网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
void cornerSubPix( InputArray image,
InputOutputArray corners,
Size winSize,
Size zeroZone,
TermCriteria criteria );
image源图像
corners，提供角点的初始坐标，返回更加精确的点
winSize，搜索窗口的一般尺寸，如果winSize=Size(5,5),则search windows为11\*11
winSize,死区的一般尺寸，用来避免自相关矩阵的奇点，(-1,-1)表示没有死区
criteria，控制迭代次数和精度
### calibrateCamera() 求解摄像机的内在参数和外在参数
double calibrateCamera( InputArrayOfArrays objectPoints,
InputArrayOfArrays imagePoints,
Size imageSize,
InputOutputArray cameraMatrix,
InputOutputArray distCoeffs,
OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs,
int flags = 0,
TermCriteria criteria = TermCriteria(TermCriteria::COUNT +
TermCriteria::EPS, 30, DBL_EPSILON) );
objectPoints，世界坐标，用vector<vector>，输入x,y坐标，z坐标为0
imagePoints，图像坐标，vector<vector>
imageSize，图像的大小用于初始化标定摄像机的image的size
cameraMatrix，内参数矩阵
distCoeffs，畸变矩阵
rvecs，位移向量
tvecs，旋转向量
flags，可以组合：
**CV\_CALIB\_USE\_INTRINSIC\_GUESS**：使用该参数时，将包含有效的fx,fy,cx,cy的估计值的内参矩阵cameraMatrix，作为初始值输入，然后函数对其做进一步优化。如果不使用这个参数，用图像的中心点初始化光轴点坐标(cx, cy)，使用最小二乘估算出fx，fy（这种求法好像和张正友的论文不一样，不知道为何要这样处理）。注意，如果已知内部参数（内参矩阵和畸变系数），就不需要使用这个函数来估计外参，可以使用solvepnp()函数计算外参数矩阵。
**CV\_CALIB\_FIX\_PRINCIPAL\_POINT**：在进行优化时会固定光轴点，光轴点将保持为图像的中心点。当CV\_CALIB\_USE\_INTRINSIC\_GUESS参数被设置，保持为输入的值。
**CV\_CALIB\_FIX\_ASPECT\_RATIO**：固定fx/fy的比值，只将fy作为可变量，进行优化计算。当
CV\_CALIB\_USE\_INTRINSIC\_GUESS没有被设置，fx和fy的实际输入值将会被忽略，只有fx/fy的比值被计算和使用。
**CV\_CALIB\_ZERO\_TANGENT\_DIST**：切向畸变系数（P1，P2）被设置为零并保持为零。
**CV\_CALIB\_FIX\_K1**,…,CV\_CALIB\_FIX\_K6：对应的径向畸变系数在优化中保持不变。如果设置了CV\_CALIB\_USE\_INTRINSIC\_GUESS参数，就从提供的畸变系数矩阵中得到。否则，设置为0。
**CV\_CALIB\_RATIONAL\_MODEL**（理想模型）：启用畸变k4，k5，k6三个畸变参数。使标定函数使用有理模型，返回8个系数。如果没有设置，则只计算其它5个畸变参数。
**CALIB\_THIN\_PRISM\_MODEL** （薄棱镜畸变模型）：启用畸变系数S1、S2、S3和S4。使标定函数使用薄棱柱模型并返回12个系数。如果不设置标志，则函数计算并返回只有5个失真系数。
**CALIB\_FIX\_S1\_S2\_S3\_S4** ：优化过程中不改变薄棱镜畸变系数S1、S2、S3、S4。如果cv\_calib\_use\_intrinsic\_guess设置，使用提供的畸变系数矩阵中的值。否则，设置为0。
**CALIB\_TILTED\_MODEL** （倾斜模型）：启用畸变系数tauX and tauY。标定函数使用倾斜传感器模型并返回14个系数。如果不设置标志，则函数计算并返回只有5个失真系数。
**CALIB\_FIX\_TAUX\_TAUY** ：在优化过程中，倾斜传感器模型的系数不被改变。如果cv\_calib\_use\_intrinsic\_guess设置，从提供的畸变系数矩阵中得到。否则，设置为0。
### initUndistortRectifyMap() 计算畸变参数
void initUndistortRectifyMap(InputArray cameraMatrix,
InputArray distCoeffs,
InputArray R,
InputArray newCameraMatrix,
Size size,
int m1type,
OutputArray map1,
OutputArray map2)
**cameraMatrix**，摄像机内参数矩阵
**distCoeffs**， 摄像机的5个畸变系数，(k1,k2,p1,p2[,k3[,k4,k5,k6]])
**R**，在客观空间中的转换对象
**newCameraMatrix**，新的3\*3的浮点型矩矩阵
**size**，为失真图像的大小
**m1type**，第一个输出的map，类型为CV\_32FC1或CV\_16SC2
**map1**，x映射函数
**map2**，y映射函数
## 二、绘制棋盘格，拍摄照片
这里自己画一个棋盘格用作标定，长度为1280像素，宽490像素，横向10方格，纵向7方格
std_cb = Vision::makeCheckerboard(1280, 490, 10, 7, 0,
(char *)“…/blizzard/res/calibration/std_cb.png”);
效果如图
Vision是我个人创建的视觉类，可以用来绘制标准的棋盘格。
头文件vision.h
//
// Created by czh on 18-10-16.
//
#ifndef OPENGL_PRO_VISION_H
#define OPENGL_PRO_VISION_H
#include “opencv2/opencv.hpp”
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgcodecs/imgcodecs.hpp>
#include “iostream”
class Vision {
public:
static cv::Mat read(std::string file_path, int flags = cv::IMREAD_ANYCOLOR | cv::IMREAD_ANYDEPTH);
static cv::Mat write(std::string file_path, int flags = cv::IMREAD_ANYCOLOR | cv::IMREAD_ANYDEPTH);
static void dispConfig(cv::Mat img);
static cv::Mat makeCheckerboard(int bkgWidth, int bkgHeight, int sqXnum, int sqYnum = 0, int borderThickness = 0, char *savePath = NULL);
private:
};
#endif //OPENGL_PRO_VISION_H
源文件vision.cpp
//
// Created by czh on 18-10-16.
//
#include “vision.h”
#include “string.h”
using namespace std;
using namespace cv;
const char *findName(const char *ch) {
const char *name = strrchr(ch, ‘/’);
return ++name;
}
cv::Mat Vision::read(std::string file_path, int flags) {
printf(“#Vision read\n”);
cv::Mat img;
img = cv::imread(file_path, flags);
if (img.data == NULL) {
printf(“\tError:vision read\n”);
} else {
dispConfig(img);
}
return img;
}
void Vision::dispConfig(cv::Mat img) {
printf(“\tpixel:%d*%d, channels:%d\n”, img.size().width, img.size().height, img.channels());
}
cv::Mat Vision::makeCheckerboard(int bkgWidth, int bkgHeight, int sqXnum, int sqYnum, int thickNum, char *savePath) {
if(sqYnum == 0){
sqYnum = sqXnum;
}
if(savePath == NULL){
char *defaultPath = (char *)“…/res/calibration/maths.png”;
savePath = defaultPath;
}
int checkboardX = 0;//棋盘x坐标
int checkboardY = 0;//棋盘y坐标
int xLen = bkgWidth / sqXnum;//x方格长度
int yLen = bkgHeight / sqYnum;//y方格长度
cv::Mat img(bkgHeight + thickNum * 2, bkgWidth + thickNum * 2, CV_8UC4, cv::Scalar(0, 255, 255, 255));
for (int i = 0; i < img.rows; i++) {
for (int j = 0; j < img.cols; j++) {
if (i < thickNum || i >= thickNum + bkgHeight || j < thickNum || j >= thickNum + bkgWidth) {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(0, 0, 0, 255);
continue;
}
checkboardX = j - thickNum;
checkboardY = i - thickNum;
if (checkboardY / yLen % 2 == 0) {
if ((checkboardX) / xLen % 2 == 0) {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(255, 255, 255, 255);
} else {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(0, 0, 0, 255);
}
}
else{
if ((checkboardX) / xLen % 2 != 0) {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(255, 255, 255, 255);
} else {
img.at<Vec<uchar, 4>>(i, j) = cv::Scalar(0, 0, 0, 255);
}
}
}
}
imwrite(savePath, img); //保存生成的图片
printf("#makeCheckerboard %d*%d\n", bkgWidth + thickNum, bkgHeight + thickNum);
return img;
}
用A4纸打印棋盘格，相机拍摄照片。
我偷懒，拿了别人的标定照片
## 三、相机标定
下面是相机标定代码
cv::imwrite(“…/blizzard/res/calibration/cb_source.png”, cb_source);
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
15661030441)]
[外链图片转存中…(img-BbQmQWqP-1715661030442)]
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
扫一扫
3849
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
