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

       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 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相机进行的变换,平行校正就是针对双目相机的操作。


本文针对双目平行校正的方法展开叙述:


做双目平行校正时,是已经通过相机标定获取了左、右相机的内参矩阵和畸变系数,以及左、右相机达到平行时各需要的旋转矩阵,另外,已知左右两个相机拍摄出来的两幅图片。

注:这里双目相机各参数标定是通过左右相机拍摄的15对棋盘格图像,通过opencv双目标定程序获取的。

内参矩阵:


畸变系数:

  • 22
    点赞
  • 176
    收藏
    觉得还不错? 一键收藏
  • 16
    评论
Python中进行双目极线校正的方法有很多,可以使用OpenCV库来实现。以下是一个简单的示例代码: ```python import cv2 import numpy as np def rectify_images(img1, img2, K1, K2, D1, D2, R, T): height, width = img1.shape[:2] # 计算相机的新投影矩阵(P1, P2) R1, R2, P1, P2, Q, roi1, roi2 = cv2.stereoRectify(K1, D1, K2, D2, (width, height), R, T) # 计算映射矩阵 map1x, map1y = cv2.initUndistortRectifyMap(K1, D1, R1, P1, (width,height), cv2.CV_32FC1) map2x, map2y = cv2.initUndistortRectifyMap(K2, D2, R2, P2, (width,height), cv2.CV_32FC1) # 通过映射矩阵进行校正 rectified_img1 = cv2.remap(img1, map1x, map1y, cv2.INTER_LINEAR) rectified_img2 = cv2.remap(img2, map2x, map2y, cv2.INTER_LINEAR) return rectified_img1, rectified_img2 # 读取图像 img1 = cv2.imread('left_image.jpg') img2 = cv2.imread('right_image.jpg') # 相机内参数矩阵和畸变系数 K1 = np.array([[fx1, 0, cx1], [0, fy1, cy1], [0, 0, 1]]) D1 = np.array([k1, k2, p1, p2]) K2 = np.array([[fx2, 0, cx2], [0, fy2, cy2], [0, 0, 1]]) D2 = np.array([k1, k2, p1, p2]) # 旋转矩阵和平移矩阵 R = np.array([[r11, r12, r13], [r21, r22, r23], [r31, r32, r33]]) T = np.array([t1, t2, t3]) # 进行双目极线校正 rectified_img1, rectified_img2 = rectify_images(img1, img2, K1, K2, D1, D2, R, T) # 显示校正后的图像 cv2.imshow('Rectified Image 1', rectified_img1) cv2.imshow('Rectified Image 2', rectified_img2) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,我们首先定义了一个`rectify_images`函数,用于对图像进行校正。然后,我们读取了左右两个图像,并定义了相机的内参数矩阵、畸变系数、旋转矩阵和平移矩阵。最后,调用`rectify_images`函数进行双目极线校正,并显示校正后的图像。 注意,上述代码中的相机参数需要根据实际情况进行设置。此外,还需要提前安装OpenCV库。
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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