OpenCV15（摄像机标定）

1.源码（来源网上，作者未知。我添加了一些注释便于学习）

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <string>
#include <iostream>  using namespace std;  int main()
{  int cube_length=7;  CvCapture* capture;  capture = cvCreateCameraCapture(0);  if(capture==0){  printf("无法捕获摄像头设备！\n\n");  return 0;  }else{  printf("捕获摄像头设备成功！！\n\n");  }  IplImage* frame;  cvNamedWindow("摄像机帧截取窗口",1); //cvNamedWindow()函数用于在屏幕上创建一个窗口，将被显示的图像包含于该窗口中。函数的第一个参数指定了该窗口的窗口标题,如果要使用HighGUI库所提供的其他函数与该窗口进行交互时，我们将通过该参数值引用这个窗口。  printf("按“C”键截取当前帧并保存为标定图片...\n按“Q”键退出截取帧过程...\n\n");  int number_image=1;  char *str1;  str1=".jpg";  char filename[20]=""; char key(0);while(1)  {  frame = cvQueryFrame(capture);// 从摄像头或者文件中抓取并返回一帧  if(!frame)                      break;  cvShowImage("摄像机帧截取窗口",frame); //图像显示  key = cvWaitKey(10);if(key == 'c'){  sprintf_s (filename,"%d.jpg",number_image); // int sprintf_s( char *buffer, size_t sizeOfBuffer, const char *format [, argument] ... );  //这个函数的主要作用是将若干个argument按照format格式存到buffer中  cvSaveImage(filename,frame);//保存，在工作目录中 cout<<"成功获取当前帧，并以文件名"<<filename<<"保存...\n\n";  printf("按“C”键截取当前帧并保存为标定图片...\n按“Q”键退出截取帧过程...\n\n");  number_image++;  }else if(key =='q'){  printf("截取图像帧过程完成...\n\n");  cout<<"共成功截取"<<--number_image<<"帧图像！！\n\n";  break;  }  }  cvReleaseImage(&frame); //释放图像  cvDestroyWindow("摄像机帧截取窗口");  IplImage * show;  cvNamedWindow("RePlay",1);  int a=1;  int number_image_copy = number_image;  CvSize board_size = cvSize(7,7); // Cvsize:OpenCV的基本数据类型之一。表示矩阵框大小，以像素为精度。与CvPoint结构类似，但数据成员是integer类型的width和height。  //cvSize是构造Cvsize类型的函数，width，heightint board_width = board_size.width;  int board_height = board_size.height;  int total_per_image = board_width*board_height;  CvPoint2D32f * image_points_buf = new CvPoint2D32f[total_per_image];  CvMat * image_points = cvCreateMat(number_image*total_per_image,2,CV_32FC1);//图像坐标系  CvMat * object_points = cvCreateMat(number_image*total_per_image,3,CV_32FC1);//世界坐标系  CvMat * point_counts = cvCreateMat(number_image,1,CV_32SC1);//  CvMat * intrinsic_matrix = cvCreateMat(3,3,CV_32FC1);//  CvMat * distortion_coeffs = cvCreateMat(5,1,CV_32FC1);  int count;  int found;  int step;  int successes=0;  while(a<=number_image_copy){  sprintf_s (filename,"%d.jpg",a);  show = cvLoadImage(filename,-1);  found = cvFindChessboardCorners(show,board_size,image_points_buf,&count,  CV_CALIB_CB_ADAPTIVE_THRESH|CV_CALIB_CB_FILTER_QUADS);  if(found==0){         cout<<"第"<<a<<"帧图片无法找到棋盘格所有角点!\n\n";  cvNamedWindow("RePlay",1);  cvShowImage("RePlay",show);  cvWaitKey(0);  }else{  cout<<"第"<<a<<"帧图像成功获得"<<count<<"个角点...\n";  cvNamedWindow("RePlay",1);  IplImage * gray_image= cvCreateImage(cvGetSize(show),8,1); //创建头并分配数据IplImage* cvCreateImage( CvSize size, int depth, int channels ); depth 图像元素的位深度  cvCvtColor(show,gray_image,CV_BGR2GRAY); // cvCvtColor(...),是Opencv里的颜色空间转换函数，可以实现rgb颜色向HSV,HSI等颜色空间的转换，也可以转换为灰度图像。  cout<<"获取源图像灰度图过程完成...\n";  cvFindCornerSubPix(gray_image,image_points_buf,count,cvSize(11,11),cvSize(-1,-1),//由于非常接近P的像素产生了很小的特征值，所以这个自相关矩阵并不总是可逆的。为了解决这个问题，一般可以简单地剔除离P点非常近的像素。输入参数:ero_zone定义了一个禁区(与win相似，但通常比win小)，这个区域在方程组以及自相关矩阵中不被考虑。如果不需要这样一个禁区，则zero_zone应设置为cvSize(-1，-1)0  cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,30,0.1));  cout<<"灰度图亚像素化过程完成...\n";  cvDrawChessboardCorners(show,board_size,image_points_buf,count,found);  cout<<"在源图像上绘制角点过程完成...\n\n";  cvShowImage("RePlay",show);  cvWaitKey(0);  }  if(total_per_image == count){  step = successes*total_per_image;  for(int i=step,j=0;j<total_per_image;++i,++j){ //total_per_number是一幅图像中的角点总数。CV_MAT_ELEM(*image_points,float,i,0)=image_points_buf[j].x; // opencv中用来访问矩阵每个元素的宏，这个宏只对单通道矩阵有效，多通道CV_MAT_ELEM( matrix, elemtype, row, col )参数　　matrix：要访问的矩阵　　elemtype：矩阵元素的类型　　row：所要访问元素的行数　　col：所要访问元素的列数  CV_MAT_ELEM(*image_points,float,i,1)=image_points_buf[j].y; // cvFindCornerSubPix求完每个角点横纵坐标值都存在image_point_buf里，现在将其存在image_points中，每行存一个，0列为x,1列为yCV_MAT_ELEM(*object_points,float,i,0)=(float)(j/cube_length);  //N*3矩阵，每K各点在每M个图像上的物理坐标（N = K*M）CV_MAT_ELEM(*object_points,float,i,1)=(float)(j%cube_length);  CV_MAT_ELEM(*object_points,float,i,2)=0.0f;  }  CV_MAT_ELEM(*point_counts,int,successes,0)=total_per_image;  successes++;  }  a++;  }  cvReleaseImage(&show);  cvDestroyWindow("RePlay");  cout<<"*********************************************\n";  cout<<number_image<<"帧图片中，标定成功的图片为"<<successes<<"帧...\n";  cout<<number_image<<"帧图片中，标定失败的图片为"<<number_image-successes<<"帧...\n\n";  cout<<"*********************************************\n\n";  cout<<"按任意键开始计算摄像机内参数...\n\n";  CvCapture* capture1;  capture1=cvCreateCameraCapture(0);  IplImage * show_colie;  show_colie=cvQueryFrame(capture1);  CvMat * object_points2=cvCreateMat(successes*total_per_image,3,CV_32FC1); // OpenCV 中重要的矩阵变换函数，使用方法为cvMat* cvCreateMat ( int rows, int cols, int type ); 这里type可以是任何预定义类型，预定义类型的结构如下：CV_<bit_depth> (S|U|F)C<number_of_channels>。  CvMat * image_points2=cvCreateMat(successes*total_per_image,2,CV_32FC1);  CvMat * point_counts2=cvCreateMat(successes,1,CV_32SC1);  for(int i=0;i<successes*total_per_image;++i){  CV_MAT_ELEM(*image_points2,float,i,0)=CV_MAT_ELEM(*image_points,float,i,0);//用来存储角点提取成功的图像的角点  CV_MAT_ELEM(*image_points2,float,i,1)=CV_MAT_ELEM(*image_points,float,i,1);  CV_MAT_ELEM(*object_points2,float,i,0)=CV_MAT_ELEM(*object_points,float,i,0);  CV_MAT_ELEM(*object_points2,float,i,1)=CV_MAT_ELEM(*object_points,float,i,1);  CV_MAT_ELEM(*object_points2,float,i,2)=CV_MAT_ELEM(*object_points,float,i,2);  }  for(int i=0;i<successes;++i){  CV_MAT_ELEM(*point_counts2,int,i,0)=CV_MAT_ELEM(*point_counts,int,i,0);  }  cvReleaseMat(&object_points);  cvReleaseMat(&image_points);  cvReleaseMat(&point_counts);  CV_MAT_ELEM(*intrinsic_matrix,float,0,0)=1.0f;  CV_MAT_ELEM(*intrinsic_matrix,float,1,1)=1.0f;  cvCalibrateCamera2(object_points2,image_points2,point_counts2,cvGetSize(show_colie),  intrinsic_matrix,distortion_coeffs,NULL,NULL,0);  cout<<"摄像机内参数矩阵为：\n";  cout<<CV_MAT_ELEM(*intrinsic_matrix,float,0,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,1)  <<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,2)  <<"\n\n";  cout<<CV_MAT_ELEM(*intrinsic_matrix,float,1,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,1)  <<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,2)  <<"\n\n";  cout<<CV_MAT_ELEM(*intrinsic_matrix,float,2,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,1)  <<"          "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,2)  <<"\n\n";  cout<<"畸变系数矩阵为：\n";  cout<<CV_MAT_ELEM(*distortion_coeffs,float,0,0)<<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,1,0)  <<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,2,0)  <<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,3,0)  <<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,4,0)  <<"\n\n";  cvSave("Intrinsics.xml",intrinsic_matrix); //保存内参数和外参数，保存在工作目录下cvSave("Distortion.xml",distortion_coeffs);  cout<<"摄像机矩阵、畸变系数向量已经分别存储在名为Intrinsics.xml、Distortion.xml文档中\n\n";  //显示校正结果，和原图像作比较CvMat * intrinsic=(CvMat *)cvLoad("Intrinsics.xml");  //加载参数方法CvMat * distortion=(CvMat *)cvLoad("Distortion.xml");  IplImage * mapx=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1);  IplImage * mapy=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1);  cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//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）。 cvNamedWindow("原始图像",1);  cvNamedWindow("非畸变图像",1);  cout<<"按‘E’键退出显示...\n\n";  while(show_colie){  IplImage * clone=cvCloneImage(show_colie);  cvShowImage("原始图像",show_colie);  cvRemap(clone,show_colie,mapx,mapy); //校正图像 cvReleaseImage(&clone);  cvShowImage("非畸变图像",show_colie);  if(cvWaitKey(10)=='e'){  break;  }  show_colie=cvQueryFrame(capture1);  }  return 0;
}

2.分过程例程讲解

首先，是棋盘角点的获取、绘制。这部分的程序介绍见OpenCV14

然后，是计算内外参数，主要涉及函数cvCalibrateCamera2()【和书上不大一样】

CVAPI(double) cvCalibrateCamera2( const CvMat* object_points,const CvMat* image_points,const CvMat* point_counts,CvSize image_size,CvMat* camera_matrix,CvMat* distortion_coeffs,CvMat* rotation_vectors CV_DEFAULT(NULL),CvMat* translation_vectors CV_DEFAULT(NULL),int flags CV_DEFAULT(0),CvTermCriteria term_crit CV_DEFAULT(cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,30,DBL_EPSILON)) );

书上的是：

注意变化：intrinsic_matrix 就是 camera_matrix 所以本质上是一样的，只是函数名发生变化

其中，

object_points是物理坐标，属于输入参数，要在之前的计算中获得。使用棋盘时，z为0，xy的单位是厘米（或者英寸）。定义棋盘的每个方格的边长为单位一，从而计算角点在这个坐标下的坐标（物理坐标）。

image_points是图像坐标，是角点在图像中的坐标值（单位：像素）。

point_counts是M幅图像中，每幅图像的角点数量，构成的M*1的矩阵（列向量），

image_size是图像的大小，可以使用cvGetSize(show_colie)

intrinsic_matrix是内参数，内部矩阵，输出结果

distortion_coeffs是内参数，形变系数，输出结果

rotation_vectors是外参数，旋转向量，输出结果

ranslation_vectors是外参数，平移向量，输出结果

（在上文给出的例子中，并没有求外部参数（旋转向量和位移向量））

接着，保存内部矩阵和形变系数

最后，每次摄像机就可以通过读取内部矩阵和形变系数，校正图像。

设计的函数有

       cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//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）。

IplImage * clone=cvCloneImage(show_colie);
cvRemap(clone,show_colie,mapx,mapy); //校正图像，输入为clone，结果为show_colie
cvReleaseImage(&clone);
cvShowImage("非畸变图像",show_colie);

摄像机标定的结果以后在正式环境中只需要一次标定，以后就都可以通过调用参数，完成校正。

3.补充说明

使用cvCopy函数替代cvCloneImage会好一点，后者会有内存泄露的问题。

cvCopy本身复制的对象不会因为原图像消失而消失，后者会。

cvCopy在ROI设置之后，只会复制ROI区域图像。

4.直接读取摄像机内参数（内部矩阵和形变参数），显示校正后的图像

// 加载摄像机校正参数，显示校正后图像
// 2016.9.16 Alex
//#include "stdafx.h"
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"int _tmain(int argc, _TCHAR* argv[])
{IplImage * src = cvLoadImage("1.jpg",CV_LOAD_IMAGE_UNCHANGED);//图片在工作目录下cvNamedWindow("Original");cvShowImage("Original",src);//加载校正用的内参数，内参数矩阵和形变系数IplImage* mapx = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);IplImage* mapy = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);CvMat* intrinsic = (CvMat*)cvLoad("Intrinsics.xml");//加载CvMat* distortion = (CvMat*)cvLoad("Distortion.xml");//图片在工作目录下cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//得到对应关系IplImage* copy = cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,3);cvCopy(src,copy);//使用复制方法替代克隆，安全cvRemap(copy,src,mapx,mapy);//重映射获得校正后的图像//显示cvNamedWindow("Calibration");cvShowImage("Calibration",src);cvWaitKey(0);cvReleaseImage(&src);cvDestroyWindow("Original");return 0;
}

效果如下：

OpenCV15（摄像机标定）相关推荐

用OpenCV进行摄像机标定
用OpenCV进行摄像机标定照相机已经存在很长时间了.然而,随着廉价针孔相机在20世纪末的引入,日常生活中变得司空见惯.不幸的是,这种廉价伴随着它的代价:显著的扭曲.幸运的是,这些常数,通过校准和一 ...
畸变的单目摄像机标定
畸变的单目摄像机标定 Deep Single Image Camera Calibration with Radial Distortion 摘要单图像标定是从一幅图像中预测摄像机参数的问题.在处理 ...
(转)OpenCV版本的摄像机标定
摄像机的标定问题是机器视觉领域的入门问题,可以分为传统的摄像机定标方法和摄像机自定标方法.定标的方法有很多中常见的有:Tsai(传统)和张正友(介于传统和自定标)等, 摄像机成像模型和四个坐标系(通用 ...
机器视觉学习笔记（4）——单目摄像机标定参数说明
机器视觉学习笔记(4)--单目摄像机标定参数说明标签: 机器视觉 1.针孔摄像机模型在介绍摄像机标定参数之前,需要先简单说一下针孔摄像机的原理.投影平面到小孔的距离为焦距f,物体到小孔的距离为Z, ...
Python+OpenCV学习（17）---摄像机标定
Python+OpenCV学习(17)---摄像机标定原文:http://blog.csdn.net/firemicrocosm/article/details/48594897 利用python学 ...
matlab实现定标旋转,Matlab摄像机标定工具箱的使用说明精编.doc
摄像机标定工具箱1.1 Matlab摄像机标定工具箱/bouguetj/calib_doc/download/index.html 说明文档:/bouguetj/calib_doc/toolbox_c ...
matlab相机标定_【显微视界】基于视觉伺服的工业机器人系统研究（摄像机标定、手眼标定、目标单目定位）...
今日光电有人说,20世纪是电的世纪,21世纪是光的世纪:知光解电,再小的个体都可以被赋能.欢迎来到今日光电! ----与智者为伍为创新赋能---- 标定技术常见的机器人视觉伺服中要 ...
scare机器人如何手眼标定_基于视觉伺服的工业机器人系统研究（摄像机标定、手眼标定、目标单目定位）...
击上方"新机器视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达标定技术常见的机器人视觉伺服中要实现像素坐标与实际坐标的转换,首先 ...
张正友摄像机标定的研究(MATLAB+OpenCV)
张正友本科浙大,本来以为是中国人论文是中文呢,哎张正友的主页: http://research.microsoft.com/en-us/um/people/zhang/Calib/ 不过里面的棋盘 ...

OpenCV15（摄像机标定）

OpenCV15（摄像机标定）相关推荐

最新文章

热门文章