• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>

            魚眼相機標定以及OpenCV實現(xiàn)


            在另一篇文章中我已經(jīng)寫過有關普通相機模型及其OpenCV標定實現(xiàn),這篇文章將主要關注魚眼相機模型及其OpenCV標定實現(xiàn)。 
            先看一張魚眼相機拍攝出來的結果:

            這里寫圖片描述

            從圖中可以看出很明顯的畸變。對魚眼相機標定,有時候也可以用普通相機的標定方法對其進行標定,但是卻不能保證去畸變后的效果是最好的。因此對于Gopro等魚眼鏡頭拍攝出來的圖像去畸變,最好的方法就是采用魚眼相機標定方法進行標定。

            魚眼相機模型

            魚眼相機的內(nèi)參模型依然可以表示為: 

            fx000fy0cxcy1

            這與普通鏡頭的成像模型沒有區(qū)別。兩者之間的區(qū)別主要體現(xiàn)在畸變系數(shù),魚眼相機的畸變系數(shù)為{k1,k2,k3,k4},畸變系數(shù)不同,就導致魚眼相機的投影關系也發(fā)生了變化,主要變化發(fā)生在考慮畸變情況下的投影關系轉(zhuǎn)化: 
            設(X,Y,Z)為空間中一個三維點,它在成像平面內(nèi)的成像坐標為(u,v),在考慮畸變的情況下, 
            xcyczc=RXYZ+T

            a=xc/zc,b=yc/zc 
            r2=a2+b2 
            θ=atan(r) 
            θ=θ(1+k1θ2+k2θ4+k3θ6+k4θ8) 
            x=(θ/r)xc 
            y=(θ/r)yc 
            u=fxx+cx 
            v=fyy+cy

            OpenCV實現(xiàn)魚眼相機標定

            利用opencv實現(xiàn)魚眼相機的標定和普通相機標定的標定流程基本一致,具體流程如下:

            1. 檢測角點 
              cv::findChessboardCorners(InputArray image, Size patternSize, OutputArray corners, int 
              flags=CALIB_CB_ADAPTIVE_THRESH+CALIB_CB_NORMALIZE_IMAGE}
               
              獲得棋盤標定板的角點位置,使用 
              cornerSubPix(InputArray image, InputOutputArray corners, Size winSize, Size zeroZone, 
              TermCriteria criteria)
              獲取角點更精細的檢測結果
            2. 初始化標定板上角點的三維坐標
            3. 開始標定 
              double fisheye::calibrate(InputArrayOfArrays objectPoints, InputArrayOfArrays imagePoints, 
              const Size& image_size, InputOutputArray K, InputOutputArray D, 
              OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, int flags=0, 
              TermCriteria criteria=TermCriteria(TermCriteria::COUNT + TermCriteria:: 
              EPS, 100, DBL_EPSILON))
               
              注意:K,D 分別表示內(nèi)參矩陣和畸變系數(shù)向量,在定義時要定義為double型,這里推薦使用Matx33d和Vec4d數(shù)據(jù)類型,更為方便簡單。objectPoints,imagePoints可以是float型,也可以是double型,但是再stereorectify中需要時double型。flags的可選項有很多,其中需要注意的是必須要指定CALIB_FIX_SKEW,代表求解時假設內(nèi)參中fx=fy
              4.評定誤差(可選項)

                  for (int i = 0; i != image_count; i++)
                  {
                      cout << "Frame #" << i + 1 << "..." << endl;
                      string image_Name;
                      stringstream stream;
                      stream << (i + startNum);
                      stream >> image_Name;
                      image_Name = path_ChessboardImage + image_Name + ".jpg";
                      cv::Mat image = imread(image_Name);
                      Mat image_gray;
                      cvtColor(image, image_gray, CV_RGB2GRAY);
                      vector<Point2f> corners;                   
                      bool patternFound = findChessboardCorners(image_gray, board_size, corners,
                          CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE + CALIB_CB_FAST_CHECK);
                      if (!patternFound || fullcornersNum != corners.size())
                      {
                          cout << "can not find chessboard corners!\n";
                          continue;
                      }
                      else
                      {
                          cornerSubPix(image_gray, corners, Size(11, 11), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));
                          count = count + corners.size();
                          corners_Seq.push_back(corners);
                          successImageNum = successImageNum + 1;
                          image_Seq.push_back(image);
                      }
                  }
                  /************************************************************************
                  攝像機定標
                  *************************************************************************/
                  vector<vector<Point3f>>  object_Points;        /****  保存定標板上角點的三維坐標   ****/

                  Mat image_points = Mat(1, count, CV_32FC2, Scalar::all(0));  /*****   保存提取的所有角點   *****/
                  vector<int>  point_counts;                                                         
                  /* 初始化定標板上角點的三維坐標 */
                  for (int t = 0; t<successImageNum; t++)
                  {
                      vector<Point3f> tempPointSet;
                      for (int i = 0; i<board_size.height; i++)
                      {
                          for (int j = 0; j<board_size.width; j++)
                          {
                              /* 假設定標板放在世界坐標系中z=0的平面上 */
                              Point3f tempPoint;
                              tempPoint.x = i*square_size.width;
                              tempPoint.y = j*square_size.height;
                              tempPoint.z = 0;
                              tempPointSet.push_back(tempPoint);
                          }
                      }
                      object_Points.push_back(tempPointSet);
                  }
                  for (int i = 0; i< successImageNum; i++)
                  {
                      point_counts.push_back(board_size.width*board_size.height);
                  }
                  /* 開始定標 */
                  Size image_size = image_Seq[0].size();
                  cv::Matx33d intrinsic_matrix;    /*****    攝像機內(nèi)參數(shù)矩陣    ****/
                  cv::Vec4d distortion_coeffs;     /* 攝像機的4個畸變系數(shù):k1,k2,k3,k4*/
                  std::vector<cv::Vec3d> rotation_vectors;                           /* 每幅圖像的旋轉(zhuǎn)向量 */
                  std::vector<cv::Vec3d> translation_vectors;                        /* 每幅圖像的平移向量 */
                  int flags = 0;
                  flags |= cv::fisheye::CALIB_RECOMPUTE_EXTRINSIC;
                  flags |= cv::fisheye::CALIB_CHECK_COND;
                  flags |= cv::fisheye::CALIB_FIX_SKEW;
                  fisheye::calibrate(object_Points, corners_Seq, image_size, intrinsic_matrix, distortion_coeffs, rotation_vectors, translation_vectors, flags, cv::TermCriteria(3, 20, 1e-6));

              標定結果: 
              這里寫圖片描述


            posted on 2017-11-16 09:55 zmj 閱讀(3096) 評論(0)  編輯 收藏 引用

            精品久久久久久亚洲精品| 777米奇久久最新地址| 久久久99精品一区二区| 亚洲精品乱码久久久久久蜜桃| 国产一区二区久久久| 偷偷做久久久久网站| 综合网日日天干夜夜久久| 精品久久久无码中文字幕天天| 三上悠亚久久精品| 国产综合免费精品久久久| 久久福利资源国产精品999| 国产精品视频久久| 亚洲国产精品综合久久网络| 亚洲色大成网站www久久九| 久久青草国产精品一区| 亚洲中文久久精品无码| 26uuu久久五月天| 久久久久久狠狠丁香| 伊人热热久久原色播放www| 国内精品久久久久影院优 | 色99久久久久高潮综合影院| 99麻豆久久久国产精品免费| 久久精品成人影院| 国产高潮国产高潮久久久| 超级碰碰碰碰97久久久久| 精品久久人人妻人人做精品| 久久精品国产网红主播| 久久夜色精品国产噜噜麻豆| 亚洲午夜无码久久久久小说| 国产精品99久久久久久猫咪 | 久久青青草原亚洲av无码app| 久久无码国产| 久久久无码精品亚洲日韩软件| 精品久久久久久无码专区不卡| 狠狠色丁香久久婷婷综合蜜芽五月 | 午夜视频久久久久一区 | 久久综合噜噜激激的五月天| 久久国产精品偷99| 久久久久无码精品国产app| 久久综合狠狠综合久久激情 | 久久精品这里热有精品|