球体的双目视觉定位(matlab,附代码)
标签(空格分隔): 机器视觉
引言
双目视觉定位是我们的一个课程设计,最近刚做完,拿出来与大家分享一下,实验的目的是在拍摄的照片中识别球体,并求出该球体到相机的实际距离吗,我们要求需要用matlab,但是matlab调用双目摄像头(一个USB口)却老是只能调用双目摄像头中的一个,但是利用Python的OpenCV库却可以同时调用两个,因此我们选用了Python用于拍摄图片。
1.基本流程
备注:因为根据得出的视差图识别出圆球略困难,我们没有采用视差图深度图去得出球体的深度,而是直接利用校正后的图片像素差,代入公式直接求出距离。
1.相机标定
首先我们要知道在摄像机模型中,一般要涉及四种坐标系:世界坐标系、摄像机坐标系、图像坐标系、像素坐标系。相机标定的作用可以理解为找到一种将世界坐标系和图像坐标系之间的变换关系。
具体标定可以参考这篇文章:双目视觉相机标定
1.像素坐标系(u,v):
顾名思义,每一点都是一个像素,原点通常设置在图像的左上角处,点的横纵坐标分别代表相应的像素在图像中位于第几行第几列;
2.图像坐标系(x,y):
将原点设置在相机光轴与图像平面的交点处,横轴、纵轴与像素坐标系的横轴、纵轴平行; 图像平面的中心为坐标原点,为了描述成像过程中物体从相机坐标系到图像坐标系的投影透射关系而引入,方便进一步得到像素坐标系下的坐标。图像坐标系是用物理单位(例如毫米)表示像素在图像中的位置。
3.相机坐标系(x,y,z):
摄像机站在自己角度上衡量的物体的坐标系。摄像机坐标系的原点在摄像机的光心上,z轴与摄像机光轴平行。它是与拍摄物体发生联系的桥头堡,世界坐标系下的物体需先经历刚体变化转到摄像机坐标系,然后在和图像坐标系发生关系。它是图像坐标与世界坐标之间发生关系的纽带,沟通了世界上最远的距离。单位为长度单位如mm。
4.世界坐标系 (Xw,Yw,Zw):
物体在真实世界中的坐标。
具体标定利用matlab的工具箱,步骤如下:
1.打印标定板:
2.拿着标定板拍照(拍照代码在文末),效果图如图:
3.将上面的照片按left,right分为两组,放到两个文件夹中,打开matlab进行标定。在命令行窗口输入stereoCameraCalibrator,出现如下界面:
4.然后将上面的“Skew”、“Tangential Distortion”以及“2 Coefficients”等选项选上,将“3 Coefficients”选项去掉,如下:
5.载入图像:
备注:标定板打印的标准一点,图中的25是小方格边长,方格!边长!根据你的实际情况修改。
6.点击按钮进行标定:
7.选中直方图中误差较大的一些组,(与此同时左侧的图片也会被选中),将这些删除,然后他会自动重新标定。
8.觉得没问题了,就把标定的数据导出(那个绿色的对勾符号)。之后关掉这个工具箱,会弹出一个框,然后选择yes保存生成的.mat文件。记住自己保存的路径,下次用的时候提前在matlab中打开这个文件。至此,标定完成。
标定的参数包括很多,包括相机的内参,外参等,有旋转矩阵,平移矩阵等。可以自己去查查。
2.图像校正
图像校正是根据标定获取的畸变矩阵,来校正相机拍摄时造成的误差,包括径向畸变和切向畸变。两者合起来是一个15的矩阵,不过matlab标定的时候却只显示两个12的矩阵,查了知道缺失的一个参数可以设置为0,.如果你利用python双目测距这篇文章做的双目视觉定位,这句话肯定会给予你帮助。
3.识别圆球
这里采用了霍夫变换去识别小球,霍夫变换找圆的基本思想是,对于一个圆
<