双目相机图像校正（五）

已于 2022-02-27 17:09:14 修改
阅读量4.3k 收藏 23
点赞数 2
分类专栏： 三维视觉 文章标签： 计算机视觉 opencv matlab
于 2021-12-06 21:48:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27353621/article/details/121757035
版权

本文来自公众号：机器人视觉

1、读取左右相机图像，使用Opencv和MATLAB标定结果对图像进行校正

	//对焊缝图像进行校准
	//load image
	Mat img_left = imread("leftimage.bmp");

	if (img_left.empty())
		cout << "empty" << endl;

	Mat img_right = imread("rightimage.bmp");
	
	if (img_left.empty())
		cout << "empty" << endl;

	//相机标定
	//相机参数
	cv::Mat cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, R, T;
	cam2intrinsics = (cv::Mat_<double>(3, 3) <<
		3069.2482, -0.8951, 620.5357,
		0, 3069.2450, 532.7122,
		0, 0, 1
		);
	//cam2intrinsics = cam1intrinsics.t();
	cam2distCoeffs = (cv::Mat_<double>(5, 1) << -0.0593, 3.4501, 0.0003, -8.5614, 0);
	cam1intrinsics = (cv::Mat_<double>(3, 3) <<
		3061.6936, -0.8869, 641.3042,
		0, 3058.8751, 508.9555,
		0, 0, 1
		);
	//cam1intrinsics = cam2intrinsics.t();
	cam1distCoeffs = (cv::Mat_<double>(5, 1) << -0.0133, 0.6503, 0.0029, -0.0049, 0);
	//cv::Mat Rx;
	R = (cv::Mat_<double>(3, 3) << 0.9989, 0.0131, -0.0439,
		-0.0121, 0.9996, 0.0233,
		0.0441, -0.0228, 0.9987);
	T = (cv::Mat_<double>(3, 1) << -73.8389, 2.6712, 3.3792);

	const int imageWidth = 1292;                             //摄像头的分辨率  
	const int imageHeight = 964;
	Size imagesSize = Size(imageWidth, imageHeight);

	//rectify

	cv::Mat R1, R2, P1, P2, Q;
	Rect validRoi[2];
	stereoRectify(cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, imagesSize, R, T, R1, R2, P1, P2, Q,
		CALIB_ZERO_DISPARITY, -1, Size(imageWidth, imageHeight), &validRoi[0], &validRoi[1]);

	Mat map1x, map1y, map2x, map2y;
	initUndistortRectifyMap(cam1intrinsics, cam1distCoeffs, R1, P1, imagesSize, CV_32FC1, map1x, map1y);
	initUndistortRectifyMap(cam2intrinsics, cam2distCoeffs, R2, P2, imagesSize, CV_32FC1, map2x, map2y);
	remap(img_left, img_left, map1x, map1y, INTER_LINEAR);//重点！！！！！
	remap(img_right, img_right, map2x, map2y, INTER_LINEAR);

	//draw line
	int i = 0;
	while (i + 35 < img_left.rows)
	{
		i += 35;
		for (int j = 0; j < img_left.cols; j++)
		{
			img_left.ptr<Vec3b>(i)[j][0] = 255;
			img_right.ptr<Vec3b>(i)[j][0] = 255;
			img_left.ptr<Vec3b>(i)[j][1] = 255;
			img_right.ptr<Vec3b>(i)[j][1] = 255;
			img_left.ptr<Vec3b>(i)[j][2] = 255;
			img_right.ptr<Vec3b>(i)[j][2] = 255;
		}
	}

	//imwrite("img_left1.bmp", img_left);//left image
	imshow("img_left", img_left);//left image
	//imwrite("img_right1.bmp", img_right);//left image
	imshow("img_right", img_right);//right image
	waitKey(100000);
	system("pause");

在这里插入图片描述
程序new

	//对图像进行校准
	//load image
	Mat img_left = imread("leftimage1.bmp",0);

	if (img_left.empty())
		cout << "empty" << endl;

	Mat img_right = imread("rightimage1.bmp",0);
	
	if (img_left.empty())
		cout << "empty" << endl;

	//相机标定
	//相机参数
	cv::Mat cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, R, T;
	cam2intrinsics = (cv::Mat_<double>(3, 3) <<
		3093.80948089389, 0, 635.282959025333,
		0, 3093.31859709039, 538.353641774543,
		0, 0, 1
		);
	//cam2intrinsics = cam1intrinsics.t();
	cam2distCoeffs = (cv::Mat_<double>(5, 1) << -0.0136408529341437,0.410972366786061,0.00141152267600137,0.00156479081987528,0);
	cam1intrinsics = (cv::Mat_<double>(3, 3) <<
		3090.19954941876,0, 645.459991284445,
		0, 3087.46040317723, 499.199553083610,
		0, 0, 1
		);
	//cam1intrinsics = cam2intrinsics.t();
	cam1distCoeffs = (cv::Mat_<double>(5, 1) << 0.00709414207541548,	-0.621034720332236, 0.00181213959853048,-0.00445584443364885,0);
	//cv::Mat Rx;
	R = (cv::Mat_<double>(3, 3) << 0.998813476711113,0.0130140387339405,-0.0469283873161040,
		-0.0121882898770942,0.999766574040534,0.0178393671727963,
		0.0471495952276442,-0.0172462235601136,0.998738946593545);
	T = (cv::Mat_<double>(3, 1) << -73.8737526477805,2.83165895481716,2.37441573307819);


	const int imageWidth = 1292;                             //摄像头的分辨率  
	const int imageHeight = 964;
	Size imagesSize = Size(imageWidth, imageHeight);
	cout<<"imagesSize"<<imagesSize<<endl;

	
	cv::Mat R1, R2, P1, P2, Q;
	Rect validRoi[2];
	stereoRectify(cam1intrinsics, cam1distCoeffs, cam2intrinsics, cam2distCoeffs, imagesSize, R, T, R1, R2, P1, P2, Q,
		CALIB_ZERO_DISPARITY, -1, Size(imageWidth, imageHeight), &validRoi[0], &validRoi[1]);
	Mat map1x, map1y, map2x, map2y;
	initUndistortRectifyMap(cam1intrinsics, cam1distCoeffs, R1, P1, imagesSize, CV_32FC1, map1x, map1y);
	initUndistortRectifyMap(cam2intrinsics, cam2distCoeffs, R2, P2, imagesSize, CV_32FC1, map2x, map2y);
	remap(img_left, img_left, map1x, map1y, INTER_LINEAR);//重点！！！！！
	remap(img_right, img_right, map2x, map2y, INTER_LINEAR);

	imwrite("img_left1.bmp", img_left);//left image
	imshow("img_left", img_left);//left image
	imwrite("img_right1.bmp", img_right);//left image
	imshow("img_right", img_right);//right image

	//	显示在一幅图像上
	Mat Imgshow(img_left.rows,2*img_left.cols,CV_8UC1,Scalar(0));
	img_left.copyTo(Imgshow.colRange(0,img_left.cols));
	img_right.copyTo(Imgshow.colRange(img_left.cols,2*img_left.cols));
	cvtColor(Imgshow,Imgshow,CV_GRAY2BGR);
	//	等间距画线
	for(int i=0;i<Imgshow.cols;i+=20)
		line(Imgshow,Point(0,i),Point(Imgshow.cols-1,i),Scalar(0,255,0));
	imshow("Contrast",Imgshow);
	waitKey();
	imwrite("steroVision.jpg",Imgshow);

在这里插入图片描述

2、读取标定板图像，对图像进行校正

// TestCamera1.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;

int _tmain(int argc, _TCHAR* argv[])
{
	char spath;
	Mat Im_src;
	Size boardsize(9,6);
	vector<vector<Point3f>> Objectpoint;	//	世界坐标系
	vector<vector<Point2f>> Imagepoint_l;	//	像素坐标系
	vector<vector<Point2f>> Imagepoint_r;
	vector<Point3f> Objcorner;	//	世界坐标系
	vector<Point2f> Imgcorner;	//	像素坐标系
	int i,j;
	//	检测角点（试验）
/*	bool findresult=findChessboardCorners(Im_src, boardsize, Imgcorner, CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_NORMALIZE_IMAGE);
	if(findresult)
	{
		cornerSubPix(Im_src, Imgcorner, Size(11, 11), Size(-1, -1),TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.1));
		drawChessboardCorners(Im_src, boardsize, Mat(Imgcorner), findresult);
		//cout<<Imgcorner<<endl;
		namedWindow("Dst");
		imshow("Dst",Im_src);
		waitKey();
	}
	else
	{
		cout<<"Failed!"<<endl;
		return -1;
	}*/
	//	检测角点（文件列表）
	//	左图
	std::vector<std::string> filelist;
	vector<Mat> Imgsrc_l;	//	左图象列表
	char str[100];
	Imgcorner.swap(vector<Point2f>());	//	清空原内容
	for(i=1;i<15;i++)	//	列表赋值
	{
		if(i==10)
			continue;
		sprintf(str,"C:\\Users\\Administrator\\Desktop\\谷歌浏览器下载\\TestCamera1\\TestCamera1\\image2\\left%02d.jpg",i);
		filelist.push_back(str);
	}
	//	打开、检测
	for(i=0;i<boardsize.height;i++)
		for(j=0;j<boardsize.width;j++)
			Objcorner.push_back(Point3f(25.0*i,25.0*j,0.0));	//	高前宽后
	for(i=0;i<filelist.size();i++)
	{
		Im_src=imread(filelist[i],0);	//	不加就读成CV_8UC4
		//Mat src;
		//cvtColor(Im_src,src,CV_GRAY2RGB);
		Imgsrc_l.push_back(Im_src);
		bool findresult=findChessboardCorners(Im_src,boardsize,Imgcorner);
		cornerSubPix(Im_src, Imgcorner, Size(11, 11), Size(-1, -1),TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.1));
		if(Imgcorner.size()==boardsize.area())	//	若检测到的点数吻合，添加到列表中。
		{
			cout<<filelist[i]<<" succeed!"<<endl;
			Objectpoint.push_back(Objcorner);
			Imagepoint_l.push_back(Imgcorner);
		}
	}
	//	标定参数
	Mat cameraMatrix_l,cameraMatrix_r;	//	相机矩阵
	Mat distCoeffs_l,distCoeffs_r;		//	畸变矩阵
	vector<Mat> rvecs,tvecs;	//	旋转和平移
	calibrateCamera(Objectpoint,Imagepoint_l,Im_src.size(),cameraMatrix_l,distCoeffs_l,rvecs,tvecs);
	cout<<"cameraMatrix:"<<endl<<cameraMatrix_l<<endl;
	cout<<"distCoeffs:"<<endl<<distCoeffs_l<<endl;
	for(i=0;i<rvecs.size();i++)
		cout<<"rvecs:"<<endl<<rvecs[i]<<endl;
	for(i=0;i<tvecs.size();i++)
		cout<<"tvecs:"<<endl<<tvecs[i]<<endl;
	//	矫正畸变
/*	Mat undistl,undistr,map1,map2;
	initUndistortRectifyMap(cameraMatrix_l,distCoeffs_l,Mat(),Mat(),Im_src.size(),CV_32FC1,map1,map2);
	remap(Imgsrc_l[0],undistl,map1,map2,INTER_LINEAR);
	imshow("Undistort_l",undistl);		//	显示矫正的图像
	waitKey();*/

	//	右图
	vector<Mat> Imgsrc_r;	//	右图象列表
	for(i=1;i<15;i++)	//	列表赋值
	{
		if(i==10)
			continue;
		sprintf(str,"C:\\Users\\Administrator\\Desktop\\谷歌浏览器下载\\TestCamera1\\TestCamera1\\image2\\right%02d.jpg",i);
		Im_src=imread(str,0);
		//Mat src;
		//cvtColor(Im_src,src,CV_GRAY2RGB);
		Imgsrc_r.push_back(Im_src);
		bool findresult=findChessboardCorners(Im_src,boardsize,Imgcorner);
		cornerSubPix(Im_src, Imgcorner, Size(11, 11), Size(-1, -1),TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.1));
		if(Imgcorner.size()==boardsize.area())	//	若检测到的点数吻合，添加到列表中。
		{
			cout<<str<<" succeed!"<<endl;
			Imagepoint_r.push_back(Imgcorner);
		}
	}
	rvecs.swap(vector<Mat>());
	tvecs.swap(vector<Mat>());
	calibrateCamera(Objectpoint,Imagepoint_r,Im_src.size(),cameraMatrix_r,distCoeffs_r,rvecs,tvecs);
	cout<<"cameraMatrix:"<<endl<<cameraMatrix_r<<endl;
	cout<<"distCoeffs:"<<endl<<distCoeffs_r<<endl;
	for(i=0;i<rvecs.size();i++)
		cout<<"rvecs:"<<endl<<rvecs[i]<<endl;
	for(i=0;i<tvecs.size();i++)
		cout<<"tvecs:"<<endl<<tvecs[i]<<endl;
/*	initUndistortRectifyMap(cameraMatrix_r,distCoeffs_r,Mat(),getOptimalNewCameraMatrix(cameraMatrix_r,distCoeffs_r,Im_src.size(),1),Im_src.size(),CV_32FC1,map1,map2);
	imwrite("map1.bmp",map1);
	remap(Imgsrc_r[0],undistr,map1,map2,INTER_LINEAR);
	imshow("Undistort_r",undistr);		//	显示矫正的图像
	waitKey();*/

	//	双目标定
	Mat rotation,translation,essential,foundation;
	stereoCalibrate(Objectpoint,
		Imagepoint_l,
		Imagepoint_r,
		cameraMatrix_l,
		distCoeffs_l,
		cameraMatrix_r,
		distCoeffs_r,
		Im_src.size(),
		rotation,translation,essential,foundation,
		TermCriteria(cv::TermCriteria::COUNT+cv::TermCriteria::EPS, 30, 1e-6),
		CV_CALIB_FIX_INTRINSIC );
	cout<<"Rotation:"<<endl<<rotation<<endl;
	cout<<"Translation:"<<endl<<translation<<endl;
	//	双目校正
	Mat R1,R2,P1,P2,Q;
	Rect roi1,roi2;
	stereoRectify(cameraMatrix_l,distCoeffs_l,cameraMatrix_r,distCoeffs_r.t(),Im_src.size(),rotation,translation,R1,R2,P1,P2,Q,CV_CALIB_ZERO_DISPARITY,-1,Im_src.size(),&roi1,&roi2);
	cout<<R1<<endl<<R2<<endl;
	cout<<P1<<endl<<P2<<endl;
	Mat mX1,mX2,mY1,mY2;
	mX1=Mat(Im_src.size(),CV_32FC1);
	mX2=Mat(Im_src.size(),CV_32FC1);
	mY1=Mat(Im_src.size(),CV_32FC1);
	mY2=Mat(Im_src.size(),CV_32FC1);
	initUndistortRectifyMap(cameraMatrix_l,distCoeffs_l,R1,P1,Im_src.size(),CV_32FC1,mX1,mY1);	//	计算无畸变的校正映射
	initUndistortRectifyMap(cameraMatrix_r,distCoeffs_r,R2,P2,Im_src.size(),CV_32FC1,mX2,mY2);
	//imwrite("mX1.bmp",mX1);
	Mat Imgl_ste,Imgr_ste;
	/*cvtColor(Imgsrc_l[0],Imgl_ste,CV_GRAY2BGR);
	cvtColor(Imgsrc_r[0],Imgr_ste,CV_GRAY2BGR);*/
	Imgsrc_l[4].copyTo(Imgl_ste);		//	取第5幅试验
	Imgsrc_r[4].copyTo(Imgr_ste);
	imshow("Before L",Imgl_ste);
	waitKey();
	imshow("Before R",Imgr_ste);
	waitKey();
	//	重新映射
	remap(Imgl_ste,Imgl_ste,mX1,mY1,INTER_LINEAR);
	remap(Imgr_ste,Imgr_ste,mX2,mY2,INTER_LINEAR);
	/*imshow("stereo left",Imgl_ste);
	waitKey();
	imwrite("sterol.jpg",Imgl_ste);
	imshow("stereo right",Imgr_ste);
	waitKey();
	imwrite("steror.jpg",Imgr_ste);*/
	//	显示在一幅图像上
	Mat Imgshow(Imgl_ste.rows,2*Imgl_ste.cols,CV_8UC1,Scalar(0));
	Imgl_ste.copyTo(Imgshow.colRange(0,Imgl_ste.cols));
	Imgr_ste.copyTo(Imgshow.colRange(Imgr_ste.cols,2*Imgr_ste.cols));
	cvtColor(Imgshow,Imgshow,CV_GRAY2BGR);
	//	等间距画线
	for(i=0;i<Imgshow.cols;i+=20)
		line(Imgshow,Point(0,i),Point(Imgshow.cols-1,i),Scalar(0,255,0));
	imshow("Contrast",Imgshow);
	waitKey();
	imwrite("steroVision.jpg",Imgshow);
	return 0;
}

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
3、使用matlab校正结果对图像直接进行校正
将matlab标定结果放在stereoParams.mat文件中

load stereoParams.mat
for i = 1:19  
    img1=imread(['./L',num2str(i),'.bmp']);
    img2=imread(['./R',num2str(i),'.bmp']);
    disp(i);
    [J1,J2]=rectifyStereoImages(img1,img2,stereoParams,'OutputView','valid');
    imwrite(J1,['./RL',num2str(i),'.bmp']);
    imwrite(J2,['./RR',num2str(i),'.bmp']);
end
disp('Finished')

在这里插入图片描述

线结构光传感器标定（相机标定+结构光标定）完整流程（一）
https://blog.csdn.net/qq_27353621/article/details/120787942
UR机器人手眼标定（二）
https://blog.csdn.net/qq_27353621/article/details/121603215
双目相机标定（三）
https://blog.csdn.net/qq_27353621/article/details/121031972
双目相机下目标三维坐标计算（四）
https://blog.csdn.net/qq_27353621/article/details/121744002
公众号：机器人视觉

马少爷
关注
  • 2
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
相机去畸变，以及双目平行校正----极线校正（二）————之双目平行校正详细过程
wangxiaokun671903的专栏
07-21 3万+
   通过相机标定的程序获取了两个相机各自的内参矩阵和畸变系数，以及两个相机达到平行时各自的旋转矩阵。Opencv和Matlab都给了我们现成的函数，可以利用这些数据进行去畸变或者双目平行校正，因为有需求要将去畸变和平行校正移植到硬件上，那么自己如何利用这些参数和矩阵写去畸变的程序和双目平行校正的程序呢？我本人发现的网上这方面资料较少。在此总结一下。 去畸变的过程就是针对单目
双目立体成像（二）畸变矫正与立体校正
qq_62964142的博客
09-26 3364
终于弄清楚畸变矫正和立体校正的过程了
双目相机标定、校正及匹配过程
Reicher的博客
06-03 994
总结双目视觉从标定到校正到匹配的过程中所用到的一些函数及方法
计算机视觉大型攻略 —— 立体视觉（3）双目相机标定与校正
plateros的专栏
10-29 9600
本文是立体视觉系列的第三部分，对双目标定与校正原理做了详细说明。最后给出了一个代码实例。
双目视觉之立体校正
XiaoJie的博客
04-02 7335
在本篇文章中，将根据上一篇文章得到的两个摄像机的相对位置进行图像的立体校正 引言 当两个像平面式完全行对准的，计算立体视差是最简单的。但是两台摄像机几乎不可能有准确的共面和行对准成像平面，完美的对准结构在真实的立体系统中几乎不存在。因此，立体校正的目的是对两台摄像机的图像平面重投影，使得它们精确落在同一个平面上，而且图像的行完全地对准到前向平行的结构上。 要保证两个摄像机的图像在校正之后是对准...
3D视觉(三)：双目摄像头的标定与校正
热门推荐
Twilight737的博客
12-10 3万+
3D视觉(三)：双目摄像头的标定与校正 对于双目摄像头而言，除了需要分别标定左目摄像头的内参矩阵K1、畸变系数D1、右目摄像头的内参矩阵K2、畸变系数D2，还需要标定左右目对应的旋转矩阵R和平移向量T。当双目摄像头固定在一个平面上时，旋转矩阵R可近似为一个单位阵，平移向量T的欧式范数即为基线长度b。 我们可以把两个相机都看作针孔相机，它们是水平放置的，意味着两个相机的光圈中心都位于x轴上，两者之间的距离称为双目相机的基线b，它是双目相机的重要参数。通过粗略测量可看出，这里基线b的长度在0.06m-0.07
双目相机的三维重建程序 包含两个相机的标定，极线校正，图像匹配，三维重建
05-02
双目相机的三维重建程序，包含两个相机的标定，极线校正，图像匹配，三维重建(Binocular camera reconstruction program, including calibration of the two cameras, pole line correction, image matching, 3D ...
双目深度图像处理
01-09
在"经矫正的双目图像"中，首先需要对原始图像进行校正，以消除由于镜头畸变、像素不均匀性等因素导致的图像失真。这个过程通常包括参数估计、扭曲矫正等步骤，确保左右两幅图像的对应像素能够准确匹配。校正后的图像...
HNY_CV_005.rar_opencv 图像_双目 测距_双目图像匹配_双目校正_双目测距 opencv
07-14
双目图像校正是为了消除摄像头固有的畸变，包括径向畸变和切向畸变。OpenCV的`calibrateCamera()`函数可以用于相机标定，得到内参矩阵和畸变系数。之后，`undistortPoints()`或`initUndistortRectifyMap()`等函数...
双目相机标定、校正、点位恢复、视差图、深度图、点云
10-23
双目相机的每只“眼睛”都需要单独进行校正，以确保图像的准确性。校正过程通常通过多项式模型来拟合畸变，并生成校正后的图像。这一步对于后续的特征匹配和深度计算至关重要。 **三、点位恢复** 点位恢复是指从...
基于opencv的双目相机标定代码
11-23
双目相机标定是计算机视觉领域中的关键技术，用于获取立体相机的内参数和外参数，以便精确地计算出场景中物体的三维位置。OpenCV是一个强大的计算机视觉库，提供了多种功能，包括双目相机标定的算法。在这个项目中，...
Opencv双目校正函数 stereoRectify 详解
weixin_43196818的博客
04-21 1万+
详细解析Opencv双目校正函数 stereoRectify 的使用。
OpenCV双目相机的标定C++
wqc的博客
11-27 5666
代码来和数据集来自于 链接：https://pan.baidu.com/s/1bYrj57MEdhwWp45XXVbdpA 提取码：b3m6 双目相机标定的过程： 1.，调节两个相机的角度，给标定板拍10组左右的照片。 1，通过张正友的思想得到两个相机的内外参矩阵和畸变矩阵，从而能够实现对两个相机的矫正。 2，矫正的目的是为了利用矫正图，加上两个相机的一些参数计算出深度z（镜头到物体的距离）。 3，通过计算图片中物体的每一个点距离相机镜头的深度，从而构建出该物体的三维立体图。 总而言之，双目相机可以照到一个
双目视觉标定－4. 双目视觉标定与校正之OpenCV代码入门篇
yuchunrenlei的博客
05-03 353
world scaling 你可以换成你使用的chessboard每一格的真实大小，要注意之后的单位都和你使用的单位一致了。由于我们左右两侧都需要进行camera calibration，所以我们把它封装成一个方程，然后调用两次。这一篇就是集我们学到的东西大成者，没有看过这三篇文章的请点击下面的链接看这三篇文章。第一部分跟以前是一样的，我们需要对左右两侧相机分别进行相机标定。调用程序进行相机标定，并且获取最优的相机内参矩阵。
基于matlab双目工具箱的极线矫正
小张的技术分享博客
03-20 1696
在进行opencv进行双目标定的时候，使用matlab标定工具箱标定的参数进行极线矫正的时候总是出问题，矫正效果不好，排查半天原因也找不到，如果有大佬知道可以指点一下。matlab我上传的相机1是左相机，2是右相机，参数用的是标定的结果，这个左图是左相机第一张，右图是右相机第一张，有大佬知道为什么吗？
vb6 获取窗体绝对坐标_真实场景的双目立体匹配（Stereo Matching）获取深度图详解...
weixin_39565021的博客
11-22 483
击上方“新机器视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达　　双目立体匹配一直是双目视觉的研究热点，双目相机拍摄同一场景的左、右两幅视点图像，运用立体匹配匹配算法获取视差图，进而获取深度图。而深度图的应用范围非常广泛，由于其能够记录场景中物体距离摄像机的距离，可以用以测量、三维重建、以及虚拟视点的合成等。　　之前有两篇博客简要讲过OpenCV3.4中的两种立体匹配算法效果比较。...
双目相机的畸变校正以及平行校正（极线校正）的入门问题总结
Mr_pan
09-10 1981
一、相机标定是干什么的，需要什么器材才能做？双目校正目标是什么，又需要什么设备？ 二、相机（针孔）模型是什么样的？世界坐标系，相机坐标系，图像物理坐标系，图像像素坐标系，这四个坐标系到底是什么？从世界坐标系到图像坐标系到底是怎么转换的？ 三、Opencv中用到的相机标定函数，对应的算法具体是谁的，什么算法？获得的各矩阵数据的含义指的是什么？ 四、获得单个相机的内参矩阵和畸变系数后，怎么对相机进行畸变
【OpenCV】双目相机标定、极线矫正、SIFT匹配以及深度估计
MangoHHHH的博客
12-11 2359
opencv实现双目标定以及深度估计 双目测距
图像识别和目标检测在超市电子秤上的应用
最新发布
专注于Python编程技术的分享与交流，致力于帮助开发者提升编程技能，解决实际问题，探索Python的无限可能。
07-09 502
通过对商品图像的分析，视觉秤可以从视觉特征中提取信息，并与数据库中的商品信息进行匹配。图像识别技术的应用，使得视觉秤能够处理各种形状、颜色和大小的商品，极大地提升了超市工作的效率和准确性。在视觉秤的应用中，目标检测技术被用来识别放在秤上的商品。随着深度学习和图像识别技术的不断进步，视觉秤的功能和性能还将进一步提升。然而，借助深度学习的目标检测和图像识别技术，视觉秤的出现彻底改变了这一现状。总的来说，深度学习的目标检测和图像识别技术在视觉秤上的应用，不仅提升了超市的运营效率，也为顾客提供了更便捷的购物体验。
双目相机立体校正python
05-01
双目相机立体校正是指消除双目相机在拍摄场景时由于光学偏差而导致图像的不一致性，从而得到更加精准的深度信息。在Python中，可以使用OpenCV等图像处理库来实现双目相机立体校正。 首先，需要对每个相机进行单独的校正，即摄像机内参矩阵和畸变参数的计算。然后，通过选择相同场景点在左右相机中的对应像素点，计算出两个相机的外参矩阵。接着，使用cv2.stereoRectify()函数计算出左右相机的映射矩阵和去畸变之后的图像。 在运行程序时，需要加载左右相机的图像，并通过cv2.imshow()函数显示校正之后的图像。校正后的图像将具有更好的空间一致性和更加准确的深度信息。 需要注意的是，双目相机立体校正的效果受到多种因素的影响，如相机精度、场景复杂度等。因此，在实际应用时，还需要对算法进行优化和调试，以达到最佳效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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