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 ...
最新文章
- 视频数据处理方法!关于开源软件FFmpeg视频抽帧的学习
- centos6.5官方dvd做本地yum
- linux 查看主板sn_如何使用您的工业边缘计算单元:第三章:使用你的JayBox 主板...
- saltstack执行state.sls耗时长的坑
- early z optimization
- 圈子 | 精彩预告:P2P金融那些事儿
- ios7 uuid的获取方法
- 前端学习(975):bootstrap轮播图
- 一位法国女数学史家与中国两代同行的40年交往
- jmeter(十三)常见问题及解决方法
- 【Effective c++】条款6:若不想使用编译器自动生成的函数就应该明确拒绝
- 黑马程序员与兄弟连兄弟会的对比
- MapBox本地化部署
- 轻量级openpose解析
- codecombat 代码攻略
- ITSS服务项目经理
- hdu——4379 ——The More The Better
- Dojo的联合创建者Dylan Schiemann访谈
- 告别难记的长域名!我的博客全新短域名上线
- 这样的测试简历,面试官都喜欢
热门文章
- 深入理解 Go Modules 的 go.mod 与 go.sum
- 【C语言】scanf函数详解(常见问题处理)
- MacBook 常用快捷键使用
- brew安装mysql ,最后ln -sfv /usr/local/opt/mysql/*.plist ~/Library/LaunchAgents 这句什么意思?
- python模拟预测孩子身高代码_想知道孩子将来能长多高?用这套公式,多数人都说准...
- 用python画耳朵_如何用python画一只兔子
- iOS开发中touchesBegan和touchesEn…
- 前端战五渣学前端——跨域
- IP地址详解 IP地址的分类
- Java中的executeQuery_java execute,executeQuery和executeUpdate之间的区别