聊一聊OpenCV相機標定
相機標定：簡單的說，就是獲得相機參數(shù)的過程。參數(shù)如：相機內(nèi)參數(shù)矩陣，投影矩陣，旋轉矩陣和平移矩陣等
什么叫相機參數(shù)？
簡單的說，將現(xiàn)實世界中的人、物，拍成一張圖像（二維）。人或物在世界中的三維坐標，和圖像上對應的二維坐標間的關系。表達兩種不同維度坐標間的關系用啥表示？用相機參數(shù)。
相機的成像原理
先來看一下，相機的成像原理：
如圖所示，這是一個相機模型。將物體簡化看成一個點。來自物體的光，通過鏡頭，擊中圖像平面（圖像傳感器），以此成像。d0是物體到鏡頭的距離，di時鏡頭到圖像平面的距離，f是鏡頭的焦距。三者滿足以下關系。
現(xiàn)在，簡化上面的相機模型。
將相機孔徑看成無窮小，只考慮中心位置的射線，這樣就忽視了透鏡的影響。然后由于d0遠遠大于di，將圖像平面放在焦距處，這樣物體在圖像平面上成像為倒立的影像（沒有透鏡的影響，只考慮從中心的孔徑進入的光線）。這個簡化的模型就是針孔攝像機模型。然后，我們在鏡頭前，將圖像平面放在焦距距離的位置，就可以簡單獲得一個筆直的圖像（不倒立）。當然，這只是理論上的，你不可能將圖像傳感器從相機里拿出來，放在鏡頭前面。實際應用中，針孔攝像機應該是將成像后的圖像倒過來，以獲得正立的圖像。
到此，我們獲得了一個簡化的模型，如下圖：
h0是物體的高，hi是圖像上物體的高，f是焦距（距離），d0是圖像到鏡頭的距離。四者滿足如下關系：
（1）
物體在圖像中的高度hi，和d0成反比。也就是說，離鏡頭越遠，物體在圖像中越小，離得越近越大（好吧，這句話是廢話）。
但通過這個式子，我們便能夠預測三維中的物體，在圖像（二維）中的位置。那么怎么預測？
相機標定
如下圖所示，根據(jù)上面簡化的模型，考慮三維世界中的一個點，和其在圖像（二維）中的坐標關系。
（X，Y，Z）為點的三維坐標，（x，y）為其通過相機成像后在圖像（二維）上的坐標。u0和v0是相機的中心點（主點)，該點位于圖像平面中心（理論上是這樣。但實際的相機會有幾個像素的偏差）
現(xiàn)在只考慮y方向上，由于需要將三維世界中的坐標，轉換為圖像上的像素（圖像上的坐標，實際上是像素的位置），需要求y方向上焦距等于多少個像素（用像素值表示焦距），Py表示像素的高，焦距f（米或毫米）。垂直像素表示的焦距為
根據(jù)式子（1），只考慮y方向。我們?nèi)S世界中得點，在圖像（二維）中y的坐標。
同理，得到x的坐標。
現(xiàn)在，將上圖中的坐標系的原點O，移動到圖像的左上角。由于（x，y）是關于（u0，v0）的偏移，上面表示圖像（二維）中點的坐標的式子不變。將式子以矩陣的形式重寫，得。
其中，等式左邊的第一個矩陣，叫做“相機內(nèi)參數(shù)矩陣”，第二個矩陣叫（投影矩陣）。
更為一般的情況，開始時的參考坐標系不位于主點（中心點），需要額外兩個參數(shù)“旋轉向量”和“平移向量”來表示這個式子，這兩個參數(shù)在不同視角中是不一樣的。整合后，上述式子重寫為。
校正畸變
通過相機標定，獲得了相機參數(shù)后，可以計算兩個映射函數(shù)（x坐標和y坐標），它們分別給出了沒有畸變的圖像坐標。將畸變的圖像重新映射成為沒有畸變的圖像。
代碼：
做相機標定時，一般用標定板(棋盤）拍攝一組圖像，利用這些圖像提取角點，通過角點在圖像中得坐標和三維世界中的坐標（通常自定義3維坐標），計算相機參數(shù)。
std::vector<cv::Point2f>imageConers; //提取標定圖像角點，保存角點坐標（二維） cv::findChessboardCorners(image, boardSize, //角點數(shù)目如（6,4）六行，四列 imageConers);
函數(shù)calibrateCamera完成相機標定工作。
cv::calibrateCamera(objectPoints,//三維坐標 imagePoints, //二維坐標 imageSize,//圖像大小 camerMatirx,//相機內(nèi)參數(shù)矩陣 disCoeffs,//投影矩陣 rvecs, //旋轉 tvecs,//平移 flag //標記opencv提供幾種參數(shù)，可以參看在線的opencv document );
計算畸變參數(shù)，去畸變
//計算畸變參數(shù) cv::initUndistortRectifyMap(camerMatirx, disCoeffs, cv::Mat(), cv::Mat(), image.size(), CV_32FC1, map1, //x映射函數(shù) map2 //y映射函數(shù) ); //應用映射函數(shù) cv::remap(image, //畸變圖像 undistorted, //去畸變圖像 map1, map2, cv::INTER_LINEAR);
現(xiàn)在整合代碼。
示例：
標頭.h
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
#include<opencv2\calib3d\calib3d.hpp>
#include <opencv2/features2d/features2d.hpp>
#include<string>
#include<vector>
class CameraCalibrator
{
private:
//世界坐標
std::vector < std::vector<cv::Point3f >> objectPoints;
//圖像坐標
std::vector <std::vector<cv::Point2f>> imagePoints;
//輸出矩陣
cv::Mat camerMatirx;
cv::Mat disCoeffs;
//標記
int flag;
//去畸變參數(shù)
cv::Mat map1, map2;
//是否去畸變
bool mustInitUndistort;
///保存點數(shù)據(jù)
void addPoints(const std::vector<cv::Point2f>&imageConers, const std::vector<cv::Point3f>&objectConers)
{
imagePoints.push_back(imageConers);
objectPoints.push_back(objectConers);
}
public:
CameraCalibrator() :flag(0), mustInitUndistort(true){}
//打開棋盤圖片，提取角點
int addChessboardPoints(const std::vector<std::string>&filelist,cv::Size &boardSize)
{
std::vector<cv::Point2f>imageConers;
std::vector<cv::Point3f>objectConers;
//輸入角點的世界坐標
for (int i = 0; i < boardSize.height; i++)
{
for (int j = 0; j < boardSize.width; j++)
{
objectConers.push_back(cv::Point3f(i, j, 0.0f));
}
}
//計算角點在圖像中的坐標
cv::Mat image;
int success = 0;
for (int i = 0; i < filelist.size(); i++)
{
image = cv::imread(filelist[i],0);
//找到角點坐標
bool found = cv::findChessboardCorners(image, boardSize, imageConers);
cv::cornerSubPix(image,
imageConers,
cv::Size(5, 5),
cv::Size(-1, -1),
cv::TermCriteria(cv::TermCriteria::MAX_ITER + cv::TermCriteria::EPS,
30, 0.1));
if (imageConers.size() == boardSize.area())
{
addPoints(imageConers, objectConers);
success++;
}
//畫出角點
cv::drawChessboardCorners(image, boardSize, imageConers, found);
cv::imshow("Corners on Chessboard", image);
cv::waitKey(100);
}
return success;
}
//相機標定
double calibrate(cv::Size&imageSize)
{
mustInitUndistort = true;
std::vector<cv::Mat>rvecs, tvecs;
//相機標定
return cv::calibrateCamera(objectPoints, imagePoints, imageSize,
camerMatirx, disCoeffs, rvecs, tvecs, flag);
}
///去畸變
cv::Mat remap(const cv::Mat &image)
{
cv::Mat undistorted;
if (mustInitUndistort)
{
//計算畸變參數(shù)
cv::initUndistortRectifyMap(camerMatirx, disCoeffs,
cv::Mat(), cv::Mat(), image.size(), CV_32FC1, map1, map2);
mustInitUndistort = false;
}
//應用映射函數(shù)
cv::remap(image, undistorted, map1, map2, cv::INTER_LINEAR);
return undistorted;
}
//常成員函數(shù)，獲得相機內(nèi)參數(shù)矩陣、投影矩陣數(shù)據(jù)
cv::Mat getCameraMatrix() const { return camerMatirx; }
cv::Mat getDistCoeffs() const { return disCoeffs; }
};
源.cpp
#include"標頭.h"
#include<iomanip>
#include<iostream>
int main()
{
CameraCalibrator Cc;
cv::Mat image;
std::vector<std::string> filelist;
cv::namedWindow("Image");
for (int i = 1; i <= 22; i++)
{
///讀取圖片
std::stringstream s;
s << "D:/images/chessboards/chessboard" << std::setw(2) << std::setfill('0') << i << ".jpg";
std::cout << s.str() << std::endl;
filelist.push_back(s.str());
image = cv::imread(s.str(),0);
cv::imshow("Image", image);
cv::waitKey(100);
}
//相機標定
cv::Size boardSize(6, 4);
Cc.addChessboardPoints(filelist, boardSize);
Cc.calibrate(image.size());
//去畸變
image = cv::imread(filelist[1]);
cv::Mat uImage=Cc.remap(image);
cv::imshow("原圖像", image);
cv::imshow("去畸變", uImage);
//顯示相機內(nèi)參數(shù)矩陣
cv::Mat cameraMatrix = Cc.getCameraMatrix();
std::cout << " Camera intrinsic: " << cameraMatrix.rows << "x" << cameraMatrix.cols << std::endl;
std::cout << cameraMatrix.at<double>(0, 0) << " " << cameraMatrix.at<double>(0, 1) << " " << cameraMatrix.at<double>(0, 2) << std::endl;
std::cout << cameraMatrix.at<double>(1, 0) << " " << cameraMatrix.at<double>(1, 1) << " " << cameraMatrix.at<double>(1, 2) << std::endl;
std::cout << cameraMatrix.at<double>(2, 0) << " " << cameraMatrix.at<double>(2, 1) << " " << cameraMatrix.at<double>(2, 2) << std::endl;
cv::waitKey(0);
}
實驗結果：
看以看到，相機內(nèi)參數(shù)矩陣為
172.654 、0、157.829
0、184.195、118.635
0 、0 、1
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持我們。
上一篇：C++實現(xiàn)英文句子中的單詞逆序輸出的方法
欄 目：C語言
本文標題：聊一聊OpenCV相機標定
本文地址：http://mengdiqiu.com.cn/a1/Cyuyan/996.html
您可能感興趣的文章
- 01-10實現(xiàn)opencv圖像裁剪分屏顯示示例
- 01-10使用opencv拉伸圖像擴大分辨率示例
- 01-10C++設計模式之享元模式
- 01-10基于C++實現(xiàn)kinect+opencv 獲取深度及彩色數(shù)據(jù)
- 01-10socket多人聊天程序C語言版(二)
- 01-10socket多人聊天程序C語言版(一)
- 01-10淺談CMake配置OpenCV 時靜態(tài)鏈接與動態(tài)鏈接的選擇
- 01-10OpenCV中C++函數(shù)imread讀取圖片的問題及解決方法
- 01-10visual studio 2013中配置opencv圖文教程 Opencv2.4.9安裝配置教程
- 01-10OPENCV批量讀取圖片實現(xiàn)方法
閱讀排行
本欄相關
- 04-02c語言函數(shù)調(diào)用后清空內(nèi)存 c語言調(diào)用
- 04-02func函數(shù)+在C語言 func函數(shù)在c語言中
- 04-02c語言的正則匹配函數(shù) c語言正則表達
- 04-02c語言用函數(shù)寫分段 用c語言表示分段
- 04-02c語言中對數(shù)函數(shù)的表達式 c語言中對
- 04-02c語言編寫函數(shù)冒泡排序 c語言冒泡排
- 04-02c語言沒有round函數(shù) round c語言
- 04-02c語言分段函數(shù)怎么求 用c語言求分段
- 04-02C語言中怎么打出三角函數(shù) c語言中怎
- 04-02c語言調(diào)用函數(shù)求fibo C語言調(diào)用函數(shù)求
隨機閱讀
- 08-05織夢dedecms什么時候用欄目交叉功能？
- 08-05DEDE織夢data目錄下的sessions文件夾有什
- 01-10C#中split用法實例總結
- 01-10使用C語言求解撲克牌的順子及n個骰子
- 08-05dedecms(織夢)副欄目數(shù)量限制代碼修改
- 04-02jquery與jsp,用jquery
- 01-10SublimeText編譯C開發(fā)環(huán)境設置
- 01-11Mac OSX 打開原生自帶讀寫NTFS功能(圖文
- 01-10delphi制作wav文件的方法
- 01-11ajax實現(xiàn)頁面的局部加載