摄像机标定--矫正畸变

2024-01-12 11:38
文章标签 摄像机 标定 矫正 畸变

本文主要是介绍摄像机标定--矫正畸变，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！

转载：http://www.cnblogs.com/tianya2543/p/3894644.html

之前做过摄像机标定的研究，不过现在忘了好多，昨天下午又捡起来，好好复习一下（主要是学习opencv一书内容）。

摄像机标定基本知识：

摄像机标定误差包括内参（4个）、畸变参数（径向和切向共5个）、外参（平移和旋转共6个）。

误差参数分析：摄像机模型采用针孔模型成像模型，由于中心轴安装问题，这就造成了精度误差，就是所谓的相机内参数误差，使用一个3X3的矩阵表示(A) [fx 0 cx; 0 fy cy; 0 0 1].，有四个未知参数；另由于针孔成像采光效率不高，使用了透镜，这就造成的畸变误差：

径向畸变：这是由于透镜先天条件原因（透镜形状），成像仪中心（光学中心）的畸变为0，随着向边缘移动，畸变越厉害。这里有3个参数，k1,k2,k3其中k3是可选参数。

切向畸变：这是摄像机安装过程造成的，如当透镜不完全平行于图像平面的时候产生的。

旋转和平移主要针对外参数，旋转3个角度和平移3个方向6个参数。

棋盘就不介绍了。主要是提取角点，便于后面计算，opencv函数都有函数。书上p423有原理介绍，感兴趣的朋友可以参考书上内容。

opencv实现过程及主要函数介绍：

1.首先获得数据源（视频或图像），我读取的一段自己录的视频；

2.初始化单帧棋盘数据，如6X4，并对棋盘操作提取角点；

用到的函数说明： 

CVAPI(int) cvFindChessboardCorners( const void* image, CvSize pattern_size,CvPoint2D32f* corners,int* corner_count CV_DEFAULT(NULL),int flags CV_DEFAULT(CV_CALIB_CB_ADAPTIVE_THRESH+CV_CALIB_CB_NORMALIZE_IMAGE) );

这个函数式找到内角点位置：

  • image

  • 输入的棋盘图，必须是8位的灰度或者彩色图像。

  • pattern_size

  • 棋盘图中每行和每列角点的个数。

  • corners

  • 检测到的角点

  • corner_count

  • 输出，角点的个数。如果不是NULL，函数将检测到的角点的个数存储于此变量。

  • flags

  • 各种操作标志，可以是0或者下面值的组合：

    • CV_CALIB_CB_ADAPTIVE_THRESH - 使用自适应阈值（通过平均图像亮度计算得到）将图像转换为黑白图，而不是一个固定的阈值。

    • CV_CALIB_CB_NORMALIZE_IMAGE - 在利用固定阈值或者自适应的阈值进行二值化之前，先使用cvNormalizeHist来均衡化图像亮度。

    • CV_CALIB_CB_FILTER_QUADS - 使用其他的准则（如轮廓面积，周长，方形形状）来去除在轮廓检测阶段检测到的错误方块。

void cvFindCornerSubPix(const CvArr* image,CvPoint2D32f* corners,int count,CvSize win,CvSize zero_zone,CvTermCriteria criteria)
函数 cvFindCornerSubPix 通过迭代来发现具有子象素精度的角点位置：

image

输入的图像，必须是8位的灰度或者彩色图像。

corners

输入角点的初始坐标，也存储精确的输出坐标。

count

角点数目

win

搜索窗口的一半尺寸。如果win=（5,5）那么使用（5*2+1）×（5*2+1）=11×11大小的搜索窗口

zero_zone

死区的一半尺寸，死区为不对搜索区的中央位置做求和运算的区域。它是用来避免自相关矩阵出现的某些可能的奇异性。当值为（-1，-1）表示没有死区。

criteria

求角点的迭代过程的终止条件。即角点位置的确定，要么迭代数大于某个设定值，或者是精确懂达到某个设定值。criteria可以是最大迭代数目，或者是设定的精确度，也可以是它们的组合。

3.摄像机标定求参数，我们目前求内参和畸变参数进行图像校正；

用到的函数说明：
void cvCalibrateCamera2( const CvMat* object_points, const CvMat* image_points, const CvMat*point_counts, CvSize image_size, CvMat* intrinsic_matrix, CvMat* distortion_coeffs, CvMat* rotation_vectors=NULL, CvMat* translation_vectors=NULL, int flags=0 );

标定函数，求摄像机内参和外参数：

  • object_points

  • 定标点的世界坐标，为3xN或者Nx3的矩阵，这里N是所有视图中点的总数。

  • image_points

  • 定标点的图像坐标，为2xN或者Nx2的矩阵，这里N是所有视图中点的总数。

  • point_counts

  • 向量，指定不同视图里点的数目，1xM或者Mx1向量，M是视图数目。

  • image_size

  • 图像大小，只用在初始化内参数时。

  • intrinsic_matrix

  • 输出内参矩阵(A)，如果指定CV_CALIB_USE_INTRINSIC_GUESS和（或）CV_CALIB_FIX_ASPECT_RATION，fx、 fy、 cx和cy部分或者全部必须被初始化。

  • distortion_coeffs

  • 输出大小为4x1或者1x4的向量，里面为形变参数[k1, k2, p1, p2]。

  • rotation_vectors

  • 输出大小为3xM或者Mx3的矩阵，里面为旋转向量（旋转矩阵的紧凑表示方式，具体参考函数cvRodrigues2）

  • translation_vectors

  • 输出大小为3xM或Mx3的矩阵，里面为平移向量。

  • flags

  • 不同的标志，可以是0，或者下面值的组合：

    • CV_CALIB_USE_INTRINSIC_GUESS - 内参数矩阵包含fx，fy，cx和cy的初始值。否则，(cx, cy)被初始化到图像中心（这儿用到图像大小），焦距用最小平方差方式计算得到。注意，如果内部参数已知，没有必要使用这个函数，使用cvFindExtrinsicCameraParams2则可。

    • CV_CALIB_FIX_PRINCIPAL_POINT - 主点在全局优化过程中不变，一直在中心位置或者在其他指定的位置（当CV_CALIB_USE_INTRINSIC_GUESS设置的时候）。

    • CV_CALIB_FIX_ASPECT_RATIO - 优化过程中认为fx和fy中只有一个独立变量，保持比例fx/fy不变，fx/fy的值跟内参数矩阵初始化时的值一样。在这种情况下， (fx, fy)的实际初始值或者从输入内存矩阵中读取（当CV_CALIB_USE_INTRINSIC_GUESS被指定时），或者采用估计值（后者情况中fx和fy可能被设置为任意值，只有比值被使用）。

    • CV_CALIB_ZERO_TANGENT_DIST – 切向形变参数(p1, p2)被设置为0，其值在优化过程中保持为0。

4.矫正，利用上步求得的参数对图像进行矫正。

用到的函数说明，有两种方法进行矫正，下面都介绍一下：

a.使用cvInitUndistortMap()和cvRemap()来处理，前者用来计算畸变映射，后者把求得的映射应用到图像。

void cvInitUndistortMap( const CvMat* intrinsic_matrix, const CvMat* distortion_coeffs, CvArr* mapx, CvArr* mapy );
这个函数计算畸变映射，其中intrinsic_matrix摄像机内参数矩阵(A) [fx 0 cx; 0 fy cy; 0 0 1].distortion_coeffs形变系数向量[k1, k2, p1, p2，k3]，大小为5x1或者1x5。mapx为x坐标的对应矩阵。mapy为y坐标的对应矩阵。 
void cvRemap( const CvArr* src, CvArr* dst,const CvArr* mapx, const CvArr* mapy,int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,CvScalar fillval=cvScalarAll(0) );

对图像进行普通几何变换,求得矫正图像：

     src 
     输入图像. 
dst 
输出图像. 
  mapx 
x坐标的映射 (32fC1 image). 
mapy 
y坐标的映射 (32fC1 image). 
flags 
插值方法和以下开关选项的组合: 
  CV_WARP_FILL_OUTLIERS - 填充边界外的像素. 如果输出图像的部分象素落在变换后的边界外，那么它们的值设定为 fillval。

函数cvInitUndistortMap预先计算非形变对应－正确图像的每个像素在形变图像里的坐标。这个对应可以传递给cvRemap函数（跟输入和输出图像一起）。

b.使用cvUndistort2()这个函数一次完成所有事项，不推荐。

CVAPI(void) cvUndistort2( const CvArr* src, CvArr* dst,const CvMat* camera_matrix,const CvMat* distortion_coeffs,const CvMat* new_camera_matrix CV_DEFAULT(0) );

函数说明：

    其中,src为输入图像，dst为输出图像.，camera_matrix摄像机内参数矩阵(A) [fx 0 cx; 0 fy cy; 0 0 1]，distortion_coeffs形变系数向量[k1, k2, p1, p2，k3]，大小为5x1或者1x5。

建议还是使用第一种算法，因为计算畸变映射是一个耗时的操作，当畸变映射不变的时候，使用第一种效率更高。

本人实验效果如下：

        
                                               

代码这里就不留了，opencv也有类似的源码，有需要的朋友留下联系方式可以发给你们，共勉！

这篇关于摄像机标定--矫正畸变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/597756。

相关文章

ABB机器人教程：工具载荷与有效载荷数据自动标定操作方法

ABB机器人教程：工具载荷与有效载荷数据自动标定操作方法

目录 概述 工具载荷自动标定前的准备工作 进入载荷识别服务例行程序 工具载荷识别与标定操作 有效载荷识别与标定操作要点 4轴码垛类型机器人载荷数据标定说明 概述 在使用ABB机器人前需要正确标定一些关键数据，其中就包含载荷数据。理论上讲，安装在机器人上的所有设备均需标定其载荷数据。如果没有标定或没有准确标定载荷数据，会导致机器人机械结构过载，这样不仅机器人无法发挥其最大能力，而
阅读更多...
Matlab 单目相机标定（内置函数，棋盘格）

Matlab 单目相机标定（内置函数，棋盘格）

文章目录 一、简介二、实现代码三、实现效果参考资料 一、简介 具体的标定原理可以参阅之前的博客Matlab 单目相机标定（内置函数），这里实现对棋盘格数据的标定过程。 二、实现代码 getCameraCorners.m function [camCorners, usedImIdx, imCheckerboard] = getCameraCorners(cali
阅读更多...
多路h265监控录放开发-（8)完成摄像机管理的修改和删除功能

多路h265监控录放开发-（8)完成摄像机管理的修改和删除功能

xviewer.h public:XViewer(QWidget* parent = Q_NULLPTR);//编辑摄像机void SetCam(int index);//121 public slots:void AddCam(); //新增摄像机配置120void SetCam(); //121void DelCam(); //121private:Ui::XViewerCla
阅读更多...
手把手教你实现条纹结构光三维重建（3）——相机投影仪标定

手把手教你实现条纹结构光三维重建（3）——相机投影仪标定

我们都知道，投影仪其实就是个反向相机，如果我们了解双目标定的原理，那么相机和投影仪的标定就不难，关键是我们怎么得到投影仪在图像特征点（比如棋盘格角点）上的像素位置。 投影仪也类似于一个cmos，图像有像素位置（u，v），那么通过我们上一讲的条纹解码，给图像添加水平方向和垂直方向的投影，就可以通过解码，得到图像对应的投影相位值，此相位值就是投影的像素坐标（xp，yp）。如下图所示，具体的原理可以参
阅读更多...
摄像机相关类的设计与实现

摄像机相关类的设计与实现

1、cCamera基类 SPE现在支持两种相机，模型预览和第一人称相机，它们都从cCamera类继承，cCamera类一来是提供所有摄像机的一些公共接口，二来是实现相机的一些公共功能。下面是它提供的一些关键的函数： void LoadAllMatrix();void SetViewport(int vx,int vy,int width,int height);void SetProjPara
阅读更多...
雷达标定与解析

雷达标定与解析

融合雷达与解析雷达数据的相关代码。感谢开源社区的贡献。以下代码继承了很多人的工作。 如果是单雷达： 直接进行标定，所以就是接收相关的话题然后发布。 lidar_calibration_params.yaml： calibration:在这个接口里面x_offset: 0.0y_offset: 0.0z_offset: 0.4roll_offset: -0.074pitch_offset: 0ya
阅读更多...
双目立体视觉 I：标定和校正

双目立体视觉 I：标定和校正

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者：Ali Yasin Eser 编译：ronghuaiyang 导读 双目立体校正和标定。 大家好！今天我们将讨论什么是立体摄像机，以及我们如何将它用于计算机视觉。通过使用这里的代码：https://github.com/aliyasineser/stereoDepth，我将解释我们如何为立体摄像机校准摄像机并计算视差图。我不
阅读更多...
滴漏智能监测报警摄像机

滴漏智能监测报警摄像机

智能监测摄像机在现代城市安全管理中扮演着关键角色。这些先进设备利用高度精确的图像识别技术，实时监测各类安全隐患，特别是在防疫措施中的应用日益显著。滴漏智能监测报警摄像机作为其中的一种，具备了多重功能，极大地增强了公共安全管理的效能和响应能力。 滴漏智能监测报警摄像机能够准确侦测并及时报警处理各种潜在的安全问题。无论是异常物体的出现、区域的非法入侵还是意外事故的发生，它们都
阅读更多...
计算机图形学之图像变换与标定

计算机图形学之图像变换与标定

一.齐次坐标的定义 1.齐次坐标定义 2.齐次坐标的理解 二.最小二乘法 1.最小二乘法 2.最小二乘计算仿射矩阵 三.图像变换 1.关于图像变换的总结 2.旋转矩阵推导 3.刚体变换与仿射变换实现 4.利用SVD求解刚体变换矩阵 5.计算两个点集间的刚体变换 6.奇异值分解的推理 7.3D点云配准之刚体变换 四.标定 1.九点标定 2.opencv九点标定 五.
阅读更多...
相机标定的若干知识

相机标定的若干知识

相机标定的起始和前备知识 手眼标定 opencv实现方法 matlab实现方法   参考网址： 1.从零开始学习「张氏相机标定法」（一）相机成像模型 2.从零开始学习「张氏相机标定法」（二）单应矩阵 3.刚体运动 4.相机矩阵 5.射影几何 6.对极几何 7.对极几何
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2