一、代码
#include "cvut.h"
#include <iostream>
#include <fstream>
#include <string>
using namespace cvut;
using namespace std;
//#pragma comment(lib,"core.lib")
//#pragma comment(lib,"cv.lib")
//#pragma comment(lib,"highgui.lib")
void main()
{
ifstream fin("calibdata.txt"); /* 定标所用图像文件的路径 */
ofstream fout("caliberation_result.txt"); /* 保存定标结果的文件 */
/************************************************************************
读取每一幅图像,从中提取出角点,然后对角点进行亚像素精确化
*************************************************************************/
cout<<"开始提取角点………………";
int image_count=0; /* 图像数量 */
CvSize image_size; /* 图像的尺寸 */
CvSize board_size = cvSize(6,8); /* 定标板上每行、列的角点数 */
CvPoint2D32f* image_points_buf = new CvPoint2D32f[board_size.width*board_size.height]; /* 缓存每幅图像上检测到的角点 */
Seq<CvPoint2D32f> image_points_seq; /* 保存检测到的所有角点 */
string filename;
while (getline(fin,filename))
{
cout<<"\n 将鼠标焦点移到标定图像所在窗口 并输入回车进行下一幅图像的角点提取 \n";
image_count++;
int count;
Image<uchar> view(filename);
if (image_count == 1) {
image_size.width = view.size().width;
image_size.height = view.size().height;
}
/* 提取角点 */
if (0 == cvFindChessboardCorners( view.cvimage, board_size,
image_points_buf, &count, CV_CALIB_CB_ADAPTIVE_THRESH ))
{
cout<<"can not find chessboard corners!\n";
exit(1);
} else {
Image<uchar> view_gray(view.size(),8,1);
rgb2gray(view,view_gray);
/* 亚像素精确化 */
cvFindCornerSubPix( view_gray.cvimage, image_points_buf, count, cvSize(3,3),
cvSize(-1,-1), cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 30, 0.1 ));
image_points_seq.push_back(image_points_buf,count);
/* 在图像上显示角点位置 */
//cvDrawChessboardCorners( view.cvimage, board_size, image_points_buf, count, 1);
//view.show("calib");
//cvWaitKey();
//view.close();
}
}
delete []image_points_buf;
cout<<"角点提取完成!\n";
/************************************************************************
摄像机定标
*************************************************************************/
cout<<"开始定标………………";
CvSize square_size = cvSize(28,28); /* 实际测量得到的定标板上每个棋盘格的大小 */
Matrix<double> object_points(1,board_size.width*board_size.height*image_count,3); /* 保存定标板上角点的三维坐标 */
Matrix<double> image_points(1,image_points_seq.cvseq->total,2); /* 保存提取的所有角点 */
Matrix<int> point_counts(1,image_count,1); /* 每幅图像中角点的数量 */
Matrix<double> intrinsic_matrix(3,3,1); /* 摄像机内参数矩阵 */
Matrix<double> distortion_coeffs(1,4,1); /* 摄像机的4个畸变系数:k1,k2,p1,p2 */
Matrix<double> rotation_vectors(1,image_count,3); /* 每幅图像的旋转向量 */
Matrix<double> translation_vectors(1,image_count,3); /* 每幅图像的平移向量 */
/* 初始化定标板上角点的三维坐标 */
int i,j,t;
for (t=0;t<image_count;t++) {
for (i=0;i<board_size.height;i++) {
for (j=0;j<board_size.width;j++) {
/* 假设定标板放在世界坐标系中z=0的平面上 */
object_points(0,t*board_size.height*board_size.width+i*board_size.width+j,0) = i*square_size.width;
object_points(0,t*board_size.height*board_size.width+i*board_size.width+j,1) = j*square_size.height;
object_points(0,t*board_size.height*board_size.width+i*board_size.width+j,2) = 0;
}
}
}
/* 将角点的存储结构转换成矩阵形式 */
for (i=0;i<image_points_seq.cvseq->total;i++) {
double a=image_points_seq[i].x;
double b=image_points_seq[i].y;
image_points(0,i,0) = image_points_seq[i].x;
image_points(0,i,1) = image_points_seq[i].y;
}
/* 初始化每幅图像中的角点数量,这里我们假设每幅图像中都可以看到完整的定标板 */
for (i=0;i<image_count;i++)
point_counts(0,i) = board_size.width*board_size.height;
/* 开始定标 */
cvCalibrateCamera2(object_points.cvmat,
image_points.cvmat,
point_counts.cvmat,
image_size,
intrinsic_matrix.cvmat,
distortion_coeffs.cvmat,
rotation_vectors.cvmat,
translation_vectors.cvmat,
0);
cout<<"定标完成!\n";
Matrix<double> object_point2(1,board_size.width*board_size.height,3); /* 保存定标板上角点的三维坐标 */
Matrix<double> image_point2(1,48,2); /* 保存提取的所有角点 */
for (i=0;i<48;i++) {
object_point2(0,i,0) = object_points(0,i,0);
object_point2(0,i,1) = object_points(0,i,1);
object_point2(0,i,2) = object_points(0,i,2);
image_point2(0,i,0) =image_points(0,i,0) ;
image_point2(0,i,1) =image_points(0,i,1) ;
}
Matrix<double> homography_matrix(3,3,1); /* 摄像机内参数矩阵 */
cvFindHomography(image_point2.cvmat,object_point2.cvmat,homography_matrix.cvmat);
cout<<homography_matrix;
//cout<<rotation_vectors.get_row(1)<<endl;
//cout<<rotation_vectors.get_col(1)<<endl;
/************************************************************************
对定标结果进行评价
*************************************************************************/
cout<<"开始评价定标结果………………\n";
double total_err = 0.0; /* 所有图像的平均误差的总和 */
double err = 0.0; /* 每幅图像的平均误差 */
Matrix<double> image_points2(1,point_counts(0,0,0),2); /* 保存重新计算得到的投影点 */
cout<<"\t每幅图像的定标误差:\n";
fout<<"每幅图像的定标误差:\n";
for (i=0;i<image_count;i++) {
/* 通过得到的摄像机内外参数,对空间的三维点进行重新投影计算,得到新的投影点 */
cvProjectPoints2(object_points.get_cols(i*point_counts(0,0,0),(i+1)*point_counts(0,0,0)-1).cvmat,
rotation_vectors.get_col(i).cvmat,
translation_vectors.get_col(i).cvmat,
intrinsic_matrix.cvmat,
distortion_coeffs.cvmat,
image_points2.cvmat,
0,0,0,0);
/* 计算新的投影点和旧的投影点之间的误差*/
err = cvNorm(image_points.get_cols(i*point_counts(0,0,0),(i+1)*point_counts(0,0,0)-1).cvmat,
image_points2.cvmat,
CV_L1);
total_err += err/=point_counts(0,0,0);
cout<<"\t\t第"<<i+1<<"幅图像的平均误差:"<<err<<"像素"<<'\n';
fout<<"\t第"<<i+1<<"幅图像的平均误差:"<<err<<"像素"<<'\n';
}
cout<<"\t总体平均误差:"<<total_err/image_count<<"像素"<<'\n';
fout<<"总体平均误差:"<<total_err/image_count<<"像素"<<'\n'<<'\n';
cout<<"评价完成!\n";
/************************************************************************
保存定标结果
*************************************************************************/
cout<<"开始保存定标结果………………";
Matrix<double> rotation_vector(3,1); /* 保存每幅图像的旋转向量 */
Matrix<double> rotation_matrix(3,3); /* 保存每幅图像的旋转矩阵 */
fout<<"相机内参数矩阵:\n";
fout<<intrinsic_matrix<<'\n';
fout<<"畸变系数:\n";
fout<<distortion_coeffs<<'\n';
for (i=0;i<image_count;i++) {
fout<<"第"<<i+1<<"幅图像的旋转向量:\n";
fout<<rotation_vectors(0,i,0)<<","<<rotation_vectors(0,i,1)<<","<<rotation_vectors(0,i,2)<<'\n';
//fout<<rotation_vectors.get_col(i);
/* 对旋转向量进行存储格式转换 */
for (j=0;j<3;j++) {
rotation_vector(j,0,0) = rotation_vectors(0,i,j);
}
/* 将旋转向量转换为相对应的旋转矩阵 */
cvRodrigues2(rotation_vector.cvmat,rotation_matrix.cvmat);
fout<<"第"<<i+1<<"幅图像的旋转矩阵:\n";
fout<<rotation_matrix;
fout<<"第"<<i+1<<"幅图像的平移向量:\n";
fout<<translation_vectors(0,i,0)<<","<<translation_vectors(0,i,1)<<","<<translation_vectors(0,i,2)<<'\n';
//fout<<translation_vectors.get_col(i)<<'\n';
}
cout<<"完成保存\n";
/************************************************************************
图像畸变矫正
*************************************************************************/
IplImage *picture = cvLoadImage("image\\IMG_4556.JPG");
cvShowImage("原图",picture);
IplImage *picture2=cvCreateImage( cvGetSize(picture), 8, 3 ) ;
cvUndistort2(picture,picture2,intrinsic_matrix.cvmat,distortion_coeffs.cvmat);
cvShowImage("矫正图",picture2);
cvSaveImage("矫正图.jpg",picture2);
cvWaitKey();
}
2、解释
该程序为张正友标定算法。用于标定单目线性相机的内参参数。
3、使用方法
子文件夹包含一个存放标定模板图片的文件夹与两个txt文件(calibdata.txt,caliberation_result.txt分别用于存放图像定标所用图像文件的路径与定标结果)。模板图片为7×8棋盘格,图片需要拍摄3张以上完整图像。
看一下代码里的文件名,标定板角点数,棋盘格尺寸等信息是否与自己的文件信息一致。
4、查看标定信息
标定结果:caliberation_result文件与畸变矫正后的图像具体标定原理可以参考一下博文:
http://blog.sina.com.cn/s/blog_400b87c20100cony.html
http://blog.sina.com.cn/s/blog_b364631a0101imw3.html