opencv-python 张正友相机标定法实现

这篇博客介绍了作者如何理解并应用opencv-python的相机标定例程,详细讲解了相机标定的过程,包括从三维世界坐标到二维图像坐标的转换,并提供了一个完整的相机标定程序示例。通过标定,可以估算转换矩阵和失真系数,减少拍摄图像的失真。文中还展示了标定前后的图片对比。
摘要由CSDN通过智能技术生成

最近开始接触TOF相机,一上来就遇到了标定问题。查了opencv-python tutorial,发现给了例程。由于较长时间没碰python,opencv也没学过,很多地方看不懂,这篇博客当作个人对例程的理解。

简述

网上有很多优秀的解释相机标定的博客,我摘了两篇自己参考的。

简单而言,我们拍摄的物体都处于三维世界坐标系中,而相机拍摄时镜头看到的是三维相机坐标系,成像时三维相机坐标系向二维图像坐标系转换。不同的镜头成像时的转换矩阵不同,同时可能引入失真,标定的作用是近似地估算出转换矩阵和失真系数。为了估算,需要知道若干点的三维世界坐标系中的坐标和二维图像坐标系中的坐标,也就是拍摄棋盘的意义。

例程

注:tutorial的例程是片段的,下面是我自己整理起来的程序。

#-*- coding:utf-8 -*-

import cv2
import glob
import numpy as np
'''
cbraw和cbcol是我自己加的。tutorial用的棋盘足够大包含了7×6以上
个角点,我自己用的只有6×4。这里如果角点维数超出的话,标定的时候会报错。
&
OpenCV是一个广泛使用的计算机视觉库,可以用于处理图像和视频数据,支持各种特征提取,对象检测,跟踪,识别等视觉任务。其中相机标定是计算机视觉领域中一个非常重要的问题,它涉及到了相机内参,外参的估计和矫正,是各种视觉任务的基础。张正友相机标定是一种经典的方,它可以通过使用多个不同角度拍摄的物体的多个图片来提取相机的内参和外参。 在OpenCV中,实现张正友相机标定,步骤如下: 1.读取图像。首先,您需要使用OpenCV中的imread()函数从磁盘上读取每个图像。 2.提取角点。接下来,您使用cv2.findChessboardCorners()函数或cv2.findCirclesGrid()函数来检测图像中的棋盘格的角点或圆形略点。它会输出包含每个角点位置的坐标向量。 3.对角点进行亚像素级别的精确测量。然后,使用cv2.cornerSubPix()函数进行亚像素级别的精确测量。 4.初始化对象点和图像点。现在,你需要设置对象点(相对于相机坐标系统的点)和图像点(图像坐标上对应的点)来进行标定。 5.运行相机标定。使用cv2.calibrateCamera()函数来运行相机标定,它会返回内部参数矩阵和畸变系数矩阵。 6.矫正畸变。使用cv2.undistort()函数来进行畸变矫正,这将产生更准确的图像。 7.评估标定结果。最后,您可以使用cv2.projectPoints()函数将对象点投影到图像空间,并与标准图像比较来评估标定结果的准确性。 总的来说,通过使用OpenCV张正友相机标定,您可以很容易地优化相机的几何校正,从而提高各种计算机视觉任务的性能和可靠性。
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值