标定板背后的秘密

本文探讨了相机标定过程中的一些关键点,如棋盘格的尺寸选择、角点数量的准确性以及拍摄图像的数量。通过《Learning OpenCV》中的内容,指出《工业机器人视觉通用技术规范》中关于角点数和图像数量的描述可能不够严谨,并分享了个人对标准象棋棋盘格角点数的理解。同时,提到了标定板设计和识别的深入研究方向。
摘要由CSDN通过智能技术生成

文章目录

前言

    本文首发于「3D视觉工坊」知识星球,此处略作修改,行文如下。

正文

    近期在阅读《工业机器人视觉通用技术规范》时,无意中发现其中有如下一段话,截图如下:

2.png

    对上述文字,我心生好奇,同时也充满了疑惑。

    带着问题,我又重新研读了《Learning OpenCV》中关于相机标定部分,对其中的发现略作总结,如下文。

    《Learning OpenCV》第417页,有如下一段叙述:

“因此对一个标准象棋棋盘,正确的值应该是cvSize(7,7)。……而且至少必须大于棋盘的所有角点数(对一个标准象棋棋盘为49)。”

    本页下方还有一段小注:

评论
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

打赏作者

3D视觉工坊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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