explore_halcon.hdev（14）之p_do_calibrate_cameras_telecentric_tilt函数模块

halcon中标定版细节https://www.cnblogs.com/xiaomaLV2/p/5011011.html 作者： 小马_xiao

图像像素坐标系、图像物理坐标系、相机坐标系、世界坐标系

图像像素坐标系：

图像物理坐标系：相机光轴与图像相交的点位原点，即图像的中心点，坐标轴的单位通常为mm，坐标轴与图像像素坐标轴平行

函数：

该函数主要是演示了倾斜镜头的优点，并使用远心倾斜镜头校准相机

主要流程包括：

1.创建校准数据模版，设置初始相机参数，以及标定板，添加校准图像，进行校准

2.校准成功后获取相机内外参

3.处理图像，生成垂直于矩形的边，根据生成的测量模型句柄根据最小边缘幅度进行分割，获取两个边的中心点，将所有的中心点根据得到的相对位姿转换到世界坐标系中，计算每个相邻中心点的实际距离，并计算平均值与标准差

 

算子：

1.crop_rectangle1(Image : ImagePart : Row1, Column1, Row2, Column2 : )：裁剪一个或多个矩形区域，矩形有左上角和右下角的坐标定义

生成场景图像：

1.gen_contour_polygon_xld( : Contour : Row, Col : )：生成一条线

2.gen_region_polygon_filled( : Region : Rows, Columns : )：将多边形存储为“filled”区域

3.vector_to_proj_hom_mat2d( : : Px, Py, Qx, Qy, Method, CovXX1, CovYY1, CovXY1, CovXX2, CovYY2, CovXY2 : HomMat2D, Covariance)：利用给定点的对应关系计算仿射变换矩阵

参数：

Px：图1中输入点Row坐标

Py：图1中输入点Column坐标

Qx：图2中输入点Row坐标

Qy：图2中输入点Column坐标

Method：计算方法（算法'dlt'：快速而简单，但是相当不准确的错误估计算法。'normaliized_dlt'：在速度和精度上提供了一个很好的折中。'gold_standard'：执行数学上最优蛋较慢的优化）

CovXX1：图1中各点的行坐标方差

CovYY1：图1中各点的列坐标方差

CovXX2：图2中个点的行坐标方差

CovXY2：图2中各点的列坐标方差

HomMat2D：齐次仿射变换矩阵句柄

Covariance：反射变换矩阵的9*9协方差矩阵

4.create_calib_data( : : CalibSetup, NumCameras, NumCalibObjects : CalibDataID)：创建校准数据模型

参数：

CalibSetup：校准装类型（'calibration_object'：根据从校准对象的观察中提取的度量信息，校准一个或多个摄像机的内参数和摄像机姿态）

CalibSetup：校准装置中摄像机的数量

NumCalibObjects ：校准对象的数量

CalibDataID：校准数据模型的句柄

5.find_calib_object(Image : : CalibDataID, CameraIdx, CalibObjIdx, CalibObjPoseIdx, GenParamName, GenParamValue : )：找到Halcon校准版，并在校准数据模型中设置提取的点和轮廓

参数：

Image：输入图像

CalibDataID：校准数据模型句柄

CameraIdx：观测相机的索引

CalibObjIdx：校准对象的索引

CalibObjPoseIdx：被观侧校准对象的索引

GenParamName：通用类型参数（'sigma'：提取标记轮廓的平滑因子）

GenParamValue ：通用参数值

6.get_calib_data_observ_contours( : Contours : CalibDataID, ContourName, CameraIdx, CalibObjIdx, CalibObjPoseIdx : )：从校准数据模型中获取基于轮廓的观测数据

参数ContourName：选择轮廓的类型（'caltab'：校准版轮廓，'marks'：校准板的轮廓标记）

7.calibrate_cameras( : : CalibDataID : Error)：标记相机

8.get_calib_data( : : CalibDataID, ItemType, ItemIdx, DataName : DataValue)：查询在校准数据模型中存储或计算的数据

参数：

CalibDataID：校准数据模型句柄

ItemType：校准数据项的类型（ItemType='camera'：优化相机系统内部参数）

ItemIdx：受影响项目的索引（取决于所选的项目类型）

DataName：被检查数据的名称（'params'：返回相机参数值， 'params_labels'：返回'params'参数对应的参数名）

DataValue：输出的数据

9.get_calib_data_observ_points( : : CalibDataID, CameraIdx, CalibObjIdx, CalibObjPoseIdx : Row, Column, Index, Pose)：从校准数据模型中获取基于点的观测数据

参数：
CalibDataID：校准数据模型句柄

CameraIdx：观测相机的索引

CalibObjIdx：校准对象的索引

CalibObjPoseIdx ：被观侧校准对象的索引

输出：

Row：检测点的行坐标

Column：检测点的列坐标

Index：被测点与被测校准对象点的对应关系

Pose：粗略估计被检测校准物体相对于被测相机的姿态

10.gen_measure_rectangle2( : : Row, Column, Phi, Length1, Length2, Width, Height, Interpolation : MeasureHandle)：准备提取垂直于矩形的直边，系统参数 'int_zooming'影响用于构造度量对象的计算的准确性和速度，如果 'int_zooming'设置为true则内部激素那将使用不动点算法执行，从而大大缩短执行时间，但是，这种模式下的几何精度略低

参数：

Row：矩形的中心点行坐标

Column：矩形的中线点列坐标

Phi：矩形纵轴与水平的夹角（弧度）

Length1：矩形的一半宽

Length2：矩形的一半高

Width：后续处理图像的宽度

Height：后续处理图像的高度

Interpolation ：要使用的差值类型（ 'bilinear'：双线性差值，'bicubic'：双三次插值， 'nearest_neighbor'：测量中的灰度值由最近的灰度值，即通过常数插值获得）

MeasureHandle：测量对象句柄

11.measure_pairs(Image : : MeasureHandle, Sigma, Threshold, Transition, Select : RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance)：提取垂直于矩形或唤醒弧的直边对，根据Threshold进行提取

参数：

Image：输入图像

MeasureHandle：测量对象句柄

Sigma：高斯平滑系数

Threshold：最低边缘幅度（最小边缘灰度差值）

Transition：确定如何将边缘分组为边缘对的灰度值转换类型

Select ：选择边缘对

输出：

RowEdgeFirst：第一个边的中心的行坐标

ColumnEdgeFirst：第一个边的中心的列坐标

AmplitudeFirst：第一个边的边缘振幅

RowEdgeSecond：第二边中心点行坐标

ColumnEdgeSecond：第二边中心点列坐标

AmplitudeSecond：第二个边的边缘振幅

IntraDistance：一对边之间的距离

InterDistance：相邻边缘对之间的距离

12.image_points_to_world_plane( : : CameraParam, WorldPose, Rows, Cols, Scale : X, Y)：将像素坐标转换到世界坐标系平面z=0

参数：

CameraParam：相机内参

WorldPose：世界坐标系在摄像机坐标系中的三维姿态

Rows：要转换点的行坐标

Cols：要转换点的列坐标

Scale ：单位

X：在世界坐标系中的点的X坐标

Y：在世界坐标系中的点的Y坐标

13.distance_pp( : : Row1, Column1, Row2, Column2 : Distance)：计算两点之间的距离