3.鱼眼摄像机纠正，相机纠偏，详细源码及讲解

保持奋斗的连续性，你将无坚不摧！！！！

1.棋盘格制作c++,相机纠正
2.图片获取,相机纠正
做好棋盘格，进行相机纠偏。纠偏原理，网上一堆直接查。直接上代码。

//运行环境 VS2019+opencv3.4.10 已测试  VS2015+opencv3.2已测试
// time:2021.6.28
#include <opencv2\opencv.hpp>
#include <fstream>
using namespace std;
using namespace cv;int main()
{ofstream fout("caliberation_result.txt");  /**    保存定标结果的文件     **//************************************************************************读取每一幅图像，从中提取出角点，然后对角点进行亚像素精确化*************************************************************************/cout << "开始提取角点………………" << endl;int image_count = 14;                    /****    图像数量     ****/Size board_size = Size(5, 7);            /****    定标板上每行、列的角点数       ****/vector<Point2f> corners;                  /****    缓存每幅图像上检测到的角点       ****/vector<vector<Point2f>>  corners_Seq;    /****  保存检测到的所有角点       ****/vector<Mat>  image_Seq;int successImageNum = 0;                /****   成功提取角点的棋盘图数量    ****/int count = 0;for (int i = 0; i != image_count; i++){cout << "Frame #" << i + 1 << "..." << endl;string imageFileName;std::stringstream StrStm;StrStm << i + 1;StrStm >> imageFileName;imageFileName += ".jpg";cv::Mat image = imread(imageFileName);if (image.empty()){std::cout << "no photo....\n";return -1;}/* 提取角点 */Mat imageGray;cvtColor(image, imageGray, CV_BGR2GRAY);bool patternfound = findChessboardCorners(image, board_size, corners, CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE +CALIB_CB_FAST_CHECK);if (!patternfound){cout << "找不到角点，需删除图片文件" << imageFileName << "重新排列文件名，再次标定" << endl;getchar();exit(1);}else{/* 亚像素精确化 */cornerSubPix(imageGray, corners, Size(11, 11), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));/* 绘制检测到的角点并保存 */Mat imageTemp = image.clone();for (int j = 0; j < corners.size(); j++){circle(imageTemp, corners[j], 10, Scalar(0, 0, 255), 2, 8, 0);}string imageFileName;std::stringstream StrStm;StrStm << i + 1;StrStm >> imageFileName;imageFileName += "_corner.jpg";imwrite(imageFileName, imageTemp);cout << "Frame corner#" << i + 1 << "...end" << endl;count = count + corners.size();successImageNum = successImageNum + 1;corners_Seq.push_back(corners);}image_Seq.push_back(image);}cout << "角点提取完成！\n";/************************************************************************摄像机定标*************************************************************************/cout << "开始定标………………" << endl;Size square_size = Size(20, 20);vector<vector<Point3f>>  object_Points;        /****  保存定标板上角点的三维坐标   ****/Mat image_points = Mat(1, count, CV_32FC2, Scalar::all(0));  /*****   保存提取的所有角点   *****/vector<int>  point_counts;/* 初始化定标板上角点的三维坐标 */for (int t = 0; t < successImageNum; t++){vector<Point3f> tempPointSet;for (int i = 0; i < board_size.height; i++){for (int j = 0; j < board_size.width; j++){/* 假设定标板放在世界坐标系中z=0的平面上 */Point3f tempPoint;tempPoint.x = j * square_size.width;tempPoint.y = i * square_size.height;tempPoint.z = 0;tempPointSet.push_back(tempPoint);}}object_Points.push_back(tempPointSet);}for (int i = 0; i < successImageNum; i++){point_counts.push_back(board_size.width * board_size.height);}/* 开始定标 */Size image_size = image_Seq[0].size();cv::Matx33d intrinsic_matrix;    /*****    摄像机内参数矩阵    ****/cv::Vec4d distortion_coeffs;     /* 摄像机的4个畸变系数：k1,k2,k3,k4*/std::vector<cv::Vec3d> rotation_vectors;                           /* 每幅图像的旋转向量 */std::vector<cv::Vec3d> translation_vectors;                        /* 每幅图像的平移向量 */int flags = 0;flags |= cv::fisheye::CALIB_RECOMPUTE_EXTRINSIC;flags |= cv::fisheye::CALIB_CHECK_COND;flags |= cv::fisheye::CALIB_FIX_SKEW;fisheye::calibrate(object_Points, corners_Seq, image_size, intrinsic_matrix, distortion_coeffs, rotation_vectors, translation_vectors, flags, cv::TermCriteria(3, 20, 1e-6));cout << "定标完成！\n";/************************************************************************对定标结果进行评价*************************************************************************/cout << "开始评价定标结果………………" << endl;double total_err = 0.0;                   /* 所有图像的平均误差的总和 */double err = 0.0;                        /* 每幅图像的平均误差 */vector<Point2f>  image_points2;             /****   保存重新计算得到的投影点    ****/cout << "每幅图像的定标误差：" << endl;cout << "每幅图像的定标误差：" << endl << endl;for (int i = 0; i < image_count; i++){vector<Point3f> tempPointSet = object_Points[i];/****    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     ****/fisheye::projectPoints(tempPointSet, image_points2, rotation_vectors[i], translation_vectors[i], intrinsic_matrix, distortion_coeffs);/* 计算新的投影点和旧的投影点之间的误差*/vector<Point2f> tempImagePoint = corners_Seq[i];Mat tempImagePointMat = Mat(1, tempImagePoint.size(), CV_32FC2);Mat image_points2Mat = Mat(1, image_points2.size(), CV_32FC2);for (size_t i = 0; i != tempImagePoint.size(); i++){image_points2Mat.at<Vec2f>(0, i) = Vec2f(image_points2[i].x, image_points2[i].y);tempImagePointMat.at<Vec2f>(0, i) = Vec2f(tempImagePoint[i].x, tempImagePoint[i].y);}err = norm(image_points2Mat, tempImagePointMat, NORM_L2);total_err += err /= point_counts[i];cout << "第" << i + 1 << "幅图像的平均误差：" << err << "像素" << endl;fout << "第" << i + 1 << "幅图像的平均误差：" << err << "像素" << endl;}cout << "总体平均误差：" << total_err / image_count << "像素" << endl;fout << "总体平均误差：" << total_err / image_count << "像素" << endl << endl;cout << "评价完成！" << endl;/************************************************************************保存定标结果*************************************************************************/cout << "开始保存定标结果………………" << endl;Mat rotation_matrix = Mat(3, 3, CV_32FC1, Scalar::all(0)); /* 保存每幅图像的旋转矩阵 */fout << "相机内参数矩阵：" << endl;fout << intrinsic_matrix << endl;fout << "畸变系数：\n";fout << distortion_coeffs << endl;for (int i = 0; i < image_count; i++){fout << "第" << i + 1 << "幅图像的旋转向量：" << endl;fout << rotation_vectors[i] << endl;/* 将旋转向量转换为相对应的旋转矩阵 */Rodrigues(rotation_vectors[i], rotation_matrix);fout << "第" << i + 1 << "幅图像的旋转矩阵：" << endl;fout << rotation_matrix << endl;fout << "第" << i + 1 << "幅图像的平移向量：" << endl;fout << translation_vectors[i] << endl;}cout << "完成保存" << endl;fout << endl;/************************************************************************显示定标结果*************************************************************************/Mat mapx = Mat(image_size, CV_32FC1);Mat mapy = Mat(image_size, CV_32FC1);Mat R = Mat::eye(3, 3, CV_32F);cout << "保存矫正图像" << endl;for (int i = 0; i != image_count; i++){cout << "Frame #" << i + 1 << "..." << endl;//fisheye::initUndistortRectifyMap(intrinsic_matrix,distortion_coeffs,R,intrinsic_matrix,image_size,CV_32FC1,mapx,mapy);fisheye::initUndistortRectifyMap(intrinsic_matrix, distortion_coeffs, R,getOptimalNewCameraMatrix(intrinsic_matrix, distortion_coeffs, image_size, 1, image_size, 0), image_size, CV_32FC1, mapx, mapy);Mat t = image_Seq[i].clone();cv::remap(image_Seq[i], t, mapx, mapy, INTER_LINEAR);string imageFileName;std::stringstream StrStm;StrStm << i + 1;StrStm >> imageFileName;imageFileName += "_d.jpg";imwrite(imageFileName, t);}cout << "保存结束" << endl;/************************************************************************测试一张图片*************************************************************************/if (1){//cout<<"TestImage ..."<<endl;//Mat testImage = imread("a.jpg",1);//fisheye::initUndistortRectifyMap(intrinsic_matrix,distortion_coeffs,R,//    getOptimalNewCameraMatrix(intrinsic_matrix, distortion_coeffs, image_size, 1, image_size, 0),image_size,CV_32FC1,mapx,mapy);//Mat t = testImage.clone();//cv::remap(testImage,t,mapx, mapy, INTER_LINEAR);//imwrite("TestOutput.jpg",t);//cout<<"保存结束"<<endl;cout << "TestImage ..." << endl;Mat distort_img = imread("a.jpg", 1);Mat undistort_img;Mat intrinsic_mat(intrinsic_matrix), new_intrinsic_mat;intrinsic_mat.copyTo(new_intrinsic_mat);//调节视场大小,乘的系数越小视场越大new_intrinsic_mat.at<double>(0, 0) *= 0.5;new_intrinsic_mat.at<double>(1, 1) *= 0.5;//调节校正图中心，建议置于校正图中心new_intrinsic_mat.at<double>(0, 2) = 0.5 * distort_img.cols;new_intrinsic_mat.at<double>(1, 2) = 0.5 * distort_img.rows;fisheye::undistortImage(distort_img, undistort_img, intrinsic_matrix, distortion_coeffs, new_intrinsic_mat);imwrite("output.jpg", undistort_img);cout << "保存结束" << endl;}return 0;
}

原图：

效果图。

根据自己的视场角实际调整。该纠偏后图片还是有点问题，可以进一步调整，得到更加效果。

3.鱼眼摄像机纠正，相机纠偏，详细源码及讲解相关推荐

Cesium 键盘鼠标控制相机漫游（源码+原理讲解）
Cesium 键盘鼠标控制相机漫游(源码+原理讲解) 在各大博客平台上,Cesium使用键盘控制相机漫游的源码已经有不少人贴出源码,本人在浏览这些源码的过程中发现大家采用的方式基本一致,大部分代码都是 ...
双目相机标定OpenCV源码讲解
双目相机标定OpenCV源码讲解背景介绍所述内容参考资料摄像机标定部分代码代码思路代码中的其他函数找角点&求内参求外参求矫正映射矩阵后记背景介绍暑假接近两个月的时间做了 ...
基于stm32、0.96寸OLED实现的贪吃蛇小游戏（详细源码注释）
简介:本实验基于stm32最小系统.0.96寸OLED(68*128)和摇杆实现一个经典的贪吃蛇小游戏.项目源码地址:点击下载. 硬件设计: 普通摇杆,0.96寸OLED 单色屏幕(SPI协议通讯), ...
基于stm32、0.96寸OLED实现的俄罗斯方块小游戏（详细源码注释）
概述:本实验基于stm32最小系统.0.96寸OLED(68*128)和摇杆实现一个经典的俄罗斯方块小游戏.项目源码地址:点击下载. 硬件要求: 普通摇杆,两个电位器和一个开关组成,左右摇动控制一个电 ...
实战|Python轻松实现动态网页爬虫(附详细源码)
用浅显易懂的语言分享爬虫.数据分析及可视化等干货,希望人人都能学到新知识. 项目背景事情是这样的,前几天我公众号写了篇爬虫入门的实战文章,叫做<实战|手把手教你用Python爬虫(附详细源码) ...
JUC.Condition学习笔记[附详细源码解析]
JUC.Condition学习笔记[附详细源码解析] 目录 Condition的概念大体实现流程 I.初始化状态 II.await()操作 III.signal()操作 3个主要方法 Conditi ...
android 自定义相机源码,Android 自定义相机及分析源码
Android 自定义相机及分析源码使用Android 系统相机的方法: 要想让应用有相机的action,咱们就必须在清单文件中做一些声明,好让系统知道,如下 action的作用就是声明action ...
set在python中的用法_python中set的用法：详细源码示例
这篇文章主要为大家详细介绍了python中set的用法:详细源码示例,具有一定的参考价值,可以用来参考一下. set函数基本用法感兴趣的小伙伴,下面一起跟随512笔记的小编罗X来看看吧. python ...
beautifulsoup解析动态页面div未展开_实战|Python轻松实现动态网页爬虫(附详细源码)...
用浅显易懂的语言分享爬虫.数据分析及可视化等干货,希望人人都能学到新知识.项目背景事情是这样的,前几天我公众号写了篇爬虫入门的实战文章,叫做<实战|手把手教你用Python爬虫(附详细源码)&g ...

3.鱼眼摄像机纠正，相机纠偏，详细源码及讲解

3.鱼眼摄像机纠正，相机纠偏，详细源码及讲解相关推荐

最新文章

热门文章