opencv中标定函数

🕗 发布于 2025-01-18 18:27 opencv 人工智能 计算机视觉

calibrateCamera

在 OpenCV 中，calibrateCamera 函数用于进行相机标定，估计相机的内参和外参。相机标定的目的是确定相机在三维空间中的位置和方向，以及其光学特性。

函数原型

double cv::calibrateCamera(
    const std::vector<std::vector<cv::Point3f>>& objectPoints,
    const std::vector<std::vector<cv::Point2f>>& imagePoints,
    cv::Size imageSize,
    cv::Mat& cameraMatrix,
    cv::Mat& distCoeffs,
    std::vector<cv::Mat>& rvecs,
    std::vector<cv::Mat>& tvecs,
    int flags = 0,
    cv::TermCriteria criteria = cv::TermCriteria(cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 30, DBL_EPSILON)
);

参数说明

objectPoints:
- 三维空间中的点坐标，通常是一个三维标定板的点坐标，使用世界坐标系表示。每个图像的点集为一组。
imagePoints:
- 对应于图像中的点坐标，通常是通过特征检测（如角点检测）获得的。
imageSize:
- 图像的大小（宽度，高度），通常为 cv::Size(width, height)。
cameraMatrix:
- 输出参数，表示相机内参矩阵。初始化时可以使用 cv::Mat::eye(3, 3, CV_64F)。
distCoeffs:
- 输出参数，表示相机的畸变系数，通常为一个 5 或 8 元素的向量。
rvecs:
- 输出参数，表示每个图像的旋转向量，描述相机在世界坐标系中的方向。
tvecs:
- 输出参数，表示每个图像的平移向量，描述相机在世界坐标系中的位置。
flags:
- 可选参数，用于指定标定过程中的选项，例如是否使用初始估计。
criteria:
- 终止条件，用于控制迭代的停止条件。

返回值

返回相机重投影误差，通常用于评估标定的准确性。

示例代码

下面是一个使用 calibrateCamera 的简单示例：

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

int main() {
    // 设定标定板的每个角点的三维坐标
    std::vector<std::vector<cv::Point3f>> objectPoints; // 3D点
    std::vector<std::vector<cv::Point2f>> imagePoints;  // 2D点

    // 假设我们有 10 张图像，每张图像都检测到角点
    for (int i = 0; i < 10; ++i) {
        std::vector<cv::Point3f> obj;
        for (int j = 0; j < 6; ++j) { // 6x9 的角点
            for (int k = 0; k < 9; ++k) {
                obj.emplace_back(k * 20.0f, j * 20.0f, 0.0f); // 每个点间隔 20 单位
            }
        }
        objectPoints.push_back(obj);
        // 这里假设你已经检测到了相应的 2D 角点
        std::vector<cv::Point2f> imgPoints; // 需要通过角点检测得到
        imagePoints.push_back(imgPoints);
    }

    cv::Size imageSize(640, 480);
    cv::Mat cameraMatrix = cv::Mat::eye(3, 3, CV_64F);
    cv::Mat distCoeffs;

    std::vector<cv::Mat> rvecs, tvecs;

    // 进行相机标定
    double reprojErr = cv::calibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, rvecs, tvecs);

    // 输出标定结果
    std::cout << "Camera Matrix: " << cameraMatrix << std::endl;
    std::cout << "Distortion Coefficients: " << distCoeffs << std::endl;
    std::cout << "Reprojection Error: " << reprojErr << std::endl;

    return 0;
}

总结

calibrateCamera 是进行相机标定的关键函数，能够估计相机的内参和外参，帮助纠正图像的畸变。在实际应用中，通常需要多张图像和相应的特征点来获得准确的标定结果。

stereoCalibrate

在 OpenCV 中，stereoCalibrate 函数用于进行立体相机标定。它可以计算两个相机的内参、外参以及相机之间的相对位置和方向，通常用于立体视觉系统中，以便恢复三维场景。

函数原型

double cv::stereoCalibrate(
    const std::vector<std::vector<cv::Point3f>>& objectPoints,
    const std::vector<std::vector<cv::Point2f>>& imagePoints1,
    const std::vector<std::vector<cv::Point2f>>& imagePoints2,
    cv::Mat& cameraMatrix1,
    cv::Mat& distCoeffs1,
    cv::Mat& cameraMatrix2,
    cv::Mat& distCoeffs2,
    cv::Size imageSize,
    cv::Mat& R,
    cv::Mat& T,
    cv::Mat& E,
    cv::Mat& F,
    int flags = 0,
    cv::TermCriteria criteria = cv::TermCriteria(cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 30, DBL_EPSILON)
);

参数说明

objectPoints:
- 三维空间中的点坐标，通常是一个标定板的三维点集。
imagePoints1:
- 第一个相机中对应的图像点坐标。
imagePoints2:
- 第二个相机中对应的图像点坐标。
cameraMatrix1:
- 第一个相机的内参矩阵，输出参数。
distCoeffs1:
- 第一个相机的畸变系数，输出参数。
cameraMatrix2:
- 第二个相机的内参矩阵，输出参数。
distCoeffs2:
- 第二个相机的畸变系数，输出参数。
imageSize:
- 图像的大小，通常为 cv::Size(width, height)。
R:
- 输出参数，表示旋转矩阵，描述两个相机之间的旋转关系。
T:
- 输出参数，表示平移向量，描述两个相机之间的平移关系。
E:
- 输出参数，表示基础矩阵的本质矩阵。
F:
- 输出参数，表示基础矩阵。
flags:
- 可选参数，用于指定标定过程中的选项。
criteria:
- 终止条件，用于控制迭代的停止条件。

返回值

返回重投影误差，通常用于评估标定的准确性。

示例代码

以下是一个使用 stereoCalibrate 的简单示例：

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

int main() {
    // 设定标定板的每个角点的三维坐标
    std::vector<std::vector<cv::Point3f>> objectPoints; // 3D点
    std::vector<std::vector<cv::Point2f>> imagePoints1; // 第一台相机的2D点
    std::vector<std::vector<cv::Point2f>> imagePoints2; // 第二台相机的2D点

    // 假设我们有 10 张图像，每张图像都检测到角点
    for (int i = 0; i < 10; ++i) {
        std::vector<cv::Point3f> obj;
        for (int j = 0; j < 6; ++j) { // 6x9 的角点
            for (int k = 0; k < 9; ++k) {
                obj.emplace_back(k * 20.0f, j * 20.0f, 0.0f); // 每个点间隔 20 单位
            }
        }
        objectPoints.push_back(obj);

        // 这里假设你已经检测到了相应的 2D 角点
        std::vector<cv::Point2f> imgPoints1; // 第一台相机的检测结果
        std::vector<cv::Point2f> imgPoints2; // 第二台相机的检测结果
        imagePoints1.push_back(imgPoints1);
        imagePoints2.push_back(imgPoints2);
    }

    cv::Size imageSize(640, 480);
    cv::Mat cameraMatrix1 = cv::Mat::eye(3, 3, CV_64F);
    cv::Mat distCoeffs1;
    cv::Mat cameraMatrix2 = cv::Mat::eye(3, 3, CV_64F);
    cv::Mat distCoeffs2;

    cv::Mat R, T, E, F;

    // 进行立体相机标定
    double reprojErr = cv::stereoCalibrate(objectPoints, imagePoints1, imagePoints2,
                                            cameraMatrix1, distCoeffs1,
                                            cameraMatrix2, distCoeffs2,
                                            imageSize, R, T, E, F);

    // 输出标定结果
    std::cout << "Camera Matrix 1: " << cameraMatrix1 << std::endl;
    std::cout << "Camera Matrix 2: " << cameraMatrix2 << std::endl;
    std::cout << "Rotation Matrix: " << R << std::endl;
    std::cout << "Translation Vector: " << T << std::endl;
    std::cout << "Reprojection Error: " << reprojErr << std::endl;

    return 0;
}

总结

stereoCalibrate 是进行立体相机标定的关键函数，能够计算两个相机的内参和外参，帮助实现三维场景的重建。为了获得准确的结果，通常需要多张图像和相应的特征点。

stereoRectify

在 OpenCV 中，stereoRectify 函数用于对立体相机进行矫正，使得两个相机的视图可以在同一平面上进行比较和匹配。这个过程通常用于立体视觉应用，以便更容易提取深度信息。

函数原型

void cv::stereoRectify(
    const cv::Mat& cameraMatrix1,
    const cv::Mat& distCoeffs1,
    const cv::Mat& cameraMatrix2,
    const cv::Mat& distCoeffs2,
    cv::Size imageSize,
    const cv::Mat& R,
    const cv::Mat& T,
    cv::Mat& R1,
    cv::Mat& R2,
    cv::Mat& P1,
    cv::Mat& P2,
    cv::Mat& Q,
    int flags = 0,
    double alpha = -1,
    cv::Size newImageSize = cv::Size(),
    cv::Rect* validPixROI1 = 0,
    cv::Rect* validPixROI2 = 0
);

参数说明

cameraMatrix1:
- 第一个相机的内参矩阵。
distCoeffs1:
- 第一个相机的畸变系数。
cameraMatrix2:
- 第二个相机的内参矩阵。
distCoeffs2:
- 第二个相机的畸变系数。
imageSize:
- 原始图像的大小，通常为 cv::Size(width, height)。
R:
- 旋转矩阵，描述两个相机之间的旋转关系。
T:
- 平移向量，描述两个相机之间的平移关系。
R1:
- 输出参数，表示第一个相机的旋转矩阵。
R2:
- 输出参数，表示第二个相机的旋转矩阵。
P1:
- 输出参数，表示第一个相机的投影矩阵。
P2:
- 输出参数，表示第二个相机的投影矩阵。
Q:
- 输出参数，表示重投影矩阵，通常用于深度图的计算。
flags:
- 可选参数，控制矫正的行为。
alpha:
- 影响输出图像的大小和内容。-1 表示输出图像的大小与输入图像相同，0 表示裁剪到有效区域，1 表示包含所有信息。
newImageSize:
- 新的图像大小。如果未指定，则使用 imageSize。
validPixROI1:
- 可选参数，输出第一个相机的有效区域。
validPixROI2:
- 可选参数，输出第二个相机的有效区域。

返回值

此函数没有返回值，但会通过输出参数返回矫正结果。

示例代码

以下是一个使用 stereoRectify 的简单示例：

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

int main() {
    // 假设已经进行相机标定并获得以下参数
    cv::Mat cameraMatrix1 = cv::Mat::eye(3, 3, CV_64F);
    cv::Mat distCoeffs1 = cv::Mat::zeros(5, 1, CV_64F);
    cv::Mat cameraMatrix2 = cv::Mat::eye(3, 3, CV_64F);
    cv::Mat distCoeffs2 = cv::Mat::zeros(5, 1, CV_64F);
    cv::Size imageSize(640, 480);

    // 假设已经获得相机之间的旋转和位移
    cv::Mat R = cv::Mat::eye(3, 3, CV_64F); // 旋转矩阵
    cv::Mat T = cv::Mat::zeros(3, 1, CV_64F); // 平移向量

    cv::Mat R1, R2, P1, P2, Q;
    cv::Rect validPixROI1, validPixROI2;

    // 进行立体图像矫正
    cv::stereoRectify(cameraMatrix1, distCoeffs1,
                      cameraMatrix2, distCoeffs2,
                      imageSize, R, T,
                      R1, R2, P1, P2, Q,
                      0, -1, cv::Size(),
                      &validPixROI1, &validPixROI2);

    // 输出结果
    std::cout << "R1: " << R1 << std::endl;
    std::cout << "R2: " << R2 << std::endl;
    std::cout << "P1: " << P1 << std::endl;
    std::cout << "P2: " << P2 << std::endl;
    std::cout << "Q: " << Q << std::endl;

    return 0;
}

总结

stereoRectify 是立体视觉系统中重要的一步，通过矫正两幅图像使其在同一平面上对齐，方便后续的深度计算和匹配。为了获得准确的矫正效果，通常需要在标定阶段获得准确的相机内参和外参。

原文地址：https://blog.csdn.net/qq_22424571/article/details/145216860

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

上一篇：opencv入门基础
下一篇：MySQL 数据库的备份和恢复（Linux)

Leetcode - 周赛432
leetcode-周赛432，主要知识点：模拟，网格图DP，二分+dfs图的遍历，单调队列+单调栈+滑窗
阅读更多2025-01-19
【鸿蒙】0x02-LiteOS-M基于Qemu RISC-V运行
Qemu RISC-V虚拟化平台验证的OpenHarmony kernel_liteos_m的代码，目录名为riscv32_virt。RISC-V 虚拟化平台是一个 qemu-system-riscv
阅读更多2025-01-19
Spring Cloud 基础知识入门
SpringCloud是一系列框架的有序集合。它利用SpringBoot的开发便利性巧妙地简化了分布式系统基础设施的搭建和接入工作。它包含了多个子项目（例如Eureka用于服务发现，Hystrix用于
阅读更多2025-01-19
在 Web 应用中集成多种地图 API 的实现与管理
在这篇文章中，我们展示了如何在Web应用中集成多个地图API（如百度、谷歌、雅虎等），并通过动态加载脚本、状态管理和轮询机制来确保地图的高效加载和稳定性。通过这种方案，开发者可以轻松应对地图加载失败、
阅读更多2025-01-19
PHP企业IM客服系统
企业IM客服系统不仅仅是技术的革新，更是我们对用户体验的极致追求，让沟通无界限，连接更广阔的世界。同时，丰富的知识库资源，让用户自行探索感兴趣的知识点，提升满意度，更让您的企业服务焕发无限活力，引领未
阅读更多2025-01-19
从零搭建一套远程手机的桌面操控和文件传输的小工具
本文主要阐述实现原理和事件的交互方式，讲述如何通过ADB中继线路的方式，实现外部阿里云的公网服务器某一个公开的TCP端口对应映射一台内网手机的ADB链路的连接办法。从而实现远程访问本地Android手
阅读更多2025-01-19
[创业之路-255]：《华为数字化转型之道》-1-主要章节、核心内容、核心思想
数字化转型对于企业而言，确实是一种全方位的变革，它涉及企业的各个方面，包括组织结构、运营模式、技术应用、文化理念等。组织结构的变革数字化转型要求企业重新设计组织结构，以适应快速变化的市场环境和技术趋势
阅读更多2025-01-19
BPF CO-RE（一）——BPF可移植性问题
本文介绍BPF CO-RE应用背景中的BPF可移植性问题。裁剪翻译自https://nakryiko.com/posts/bpf-portability-and-co-re/#bpf-state-of
阅读更多2025-01-19
2025年01月18日Github流行趋势
项目名称：awesome-chatgpt-prompts。项目名称：fluentassertions。项目名称：RealtimeSTT。项目名称：public-apis。项目名称：llm-course
阅读更多2025-01-19
【统计的思想】假设检验（一）
假设检验是统计学里的重要方法，同时也是一种“在理想与现实之间观察求索”的测试活动。假设检验从概率的角度去考察理想与现实之间的关系，籍此来缓解测试可信性问题
阅读更多2025-01-19

opencv中标定函数

calibrateCamera

函数原型

参数说明

返回值

示例代码

总结

stereoCalibrate

函数原型

参数说明

返回值

示例代码

总结

stereoRectify

函数原型

参数说明

返回值

示例代码

总结

相关文章