints, //靶标坐标系角点坐标
 InputArray rvec, //外参旋转向量
 InputArray tvec, //外参平移向量
 InputArray cameraMatrix, //内参矩阵
 InputArray distCoeffs, //畸变系数
 OutputArray imagePoints, //输出像素坐标(重新投影)
 OutputArray jacobian noArray(), //雅可比行列式
 double aspectRatio 0 
)

雅可比行列式不做解释 没整明白 以后补充 欢迎大佬解释 一般参数设置到第6个即可

完整代码展示

structure_light .h

// use for calibration
#ifndef STRUCTURE_LIGHT_H
#define STRUCTURE_LIGHT_H
#include struct_light_calib.h 

std::vector std::vector cv::Point2f featureOriImagePoint;//特征点的像素中心点坐标 std::vector std::vector cv::Point2f featureSubImagePoint;//特征点的亚像素中心点坐标 std::vector cv::Mat laserPoints;//特征点的三维坐标
//函数定义构造函数structure_light structure_light::structure_light(int x, cv::Size patternSize, cv::Size patternLength) structure_light::imageCount structure_light::patternSize patternSize; structure_light::PatternLength patternLength; }

struct_light_calib.h

#ifndef TTTTT_STRUCT_LIGHT_CALIB_H
#define TTTTT_STRUCT_LIGHT_CALIB_H

int cameraCalib(structure_light a, double reprojectionError); #endif //TTTTT_STRUCT_LIGHT_CALIB_H

struct_light_calib.cpp

//摄像机标定
int cameraCalib(structure_light a, double reprojectionError)
 string format .jpg 
 for (int i i a.imageCount; i )
 string index to_string(i);
 string name ./calib_picture/calib index format;
 cv::Mat pic cv::imread(name);
 /*Mat greyImage;
 cvtColor(pic, greyImage, COLOR_BGR2GRAY);*/
 bool result true;
 vector cv::Point2f targetPoint;
 //圆形靶标提取圆心点
 if (iscircle)
 //图像尺寸大 需要对检测圆面积的阈值进行设定
 cv::SimpleBlobDetector::Params params;
 params.maxArea 90000;
 params.minArea 500;
 params.filterByArea true;
 cv::Ptr cv::FeatureDetector blobDetector cv::SimpleBlobDetector::create(params);
 if (0 findCirclesGrid(pic, a.patternSize, targetPoint, cv::CALIB_CB_SYMMETRIC_GRID | cv::CALIB_CB_CLUSTERING, blobDetector))//提取靶标上圆斑的圆心
 result false;
 a.isRecognize.push_back(result);
 cout false-calib endl;
 continue;
 else
 result true;
 a.isRecognize.push_back(result);
 a.calibImagePoint.push_back(targetPoint);
 cout true-calib endl;
 //棋盘格靶标提取角点
 else
 if (0 findChessboardCorners(pic, a.patternSize, targetPoint))
 result false;
 a.isRecognize.push_back(result);
 cout false-calib endl;
 continue;
 else
 result true;
 a.isRecognize.push_back(result);
 find4QuadCornerSubpix(pic, targetPoint, cv::Size(5, 5));
 a.calibImagePoint.push_back(targetPoint);
 drawChessboardCorners(pic, patternSize, targetPoint, true);
 cout true-calib endl;
 imwrite( ./save/Corner.jpg , pic);
 a.generateCalibboardPoint();//自定义的标定板原点靶标坐标
 /* 摄像头标定得到相机内参和畸变矩阵以及外参 旋转矩阵R和平移矩阵T */
 double rms calibrateCamera(a.calibBoardPoint, a.calibImagePoint, image_size, a.cameraMatrix, a.distCoeffs, a.R, a.T);
 cout Reprojection error: rms endl;
 a.Rw a.R[0];
 a.Tw a.T[0];
 /* 重投影评估单目摄像头标定精度 */
 double err 0.0;
 double mean_err 0.0;
 double total_err 0.0;
 int i;
 vector cv::Point2f reprojectionPoint;
 for (i i a.calibBoardPoint.size(); i )
 vector cv::Point3f tempPointSet a.calibBoardPoint[i];//标定板圆点靶标三维坐标
 /*cout 标定板圆点三维坐标 a.calibBoardPoint[i] endl;*/
 /* 通过得到的摄像机内外参数 对空间的三维点进行重新投影计算 得到新的投影点 */
 projectPoints(tempPointSet, a.R[i], a.T[i], a.cameraMatrix, a.distCoeffs, reprojectionPoint);
 /* 计算新的投影点和旧的投影点之间的误差*/
 vector cv::Point2f tempImagePoint a.calibImagePoint[i];
 cv::Mat tempImagePointMat cv::Mat(1, tempImagePoint.size(), CV_32FC2);//旧投影点 49个点 
 cv::Mat image_points2Mat cv::Mat(1, reprojectionPoint.size(), CV_32FC2);//新投影点 49个点 畸变校正后 
 for (int j j tempImagePoint.size(); j )
 image_points2Mat.at cv::Vec2f (0, j) cv::Vec2f(reprojectionPoint[j].x, reprojectionPoint[j].y);
 tempImagePointMat.at cv::Vec2f (0, j) cv::Vec2f(tempImagePoint[j].x, tempImagePoint[j].y);
 err norm(image_points2Mat, tempImagePointMat, cv::NORM_L2);
 mean_err err / (a.patternSize.width*a.patternSize.height);
 total_err mean_err;
 reprojectionError total_err / a.calibBoardPoint.size();
 return 0;
}

主函数

#include structure_light.h 
#include struct_light_calib.h 
#include fstream 
#include math.h 
#include stdlib.h 
#include cmath 
#include iostream 
#include iomanip 
#include cstdlib 
#include cstring 
#include vector 
//定义一些全局变量作为标定的靶标参数
int imageCount 11;//图像的数量
cv::Size patternSize(7, 7);//靶标 圆的数量 
cv::Size2f patternLength(15.0, 15.0);//两个圆形标记之间的距离
cv::Size image_size(5472,3468);
//patternType:
//0:circle;
//1:chessboard;
bool iscircle true;

//structure_light为自定义类 参数可自行定义放入函数即可 structure_light lineStructureLight(imageCount, patternSize, patternLength); double reprojectionError 0.0; cameraCalib(lineStructureLight, reprojectionError);//摄像机标定 cout Camera calibration reprojection error: reprojectionError pixels. endl; return 0;


在相机标定中,采用二维靶标标定主要分为两种方式:棋盘格标定、实心圆点标定板实心圆点标定板又分为对称型和非对称型,本文主要探讨对称型。 复制链接
WIN 10“libboost_thread_vc143-mt-gd-64-1_78.lib“和“debug assertion failed“解决办法 1453
【论文阅读】文献阅读笔记 CSDN-Ada助手: 你好,CSDN 开始提供 #论文阅读# 的列表服务了。请看:https://blog.csdn.net/nav/advanced-technology/paper-reading?utm_source=csdn_ai_ada_blog_reply 。如果你有更多需求,请来这里 https://gitcode.net/csdn/csdn-tags/-/issues/34?utm_source=csdn_ai_ada_blog_reply 给我们提。


【论文阅读】文献阅读笔记-泊松重建 CSDN-Ada助手: 你好,CSDN 开始提供 #论文阅读# 的列表服务了。请看:https://blog.csdn.net/nav/advanced-technology/paper-reading?utm_source=csdn_ai_ada_blog_reply 。如果你有更多需求,请来这里 https://gitcode.net/csdn/csdn-tags/-/issues/34?utm_source=csdn_ai_ada_blog_reply 给我们提。


抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

更多文章请关注《万象专栏》