OpenCV |
您所在的位置:网站首页 › opencv教程资料 › OpenCV |
OpenCV-Python 相机标定
前言一、相机标定原理二、OpenCV 安装及 Pycharm 配置(macOS)1. OpenCV 安装2. Pycharm 安装及配置
三、相机标定实例教程
前言
如题,我之前完全没接触过 OpenCV,对相机标定的原理也不了解,这篇文章是一个小白从零开始的学习历程,包括踩过的坑。 主要参考的资料包括: [1] OpenCV 官方文档 [2]一个开源的视觉机械臂项目:hta0 一、相机标定原理关于相机标定的原理,网上有很多资料,在此就不赘述了,我们主要讲实际操作。 如果对原理部分感兴趣的话,可以阅读这篇博客:Calculate X, Y, Z Real World Coordinates from Image Coordinates using OpenCV,本文使用的代码也是源自 hta0 项目。 本文的主要目标,如下图所示: 就是求出相机的 Distortion coefficients 和它的内参数:camera matrix 二、OpenCV 安装及 Pycharm 配置(macOS)版本:macOS Big Sur 11.2.3 1. OpenCV 安装首先,还是要把 OpenCV 安装好啦(我的版本是 OpenCV 4.5.1),详细教程见:Install OpenCV on MacOS 注意啦:我这篇教程是参考的网上的安装流程,所以也安装了 Xcode,主要是针对 OpenCV-C++, 如果只想用 OpenCV-Python 的话,可以省略这一步,直接安装 Pycharm 就好。 2. Pycharm 安装及配置 安装 Python IDE 我选择的是 Pycharm,安装方法我参考的是这篇,如果想快速上手,可以直接在 Pycharm 官网下载,选择专业版试用(我的版本是 Pycharm 2020.3),反正也能用30天嘛配置 (1) 首先创建一个 new project,如图项目名称为 pythonProject,点击 create 即可: (2) Pycharm - Preferences - Project - Python Interpreter,点击窗口左下角的 + ,搜索 opencv-python,numpy等包进行安装 (3) 检查一下,在我们这个刚创建的 pythonProject 中的 main.py 中输入: import cv2运行结果如下,说明配置成功: (4) 下面我们可以运行一个简单的例程,利用 OpenCV 显示图片 在桌面创建图片:pic1.jpg,那么如何知道它的路径呢:右键显示简介,如图所示复制选中部分(即位置信息,粘贴后就是英文路径了) 在 main.py 中输入以下代码: import numpy as np import cv2 img = cv2.imread("/Users/olefine/Desktop/pic1.jpg") # 读取图片 cv2.imshow("image", img) # 显示图片,命名为 image cv2.waitKey(0) cv2.destroyAllWindows()运行结果如下(Pikachu被迫二次营业,嘻嘻): 三、相机标定实例教程这部分我们就要开始相机标定的实际操作啦 由于我还没有买相机,所以这次我们使用 hta0 项目中现成的棋盘格以及标定图片,后面买了相机之后会附上自己的标定过程 首先,从这里 [link]把 hta0 项目 download 下来,我们只需要关注相机标定的部分,包括文件夹:camera_data(用于存储x,所以我们先把这个文件夹清空,运行了标定程序后会自动生成文件),calibration_images(40张不同角度的棋盘标定照片),和文件:initial_camera_calibration.py(标定程序)各个文件(夹)用途说明: 把下载的项目文件夹,重命名为 hta0,并存储在桌面,如图所示: calibration_images 文件夹,包含40张不同角度的棋盘格照片: 在 Pycharm 中打开程序 打开项目:Desktop - hta0 - Open: 打开程序:initial_camera_calibration.py注意啦,有时候打开 .py 文件会出现右上角 run 按钮(绿色)是灰色的情况,这时候只要右键选择 Run就可以(如下图所示): 修改程序中的路径 打开程序后,还不能直接运行,我们需要修改一下代码中的几处路径: 首先是 camera calibration files 的存储路径 workingdir="/Users/olefine/Desktop/hta0/" savedir="camera_data/"还有棋盘格标定图片的路径,这里我改成绝对路径,不容易出错 images = glob.glob("/Users/olefine/Desktop/hta0/calibration_images/*jpg")修改后的标定程序: import numpy as np import cv2 import glob import time workingdir="/Users/olefine/Desktop/hta0/" savedir="camera_data/" # termination criteria criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) # prepare object points, like (0,0,0), (1,0,0), (2,0,0) ....,(6,5,0) objp = np.zeros((7*7,3), np.float32) #add 2.5 to account for 2.5 cm per square in grid objp[:,:2] = np.mgrid[0:7,0:7].T.reshape(-1,2)*2.5 # Arrays to store object points and image points from all the images. objpoints = [] # 3d point in real world space imgpoints = [] # 2d points in image plane. images = glob.glob("/Users/olefine/Desktop/hta0/calibration_images/*jpg") win_name="Verify" cv2.namedWindow(win_name, cv2.WND_PROP_FULLSCREEN) cv2.setWindowProperty(win_name,cv2.WND_PROP_FULLSCREEN,cv2.WINDOW_FULLSCREEN) print("getting images") for fname in images: img = cv2.imread(fname) print(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Find the chess board corners ret, corners = cv2.findChessboardCorners(gray, (7,7), None) # If found, add object points, image points (after refining them) if ret == True: objpoints.append(objp) corners2=cv2.cornerSubPix(gray,corners, (11,11), (-1,-1), criteria) imgpoints.append(corners) # Draw and display the corners cv2.drawChessboardCorners(img, (7,7), corners2, ret) cv2.imshow(win_name, img) cv2.waitKey(500) img1=img cv2.destroyAllWindows() print(">==> Starting calibration") ret, cam_mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None) #print(ret) print("Camera Matrix") print(cam_mtx) np.save(savedir+'cam_mtx.npy', cam_mtx) print("Distortion Coeff") print(dist) np.save(savedir+'dist.npy', dist) print("r vecs") print(rvecs[2]) print("t Vecs") print(tvecs[2]) print(">==> Calibration ended") h, w = img1.shape[:2] print("Image Width, Height") print(w, h) #if using Alpha 0, so we discard the black pixels from the distortion. this helps make the entire region of interest is the full dimensions of the image (after undistort) #if using Alpha 1, we retain the black pixels, and obtain the region of interest as the valid pixels for the matrix. #i will use Apha 1, so that I don't have to run undistort.. and can just calculate my real world x,y newcam_mtx, roi=cv2.getOptimalNewCameraMatrix(cam_mtx, dist, (w,h), 1, (w,h)) print("Region of Interest") print(roi) np.save(savedir+'roi.npy', roi) print("New Camera Matrix") #print(newcam_mtx) np.save(savedir+'newcam_mtx.npy', newcam_mtx) print(np.load(savedir+'newcam_mtx.npy')) inverse = np.linalg.inv(newcam_mtx) print("Inverse New Camera Matrix") print(inverse) # undistort undst = cv2.undistort(img1, cam_mtx, dist, None, newcam_mtx) # crop the image #x, y, w, h = roi #dst = dst[y:y+h, x:x+w] #cv2.circle(dst,(308,160),5,(0,255,0),2) cv2.imshow('img1', img1) cv2.waitKey(5000) cv2.destroyAllWindows() cv2.imshow('img1', undst) cv2.waitKey(5000) cv2.destroyAllWindows() 运行结果 >==> Starting calibration Camera Matrix [[1.11378508e+03 0.00000000e+00 6.38266808e+02] [0.00000000e+00 1.09831926e+03 3.46949583e+02] [0.00000000e+00 0.00000000e+00 1.00000000e+00]] Distortion Coeff [[ 0.31573236 -0.92321187 -0.01570854 -0.01086439 1.31794916]] r vecs [[-0.28537416] [ 0.18506598] [ 1.07466093]] t Vecs [[ -3.84482279] [-12.7104052 ] [ 47.74969689]] >==> Calibration ended Image Width, Height 1280 720 Region of Interest (13, 19, 1253, 688) New Camera Matrix [[1.16301404e+03 0.00000000e+00 6.27550607e+02] [0.00000000e+00 1.12108057e+03 3.41597143e+02] [0.00000000e+00 0.00000000e+00 1.00000000e+00]] Inverse New Camera Matrix [[ 8.59834849e-04 0.00000000e+00 -5.39589882e-01] [ 0.00000000e+00 8.91996552e-04 -3.04703474e-01] [ 0.00000000e+00 0.00000000e+00 1.00000000e+00]] Process finished with exit code 0结果中的 New Camera Matrix 就是我们需要的 camera matrix,同时 camera calibration files 也存储到了 camera_data 文件夹中: 这样,相机初步标定就完成啦,有空会更新标定代码的解读,视觉机械臂有关的博客会随着毕业设计进程更新 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |