双目相机标定+去畸变+获得视差+深度（python+openCV）

原创

已于 2024-05-22 09:20:58 修改 · 1.3w 阅读

245 ·

CC 4.0 BY-SA版权

文章标签：

#数码相机 #python #opencv

于 2020-06-04 14:53:49 首次发布

本文介绍了一种双目相机标定方法，通过棋盘格或圆点板进行内外参数标定，包括畸变校正、立体校正及视差计算。详细展示了从图像读取到最终深度图生成的全过程。

一共需要解决几个问题：

棋格板或者圆点板，代码有细微差别
怎样对比标定结果：观察像素误差
需不需要棋盘格子的尺寸：内参不需要，只有计算双目间的外参R和T时，T与棋盘格大小相关，成正比关系。另外T[0]代表基线长度
代码的正确性：没有错误，已检查过，当然一些是复制别人的工作

导入你自己的标定图片需要更改：

角点个数（目前是7*7）
文件夹名称（显然）
世界坐标系的圆心点距离（目前是15mm）
确定是棋盘格还是圆心标定板（目前用的圆点板）

一共有三段代码，建议在ipython notebook下运行
5. 第一段：双目标定
6. 第二段：配置内参参数
7. 第三段：去畸变+获得视差+深度

import cv2

import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
 
import sys
import numpy as np
import glob
class shuangmu:
    def __init__(self):
        self.m1 = 0
        self.m2 = 0
        self.d1 = 0
        self.d2 = 0
        self.R = 0
        self.T = 0
stereo = shuangmu()

class StereoCalibration(object):
    def __init__(self):
        self.imagesL = self.read_images('camL')
        self.imagesR = self.read_images('camR')
        
    def read_images(self , cal_path):
        filepath = glob.glob(cal_path + '/*.bmp')
        filepath.sort()
        return filepath
    #标定图像
    def calibration_photo(self):
        #设置要标定的角点个数
        x_nums = 7                                                   #x方向上的角点个数
        y_nums = 7
        # 设置(生成)标定图在世界坐标中的坐标
        world_point = np.zeros((x_nums * y_nums,3),np.float32)            #生成x_nums*y_nums个坐标，每个坐标包含x,y,z三个元素
        world_point[:,:2] = np.mgrid[:x_nums,:y_nums].T.reshape(-1, 2)    #mgrid[]生成包含两个二维矩阵的矩阵，每个矩阵都有x_nums列,y_nums行
                                                                            #.T矩阵的转置
                                                                            #reshape()重新规划矩阵，但不改变矩阵元素
        #保存角点坐标
        world_position = []
        image_positionl = []
        image_positionr = []
        #设置角点查找限制
        criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER,30,0.001)
        #获取所有标定图
        for ii in range(20):

            image_path_l = self.imagesL[ii]
            image_path_r = self.imagesR[ii]

            image_l = cv2.imread(image_path_l)
            image_r = cv2.imread(image_path_r)
            gray_l = cv2.cvtColor(image_l,cv2.COLOR_RGB2GRAY)
            gray_r = cv2.cvtColor(image_r,cv2.COLOR_RGB2GRAY)

            #查找角点
    #         ok,corners = cv2.findChessboardCorners(gray,(x_nums,y_nums),None)
#             ok1,cornersl = cv2.findChessboardCorners(gray_l,(x_nums,y_nums),None)
#             ok2,cornersr = cv2.findChessboardCorners(gray_r,(x_nums,y_nums),None)
            ok1,cornersl = cv2.findCirclesGrid(gray_l,(x_nums,y_nums),None)
            ok2,cornersr = cv2.findCirclesGrid(gray_r,(x_nums,y_nums),None)
            
            self.world = world_point
            print(ok1&ok2)
            if ok1&ok2:
                #把每一幅图像的世界坐标放到world_position中
                center_spacing = 15     ## 圆心的位置距离，这一个其实不重要
                world_position.append(world_point