标定后得到的圆点阵图
标定后得到的矩形点阵图
在这里插入图片描述
一.相机标定的目的:得到世界坐标系与像素坐标系的正确对应关系;
二.在坐标转换过程中,会用到四个坐标系:世界坐标系(三维),相机坐标系(三维),图像坐标系(二维),像素坐标系(二维);
小孔成像原理
相机成相
三.相机畸变
常见的畸变有径向畸变和切向畸变
径向畸变,取决于镜片形状(桶形和鱼眼形;图像中心畸变度基本为0,越向外的轮廓畸变度越高)
切向畸变,取决于相机安装各器件同心及平行度(图像梯形)
畸变图:
找到棋盘格角点函数
FindChessboardCorners(imageInput, board_size, image_points_bufmat)
imageInput:输入的图像
board_size:角点行列个数
image_points_bufmat:记录角点位置的输出矩阵
找到所有角点,函数的返回值设置为true,否则为false
圆点阵寻找圆心函数
FindCirclesGrid(imageInput, board_size, image_points_bufmat,FindCirclesGridFlags.AsymmetricGrid)
imageInput :输入图像
board_size :图像行列数
image_points_bufmat:圆心位置输出矩阵
FindCirclesGridFlags.AsymmetricGrid:非对称网格
对粗提取的角点进行亚像素精确化函数
Find4QuadCornerSubpix(view_gray, image_points_bufmat, new Size(11, 11));
view_gray:输入图像
image_points_bufmat:输出图像
new Size(11, 11) 角点搜索窗口的尺寸,这个窗口主要用作 交点 的精定位。往往标定用的黑白棋盘格交点,已经提取到了坐标,但是,有的坐标不是最优解,那么为了保证精度,就基于提取到的交点坐标,框出来一个窗口,单独对窗口内的像素点做处理,重新计算交点的坐标,这一步可以称为 精定位。
绘制棋盘角点函数
DrawChessboardCorners(view_gray, board_size, image_points_bufmat, true)
如果没有找到所有角点,可用的角点被表示为小的红色圆圈;如果整个图案上角点都找到,那么角点将会被绘制成不同的颜色(每一行都有自己的颜色),并将角点以一定顺序用线连起来
view_gray:要绘制的图像,要画带颜色的圆,就选取8位的彩色图像
board_size:角点的行列个数
image_points_bufmat:记录角点位置的输出矩阵
true:是否所有的点都被找到,我的程序设置的是FindChessboardCorners的函数返回值
标定函数用来计算内参矩阵和畸变向量
CalibrateCamera(object_pointsmat, image_points_seqmat
, image_size, cameraMatrixMat, distCoeffsMat, out tvecsMat, out rvecsMat);
object_pointsmat :世界坐标系下的点
imagePoints : 图像坐标系下的点
image_size :图像的大小
cameraMatrixMat :内参矩阵
distCoeffsMat :畸变系数
tvecsMat :旋转向量
rvecsMat :位移向量;
矫正图像函数
Undistort(imageSource, newimage, cameraMatrixMat, distCoeffsMat);
imageSource:输入图像
newimage:输出图像
cameraMatrixMat:内参矩阵
distCoeffsMat:畸变系数
张正友标定棋盘格opencvsharp程序
using OpenCvSharp;
using OpenCvSharp.Extensions;
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using Point = OpenCvSharp.Point;
using Size = OpenCvSharp.Size;
namespace cail
{
public partial class cail11 : Form
{
public cail11()
{
InitializeComponent();
}
private void button1_Click(object sender, EventArgs e)
{
// 图像数量
int image_count = 0;
Size image_size=new Size(1280,720 ); // 图像的尺寸
OpenCvSharp.Size board_size =new OpenCvSharp.Size(6, 4); // 标定板角点的行列个数
int CornerNum = board_size.Width * board_size.Height; //每张图片上总的角点数
string[] files = System.IO.Directory.GetFiles("pictures");
Mat[] image_points_seqmat = new Mat[files.Length]; // 存储所有图片的角点
Mat image_points_bufmat = new Mat();
Mat view_gray = new Mat();// 获取灰度图
for (int s = 0; s < files.Length; s++)
{
Mat imageInput = new Mat(files[s], ImreadModes.AnyColor);
if (image_count == 0) // 获得图像尺寸
{
image_size.Width = imageInput.Cols;
image_size.Height = imageInput.Rows;
}
//输入的图像 角点行列个数 输出的图像
//如果检测到了与原图有不相同的角点,结束当前函数
if (!Cv2.FindChessboardCorners(imageInput, board_size, image_points_bufmat))
{
return;
}
else
{
Cv2.CvtColor(imageInput, view_gray, ColorConversionCodes.RGB2GRAY);
// 对粗提取的角点进行亚像素精确化
Cv2.Find4QuadCornerSubpix(view_gray, image_points_bufmat, new Size(11, 11));
image_points_seqmat[s] = (image_points_bufmat);
Cv2.CvtColor(view_gray, view_gray, ColorConversionCodes.GRAY2RGB);
// 在图像上显示角点位置
Cv2.DrawChessboardCorners(view_gray, board_size, image_points_bufmat, true); //用于在图片中标记角点
Cv2.ImShow("111", view_gray);
}
image_count++;
}
Size square_size =new Size(4, 4); // 世界坐标系下 黑白块宽度 4cm
Mat[] object_pointsmat = new Mat[image_count];
Mat[] rvecsMat = new Mat[0]; // 旋转向量
Mat[] tvecsMat = new Mat[0]; // 平移矩阵
Mat cameraMatrixMat = new Mat(3,3,MatType.CV_32FC1);
Mat distCoeffsMat = new Mat(1,5, MatType.CV_32FC1);
int i, j, t;
for (t = 0; t < image_count; t++)//6张图
{
List<Point3f> tempPointSet=new List<Point3f>();
Mat mm = new Mat();
for (i = 0; i < board_size.Height; i++)//4列
{
for (j = 0; j < board_size.Width; j++)//6行
{
Point3f realPoint=new Point3f();
//假设标定板放在世界坐标系中z=0的平面上
realPoint.X = j * square_size.Width;
realPoint.Y = i * square_size.Height;
realPoint.Z = 0;
mm.Add( realPoint);
tempPointSet.Add(realPoint);
}
}
object_pointsmat[t]=(mm);
}
//object_points 世界坐标系下的点 imagePoints 图像坐标系下的点
//图像中的点的位置 内参矩阵 畸变矩阵 内参数的输出向量 外参数的输出向量 每个标定图片的重投影均方根误差的输出向量
Cv2.CalibrateCamera(object_pointsmat, image_points_seqmat
, image_size, cameraMatrixMat, distCoeffsMat, out tvecsMat, out rvecsMat,CalibrationFlags.None
);
//********************* 检验标定效果 **********************
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
int count = 0;
for (i = 0; i < image_count; i++)
{
Mat image_points = new Mat();
Cv2.ProjectPoints(
object_pointsmat[i], tvecsMat[i], rvecsMat[i]
, cameraMatrixMat, distCoeffsMat,
image_points
);
err = Cv2.Norm(image_points, image_points_seqmat[i], NormTypes.L2);
total_err += err /= CornerNum;
listBox1.Items.Insert(0, i + 1 + "幅图像的平均误差:" + err + "像素");
}
for (i = 2; i < image_count; i++)
{
if (count > 0)
break;
Mat rotation_matrixmat = new Mat();
Cv2.Rodrigues(rvecsMat[i], rotation_matrixmat);
Mat imageSource = new Mat(files[i]);
pictureBox1.Image = imageSource.ToBitmap();
Mat newimage = new Mat();
//原图 矫正后图像 内参矩阵 畸变系数
Cv2.Undistort(imageSource, newimage, cameraMatrixMat, distCoeffsMat);
pictureBox2.Image = newimage.ToBitmap();
count++;
}
}
}
}