OpenCV相机标定与3D重建(33)检测图像中棋盘格图案角点的函数findChessboardCornersSB()的使用

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

使用基于扇区的方法查找棋盘格内部角点的位置。
cv::findChessboardCornersSB 是 OpenCV 中用于检测图像中棋盘格图案内部角点的函数，它使用了一种基于扇区（sector-based）的方法来提高角点检测的准确性和鲁棒性。

函数原型

bool cv::findChessboardCornersSB
(
	InputArray 	image,
	Size 	patternSize,
	OutputArray 	corners,
	int 	flags,
	OutputArray 	meta 
)		

参数

• 参数image: 源棋盘格视图。必须是8位灰度或彩色图像。
• 参数patternSize: 每个棋盘格行和列内的角点数量 (patternSize = cv::Size(points_per_row, points_per_column) = cv::Size(columns, rows)).
• 参数corners: 输出数组，包含检测到的角点。
• 参数flags: 可以为零或以下值的组合的操作标志：
  • CALIB_CB_NORMALIZE_IMAGE: 在检测前使用 equalizeHist 对图像伽马进行归一化。
  • CALIB_CB_EXHAUSTIVE: 运行详尽搜索以提高检测率。
  • CALIB_CB_ACCURACY: 上采样输入图像以提高由于别名效应引起的亚像素精度。
  • CALIB_CB_LARGER: 允许检测到的模式大于 patternSize（见描述）。
  • CALIB_CB_MARKER: 检测到的模式必须有标记（见描述）。如果需要精确的相机校准，则应使用此选项。
• meta: 可选输出数组，用于存储检测到的角点（CV_8UC1 和大小 = cv::Size(columns,rows)）。每个条目代表一个模式角点，可以具有以下值之一：
  • 0 = 没有附加元数据
  • 1 = 黑色单元格的左上角
  • 2 = 白色单元格的左上角
  • 3 = 带有白色标记点的黑色单元格的左上角
  • 4 = 带有黑色标记点的白色单元格的左上角（如果有标记，则为图案原点；否则为第一个角点）
    当提供了 CALIB_CB_LARGER 或 CALIB_CB_MARKER 标志时，可以从可选的 meta 数组恢复结果。这两个标志有助于使用超出相机视野的校准图案，这些过大的图案允许更精确的校准，因为可以利用尽可能接近图像边界的角点。为了确保所有图像之间的一致坐标系统，可选的标记（见下图）可用于将板的原点移动到黑圈所在的位置。

注意事项
函数要求棋盘格周围有一个大致与棋盘格字段宽度相同的白色边框，以改善在各种环境下的检测效果。此外，由于使用了局部化的拉东变换，对于位于板外部的字段角点，使用圆角是有益的。下图展示了一个优化用于检测的示例棋盘格。然而，也可以使用任何其他棋盘格。

您可以使用 gen_pattern.py（创建校准图案）来创建棋盘格。

代码示例