详细介绍Opencv实现张正友法相机标定

本文详述了使用OpenCV 3.1.0在Visual Studio 2015环境下进行张正友相机标定的过程,包括配置环境、准备10x14棋盘格图片、程序代码、运行结果及误差分析,展示了相机内参矩阵、畸变系数等关键数据。
摘要由CSDN通过智能技术生成

本文基于:张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析(附标定程序和棋盘图)
这篇博客写得虽然很详细,但是其代码和结果有些明显的不当之处,所以本文进行了更为详细准确的介绍,若有问题欢迎指正。


一.本程序基于以下配置:
- Visual Studio 2015
- OpenCV 3.1.0
开发环境配置参考:OpenCV3.1.0+VS2013开发环境配置


二.本程序准备工作:

本程序使用的标定板是10行14列棋盘格图案,示意图如下:

在不同视角拍摄这样的照片14张,依次命名为chess1、chess2、…、chess14,并将其放在当前.cpp文件目录下面,如下图所示:
这里写图片描述

其中calibdata文本文档的内容如下:
这里写图片描述


三.完整源程序如下:

#include"opencv2/core/core.hpp"
#include"opencv2/imgproc/imgproc.hpp"
#include"opencv2/calib3d/calib3d.hpp"
#include"opencv2/highgui/highgui.hpp"
#include<iostream>
#include<fstream>

using namespace std;
using namespace cv;


int main()
{
    ifstream fin("calibdata.txt");//标定所用图像文件的路径
    ofstream fout("calibration_result.txt");//保存标定结果

    //读取每一幅图像,从中提取出内角点,然后对角点进行亚像素精确化
    cout<<"开始提取特征点..........";
    int image_count = 0;//图像的数量
    Size image_size;//图像的尺寸
    Size board_size = Size(13,9);//标定板上每行、列的内角点数,一般地,行列数不要相同
    vector<Point2f> image_points_buf;//用于存储检测到的内角点图像坐标位置
    vector<vector<Point2f>> image_points_seq;//保存检测到的所有角点
    string filename;//图像名
    int count = 0;//保存角点数
    while(getline(fin,filename))//从文本文档中依次读取待标定图片名
    {
        image_count++;
        cout<<"image_count = "<<image_count<<endl;

        Mat imageInput = imread(filename);//依次读取当前目录下图片

        if(image_count == 1)//读入第一张图片时获取图像宽高信息
        {
            image_size.width = imageInput.cols;
            image_size.height = imageInput.rows;

            cout<<"image_size.width = "<<image_size.width<<endl;
            cout<<"image_size.height = "<<image_size.height<<endl;
        }

        //提取标定板的内角点,输入必须是8位的灰度或者彩色图像
        if(0 == findChessboardCorners(imageInput,board_size,image_points_buf))

        {
            cout<<"Cannot find chessboard corners!\n";
            exit(1);
        }
        else
        {
            Mat view_gray;
            cvtColor(imageInput,view_gray,CV_RGB2GRAY);//转灰度图
            //find4QuadCornerSubpix(view_gray,image_points_buf,Size(5,5));
            //亚像素精确化方法一
            //image_points_buf初始化的角点坐标向量,同时作为亚像素坐标位置的输出,浮点型数

            cornerSubPix(view_gray,image_points_buf,Size(
  • 8
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
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。张正友相机标定算法是一种经典的方法,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算法,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.运行相机标定算法。使用cv2.calibrateCamera()函数来运行相机标定算法,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 7
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