Opencv 相机内参标定及使用

2024-01-09 16:10

本文主要是介绍Opencv 相机内参标定及使用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

一、功能描述

二、标定板制作

三、图像采集

四、标定内参

方法一:Matlab标定

 方法二:C++程序标定

五、使用内参


一、功能描述

1.本文用于记录通过 Opencv 进行相机内参标定和对内参的使用来进行图像畸变矫正。

        1)相机矩阵:包括焦距(fx,fy),光学中心(Cx,Cy),完全取决于相机本身,是相机的固有属性,只需要计算一次,可用矩阵表示如下:[fx, 0, Cx; 0, fy, cy; 0,0,1];

        2) 畸变系数:畸变数学模型的5个参数 D = (k1,k2, P1, P2, k3);

        3)相机内参:相机矩阵和畸变系数统称为相机内参,在不考虑畸变的时候,相机矩阵也会被称为相机内参;

        4) 相机外参:通过旋转和平移变换将3D的坐标转换为相机2维的坐标,其中的旋转矩阵和平移矩阵就被称为相机的外参;描述的是将世界坐标系转换成相机坐标系的过程。

二、标定板制作

       方法一: 标定板可以直接从opencv官网下载:标定板

       方法二:Matlab DIY 制作

J = (checkerboard(300,4,5)>0.5);
figure, imshow(J);

        打印完成后,测量实际打印出的网格边长,备用(本人制作的标定板网格边长为 26mm)。将打印纸贴附在硬纸板上(粘贴的尽可能平整),如下图所示。

三、图像采集

        运行以下参考程序按q键即可保存图像,注意尽量把镜头的每个方格都覆盖到,最好拍到整张打印纸。保存大约20到25张,通过 Matlab 标定软件可能会剔除部分图片。

#include "opencv2/opencv.hpp"
#include <string>
#include <iostream>using namespace cv;
using namespace std;int main(){Mat frame;string imgname;int f = 1;VideoCapture inputVideo(0);if (!inputVideo.isOpened()){cout << "Could not open the input video " << endl;return -1;}else{cout << "video is opened!" << endl;}while (1){inputVideo >> frame;              if (frame.empty()) continue;         imshow("Camera", frame);char key = waitKey(1);if (key == 27) break;if (key == 'q' || key == 'Q'){imgname = to_string(f++) + ".jpg";imwrite(imgname, frame);}}cout << "Finished writing" << endl;return 0;
}

        图片集如下:

四、标定内参

方法一:Matlab标定

        步骤1:在Matlab的Command Window里面输入cameraCalibrator即可调用标定应用程序。

        步骤2:选择from file 在自己的图片集全选待标定的图片,输入自己实际测量打印的标定板方格实际长度(本人的标定板方格边长26mm),导入后我的有2张图片被拒绝。

        步骤3:关键步骤

        畸变参数,总共有五个,径向畸变3个(k1,k2,k3)和切向畸变2个(p1,p2)。

        径向畸变:

\LARGE x_{corrected}=x(1+k_1r^2+k_2r^4+k_3r^6)

\LARGE y_{corrected}=y(1+k_1r^2+k_2r^4+k_3r^6) 

        切向畸变:

\LARGE x_{corrected}=x+[2p_1xy+p_2(x^2+2x^2)]

 \LARGE y_{corrected}=y+[p_1(r^2+2y^2)+2p_2xy]

 注意:OpenCV中畸变系数的排列(顺序为k1,k2,p1,p2,k3)。

\LARGE Distortion_{coefficients}=(k_1,k_2,p_1,p_2,k_3)

         实验表明,在MATLAB中选择使用三个参数,并且选择错切和桶形畸变,关于三个参数还是两个参数,可以根据自己的试验效果选择 。点击 Calibrate 后等待一段时间即可完成标定,标定完成后可通过点击 show Undistorted  对比校正前后效果。

        右上角平均误差推荐在0.5以下时,表明该标定数据可信(本人此次平均误差为0.47 )。

        步骤4:导出参数,即可把参数进行保存,保存后可退出标定应用,在MATLAB主界面中将保存的Mat文件打开。

        步骤5:记录、保存数据

        上图中,RadialDistortion对应k1,k2,k3,TangentialDistortion对应p1,p2。
        IntrinsicMatrix对应相机矩阵,注意具体数值和OpenCV中数据是互为转置的关系。

对应

 

 此次本人测得的数据为:

RadialDistortion:-0.515906663211726  0.201811855093355    -0.0572379026696125TangentialDistortion:0.00228453839673728 -0.00134697993045861IntrinsicMatrix:1982.56844306278      0                     01.79099355543064      1983.84445594899      01042.90384922068      480.442502729538      1

 方法二:C++程序标定

        简单粗暴直接上程序:

#include <opencv2/imgproc/types_c.h>
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;Mat image, img_gray;
int BOARDSIZE[2]{ 6,9 };//棋盘格每行每列角点个数
int main()
{vector<vector<Point3f>> objpoints_img;//保存棋盘格上角点的三维坐标vector<Point3f> obj_world_pts;//三维世界坐标vector<vector<Point2f>> images_points;//保存所有角点vector<Point2f> img_corner_points;//保存每张图检测到的角点vector<String> images_path;//创建容器存放读取图像路径string image_path = "/home/titan/Calibration/image/pictures/*.jpg";//待处理图路径	glob(image_path, images_path);//读取指定文件夹下图像//转世界坐标系for (int i = 0; i < BOARDSIZE[1]; i++){for (int j = 0; j < BOARDSIZE[0]; j++){obj_world_pts.push_back(Point3f(j, i, 0));}}for (int i = 0; i < images_path.size(); i++){image = imread(images_path[i]);cvtColor(image, img_gray, COLOR_BGR2GRAY);//检测角点bool found_success = findChessboardCorners(img_gray, Size(BOARDSIZE[0], BOARDSIZE[1]),img_corner_points,CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_FAST_CHECK | CALIB_CB_NORMALIZE_IMAGE);//显示角点if (found_success){//迭代终止条件TermCriteria criteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.001);//进一步提取亚像素角点cornerSubPix(img_gray, img_corner_points, Size(11, 11),Size(-1, -1), criteria);//绘制角点drawChessboardCorners(image, Size(BOARDSIZE[0], BOARDSIZE[1]), img_corner_points,found_success);objpoints_img.push_back(obj_world_pts);//从世界坐标系到相机坐标系images_points.push_back(img_corner_points);}//char *output = "image";char text[] = "image";char *output = text;imshow(output, image);waitKey(200);}/*计算内参和畸变系数等*/Mat cameraMatrix, distCoeffs, R, T;//内参矩阵,畸变系数,旋转量,偏移量calibrateCamera(objpoints_img, images_points, img_gray.size(),cameraMatrix, distCoeffs, R, T);cout << "cameraMatrix:" << endl;cout << cameraMatrix << endl;cout << "*****************************" << endl;cout << "distCoeffs:" << endl;cout << distCoeffs << endl;cout << "*****************************" << endl;cout << "Rotation vector:" << endl;cout << R << endl;cout << "*****************************" << endl;cout << "Translation vector:" << endl;cout << T << endl;///*//畸变图像校准//*/Mat src, dst;src = imread("/home/titan/Calibration/image/pictures/02.jpg");  //读取校正前图像undistort(src, dst, cameraMatrix, distCoeffs);char texts[] = "image_dst";char *dst_output = texts;//char *dst_output = "image_dst";imshow(dst_output, dst);waitKey(100);imwrite("/home/titan/Calibration/image/pictures/002.jpg", dst);  //校正后图像destroyAllWindows();//销毁显示窗口system("pause");return 0;
}

         运行上述程序,经过一番图片处理与切换,最终通过终端得到获取相机内参及畸变系数。

五、使用内参

        简单粗暴直接上程序:

#include<iostream>
#include <ctime> 
#include<opencv2/opencv.hpp>using namespace cv;
using namespace std;int main()
{VideoCapture inputVideo(0);if(!inputVideo.isOpened()){std::cout << "video is not opened\n\n"<<endl;}else{std::cout << "video is opened \n\n"<<endl;}
//  Matlab 标定的相机参数Mat frame, frameCalibration;inputVideo >> frame;Mat cameraMatrix = Mat::eye(3, 3, CV_64F);cameraMatrix.at<double>(0,0) = 1982.56844306278;cameraMatrix.at<double>(0,1) = 1.79099355543064;cameraMatrix.at<double>(0,2) = 1042.90384922068;cameraMatrix.at<double>(1,1) = 1983.84445594899;cameraMatrix.at<double>(1,2) = 480.442502729538;Mat distCoeffs = Mat::zeros(5, 1, CV_64F);distCoeffs.at<double>(0,0) = -0.515906663211726;distCoeffs.at<double>(1,0) =  0.201811855093355;distCoeffs.at<double>(2,0) =  0.00228453839673728;distCoeffs.at<double>(3,0) = -0.00134697993045861;distCoeffs.at<double>(4,0) = -0.0572379026696125;/*  C++程序标定的相机参数Mat frame, frameCalibration;inputVideo >> frame;Mat cameraMatrix = Mat::eye(3, 3, CV_64F);cameraMatrix.at<double>(0,0) = 1978.304376178962;cameraMatrix.at<double>(0,1) =				   0;cameraMatrix.at<double>(0,2) = 1044.639043480329;cameraMatrix.at<double>(1,1) = 1979.71454820083;cameraMatrix.at<double>(1,2) = 482.6287237060178;Mat distCoeffs = Mat::zeros(5, 1, CV_64F);distCoeffs.at<double>(0,0) = -0.5277684150872038;distCoeffs.at<double>(1,0) =  0.2663992436241138;distCoeffs.at<double>(2,0) = -0.001857829391420174;distCoeffs.at<double>(3,0) = -0.002175774665050042;distCoeffs.at<double>(4,0) = -0.1007311729522544;
*/Mat view, rview, map1, map2;Size image_Size;image_Size = frame.size();initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(), cameraMatrix, image_Size, CV_16SC2, map1, map2);// initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, image_Size, 0.5, image_Size, 0),image_Size, CV_16SC2, map1, map2);while(1){inputVideo >> frame;if(frame.empty()) break;remap(frame, frameCalibration, map1, map2, INTER_LINEAR);imshow("Original_image",frame);imshow("Calibrated_image", frameCalibration);char key =waitKey(1);if(key == 27 || key == 'q' || key == 'Q') break;}return 0;
}

        测试效果如下:

         参考链接: 链接1 、 链接2

这篇关于Opencv 相机内参标定及使用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/587693

相关文章

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意