【鱼眼＋普通相机】相机标定

已于 2024-05-13 09:20:07 修改
阅读量233 收藏 2
点赞数 8
分类专栏： 目标解算 文章标签： 目标检测 opencv 图像处理
于 2024-05-11 16:49:37 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_45906972/article/details/138720748
版权

一、简介

本文提供了鱼眼及普通相机的标定python版源码，调用opencv的接口，原理为张正友标定法。这里不过多赘述，话不多说无套路直接上源码，亲测有效，搬走即用。

注：

  1. 需准备一个标定版，在此网站下载打印出来即可；
  2. 例如12x8的棋盘格内角点为11x7.
  3. 张氏标定法使用二维方格组成的标定板进行标定，采集标定板不同位姿图片，提取图片中角点像素坐标，通过单应矩阵计算出相机的内外参数初始值，利用非线性最小二乘法估计畸变系数，最后使用极大似然估计法优化参数。该方法操作简单，而且精度较高，可以满足大部分场合。

二 、源码

2.1 鱼眼相机标定

"""
~~~~~~~~~~~~~~~~~~~~~~~~~~
鱼眼相机标定
~~~~~~~~~~~~~~~~~~~~~~~~~~

用法:
    python calibrate_camera.py \
        -i 0 \
        -grid 9x6 \
        -out fisheye.yaml \
        -framestep 20 \
        --resolution 640x480
        --fisheye
"""
import argparse
import os
import numpy as np
import cv2


# 将相机参数文件保存到此目录
TARGET_DIR = os.path.join(os.getcwd(), "yaml")

# 默认参数文件
DEFAULT_PARAM_FILE = os.path.join(TARGET_DIR, "calib.yaml")


def main():
    global gray
    parser = argparse.ArgumentParser()

    # 输入视频流
    parser.add_argument("-i", "--input", type=int, default=0,
                        help="输入相机设备")

    # 棋盘格大小
    parser.add_argument("-grid", "--grid", default="10x7",
                        help="标定棋盘格的大小")

    parser.add_argument("-r", "--resolution", default="640x480",
                        help="相机图像的分辨率")

    parser.add_argument("-framestep", type=int, default=20,
                        help="在视频中使用每第n帧")

    parser.add_argument("-o", "--output", default=DEFAULT_PARAM_FILE,
                        help="输出yaml文件的路径")


    args = parser.parse_args()

    if not os.path.exists(TARGET_DIR):
        os.mkdir(TARGET_DIR)

    text1 = "按下 c 进行标定"
    text2 = "按下 q 退出"
    text3 = "设备: {}".format(args.input)
    font = cv2.FONT_HERSHEY_SIMPLEX
    fontscale = 0.6

    resolution_str = args.resolution.split("x")
    W = int(resolution_str[0])
    H = int(resolution_str[1])
    grid_size = tuple(int(x) for x in args.grid.split("x"))
    grid_points = np.zeros((1, np.prod(grid_size), 3), np.float32)
    grid_points[0, :, :2] = np.indices(grid_size).T.reshape(-1, 2)

    objpoints = []  # 真实世界空间中的3D点
    imgpoints = []  # 图像平面中的2D点

    device = args.input
    cap = cv2.VideoCapture(device)  # 打开设备
    # 设置分辨率
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, W)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, H)
    if cap is None or not cap.isOpened():
        print("无法打开设备")
        return

    quit = False
    do_calib = False
    i = -1
    while True:
        i += 1
        _r, img = cap.read()
        img= cv2.resize(img, (W, H))
        if i % args.framestep != 0:
            continue

        print("在第 " + str(i) + " 帧中寻找棋盘格角点...")
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        found, corners = cv2.findChessboardCorners(
            gray,
            grid_size,
            cv2.CALIB_CB_ADAPTIVE_THRESH +
            cv2.CALIB_CB_NORMALIZE_IMAGE +
            cv2.CALIB_CB_FILTER_QUADS
        )
        if found:
            term = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 30, 0.01)
            cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), term)
            print("OK")
            imgpoints.append(corners)
            objpoints.append(grid_points)
            cv2.drawChessboardCorners(img, grid_size, corners, found)

        cv2.putText(img, text1, (20, 70), font, fontscale, (255, 200, 0), 2)
        cv2.putText(img, text2, (20, 110), font, fontscale, (255, 200, 0), 2)
        cv2.putText(img, text3, (20, 30), font, fontscale, (255, 200, 0), 2)
        cv2.imshow("corners", img)
        key = cv2.waitKey(1) & 0xFF
        if key == ord("c"):
            print("\n进行标定...\n")
            N_OK = len(objpoints)
            if N_OK < 12:
                print("检测到的角点少于12个 (%d)，标定失败" %(N_OK))
                continue
            else:
                do_calib = True
                break

        elif key == ord("q"):
            quit = True
            break

    if quit:
        print("标定已退出。")
        cap.release()
        cv2.destroyAllWindows()

    if do_calib:
        N_OK = len(objpoints)
        K = np.zeros((3, 3))
        D = np.zeros((4, 1))
        rvecs = [np.zeros((1, 1, 3), dtype=np.float64) for _ in range(N_OK)]
        tvecs = [np.zeros((1, 1, 3), dtype=np.float64) for _ in range(N_OK)]
        calibration_flags = (cv2.fisheye.CALIB_RECOMPUTE_EXTRINSIC +
                             cv2.fisheye.CALIB_CHECK_COND +
                             cv2.fisheye.CALIB_FIX_SKEW)
       
        ret, mtx, dist, rvecs, tvecs = cv2.fisheye.calibrate(
                objpoints,
                imgpoints,
                (W, H),
                K,
                D,
                rvecs,
                tvecs,
                calibration_flags,
                (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 1e-6)
            )
            

        if ret:
            fs = cv2.FileStorage(args.output, cv2.FILE_STORAGE_WRITE)
            fs.write("resolution", np.int32([W, H]))
            fs.write("camera_matrix", mtx)
            fs.write("dist_coeffs", dist)
            fs.release()
            print("相机数据保存成功")
            cv2.putText(img, "SUCCESS!", (220, 240), font, 2, (0, 0, 255), 2)

        else:
            cv2.putText(img, "FAILED!", (220, 240), font, 2, (0, 0, 255), 2)

        cv2.imshow("corners", img)
        cv2.waitKey(0)


if __name__ == "__main__":
    main()

2.2 普通工业相机标定

"""
~~~~~~~~~~~~~~~~~~~~~~~~~~
普通工业相机标定
~~~~~~~~~~~~~~~~~~~~~~~~~~
用法:
    python calibrate_camera.py \
        -i 0 \
        -grid 7x10 \
        -out calib.yaml \
        -framestep 20 \
        --resolution 640x480
"""
import argparse
import os
import numpy as np
import cv2

# 将相机参数文件保存到此目录
TARGET_DIR = os.path.join(os.getcwd(), "calib_yaml")

# 默认参数文件
DEFAULT_PARAM_FILE = os.path.join(TARGET_DIR, "calib.yaml")


def main():
    global gray
    parser = argparse.ArgumentParser()  # 创建解析器

    # 输入视频流
    parser.add_argument("-i", "--input", default="0",
                        help="输入相机设备")    # type=int,

    # 棋盘格大小
    parser.add_argument("-grid", "--grid", default="11x8",
                        help="标定棋盘格的大小")

    parser.add_argument("-r", "--resolution", default="640x480",
                        help="相机图像的分辨率")

    parser.add_argument("-framestep", type=int, default=20,
                        help="在视频中使用每第n帧")

    parser.add_argument("-o", "--output", default=DEFAULT_PARAM_FILE,
                        help="输出yaml文件的路径")

    args = parser.parse_args()

    if not os.path.exists(TARGET_DIR):
        os.mkdir(TARGET_DIR)

    text1 = "Press c for calibration"
    text2 = "Press q to exit"
    text3 = "device: {}".format(args.input)
    font = cv2.FONT_HERSHEY_SIMPLEX
    fontscale = 0.6

    resolution_str = args.resolution.split("x")  # 分辨率
    W = int(resolution_str[0])
    H = int(resolution_str[1])
    grid_size = tuple(int(x) for x in args.grid.split("x"))  # 棋盘格大小
    grid_points = np.zeros((1, np.prod(grid_size), 3), np.float32)  # 3D点
    grid_points[0, :, :2] = np.indices(grid_size).T.reshape(-1, 2)  # 2D点

    objpoints = []  # 真实世界空间中的3D点
    imgpoints = []  # 图像平面中的2D点

    device = args.input  # 设备
    cap = cv2.VideoCapture(device)  # 打开设备
    # 设置分辨率
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, W)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, H)
    if cap is None or not cap.isOpened():
        print("无法打开设备")
        return

    quit = False
    do_calib = False
    i = -1
    while True:
        i += 1
        _r, img = cap.read()
        img= cv2.resize(img, (W, H))
        if i % args.framestep != 0:
            continue

        print("在第 " + str(i) + " 帧中寻找棋盘格角点...")
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
        found, corners = cv2.findChessboardCorners(  # 检测棋盘格角点
            gray,
            grid_size,
            cv2.CALIB_CB_ADAPTIVE_THRESH +
            cv2.CALIB_CB_NORMALIZE_IMAGE +
            cv2.CALIB_CB_FILTER_QUADS
        )
        if found:  # 如果找到棋盘格角点
            term = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 30, 0.01)  # 终止条件
            cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), term)  # 亚像素级角点检测
            print("OK")
            imgpoints.append(corners)  # 2D点
            objpoints.append(grid_points)  # 3D点
            cv2.drawChessboardCorners(img, grid_size, corners, found)  # 绘制棋盘格角点

        cv2.putText(img, text1, (20, 70), font, fontscale, (255, 200, 0), 2)
        cv2.putText(img, text2, (20, 110), font, fontscale, (255, 200, 0), 2)
        cv2.putText(img, text3, (20, 30), font, fontscale, (255, 200, 0), 2)
        cv2.imshow("corners", img)
        key = cv2.waitKey(1) & 0xFF
        if key == ord("c"):
            print("\n进行标定...\n")
            N_OK = len(objpoints)  # 有效的标定图像数量
            if N_OK < 12:
                print("检测到的角点少于12个 (%d)，标定失败" % (N_OK))
                continue
            else:
                do_calib = True
                break

        elif key == ord("q"):
            quit = True
            break

    if quit:
        print("标定已退出。")
        cap.release()
        cv2.destroyAllWindows()

    if do_calib:
        N_OK = len(objpoints)
        K = np.zeros((3, 3))
        D = np.zeros((4, 1))
        rvecs = [np.zeros((1, 1, 3), dtype=np.float64) for _ in range(N_OK)]
        tvecs = [np.zeros((1, 1, 3), dtype=np.float64) for _ in range(N_OK)]

        ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(
            objpoints,
            imgpoints,
            gray.shape[::-1],
            None,
            None)

        if ret:
            fs = cv2.FileStorage(args.output, cv2.FILE_STORAGE_WRITE)
            fs.write("resolution", np.int32([W, H]))
            fs.write("camera_matrix", mtx)  # 内参矩阵
            fs.write("dist_coeffs", dist)  # 畸变系数
            # print("rvecs:", rvecs)  # 旋转向量
            # print("tvecs:", rvecs)  # 平移向量
            fs.release()
            print("相机数据保存成功")
            cv2.putText(img, "SUCCESS!", (220, 240), font, 2, (0, 0, 255), 2)
        else:
            cv2.putText(img, "FAILED!", (220, 240), font, 2, (0, 0, 255), 2)

        cv2.imshow("corners", img)
        cv2.waitKey(0)


if __name__ == "__main__":
    main()
王尼莫啊
关注
  • 8
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
鱼眼相机标定以及OpenCV实现
Chogori-Ma的专栏
01-07 2万+
在另一篇文章中我已经写过有关普通相机模型及其OpenCV标定实现，这篇文章将主要关注鱼眼相机模型及其OpenCV标定实现。 对鱼眼相机标定，有时候也可以用普通相机的标定方法对其进行标定，但是却不能保证去畸变后的效果是最好的。因此对于Gopro等鱼眼镜头拍摄出来的图像去畸变，最好的方法就是采用鱼眼相机标定方法进行标定。
鱼眼相机模型和标定
西涯先生的博客
09-12 5423
Hello，欢迎来到我的博客~ 今天的内容是鱼眼相机的建模方法和标定工具的使用 主要会介绍鱼眼相机和普通透视相机的联系，以及一种简单的鱼眼相机模型，和标定方法 1 鱼眼相机与普通透视相机的关系 普通透视相机是我们在日常生活最常用的相机，它的成像模型想必大家都很了解。而鱼眼相机拍摄的图像和普通相机拍摄的有着天壤之别，所以我们直观上很难想象它是如何成像的。但是这里有一种很简单的方法，就可以将一个普通相机改造成鱼眼相机： 没错，在普通相机前面加一个反射镜就可以等效成一个鱼眼相机了。 大家注意了，这也是给鱼眼.
从普通相机模型到鱼眼畸变模型--标定与去畸变
鲁点点的博客
09-14 3247
使用markdown写博客的优缺点 方便些注释 标题 List item d d d adwq e List item d a wq da d ad d ad da d a #include <stdio.h> int main() { printf() } |星期一 | 2 |3| | 3| 4|4|
OpenCV相机标定原理及实现(普通相机标定、鱼眼相机标定)
chennuo0125的博客
01-10 5323
前言 OpenCV相机标定包括普通相机标定和鱼眼相机标定，其中普通相机标定参考的是张正友标定法，而鱼眼相机的标定是基于等距投影模型进行标定的． 普通相机标定 张正友标定法 (1) 针孔模型内外参标定 针孔相机投影模型方程: sm~=A[Rt]M~(1) s\widetilde{\mathbf{m}} = \mathbf{A}\begin{bmatrix} \mathbf{R} & \mathbf{t} \end{bmatrix} \widetilde{M} \tag{1} sm=A[R​t​]M(1
鱼眼相机的标定
乌鸦向北的博客
09-21 953
#鱼眼相机内参标定 理论参考https://niecongchong.blog.csdn.net/article/details/122944975 代码参考https://blog.csdn.net/m0_58772523/article/details/121585684 ##计算内参 import cv2 import numpy as np import glob def calib(inter_corner_shape, size_per_grid, path): # 获取棋盘格角
【OpenCV】中的鱼眼相机及其标定
格物致知
01-08 8056
1. 鱼眼镜头特性与镜头分类 普通镜头和针孔相机在数学模型上可以等价对待，都是射影变换（Perspective transform）； 鱼眼镜头受到水下斯涅耳窗口现象的启发，采用不同的投影方式，来得到极大的视场角； 鱼眼镜头常用的投影方式包括等距投影、等积投影、体视投影、正交投影等； 2. 鱼眼镜头与呈像相似性 对日常生活、甚至一些艺术创作、科学研究来说，保持像与物的相似是一件好事。偏离相似性，我们就说镜头有了畸变，大多数时候，我们并不希望镜头有畸变，甚至在设计镜头的时候，专门针对「偏离相似性」——也就是
java鱼眼相机标定_[转]opencv3.0 鱼眼相机标定
weixin_29131709的博客
02-24 234
【原文转自】：http://blog.csdn.net/qq_15947787/article/details/51441031Kannala J, Brandt S S. A generic camera model and calibration method for conventional, wide-angle, and fish-eye lenses[J]. Pattern Analy...
Opencv中普通相机模型与鱼眼相机模型的区别
11-23 2557
鱼眼相机模型 普通相机模型 无畸变时相机模型的状态： 有畸变时的状态： The distortion parameters are the radial coefficientsk1,k2,k3,k4,k5, andk6,p1andp2are the tangential distortion coefficients, ands1,s2,s3, ands4, are the thin prism distortion coefficients. High...
最详细、最完整的相机标定讲解
热门推荐
a083614的专栏
11-20 13万+
张正友标定
针孔、鱼眼相机标定，包括单目和双目标定demo
07-01
针孔、鱼眼相机标定，包括单目和双目标定demo， 基于OpenCV和C++。
相机单目标定支持鱼眼标定
03-24
基于ubuntu的相机单目标定支持鱼眼标定，含源代码和照片
鱼眼相机标定文献
10-26
鱼眼相机标定文献，硕士论文，鱼眼相机标定文献，硕士论文
基于opencv&c++的相机标定
05-25
基于opencv&c++的相机标定，建立世界坐标，寻找12个对应的图象坐标，计算出相机的内外参数。然后给出一个世界坐标，点击图片，自动给出对应的图象坐标。
VS2015+OpenCV3.4.1鱼眼相机标定校正.rar
11-07
鱼眼相机标定校正+批量加载多张标定图像+批量处理多张测试图像+角点坐标输出+相机参数输出
Jetson NX重装支持cuda和aruco库的opencv-4.1.1和opencv_contrib-4.1.1【2024亲测可用】
weixin_43002939的博客
05-22 152
基于Jetson Nano的opencv-4.1.1和opencv_contrib-4.1.1版本的编译安装。
嵌入式交叉编译：OpenCV
柳鲲鹏
05-19 230
penCV自带编译配置，十分方便。
猫狗分类识别⑤二值化
灰灰老师
05-22 218
它接受四个参数：输入图像、阈值、最大值（通常设置为255，表示白色）和二值化类型（在这个例子中使用cv2.THRESH_BINARY）。函数返回两个值：第一个是用于二值化的实际阈值（在这个例子中我们不需要，所以使用_来忽略它），第二个是二值化后的图像。在这个脚本中，我们假设去噪后的图像已经是灰度图像。可以使用cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)来实现。最后，使用cv2.imwrite函数将二值化后的图像保存到指定的文件夹中。
图像处理案例01
最新发布
qq_35732321的博客
05-22 374
【代码】图像处理案例01。
python 鱼眼相机标定
12-30
鱼眼相机标定是指通过对鱼眼相机的参数进行精准测量和调整，以便能够准确捕捉和处理鱼眼图像。Python是一种强大的编程语言，可以用于编写鱼眼相机标定的程序。 要进行鱼眼相机标定，首先需要收集大量不同角度和位置...

“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 3
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