摄像机标定+畸变校正

申明：本文摘自网络：https://blog.csdn.net/Loser__Wang/article/details/51811347

感谢原博主的分享，这里做一个记录，以便后续阅读

摘要：使用MATLAB做摄像机标定,并通过opencv进行校正后的显示。可以用于相机标定。

一、关于相机的标定

采用Matlab相机标定工具

首先关于校正的基本知识通过OpenCV官网的介绍即可简单了解：

http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html

对于摄像机我们所关心的主要参数为摄像机内参，以及几个畸变系数。上面的连接中后半部分也给了如何标定，然而OpenCV自带的标定程序稍显繁琐。因而在本文中我主推使用MATLAB的工具箱。下面让我们开始标定过程。

标定板

标定的最开始阶段最需要的肯定是标定板。两种方法，直接从opencv官网上能下载到：
http://docs.opencv.org/2.4/_downloads/pattern.png

就是棋盘格

采集数据

那么有了棋盘格之后自然是需要进行照片了。不多说，直接上程序。按q键即可保存图像，尽量把镜头的各个角度都覆盖好

保存大约15到20张即可。

进行标定

直接而在MATLAB的Command Window里面输入cameraCalibrator即可调用标定应用。

首先先把之前照好的图像添加进去，这是出现：

这就是之前让你记录的标定板中每个方格的大小。
输入无误后就涉及到最关键的一步了（MATLAB的这个实在太方便了，都是傻瓜式操作），选择参数。

为什么说他关键呢，因为如果你仔细阅读了OpenCV的说明之后你会大概明白畸变参数，总共有五个，径向畸变3个（k1,k2,k3）和切向畸变2个(p1,p2)。

径向畸变：

 

切向畸变：

以及在OpenCV中的畸变系数的排列（这点一定要注意k1，k2，p1，p2，k3），千万不要以为k是连着的。

并且通过实验表明，三个参数的时候由于k3所对应的非线性较为剧烈。估计的不好，容易产生极大的扭曲，所以我们在MATLAB中选择使用两参数，并且选择错切和桶形畸变。

点击开始后等待一段时间即可完成标定。并且MATLAB给出的可视化还是很不错的，可以对比校正前后的样子。

————————————————
版权声明：本文为CSDN博主「王强_CASIA」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Loser__Wang/article/details/51811347

点击show Undistorted即可看到无畸变的图像。

到这为止，你已经完成了标定过程。选择导出参数，即可把参数进行保存。

保存后可以退出标定应用，在MATLAB主界面中将保存的Mat文件打开。

第二行就是参数

里面的RadialDistortion对应k1，k2，k3设置为0了。
TangentialDistortion对应p1，p2。
IntrinsicMatrix对应内参，注意这个和OpenCV中是转置的关系，注意不要搞错。

对应

OpenCV中查看标定的结果

代码：

#include "opencv2/opencv.hpp"
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    VideoCapture inputVideo(0);
    if (!inputVideo.isOpened())
    {
        cout << "Could not open the input video: " << endl;
        return -1;
    }
    Mat frame;
    Mat frameCalibration;

    inputVideo >> frame;
    Mat cameraMatrix = Mat::eye(3, 3, CV_64F);
    cameraMatrix.at<double>(0, 0) = 4.450537506243416e+02;
    cameraMatrix.at<double>(0, 1) = 0.192095145445498;
    cameraMatrix.at<double>(0, 2) = 3.271489590204837e+02;
    cameraMatrix.at<double>(1, 1) = 4.473690628394497e+02;
    cameraMatrix.at<double>(1, 2) = 2.442734958206504e+02;

    Mat distCoeffs = Mat::zeros(5, 1, CV_64F);
    distCoeffs.at<double>(0, 0) = -0.320311439187776;
    distCoeffs.at<double>(1, 0) = 0.117708464407889;
    distCoeffs.at<double>(2, 0) = -0.00548954846049678;
    distCoeffs.at<double>(3, 0) = 0.00141925006352090;
    distCoeffs.at<double>(4, 0) = 0;

    Mat view, rview, map1, map2;
    Size imageSize;
    imageSize = frame.size();
    initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),
        getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, imageSize, 0),
        imageSize, CV_16SC2, map1, map2);

    while (1) //Show the image captured in the window and repeat
    {
        inputVideo >> frame;              // read
        if (frame.empty()) break;         // check if at end
        remap(frame, frameCalibration, map1, map2, INTER_LINEAR);
        imshow("Origianl", frame);
        imshow("Calibration", frameCalibration);
        char key = waitKey(1);
        if (key == 27 || key == 'q' || key == 'Q')break;
    }
    return 0;
}

相信此时你的镜头的畸变也得到了修复

 

————————————————
版权声明：本文为CSDN博主「王强_CASIA」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Loser__Wang/article/details/51811347