OpenCV相机标定与3D重建(9)相机标定函数calibrateCameraRO()的使用
- 操作系统:ubuntu22.04
- OpenCV版本:OpenCV4.9
- IDE:Visual Studio Code
- 编程语言:C++11
算法描述
cv::calibrateCameraRO 是 OpenCV 中用于相机标定的函数,它允许固定某些点来进行更精确的标定。
函数原型
double cv::calibrateCameraRO
(
InputArrayOfArrays objectPoints,
InputArrayOfArrays imagePoints,
Size imageSize,
int iFixedPoint,
InputOutputArray cameraMatrix,
InputOutputArray distCoeffs,
OutputArrayOfArrays rvecs,
OutputArrayOfArrays tvecs,
OutputArray newObjPoints,
OutputArray stdDeviationsIntrinsics,
OutputArray stdDeviationsExtrinsics,
OutputArray stdDeviationsObjPoints,
OutputArray perViewErrors,
int flags = 0,
TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON)
)
参数
- 参数objectPoints: 标志点在世界坐标系中的位置。
- 参数imagePoints: 标志点在图像平面上的位置。
- 参数imageSize: 图像的大小。
- 参数iFixedPoint: 固定点的数量。
- 参数cameraMatrix: 相机内参矩阵。
- 参数distCoeffs: 径向畸变和切向畸变系数。
- 参数rvecs: 每个视角的旋转向量。
- 参数tvecs: 每个视角的平移向量。
- 参数newObjPoints: 优化后的标志点在世界坐标系中的位置。
- 参数stdDeviationsIntrinsics: 内参的标准偏差。
- 参数stdDeviationsExtrinsics: 外参的标准偏差。
- 参数stdDeviationsObjPoints: 标志点位置的标准偏差。
- 参数perViewErrors: 每个视角的重投影误差。
- 参数flags: 标定选项。
- 参数criteria: 终止条件。
代码示例
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main()
{
// 已知的世界坐标系中标记点的位置
vector< vector< Point3f > > objectPoints; // 存储所有棋盘格角点的真实坐标
Size boardSize( 7, 5 ); // 棋盘格的尺寸
float squareSize = 1.0f; // 实际单位下的边长
for ( int i = 0; i < boardSize.height; i++ )
{
for ( int j = 0; j < boardSize.width; j++ )
{
objectPoints.push_back( vector< Point3f >( 1, Point3f( j * squareSize, i * squareSize, 0 ) ) );
}
}
// 图像中找到的标记点的位置
vector< vector< Point2f > > imagePoints; // 存储每个棋盘格角点的图像坐标
// 加载图像并检测棋盘格角点
Mat image = imread( "path_to_your_image.jpg" );
if ( image.empty() )
{
cout << "Could not open or find the image!" << endl;
return -1;
}
bool found = false;
vector< Point2f > corners;
found = findChessboardCorners( image, boardSize, corners );
if ( found )
{
cornerSubPix( image, corners, Size( 11, 11 ), Size( -1, -1 ), TermCriteria( TermCriteria::EPS + TermCriteria::COUNT, 30, 0.1 ) );
imagePoints.push_back( corners );
}
else
{
cout << "Chessboard not found in the image." << endl;
return -1;
}
// 相机内参和畸变系数
Mat cameraMatrix = Mat::eye( 3, 3, CV_64F );
Mat distCoeffs;
// 输出参数
vector< Mat > rvecs, tvecs;
Mat newObjPoints;
Mat stdDeviationsIntrinsics, stdDeviationsExtrinsics, stdDeviationsObjPoints;
Mat perViewErrors;
int iFixedPoint = 0; // 固定点数量
int flags = 0; // 默认标定选项
TermCriteria criteria( TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON );
// 执行相机标定
double rms = calibrateCameraRO( objectPoints, imagePoints, image.size(), iFixedPoint, cameraMatrix, distCoeffs, rvecs, tvecs, newObjPoints, stdDeviationsIntrinsics, stdDeviationsExtrinsics,
stdDeviationsObjPoints, perViewErrors, flags, criteria );
cout << "RMS re-projection error: " << rms << endl;
cout << "Camera matrix:\n" << cameraMatrix << endl;
cout << "Distortion coefficients:\n" << distCoeffs << endl;
return 0;
}
原文地址:https://blog.csdn.net/jndingxin/article/details/144344277
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)!