测试摄像头标定数据精度

最新推荐文章于 2021-12-08 10:10:22 发布

#TrustTheProcess#

最新推荐文章于 2021-12-08 10:10:22 发布

阅读量414

点赞数

分类专栏：基于毫米波与相机融合的行人跟踪文章标签： OpenCV 相机标定三维投影图像处理 numpy

本文链接：https://blog.csdn.net/qq_44968246/article/details/108767609

版权

基于毫米波与相机融合的行人跟踪专栏收录该内容

8 篇文章 4 订阅

订阅专栏

输入图片

import cv2 
import numpy as np
image = cv2.imread('/home/lhh/桌面/66.jpg')

输入标定参数

#cameraMatrix
cameraMatrix=np.array([[2395.43780183150, 0, 0], 
                      [0, 2393.94194463920, 0], 
                      [1616.85477544911, 1247.98647787308, 1]],dtype=np.float)
#distCoeffs
distCoeffs=np.array([0.116859976786568,-0.237374745910244,0,0,0],dtype=np.float)

#rvec
rvec=np.array([[1, 0, 0],
               [0, 1, 0],
               [0, 0, 1]],dtype=np.float)
#tvec
tvec=np.array([0, 0, 0],dtype=np.float)

输入测试点并调用函数

#objectPoints
objectPoints = np.array([400,0,1400], dtype=np.float)

k,j=cv2.projectPoints(objectPoints, rvec, tvec, cameraMatrix, distCoeffs)

将输出的二维坐标进行变换

u=np.reshape(k,2)
u=np.asarray(u,dtype=int)

x=image.shape[1]/2
y=image.shape[0]/2
x=int(x)
y=int(y)
u=np.add([u[0],u[1]],[x,-y])
u=[u[0],-u[1]]
u=tuple(u)

将点映射到图片上

for i in range(30):
    cv2.circle(image,u,i,(0,0,225))
cv2.imshow("image",image)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('/home/lhh/桌面/picture2.jpg',image)