OpenCV15(摄像机标定)
2016-09-16 12:45
579 查看
1.源码(来源网上,作者未知。我添加了一些注释便于学习)
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】
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
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
效果如下:
#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,height int 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y CV_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:
相关文章推荐
- OpenCV —— 摄像机模型与标定
- 基于MATLAB和opencv的单目摄像机标定
- 感谢 摄像机标定opencv
- OpenCv中摄像机标定的源代码解析
- opencv笔记3----摄像机标定
- opencv的单目摄像机标定
- OpenCV学习笔记(0)—— 摄像机模型与标定1
- 摄像机人工标定(OpenCV2.4.11)
- 基于opencv的MFC多摄像机视场标定软件
- 使用OpenCV进行摄像机标定
- 基于OpenCv的摄像机立体标定和立体矫正的源代码
- 基于OpenCV的摄像机标定-翻译
- OPENCV版本的摄像机标定(张正友)(来源于网络以备学习之需)
- opencv做摄像机标定遇到的问题
- opencv中摄像机的模型与标定
- OPENCV版本的摄像机标定(张正友)
- 张正友摄像机标定的研究(MATLAB+OpenCV)
- MFC+OPENCV摄像机标定
- 机器视觉学习笔记(5)——基于OpenCV的单目摄像机标定
- OpenCV实现摄像机标定和像素转换,surf寻找特征点,FLANN匹配算子进行匹配