ArUco与OpenCV

2024-03-03 00:58
文章标签 opencv aruco

本文主要是介绍ArUco与OpenCV，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

生成标记

检测标记

完整代码

一些链接

代码片段记录

创建Aruco的Board板

检测Board板

        ArUco标记可以用于增强现实、相机姿势估计和相机校准等应用场景，具体如无人机的自主降落地标、机器人定位。标记中白色部分为唯一标识的二进制编码。

生成标记

        通过为每个码生成唯一标记，可以获取到更丰富的信息。在OpenCV中有25个预定义的标记字典。字典中的所有标记都包含相同数量的块或位（4×4、5×5、6×6 或 7×7），并且每个字典包含固定数量的标记（50、100、250 或 1000）。

C++：

#include <opencv2/highgui.hpp>
#include <opencv2/core.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>// 导入aruco库
#include <opencv2/aruco.hpp>using namespace std;
using namespace cv;Mat markerImage;
// 加载预定义字典
Ptr<cv::aruco::Dictionary> dictionary = aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);// 生成标记
int id = 33;  // 唯一标记
int pixsize = 200;  // 图像的像素大小
aruco::drawMarker(dictionary, id, pixsize , markerImage, 1);imshow("markerImage", markerImage);
waitKey();

Python：

import cv2 as cv
import numpy as np# Load the predefined dictionary
dictionary = cv.aruco.Dictionary_get(cv.aruco.DICT_6X6_250)# Generate the marker
ixsize = 200  # 图像的像素大小
id = 33 # 唯一标记
markerImage = np.zeros((ixsize , ixsize ), dtype=np.uint8)
markerImage = cv.aruco.drawMarker(dictionary, id, ixsize , markerImage, 1);cv.imwrite("marker33.png", markerImage);

对于cv.aruco.drawMarker函数：

  • 第一个参数视预定义字典。
  • 第二个参数标识唯一标记，允许从 id 从 0 到 249 的 250 个标记的集合中选择具有给定 id 的标记。
  • 第三个参数决定了生成的标记的大小。在上面的示例中，它将生成一个具有 200×200 像素的图像。
  • 第四个参数表示将存储生成的标记的对象（上面的标记图像）。
  • 第五个参数是厚度参数，它决定了应该将多少块作为边界添加到生成的二进制模式中。在上面的示例中，将在 6×6 生成的图案周围添加 1 位的边界，以在 200×200 像素的图像中生成具有 7×7 位的图像。

检测标记

C++：

// 加载用于生成标记的字典。
Ptr<cv::aruco::Dictionary> dictionary = getPredefinedDictionary(cv::aruco::DICT_6X6_250);
// 使用默认值初始化检测器参数
Ptr<cv::aruco::DetectorParameters> parameters = cv::aruco::DetectorParameters::create();// 声明将包含检测到的标记角和被拒绝的候选标记的向量
vector<vector<Point2f>> markerCorners, rejectedCandidates;
// 检测到的标记的id存储在一个向量中
vector<int> markerIds;
// 检测标记
detectMarkers(markerImage, dictionary, markerCorners, markerIds, parameters, rejectedCandidates);

Python：

#Load the dictionary that was used to generate the markers.
dictionary = cv.aruco.Dictionary_get(cv.aruco.DICT_6X6_250)# Initialize the detector parameters using default values
parameters =  cv.aruco.DetectorParameters_create()# Detect the markers in the image
markerCorners, markerIds, rejectedCandidates = cv.aruco.detectMarkers(frame, dictionary, parameters=parameters)

        对于每个成功的标记物检测，将按左上角、右上角、右下角、左下角的顺序检测标记的四个角点。在C++中，这4个检测到的角点被存储为点的向量，并且图像中的多个标记一起存储在点的向量向量中。在Python中，它们被存储为数组的Numpy数组。

        在打印、剪切和放置场景中的标记时，重要的是在标记的黑色边界周围保留一些白色边框，以便可以轻松检测到它们。因此对于上面生成的Aruco图不能直接用，可以使用以下代码来增加白边：

完整代码

#include <iostream>
#include <opencv2/highgui.hpp>
#include <opencv2/core.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/aruco.hpp>using namespace std;
using namespace cv;vector<Mat> generateAruco(int nums, int pixSize=200, int border=1) {vector<Mat> markerImages;Ptr<cv::aruco::Dictionary> dictionary = aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);for (int i = 0; i < nums; ++i) {Mat tempImage;aruco::drawMarker(dictionary, i, pixSize, tempImage, border);markerImages.push_back(tempImage);}return markerImages;
}void detectAruco(const Mat& markerImage, vector<vector<Point2f>> &markerCorners, vector<vector<Point2f>> &rejectedCandidates, vector<int> &markerIds) {// 加载用于生成标记的字典。Ptr<cv::aruco::Dictionary> dictionary = getPredefinedDictionary(cv::aruco::DICT_6X6_250);// 使用默认值初始化检测器参数Ptr<cv::aruco::DetectorParameters> parameters = cv::aruco::DetectorParameters::create();// 检测标记detectMarkers(markerImage, dictionary, markerCorners, markerIds, parameters, rejectedCandidates);
}int main(int argc, char* argv[])
{vector<Mat> markerImages = generateAruco(1);Mat markerImage = markerImages[0];vector<vector<Point2f>> markerCorners;vector<vector<Point2f>> rejectedCandidates;vector<int> markerIds;cv::copyMakeBorder(markerImage, markerImage, 5, 5, 5, 5, cv::BORDER_CONSTANT, Scalar(255,0,0));detectAruco(markerImage, markerCorners, rejectedCandidates, markerIds);cout << markerIds.size() << endl;imshow("markerImage", markerImage);waitKey();return 0;
}

一些链接

OpenCV：检测dArUco标记(单个)

在OpenCV中使用ArUco Markers的增强现实（C++ / Python）

ArUco: a minimal library for Augmented Reality applications based on OpenCV

OpenCV：检测ArUco板(多个)

代码片段记录

创建Aruco的Board板

（更：这个好像不对？？）创建Aruco中Board（与GridBoard不同，Board不限于网格形，可以是任意排列的2D、3D图形）时，出现类型错误objPoints.type() == CV_32FC3 || objPoints.type() == CV_32FC1 in function 'create'，需要转换类型：

if (markerCorners.empty()) {cout<<"无可用Marker"<<endl;return 0;
}std::vector< std::vector< Point3f > > objPoints;
for (auto corner: markerCorners) {vector< Point3f > temp;for (int i = 0; i < 4; ++i) {temp.emplace_back(Point3f(corner[i].x, corner[i].y, 0));}objPoints.emplace_back(temp);
}
cv::Ptr<cv::aruco::Board> board = cv::aruco::Board::create(objPoints, dictionary, markerIds);

而对于创建GridBoard时候不需要转换，只用提供额外参数就行（毕竟已经是网格形了）：

cv::Ptr<cv::aruco::GridBoard> board =  cv::aruco::GridBoard::create(5,             //每行多少个Marker7,             //每列多少个Marker0.04,          //marker长度0.01,          //marker之间的间隔dictionary);   //字典

检测Board板

相对于上面创建的Board，此处有两种方式来检测：单次检测、一起检测。

        对于单次检测，是分开每次检测一个，分别估计位姿：

// 估计相机位姿(相对于每一个marker)
cv::aruco::estimatePoseSingleMarkers(markerCorners, 0.055, cameraMatrix, distCoeffs, rvecs, tvecs);

 输出：

R_{camera<---marker} :[-0.0003413119903118433, 0.9999500428020713, 0.009989765075384124;0.9998031880569347, 0.0001430703615183937, 0.0198384647103005;0.01983604439689155, 0.00999457007618388, -0.9997532895228086]
t_{camera<---marker} :[0.236643, 0.554003, 1.73982]R_{camera<---marker} :[-0.9987024032747158, -0.04667896450031111, 0.02036133508603012;-0.03554963247130007, 0.9252917858620086, 0.3775861949905609;-0.03646550869605953, 0.3763724024014953, -0.9257505503028689]
t_{camera<---marker} :[-0.353789, 0.2201, 1.68946]R_{camera<---marker} :[0.9926712669967025, 0.0045609525196265, 0.120759899765092;0.01132149090445043, -0.998402461553577, -0.05535655884769745;0.1203145025458768, 0.05631804751473418, -0.9911370732654825]
t_{camera<---marker} :[0.164678, 0.105936, 1.38113]R_{camera<---marker} :[0.974149731293016, -0.09977617778369052, -0.2026746539866854;-0.04192481488856337, -0.961439121983884, 0.2718034668936692;-0.2219788524123525, -0.2562801768879826, -0.9407687601190632]
t_{camera<---marker} :[0.745065, 0.110989, 1.73927]R_{camera<---marker} :[0.001805456772273173, -0.995139605508609, -0.09845763491986455;-0.9661010203335827, -0.02715349161609959, 0.2567323633737377;-0.2581580113733717, 0.09465650237159776, -0.9614544127115553]
t_{camera<---marker} :[0.153552, -0.265153, 1.90376]

        而一起检测，是对所有的一起检测后，算一个总的位姿：（比较适用于需要高精度、有遮挡、有形变的情况）

// 估计相机位姿(相对于 aruco 板)
int valid = cv::aruco::estimatePoseBoard(markerCorners, markerIds, board, cameraMatrix, distCoeffs, rvec, tvec);

 输出：

R_{camera<---marker} :[0.009618842263444671, -0.07316045611916067, -0.997273796674688;-0.7388014820617763, -0.672599545516235, 0.04221636501022974;-0.6738544709184865, 0.7363812864486647, -0.06052068234393715]
t_{camera<---marker} :[-5.07066, 571.684, -24.9751]

这篇关于ArUco与OpenCV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/767962。

相关文章

Java中的Opencv简介与开发环境部署方法

Java中的Opencv简介与开发环境部署方法

《Java中的Opencv简介与开发环境部署方法》OpenCV是一个开源的计算机视觉和图像处理库,提供了丰富的图像处理算法和工具,它支持多种图像处理和计算机视觉算法,可以用于物体识别与跟踪、图像分割与... 目录1.Opencv简介Opencv的应用2.Java使用OpenCV进行图像操作opencv安装j
阅读更多...
opencv实现像素统计的示例代码

opencv实现像素统计的示例代码

《opencv实现像素统计的示例代码》本文介绍了OpenCV中统计图像像素信息的常用方法和函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 统计像素值的基本信息2. 统计像素值的直方图3. 统计像素值的总和4. 统计非零像素的数量
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
opencv 滚动条

opencv 滚动条

参数介绍:createTrackbar( trackbarname , "hello" , &alpha_slider ,alpha_max ,  on_trackbar )  ;在标签中显示的文字（提示滑动条的用途） TrackbarName创建的滑动条要放置窗体的名字 “hello”滑动条的取值范围从 0 到 alpha_max (最小值只能为 zero).滑动后的值存放在
阅读更多...
android-opencv-jni

android-opencv-jni

//------------------start opencv--------------------@Override public void onResume(){ super.onResume(); //通过OpenCV引擎服务加载并初始化OpenCV类库，所谓OpenCV引擎服务即是 //OpenCV_2.4.3.2_Manager_2.4_*.apk程序包，存
阅读更多...
OpenCV结构分析与形状描述符（11）椭圆拟合函数fitEllipse()的使用

OpenCV结构分析与形状描述符（11）椭圆拟合函数fitEllipse()的使用

操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆，该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意，由于数据点靠近包含的 Mat 元素的边界，返回的椭圆/旋转矩形数据
阅读更多...
树莓派5_opencv笔记27：Opencv录制视频（无声音）

树莓派5_opencv笔记27：Opencv录制视频（无声音）

今日继续学习树莓派5 8G：（Raspberry Pi，简称RPi或RasPi）  本人所用树莓派5 装载的系统与版本如下:  版本可用命令 (lsb_release -a) 查询: Opencv 与 python 版本如下： 今天就水一篇文章，用树莓派摄像头，Opencv录制一段视频保存在指定目录... 文章提供测试代码讲解，整体代码贴出、测试效果图 目录 阶段一：录制一段
阅读更多...
Verybot之OpenCV应用三：色标跟踪

Verybot之OpenCV应用三：色标跟踪

下面的这个应用主要完成的是Verybot跟踪色标的功能，识别部分还是居于OpenCV编写，色标跟踪一般需要将图像的颜色模式进行转换，将RGB转换为HSV，因为对HSV格式下的图像进行识别时受光线的影响比较小，但是也有采用RGB模式来进行识别的情况，这种情况一般光线条件比较固定，背景跟识别物在颜色上很容易区分出来。         下面这个程序的流程大致是这样的：
阅读更多...
Verybot之OpenCV应用二：霍夫变换查找圆

Verybot之OpenCV应用二：霍夫变换查找圆

其实我是想通过这个程序来测试一下，OpenCV在Verybot上跑得怎么样，霍夫变换的原理就不多说了，下面是程序： #include "cv.h"#include "highgui.h"#include "stdio.h"int main(int argc, char** argv){cvNamedWindow("vedio",0);CvCapture* capture;i
阅读更多...
Verybot之OpenCV应用一：安装与图像采集测试

Verybot之OpenCV应用一：安装与图像采集测试

在Verybot上安装OpenCV是很简单的，只需要执行：         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试，编写一个通过USB摄像头采
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2