ROS标定海康威视摄像头

ROS视摄像头标定----海康威视

引言：

​ 摄像头标定是为了确保视觉系统能够准确反映现实世界中的对象，并消除图像中的畸变效果。在本实验中，我们使用了ROS中的功能包进行摄像头标定。标定的原理包括畸变校正和摄像头参数估计。通过移动标定板并捕获不同角度和距离的图像，我们可以获取摄像头的内参和外参。这些参数将使得图像处理和三维构建更加准确和可靠。通过本实验，我们将深入了解标定的流程，并熟悉使用ROS功能包进行标定的方法。这将为我们提供可靠的摄像头数据，为后续的机器人视觉任务奠定基础。

希望你在本次学习过后，能够有一定的收获！！！

推荐歌曲—不在联系-程响

​ 冲啊！！！！ ٩(͡๏̯͡๏)۶ ٩(͡๏̯͡๏)۶ ٩(͡๏̯͡๏)۶

一、实验前言

在进行相关的实验之前，让我们先来了解一下相关的内容！！！

为什么要进行标定

1. 准确性: 通过标定摄像头，可以确保视觉系统捕获的图像准确反映现实世界中的对象。这对于机器人的导航、物体识别和操作等任务至关重要。
2. 畸变校正: 几乎所有的摄像头镜头都会引入某种形式的畸变，特别是广角镜头。畸变会使得图像呈现出凹凸不平的效果，通过标定过程可以识别并校正这种畸变。
3. 世界坐标系映射: 在进行物体抓取或场景理解时，必须将图像坐标转换为现实世界的三维坐标。标定过程能够建立图像像素与实际物理世界坐标之间的关系。

标定的原理

视摄像头标定的原理主要涉及两大部分：畸变校正和摄像头参数估计。

1. 畸变校正: 摄像头镜头畸变主要分为径向畸变和切向畸变。

   • 径向畸变是最常见的一种畸变类型，随着离镜头中心的距离增加变得越来越显著，主要表现为图像的拉伸或压缩。
   • 切向畸变通常发生因为摄像头镜片没有完全平行于成像平面，造成的图像位置偏移。

   畸变参数的估算通过标定过程进行，使用这些参数，可以准确地校正图像，消除畸变效果。

2. 摄像头参数估计: 主要分为内参和外参。

   • 内参包括焦距（f）、主点坐标（c_x,c_y）以及畸变系数，这些参数反映了摄像头自身特性。
   • 外参反映了摄像头相对于某个世界坐标系的位置和方向。外参对于确定摄像头视角、进行多摄像头系统同步和世界坐标系映射尤为重要。

标定过程

ROS典型的视摄像头标定过程使用棋盘格标定板，捕获不同角度和距离的棋盘格图像，利用这些图像计算摄像头的内外参数。通过这一过程，可以完成摄像头的标定，进而用于准确地图像处理和三维构建。

综上所述，摄像头标定是确保视觉系统在实际应用中发挥出良好性能的基础。正确的标定过程可以显著提升机器人视觉任务的准确度和可靠性。

接下来然我们进行相应的实验内容。

二、准备工作

实验器材

1. 一个摄像头–啥摄像头都可以，只要对应的电脑能够读取（我这边采用海康威视）
2. 一台可以开启并且正常运行的电脑
3. 一个标定板 （我这边就拿手机放标定板图片作为标定目标）

如为对应的实验器材图片

• 海康威视摄像头

  

• 标定板图片

  

实验环境

1. ROS版本 —> Melodic Morenia
2. ubuntu版本—> 18.04 LTS

三、安装功能包

在ROS中安装camera_calibration功能包是非常简单的。可以通过以下步骤来安装camera_calibration功能包：

1. 打开终端窗口。
2. 输入以下命令以更新软件包列表：

   sudo apt-get update

3. 然后，输入以下命令以安装camera_calibration功能包：

   sudo apt-get install ros-melodic-camera-calibration

4. 系统将提示您输入密码以进行安装。输入密码并按下Enter键。

5. 系统将自动下载并安装camera_calibration功能包以及其相关依赖项。请耐心等待安装完成。

安装完成后，就可以在ROS中使用camera_calibration功能包进行相机标定实验。

并且我们也可以阅相关文档或实验报告，按照给定的指导进行后续操作和使用camera_calibration功能包进行相机标定。

就比如安装完后，我们可以进行摄像头的测试，检测摄像头是否正确连接、对应的功能包是否安装正确

1. 启动ROS

   roscore
   

2. 启动摄像头驱动节点：

   roslaunch usb_cam usb_cam-test.launch
   

   

3. 查看话题

   rostopic list  #列出 topic 确保相机正在通过ROS发布图像
   ———————输出—————————
   /image_view/output
   /image_view/parameter_descriptions
   /image_view/parameter_updates
   /rosout
   /rosout_agg
   /usb_cam/camera_info
   /usb_cam/image_raw
   /usb_cam/image_raw/compressed
   /usb_cam/image_raw/compressed/parameter_descriptions
   /usb_cam/image_raw/compressed/parameter_updates
   /usb_cam/image_raw/compressedDepth
   /usb_cam/image_raw/compressedDepth/parameter_descriptions
   /usb_cam/image_raw/compressedDepth/parameter_updates
   /usb_cam/image_raw/theora
   /usb_cam/image_raw/theora/parameter_descriptions
   /usb_cam/image_raw/theora/parameter_updates                        
   

四、标定流程

1. 启动摄像头驱动节点：

   rosrun usb_cam usb_cam_node
   roslaunch usb_cam usb_cam-test.launch
   

2. 查看图像话题是否发布：

rostopic list  #列出 topic 确保相机正在通过ROS发布图像

3. 新开一个终端，运行标定节点：

rosrun camera_calibration cameracalibrator.py --size 7x9 --square 0.1 image:=/usb_cam/image_raw camera:=/head_camera --no-service-check

此命令运行标定结点的python脚本，其中 ：
（1）–size 7x9 为棋盘内部角点的个数，方格几列几行(需要减1)，比如我的标定板方格是8X10，则siez为7x9。
（2）–square 0.1为每个棋盘格的边长
（3）image:=/usb_cam/image_raw 为当前订阅的图像来自名为/usb_cam/image_raw的topic
（4）camera:=/head_camera为摄像机名（我试过写camera:=/camera也可以，目前还不知道是什么原因…）
（5)加上–no-service-check是因为一开始运行后出现下面的错误，参考官网加上此参数后就可正常显示：

('Waiting for service', '/camera/set_camera_info', '...')
Service not found

这将打开标定窗口，如下图所示：

4. 移动标定板：

为了达到良好的标定效果，需要在摄像机周围移动标定板，并完成以下基本需求：
（1）移动标定板到画面的最左、右，最上、下方。
（2）移动标定板到视野的最近和最远处。
（3）移动标定板使其充满整个画面。
（4）保持标定板倾斜状态并使其移动到画面的最左、右，最上、下方 。
当标定板移动到画面的最左、右方时，此时，窗口的x会达到最小或满值。同理，y指示标定板的在画面的上下位置，size表示标定板在视野中的距离，也可以理解为标定板离摄像头的远近。skew为标定板在视野中的倾斜位置。每次移动之后，请保持标定板不动直到窗口出现高亮提示。
直到条形变为绿色。当calibration按钮亮起时，代表已经有足够的数据进行摄像头的标定，此时请按下calibration并等待一分钟左右，标定界面会变成灰色，无法进行操作，属于正常情况。

5. 获得标定结果:
   在标定完成后，终端会输出校正结果。如下所示：
   

如下为对应的字段解析

• distortion为畸变系数矩阵。
• camera matrix：摄像头的内部参数矩阵
• distortion：畸变系数矩阵
• rectification：矫正矩阵，一般为单位阵
• projection：外部世界坐标到像平面的投影矩阵
• K:相机内参矩阵

6. 保存查看结果

   点击SAVE按钮。

   如果对标定结果满意，点击COMMIT按钮将结果保存到默认文件夹
   并且我们可以将它修改为对应的yaml文件，便于以后使用

   

五、心得总结

通过本次实验，我对ROS视摄像头标定的过程有了更深刻的理解和实践经验。以下是我的一些心得和总结：

1. 理论与实践相结合：在理论学习中了解到的标定原理，如畸变校正和摄像头参数估计，在实践操作中得到了具体应用。亲手进行标定过程，使我能够更直观地理解参数如何影响图像质量，并实际观察到校正畸变后图像的改善。
2. 细节至关重要：实验过程中，我认识到了准确操作和细节处理的重要性。如确保标定板的清晰度、多角度和多位置的捕捉对提高标定精度有显著影响。此外，学会解读标定过程中的图形界面反馈，以及如何通过这些反馈改善数据采集，是成功标定的关键。
3. 实验环境的重要性：良好的环境条件对于实验结果具有一定影响。例如，稳定的照明可以减少图像中的噪声，并提高角点检测的准确性。
4. 耐心与仔细观察：在标定过程中，一定要保持耐心。多次调整标定板至不同位置和角度直到所有指示条都变为绿色，才能确保收集到足够用于计算的数据点。

最后感谢大佬友情链接：

• ROS摄像头标定_rosrun camera_calibration cameracalibrator.py-CSDN博客

• ROS下采用camera_calibration进行单目相机标定_rosrun camera_calibration cameracalibrator.py-CSDN博客

• 基于ros的机器视觉–摄像头标定_sudo apt-get install ros-kinetic-camera-calibratio-CSDN博客