opencv相机标定

对于初学者而言，对相机的标定经常模糊不清。不知道机器坐标与相机坐标如何转换，两个坐标系又是如何建立？ 我们通常是利用张氏标定法，针对于相机的畸变进行标定，利用校正得到的参数对图形进行处理后再呈现出来。这个方法网上用的人很多，资料也较为全面。这里就不做说明了。本文主要是针对机械手的手眼标定，一般而言目前相机的畸变较小，精度也较为准确，使用该方法进行标定也能得到较好的效果。 首先，对于九点标定而言。我们使用到的是OpenCv中的 estimateRigidTransform 函数。 函数定义如下： Mat estimateRigidTransform(InputArraysrc,InputArraydst,boolfullAffine) 前两个参数，可以是 ：src=srcImage (变换之前的图片Mat) dst=transImage（变换之后的图片Mat） 也可以： src=array（变换之前的关键点Array） dst=array（变换之后的关键点Array） 第三个参数： 1（全仿射变换,包括：rotation, translation, scaling,shearing,reflection） 其主要原理为：如果我们有一个点变换之前是[x,y,1],变换后是[x’,y’,1] 则fullAffine表示如下: TX=Y 展开后表示 如果我们想求这【a-f】

　　 　　最近方向定下来是双目立体视觉，主要是做重建这块的研究。大致过程是图像获取->摄像机标定->特征提取->匹配->三维重建，当然开始可以进行图像预处理，矫正，后期可以进行点云的进一步处理，如渲染表面使其更接近于现实物体。 　　图像获取相对来说比较简单，用相机拍摄目标物（大型场景或特定小型的室内物体）。但有两点需要注意： 　　1、双目重建所需的图像一般为两张，角度相差不应过大，否则公共部分太少以至于重建效果不佳；整个过程简便，成本也不高，但缺陷是只有两张图像的点云所表示的物体信息不会很全面； 　　2、标定所需的图像又是另外拍摄的，用张正友标定法的话，把印有黑白棋盘格的图像粘至硬纸板上，然后左右摄像机各自进行拍摄，理论上获得角度（图像）越多，最终标定结果越精确；标定板见下图： 　　这里主要结合OpenCV对左右摄像机标定做一个简单的介绍，望朋友们指正，一起交流、进步。 　　摄像机的标定问题是机器视觉领域的入门问题，可以分为传统的摄像机定标方法和摄像机自定标方法。定标的方法有很多中常见的有：Tsai（传统）和张正友（介于传统和自定标）等， 　　摄像机成像模型和四个坐标系（通用原理）。 　　摄像机模型采用经典的小孔模型，如图中Oc（光心），像面π表示的是视野平面，其到光心的距离为f（镜头焦距）。 　　四个坐标系分别为：世界坐标系（Ow），摄像机坐标系（Oc），图像物理坐标系（O1

一. 标定原理 摄像机在成像的过程中会在边缘产生显著的畸变，对于普通的摄像机拍摄的图像，会产生径向畸变，切向畸变和其他类型的畸变，我们需要对图像进行矫正处理。使用opencv标定图像的过程，先根据一个标定物体计算旋转矩阵和平移向量，寻找标定物的角点cvFindchessboardCorners；再精确角点的位置（也叫亚像素角点）cvfindCornerSubPix；绘制出所有的标定物角点cvDrawChessboardCorners ；使用标定函数计算摄像机的内参数矩阵和畸变系数，旋转变量和平移变量 cvCalibrateCamera2；根据内参数矩阵和畸变系数求出畸变映射cvInitUndistortMap ，再使用重映射转换图片 cvRemap ，也可以使用cvUndistort2完成所有的事项。 二. 函数简介 1. cvFindchessboardCorners 寻找棋盘上的角点位置 2. cvfindCornerSubPix 精确角点位置 3. cvDrawChessboardCorners 绘制检测到的棋盘角点 4. cvCalibrateCamera2 利用定标来计算摄像机的内参数和外参数 5. cvfindExtrinsicCameraParam2 只计算外参数 6. cvRodrigues2 进行旋转矩阵和旋转向量间的转换 7. cvUndistort2

在机器视觉领域，摄像头的标定指通过技术手段拿到相机的内参、外参及畸变参数。 相机内参长这样，利用针孔模型，将 3d 物体透视投影到 2d 的相机屏幕上。 P = [ f x 0 c x 0 f y c y 0 0 1 ] P = \begin{bmatrix} f_{x} & 0 & c_{x} \\ 0 & f_{y} & c_{y}\\ 0 & 0 & 1 \end{bmatrix} P = ⎣ ⎡ ​ f x ​ 0 0 ​ 0 f y ​ 0 ​ c x ​ c y ​ 1 ​ ⎦ ⎤ ​ 畸变参数包括 2 类， 径向畸变和切向畸变 。 径向畸变 最明显的例子就是鱼眼相机的效果。 大家仔细观察上面的图片，它就能很好地介绍径向畸变。越往镜头边缘，线条弯曲的越明显，本来是直线，现在都变成了曲线，消除畸变就是为了把这些曲线尽量还原成本来的样子。 径向畸变可以被纠正，公式如下。 除了径向畸变外，还有一个畸变就是 切向畸变 。 切向畸变 一般来说，是因为相机镜头制造工艺精度不够，透镜和感光器原件没有平行。从而造成了图像的变形。 矫正公式如下： 两个畸变的参数通常用一个向量表示。 但一般只用 4 个参数。 [ k 1 , k 2 , p 1 , p 2 ] [k_{1} ,k_{2},p_{1},p_{2}] [ k 1 ​ , k 2 ​ , p 1 ​ , p 2 ​ ] 如果用

0.前言 接触双目相机标定有一段时间了，这里将自己的学习进行一下小结。双目标定的目的是用于后面的双目测距，不过有关双目测距的内容这里先只介绍双目测距的原理，不涉及双目测距算法。 1.三角测量 这一部分内容《学习opencv》中文版的p452-p454有了详细的论述 注意得到最后的公式是存在很多前提的，包括： （1）两台摄像机光轴平行、焦距相等， 且各自的主点具有相同的像素坐标 （2）两台摄像机成像平面共面且像素行对齐 不过我们拿到的双摄设备往往不能达到这种要求，所以需要标定这一步骤来进行相关的校正 2.双目标定 opencv已经提供了一个demo（samples\cpp\stereo_calib.cpp）实现了标定流程。在此之前按照《学习opencv》相关内容进行不同角度棋盘格图像的采集，选取包含较多位置、角度变化的10-20对图像作为待处理数据。 自己使用vs2015+opencv310，调用stereo_calib.cpp封装好的函数进行了标定，目测效果还可以。这里将附有注释的代码附上来 stereo_calib.h #ifndef _STEREO_CALIB_H_ #define _STEREO_CALIB_H_ #include <io.h> #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/imgcodecs

近期使用opencv进行单相机标定，采用张正友的棋盘格网标定方法，标定过程中的注意事项如下： 1. opencv检测棋盘格角点函数，输出角点坐标顺序有两种可能，顺时针或者逆时针。确保每张图片检测出的角点顺序都一致。 2. 标定计算出的每张相片的外参数，是指物方坐标系经过旋转和平移，转换到像空间坐标系的参数，物方坐标系圆点在棋盘格第一个角点处。 3. 标定前需要输入棋盘格尺寸（单位一般用毫米），用于计算每个棋盘格角点在物方坐标系下的坐标。 4. 若自己打印棋盘格，不要让每个格子的尺寸太大，否知会导致提取角点失败，优先保证有较多的行列数。 标定函数代码连接： https://www.jianshu.com/p/d8f612d417f8 来源： CSDN 作者： 大森林_ 链接： https://blog.csdn.net/weixin_41224763/article/details/88531671

OpenCv相机标定——圆形标定板标定 0.前言 1.标定图案 2.OpenCv标定 3.标定结果分析 0.前言   OpenCv中，相机标定所使用的标定图案分为棋盘格、对称圆形及非对称圆形特征图、ArUco板和ChArUco板等。在OpenCV的官方例程中，采用的是棋盘格图案，因为其操作简单、快速，标定精度满足一般应用场景的需求。对于标定精度要求高的场景，则一般采用圆形标定图案。本文主要介绍如何使用圆形标定图案（对称和非对称）完成相机的标定，并将OpenCv标定结果与Halcon标定结果进行对比分析。 1.标定图案   OpenCv中使用的圆形标定图案如图1所示： OpenCv中，使用圆形标定图案用到的函数为 cv::findCirclesGrid()。函数原型如下：  bool cv::findCirclesGrid(//找到圆心坐标返回True      cv::InputArray,//输入标定图像，8位单通道或三通道      cv::Size patternSize,//标定图案的尺寸      cv::OutputArray centers,//输出数组，为检测到的圆心坐标      int flags,//标志位，对称图案——cv::CALIB_CB_SYMMETRIC_GRID,非对称图案——  cv::CALIB_CB_ASYMMETRIC_GRID     

软件： Matlab 2014a，VS 2013 棋盘格标定板： 方格边长0.5mm，横向角点数19个，纵向角点数15个。 相机内参估算 其实在已知相机的某些参数后，不进行标定也可以估计出大致的内参矩阵。 根据上一篇博文中对图像坐标系、相机坐标系和世界坐标系的学习，可以知道相机内参的形式： fx 0 u0 K = 0 fy v0 0 0 1 内参数为fx，fy，u0，v0。其中：fx=f/dx， fy=f/dy；u0，v0为主点坐标。 理想情况下：fx=fy；u0，v0分别为分辨率的一半，所以在已知焦距、图像分辨率和传感器尺寸等参数后，可以对理想情况下的内参进行估算。 以网上经常作为举例对象的NiKon D700相机为例： 焦距 f=35mm，最高分辨率 4256 2832，传感器尺寸 36.0mm 23.9mm 则可计算出： dx=36.0/4256，dy=23.9/2832 —> fx=f/dx=4137.8，fy=f/dy=4147.3 u0=4256/2=2128，v0=2832/2=1416 内参矩阵即为： 4137.8 0 2128 K = 0 4147.3 1416 0 0 1 但在对精度要求比较高的场合还是需要对相机进行标定，得到相机实际的内参和畸变参数。 Matlab标定工具箱 参考博客：http://blog.csdn.net/jameshater

https://blog.csdn.net/u012319493/article/details/77622053 来源 张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析（附标定程序和棋盘图） https://my.oschina.net/abcijkxyz/blog/787659 将openCV安装目录下的“opencv2.4.8\opencv\sources\samples\cpp”中的有关棋盘的图片复制到工程目录下 这里写图片描述 在“calibdata.txt”中写入以下内容： left01.jpg left02.jpg left03.jpg left04.jpg left05.jpg left06.jpg left07.jpg left08.jpg left09.jpg left10.jpg #include <iostream> #include <sstream> #include <time.h> #include <stdio.h> #include <fstream> #include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/calib3d/calib3d.hpp> #include <opencv2

https://blog.csdn.net/u012319493/article/details/77622053 #include #include #include <time.h> #include <stdio.h> #include #include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/calib3d/calib3d.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; using namespace std; void main() { ifstream fin(“calibdata.txt”); / 标定所用图像文件的路径 / ofstream fout(“caliberation_result.txt”); / 保存标定结果的文件 / // 读取每一幅图像，从中提取出角点，然后对角点进行亚像素精确化 int image_count = 0; / 图像数量 / Size image_size; / 图像的尺寸 / Size board_size = Size(9, 6); / 标定板上每行、列的角点数 / vector image_points_buf; /