您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)OpenCV相機(jī)標(biāo)定的示例分析,小編覺得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
相機(jī)標(biāo)定:簡單的說,就是獲得相機(jī)參數(shù)的過程。參數(shù)如:相機(jī)內(nèi)參數(shù)矩陣,投影矩陣,旋轉(zhuǎn)矩陣和平移矩陣等
什么叫相機(jī)參數(shù)?
簡單的說,將現(xiàn)實(shí)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(biāo),和圖像上對應(yīng)的二維坐標(biāo)間的關(guān)系。表達(dá)兩種不同維度坐標(biāo)間的關(guān)系用啥表示?用相機(jī)參數(shù)。
相機(jī)的成像原理
先來看一下,相機(jī)的成像原理:
如圖所示,這是一個(gè)相機(jī)模型。將物體簡化看成一個(gè)點(diǎn)。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(shí)鏡頭到圖像平面的距離,f是鏡頭的焦距。三者滿足以下關(guān)系。
現(xiàn)在,簡化上面的相機(jī)模型。
將相機(jī)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(yuǎn)遠(yuǎn)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(jìn)入的光線)。這個(gè)簡化的模型就是針孔攝像機(jī)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(gè)筆直的圖像(不倒立)。當(dāng)然,這只是理論上的,你不可能將圖像傳感器從相機(jī)里拿出來,放在鏡頭前面。實(shí)際應(yīng)用中,針孔攝像機(jī)應(yīng)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(gè)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(guān)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(yuǎn),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(gè)式子,我們便能夠預(yù)測三維中的物體,在圖像(二維)中的位置。那么怎么預(yù)測?
相機(jī)標(biāo)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(gè)點(diǎn),和其在圖像(二維)中的坐標(biāo)關(guān)系。
(X,Y,Z)為點(diǎn)的三維坐標(biāo),(x,y)為其通過相機(jī)成像后在圖像(二維)上的坐標(biāo)。u0和v0是相機(jī)的中心點(diǎn)(主點(diǎn)),該點(diǎn)位于圖像平面中心(理論上是這樣。但實(shí)際的相機(jī)會有幾個(gè)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(biāo),轉(zhuǎn)換為圖像上的像素(圖像上的坐標(biāo),實(shí)際上是像素的位置),需要求y方向上焦距等于多少個(gè)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(diǎn),在圖像(二維)中y的坐標(biāo)。
同理,得到x的坐標(biāo)。
現(xiàn)在,將上圖中的坐標(biāo)系的原點(diǎn)O,移動(dòng)到圖像的左上角。由于(x,y)是關(guān)于(u0,v0)的偏移,上面表示圖像(二維)中點(diǎn)的坐標(biāo)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(gè)矩陣,叫做“相機(jī)內(nèi)參數(shù)矩陣”,第二個(gè)矩陣叫(投影矩陣)。
更為一般的情況,開始時(shí)的參考坐標(biāo)系不位于主點(diǎn)(中心點(diǎn)),需要額外兩個(gè)參數(shù)“旋轉(zhuǎn)向量”和“平移向量”來表示這個(gè)式子,這兩個(gè)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(jī)標(biāo)定,獲得了相機(jī)參數(shù)后,可以計(jì)算兩個(gè)映射函數(shù)(x坐標(biāo)和y坐標(biāo)),它們分別給出了沒有畸變的圖像坐標(biāo)。將畸變的圖像重新映射成為沒有畸變的圖像。
代碼:
做相機(jī)標(biāo)定時(shí),一般用標(biāo)定板(棋盤)拍攝一組圖像,利用這些圖像提取角點(diǎn),通過角點(diǎn)在圖像中得坐標(biāo)和三維世界中的坐標(biāo)(通常自定義3維坐標(biāo)),計(jì)算相機(jī)參數(shù)。
std::vector<cv::Point2f>imageConers; //提取標(biāo)定圖像角點(diǎn),保存角點(diǎn)坐標(biāo)(二維) cv::findChessboardCorners(image, boardSize, //角點(diǎn)數(shù)目如(6,4)六行,四列 imageConers);
函數(shù)calibrateCamera完成相機(jī)標(biāo)定工作。
cv::calibrateCamera(objectPoints,//三維坐標(biāo) imagePoints, //二維坐標(biāo) imageSize,//圖像大小 camerMatirx,//相機(jī)內(nèi)參數(shù)矩陣 disCoeffs,//投影矩陣 rvecs, //旋轉(zhuǎn) tvecs,//平移 flag //標(biāo)記opencv提供幾種參數(shù),可以參看在線的opencv document );
計(jì)算畸變參數(shù),去畸變
//計(jì)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(yīng)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(biāo)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(biāo) std::vector < std::vector<cv::Point3f >> objectPoints; //圖像坐標(biāo) std::vector <std::vector<cv::Point2f>> imagePoints; //輸出矩陣 cv::Mat camerMatirx; cv::Mat disCoeffs; //標(biāo)記 int flag; //去畸變參數(shù) cv::Mat map1, map2; //是否去畸變 bool mustInitUndistort; ///保存點(diǎn)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(diǎn) 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(diǎn)的世界坐標(biāo) 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(jì)算角點(diǎn)在圖像中的坐標(biāo) cv::Mat image; int success = 0; for (int i = 0; i < filelist.size(); i++) { image = cv::imread(filelist[i],0); //找到角點(diǎn)坐標(biāo) 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(diǎn) cv::drawChessboardCorners(image, boardSize, imageConers, found); cv::imshow("Corners on Chessboard", image); cv::waitKey(100); } return success; } //相機(jī)標(biāo)定 double calibrate(cv::Size&imageSize) { mustInitUndistort = true; std::vector<cv::Mat>rvecs, tvecs; //相機(jī)標(biāo)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(jì)算畸變參數(shù) cv::initUndistortRectifyMap(camerMatirx, disCoeffs, cv::Mat(), cv::Mat(), image.size(), CV_32FC1, map1, map2); mustInitUndistort = false; } //應(yīng)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(jī)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(biāo)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(jī)標(biāo)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(jī)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(shí)驗(yàn)結(jié)果:
看以看到,相機(jī)內(nèi)參數(shù)矩陣為
172.654 、0、157.829
0、184.195、118.635
0 、0 、1
關(guān)于“OpenCV相機(jī)標(biāo)定的示例分析”這篇文章就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,使各位可以學(xué)到更多知識,如果覺得文章不錯(cuò),請把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。