1 程序环境

系统环境：Windows 10；
编译器：Visual Studio 2015；
Opencv版本：Opencv4.1.2版本；

2 原理

主要为张正友标定法，利用棋盘格进行标定，原理参考：https://www.cnblogs.com/zyly/p/9366080.html.

3 程序源码

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <fstream>
using namespace cv;
using namespace std;/*计算标定板上模块的实际物理坐标*/
void calobjectPoints(vector<Point3f>& obj, Size &boardSize, int squareSize)
{for (int i = 0; i < boardSize.height; ++i)for (int j = 0; j < boardSize.width; ++j)obj.push_back(Point3f((float)(j*squareSize), (float)(i*squareSize), 0.f));
}void main()
{Size boardSize = Size(8, 6);  // 标定棋盘格的内角点尺寸（如7x7）float squareSize = 30.0;  // 标定板上黑白格子的实际边长（mm）int nrFrames = 18;       // 用于标定的图像数目string outputFileName;  // 输出文件的名称vector<string> imageList;Size imageSize;/****************将存放标定图像的路径读入到imageList（1/2）向量中****************/char name[100];for (int i = 1; i <= nrFrames; i++){sprintf_s(name, "../Picture/%d%s", i, ".bmp");imageList.push_back(name);}cout << "imageList.size:" << imageList.size() << endl;/****************标定前的准备工作：获取objectPoints和imagePoints*********************///1 首先根据squareSize(棋盘格的实际边长，比如20mm)和boardSize(棋盘格的角点数，比如5x5)，利用for循环得到角点的世界坐标objectPoints（Z坐标假设为0）//2 利用for循环和findChessboardCorners()函数得到与角点世界坐标向量objectPoints对应的图像像素坐标向量imagePointsvector<vector<Point2f> > imagePoints;//各个图像找到的角点的集合vector<vector<Point3f> > objectPoints(1);//暂时先定义一维的objectPoints1，等确定了imagePoints的维数之后再进行扩容calobjectPoints(objectPoints[0], boardSize, squareSize);//数据初始化，否则标定函数会报错bool displayCorners1 = true;//可通过改变变量displayCorners1的值来确定是否展示获取角点后的图像for (int i = 0; i<imageList.size(); i++){Mat src1 = imread(imageList[i], 1);imageSize = src1.size();vector<Point2f> pointBuf1;//2读取角点并进行亚像素，并提取角点bool found1 = findChessboardCorners(src1, boardSize, pointBuf1);//使用不同方法进行棋盘格查找，不同方法标定结果差别很小//若是圆盘标定板，使用如下函数//bool found1 = findCirclesGrid(src1, boardSize, pointBuf1);if (found1){Mat grayimage1;cvtColor(src1, grayimage1, COLOR_BGR2GRAY);//亚像素角点检测，输出 pointBuf1cornerSubPix(grayimage1, pointBuf1, Size(11, 11), Size(-1, -1), TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 30, 0.1));imagePoints.push_back(pointBuf1);if (displayCorners1){Mat MidImage1 = src1.clone();//画角点drawChessboardCorners(MidImage1, boardSize, Mat(pointBuf1), found1);imshow("相机角点获取情况", MidImage1);waitKey(300);}}}destroyWindow("相机角点获取情况");//利用resize()函数对objectPoints向量进行扩容objectPoints.resize(imagePoints.size(), objectPoints[0]);/********************************进行相机标定******************************************///通过calibrateCamera()函数进行相机标定//主要为了得到相机的内参矩阵cameraMatrix、畸变系数矩阵distCoeffs//另外可以通过函数返回的重投影误差大小评价相机标定的精度如何//这里得到的相机外参矩阵不重要Mat cameraMatrix = Mat::eye(3, 3, CV_64F);Mat distCoeffs = Mat::zeros(5, 1, CV_64F);//畸变系数的顺序是[k1,k2,p1,p2,k3]vector<Mat> rvecs, tvecs;/*calibrateCamera()输入参数 objectPoints  角点的实际物理坐标imagePoints   角点的图像坐标imageSize     图像的大小输出参数cameraMatrix  相机的内参矩阵distCoeffs    相机的畸变参数,畸变系数的顺序是[k1,k2,p1,p2,k3]rvecs         旋转矢量(外参数)tvecs         平移矢量(外参数）*///如果我们不需要K3，在初始化K3为O之后，可以使用标志CV_CALIB_FIX_K3，这样，标定函数不会改变K3的值//一般地，K3应设置为0，除非使用鱼眼镜头（参考《learning opencv》第十一章）//返回的distCoeffs1向量的长度由标志位flag决定，当flag设置为CV_CALIB_RATIONAL_MODEL时返回所有畸变参数（8个）//当设置成其他flag时都返回5维的畸变系数，即[k1,k2,p1,p2,k3]std::cout << "正在进行相机标定..." << endl;double re_project_err1 = calibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, rvecs, tvecs,CALIB_FIX_K3);//checkRange()函数---用于检查矩阵中的每一个元素的有效性bool ok1 = checkRange(cameraMatrix) && checkRange(distCoeffs);if (ok1){cout << "相机标定成功！" << endl;cout << "相机标定的重投影误差：" << re_project_err1 << endl;cout<<"相机内参矩阵："<<endl<<cameraMatrix<<endl;cout<<"相机畸变系数矩阵："<<endl<<distCoeffs<<endl;}bool showUndistorsed = true;if(showUndistorsed==true){for(int i=0;i<imageList.size();i++){Mat temp=imread(imageList[i],1);;//利用undistort()函数得到经过畸变矫正的图像Mat undistort_view;undistort(temp, undistort_view, cameraMatrix, distCoeffs);imshow("原畸变图像",temp);imshow("畸变矫正图像",undistort_view);waitKey(300);}waitKey(0);destroyAllWindows();}return;
}

4程序运行结果

4.1 标定过程

4.2 矫正结果

4.3 程序输出

imageList.size:18
正在进行相机标定...
相机标定成功！
相机标定的重投影误差：0.23798
相机内参矩阵：
[644.5700972013594, 0, 642.8375612362015;0, 645.8354258462127, 364.0228582907439;0, 0, 1]
相机畸变系数矩阵：
[0.002553038122538741;-0.0001313912440763992;-0.0002960299077962415;-0.001097115527929319;0]

（若能帮到读者，请关注+点赞，谢谢！）

单目标定：OpenCV4实现单目标定及矫正相关推荐

项目实战——基于计算机视觉的物体位姿定位及机械臂抓取（单目标定）
项目实战--基于计算机视觉的物体位姿定位及机械臂抓取(单目标定) 请各位读者朋友注意,这里面很多东西涉及到我的毕设,写作辛苦,请勿滥用,转载请务必注明出处! 单目标定主要分为两个部分, ...
【研究报告】从单目深度估计到单目三维场景重建-沈春华老师-VALSE Webinar 22-13（总第279期）
从单目深度估计到单目三维场景重建-沈春华老师-VALSE Webinar 22-13(总第279期) 报告总结 & 相关论文论文代码相关术语前言研究问题单目深度估计单目三维场景重建 ...
双目标定（一）单目标定与矫正的基本介绍
1.单目相机标定首先,任何标定都是用基于小孔模型的数学模型去近似相机模型,我们需要用fx = f/dx, fy = f/dy,图像坐标系中的光心原点坐标(和可能的缩放因子ks)这5个相机内参数,切向 ...
双目测距（一）--图像获取与单目标定
原文: http://blog.csdn.net/chenyusiyuan/article/details/5961769 双目测距的基本原理如上图所示,双目测距主要是利用了目标点在左右两幅视图上成 ...
任务感知单目深度估计的3D目标检测
标题:Task-Aware Monocular Depth Estimation for 3D Object Detection 作者:Xinlong Wang1∗, Wei Yin1, Tao Ko ...
MO-LTR：基于单目RGB视频的多目标定位、跟踪与重建
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达标题:MO-LTR: Multiple Object Localization, Tracking a ...
Opencv单目标定flag的设定
1. flag中的标签顺序: 在代码中的对应如下: enum{CALIB_USE_INTRINSIC_GUESS = 1 << 0,CALIB_RECOMPUTE_EXTRINSIC = ...
Opencv 单目标定
参考博客:https://blog.csdn.net/xuelabizp/article/details/50314633(该作者很慷慨的分享了代码) 多图与公式直接摘录自以上博客参考:学习Open ...
Halcon 单目标定，畸变矫正，图像坐标系转世界坐标系
代码为Halcon代码,只有代码以及解释,默认已经理解世界坐标系(WCS)到相机坐标系(CCS)到图像坐标系(ICS)到像素坐标系(PCS)转换 *********************1. 标定内 ...
cv::omni::StereoCalibrate 源码解析（一） —— 单目标定
cv::omni::StereoCalibrate 的代码逻辑和cv::StereoCalibrate相似. 在opencv库基础上稍微改动. //omni单目标定输入calibrate(世界坐标系 ...

单目标定：OpenCV4实现单目标定及矫正

1 程序环境

2 原理

3 程序源码

4程序运行结果

4.1 标定过程

4.2 矫正结果

4.3 程序输出

（若能帮到读者，请关注+点赞，谢谢！）

单目标定：OpenCV4实现单目标定及矫正相关推荐

最新文章

热门文章