MyException - 我的异常网
当前位置:我的异常网» 图形/图像 » 张正友标定法示范 (含源代码)

张正友标定法示范 (含源代码)

www.MyException.Cn  网友分享于:2013-04-21  浏览:0次
张正友标定法示例 (含源代码)

博主在博客园的第一篇博客,以著名的张大牛标定法开始吧!

具体标定原理就不详细说了,资料数不胜数,重点看张正友的原著《A Flexible New Technique for Camera Calibration》,搞明白这篇文章就足够了。

好了,现在主要说一下标定过程,并附上博主自己调用Opencv接口编写的代码。

1.拍摄棋盘格图片,8幅左右合适,文献里说n=8时,最小二乘法计算内参有稳定解。所以我就拍了9幅。

2. 读取棋盘格图像,提取角点(注意:都是内角点)。为了提高角点提取精度,进一步进行亚像素角点的提取,附上亚像素角点提取后的棋盘格图像。

3. 开始摄像机标定,opencv1.0 2.0版只有一种摄像机标定模型,就是普通的小孔成像模型,在cv::空间下。而从opencv3.0开始,新增了一种鱼眼相机标定模型,在fisheye::空间下。两种模型的主要区别在于像与物的投影关系不同,具体的文献资料依然是数不胜数,这里就不赘述。根据opencv官方文档的建议,在畸变程度较大的广角镜头(比如:鱼眼镜头)上进行摄像机标定和畸变校正,最好是用fisheye模型,该模型在图像边缘畸变程度很大的地方比普通相机模型的效果要好。

4. 对标定结果进行评价

 

5.保存标定结果,写入txt文件,主要是内参(归一化焦距,fx,fy; 光心坐标cx,cy;以及畸变系数k1,k2k3...)

 

好了,主要过程介绍完了,附上源代码:

头文件.h:

 1 #include "opencv.hpp"
 2 #include <fstream>
 3 #include <iostream>
 4 
 5 using namespace std;
 6 using namespace cv;
 7 
 8 int evaluateCalibrationResult( vector<vector<Point3f>> objectPoints, vector<vector<Point2f>> cornerSquare, vector<int> pointCnts,
 9     vector<Vec3d> _rvec,  vector<Vec3d> _tvec, Mat _K, Mat _D, int count);
10 
11 int writeParams(string fileName,  Mat& matData);

主程序.cpp

  1 #include "opencv.hpp"
  2 #include "common.h"
  3 #include <fstream>
  4 #include <iostream>
  5 
  6 using namespace std;
  7 using namespace cv;
  8 
  9 #define ImgNum  9
 10 
 11  //摄像机标定
 12 
 13 int main()
 14 {
 15 //***************摄像机标定****************//
 16     double time0=getTickCount();
 17     string calibFile="calibResult.txt";
 18     ofstream fileout(calibFile, ios::trunc);                                   //清空原有数据
 19     fileout.close();
 20     int imgCount = ImgNum;                                                        //棋盘格图片个数
 21     Size board_size = Size(9,6);                                                    //角点个数
 22     vector<Point2f> corners;                                                        //存储一幅棋盘图中的所有角点二维坐标
 23     vector<vector<Point2f>> corners_Seq;                                //存储所有棋盘图角点的二维坐标
 24     vector<Mat> image_Seq;                                                        //存储所有棋盘图
 25     int successImgNum=0;
 26     int count=0;
 27     cout<<"********开始提取角点!********"<<endl;
 28     for (int i=0; i<imgCount; i++)
 29     {
 30         cout<<"Image#"<<i+1<<"......."<<endl;
 31         string imgFileName;
 32         stringstream StrStm;
 33         string filenum;
 34         StrStm<<i+1;
 35         StrStm>>filenum;
 36         imgFileName ="./Images/Pattern/img" +filenum+ ".jpg";
 37         Mat image = imread(imgFileName);   //根据文件名依次读取棋盘图
 38         pyrDown(image, image);
 39         pyrDown(image, image);
 40         /**********************提取角点*************************/
 41         Mat greyImg;
 42         cvtColor(image, greyImg, CV_RGB2GRAY);
 43         bool patternfound= findChessboardCorners(image, board_size,
 44             corners, CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE+CALIB_CB_FAST_CHECK);
 45         if (!patternfound)
 46         {
 47             cout<<"Can not find chess board corners!\n"<<endl;
 48             continue;
 49             exit(1);
 50         }
 51         else
 52         {
 53             /************************亚像素精确化******************************/
 54             cornerSubPix(greyImg, corners, Size(11, 11), Size(-1,-1) , TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));
 55             /************************绘制检测到的角点并保存******************************/
 56             Mat tempImg = image.clone();
 57             for (int j=0; j< corners.size(); j++)
 58             {
 59                 circle(tempImg, corners[j], 10, Scalar(0,0,255), 2, 8, 0);
 60             }
 61             string tempFileName;
 62             stringstream tempStrStm;
 63             string tempfilenum;
 64             tempStrStm<<i+1;
 65             tempStrStm>>filenum;
 66             tempFileName ="./Images/Pattern/CornerImage/img" + filenum +"_corner.jpg";
 67             imwrite(tempFileName, tempImg);                //将角点绘制出后保存
 68             cout<<"Corner_Image#"<<i+1<<"......"<<endl;
 69 
 70             count +=corners.size();                                //所欲棋盘图中的角点个数
 71             successImgNum++;                                    //成功提取角点的棋盘图个数
 72             corners_Seq.push_back(corners);
 73         }
 74         image_Seq.push_back(image);
 75     }
 76     cout<<"*******角点提取完成!******"<<endl;
 77     
 78     /**************************摄像机标定******************************/
 79     Size squre_size=Size(20,20);                                //棋盘格尺寸
 80     vector<vector<Point3f>> object_points;                //所有棋盘图像的角点三维坐标
 81     vector<int> point_counts;
 82     /*初始化标定板上的三维坐标*/
 83     for(int n=0; n<successImgNum; n++)
 84     {
 85         vector<Point3f> tempPointSet;                            //单幅棋盘图像的所有角点
 86         for (int i=0; i<board_size.height; i++)
 87         {
 88             for (int j=0; j<board_size.width; j++)
 89             {
 90                 Point3f tempPoint;                                    //单个角点的三维坐标
 91                 tempPoint.x = i * squre_size.width;
 92                 tempPoint.y = j* squre_size.height;
 93                 tempPoint.z = 0;
 94                 tempPointSet.push_back(tempPoint);
 95             }
 96         }
 97         object_points.push_back(tempPointSet);
 98     }
 99     for (int i=0; i<successImgNum; i++)
100     {
101         point_counts.push_back(board_size.width * board_size.height);        //保存每一幅棋盘图的角点个数
102     }
103     /***开始标定***/
104     cout<<"*****开始标定!******"<<endl;
105     Size image_size=image_Seq[0].size();
106     Mat intrinsic_matrix;                                //内参矩阵
107     Mat distortion_coeffs;                            //畸变系数
108     vector<Vec3d> rotation_vectors;            //旋转向量
109     vector<Vec3d> translation_vectors;        //平移向量
110     int flags=0;
111     flags |= fisheye::CALIB_RECOMPUTE_EXTRINSIC;
112     flags |= fisheye::CALIB_CHECK_COND;
113     flags |= fisheye::CALIB_FIX_SKEW;
114     fisheye::calibrate(object_points, corners_Seq, image_size, intrinsic_matrix, distortion_coeffs, rotation_vectors, translation_vectors, flags, cv::TermCriteria(3, 20, 1e-6));
115     cout<<"*****标定完成!*****"<<endl;
116     double time1=getTickCount();
117     cout<<"Calibration time :"<<(time1-time0)/getTickFrequency()<<"s"<<endl;
118 
119     /****************************对标定结果进行评价*****************************/
120     evaluateCalibrationResult( object_points, corners_Seq, point_counts,  rotation_vectors,  translation_vectors, intrinsic_matrix, distortion_coeffs, imgCount);
121 
122     /*********************保存标定结果******************/
123         cout<<"*****开始保存标定结果*****"<<endl; 
124     //writeParams(intrinsicFile, intrinsic_matrix );        //保存内参矩阵
125     //writeParams(disCoeffsFile, distortion_coeffs );    //保存畸变系数
126     writeParams( calibFile, intrinsic_matrix );
127     writeParams( calibFile, distortion_coeffs );
128     cout<<"******完成保存******"<<endl;
129       
130 }
131 
132 /******************************************************************************
133  * 函数名称:    writeParams()
134  * 函数描述:    将标定获取的参数(内参和畸变系数)输出到指定txt文件
135  * 输    入:        matData               -参数矩阵
136  * 输    出:        fileName              -文件名
137  * 返 回 值:       0                         -成功
138                         其他                    -失败
139  ******************************************************************************/
140 int writeParams(string fileName,  cv::Mat& matData)
141 {
142     int retVal=0;
143 
144     //打开文件
145     ofstream foutFile( fileName, ios::app);
146     if (0==foutFile.is_open())
147     {
148         cout<<"Open File Failed!"<<endl;
149         return -1;
150     }
151 
152     for (int i =0; i< matData.rows; i++)
153     {
154         for (int j=0; j< matData.cols; j++)
155         {
156             double data=matData.at<double>(i , j);
157             foutFile<<data<<"    ";
158         }
159     }
160     foutFile<<endl;    //每一行为一组数据
161     foutFile.close();
162     return retVal;
163 }
164 /******************************************************************************
165  * 函数名称:    evaluateCalibrationResult()
166  * 函数描述:    评价标定结果并保存评价结果
167  * 输    入:        objectPoints               -三维角点坐标
168                         cornerSquare             -二维角点坐标
169                         pointCnts                   -角点个数
170                         _rvec                        -旋转向量
171                         _tvec                        -平移向量
172                         _K                            -内参矩阵
173                         _D                            -畸变系数
174                         count                         -棋盘格图片个数
175  * 输    出:        无
176  * 返 回 值:       0                              -成功
177                         其他                         -失败
178  ******************************************************************************/
179 int evaluateCalibrationResult( vector<vector<Point3f>> objectPoints, vector<vector<Point2f>> cornerSquare, vector<int> pointCnts,  vector<Vec3d> _rvec,  vector<Vec3d> _tvec, Mat _K, Mat _D, int count)
180 {
181     ofstream fout("./Results/evaluateCalibrationResult.txt");
182     cout<<"******开始评价标定结果******"<<endl;
183     double total_err = 0.0;                    //所有图像的平均误差和
184     double err=0.0;                                //单幅图像的平均误差
185     vector<Point2f> proImgPoints;
186     for (int i=0; i< count; i++)
187     {
188         vector<Point3f> tempPointSet = objectPoints[i];
189         fisheye::projectPoints(tempPointSet, proImgPoints, _rvec[i], _tvec[i], _K, _D);
190         vector<Point2f> tempImgPoint = cornerSquare[i];
191         Mat tempImgPointMat= Mat(1, tempImgPoint.size(), CV_32FC2);
192         Mat proImgPointsMat = Mat(1, proImgPoints.size(), CV_32FC2);
193         for (int j=0; j!=tempImgPoint.size(); j++)
194         {
195             proImgPointsMat.at<Vec2f>(0,j) = Vec2f (proImgPoints[j].x, proImgPoints[j].y);
196             tempImgPointMat.at<Vec2f>(0,j)=Vec2f(tempImgPoint[j].x, tempImgPoint[j].y);
197         }
198         err=norm(proImgPointsMat, tempImgPointMat, NORM_L2);
199         err /=pointCnts[i];
200         total_err +=err;
201          fout<<""<<i+1<<"幅图像的平均误差:"<<err<<"像素"<<endl;
202     }
203     fout<<"总体平均误差:"<<total_err/count<<"像素"<<endl;
204     cout<<"******评价完成******"<<endl;
205 
206     return 0;
207 }

夜已深,今天就到此,下次写一写畸变校正。

文章评论

相关解决方案
  • 暂无相关解决方案
程序员的鄙视链
程序员的鄙视链
程序员和编码员之间的区别
程序员和编码员之间的区别
老程序员的下场
老程序员的下场
漫画:程序员的工作
漫画:程序员的工作
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
为啥Android手机总会越用越慢?
为啥Android手机总会越用越慢?
Web开发者需具备的8个好习惯
Web开发者需具备的8个好习惯
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
2013年中国软件开发者薪资调查报告
2013年中国软件开发者薪资调查报告
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
如何成为一名黑客
如何成为一名黑客
程序员应该关注的一些事儿
程序员应该关注的一些事儿
10个帮程序员减压放松的网站
10个帮程序员减压放松的网站
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
要嫁就嫁程序猿—钱多话少死的早
要嫁就嫁程序猿—钱多话少死的早
中美印日四国程序员比较
中美印日四国程序员比较
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
2013年美国开发者薪资调查报告
2013年美国开发者薪资调查报告
十大编程算法助程序员走上高手之路
十大编程算法助程序员走上高手之路
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
10个调试和排错的小建议
10个调试和排错的小建议
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
旅行,写作,编程
旅行,写作,编程
程序员都该阅读的书
程序员都该阅读的书
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
程序员必看的十大电影
程序员必看的十大电影
程序员最害怕的5件事 你中招了吗?
程序员最害怕的5件事 你中招了吗?
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
什么才是优秀的用户界面设计
什么才是优秀的用户界面设计
为什么程序员都是夜猫子
为什么程序员都是夜猫子
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
那些性感的让人尖叫的程序员
那些性感的让人尖叫的程序员
Google伦敦新总部 犹如星级庄园
Google伦敦新总部 犹如星级庄园
Java程序员必看电影
Java程序员必看电影
编程语言是女人
编程语言是女人
总结2014中国互联网十大段子
总结2014中国互联网十大段子
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
 程序员的样子
程序员的样子
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
我是如何打败拖延症的
我是如何打败拖延症的
代码女神横空出世
代码女神横空出世
鲜为人知的编程真相
鲜为人知的编程真相
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有