相机标定（计算机视觉作业）

您所在的位置：网站首页 › 相机标定棋盘格 pdf › 相机标定（计算机视觉作业）

相机标定（计算机视觉作业）

2024-01-16 20:52| 来源: 网络整理| 查看: 265

老师只要求标定相机内参，所以我也只做了相机内参的标定，如果是同学请勿照搬！

作业：相机标定标定准备：

设备：iPhone SE2020 后置相机

标定板信息：张正友棋盘格，棋盘格长:15.65cm,宽:10.92cm,如下图所示：

在这里插入图片描述

标定数据：

准备标定数据集20张照片，如下：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-56P8QY29-1664890364878)(C:\Users\李育成\AppData\Roaming\Typora\typora-user-images\image-20220911160943642.png)]$

标定过程：

用自然语言描述：

先定义物点的坐标，也就是相机坐标系中的坐标，我用的这个棋盘显然是从（0，0，0）到（8，5，0），因为是在一个平面上，所以其实Z坐标就是0。通过cv2.findChessboardCorners()找到图片坐标系中的坐标点，这就是像点坐标。之后可以采用cv2.cornerSubPix()精细化像素点，称为亚像素点，提高精确度最后采用的是cv2.calibrateCamera()来计算相机内参数以及畸变系数(顺带将畸变矫正也做了一下) 标定程序： # 相机标定 import cv2 import numpy as np import glob # 设置寻找亚像素角点的参数，采用的停止准则是最大循环次数30和最大误差容限0.001 criteria = (cv2.TERM_CRITERIA_MAX_ITER | cv2.TERM_CRITERIA_EPS, 30, 0.001) # 获取标定板角点的位置,6 * 9代表了黑白棋盘格交界点有6行9列 objp = np.zeros((6 * 9, 3), np.float32) objp[:, :2] = np.mgrid[0:9, 0:6].T.reshape(-1, 2) # 遍历每一幅棋盘格板，获取其对应的内角点数目，即 nx * ny。 # 用数组的形式来保存每一幅棋盘格板中所有内角点的三维坐标。 # 将世界坐标系建在标定板上，所有点的Z坐标全部为0。 obj_points = [] # 存储3D点 img_points = [] # 存储2D点 images = glob.glob("Photos/*.JPG") # 读取所有图片 i = 0 for photo in images: img = cv2.imread(photo) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 将BGR图转化为灰度值图，提升精确度 size = gray.shape[::-1] # 提取角点，这里的角点专指的是标定板上的内角点，这些角点与标定板的边缘不接触。 ret, corners = cv2.findChessboardCorners(gray, (9, 6), None) # print(corners) corners代表的是像素坐标系坐标矩阵 # ret为真表示提取角点成功 if ret: obj_points.append(objp) # 物点 corners2 = cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), criteria) # 在原角点的基础上寻找亚像素角点，提升角点的精细度 # print(corners2) if corners2.any(): img_points.append(corners2) else: img_points.append(corners) cv2.drawChessboardCorners(img, (9, 6), corners, ret) # 绘制角点，OpenCV的绘制函数一般无返回值 i += 1 # 可以将绘制了角点连线的图片保存在当前目录 # cv2.imwrite('conimg' + str(i) + '.jpg', img) # waitKey() 函数的功能是不断刷新图像,频率时间为delay,单位为ms # cv2.waitKey(10) # print(len(img_points)) cv2.destroyAllWindows() # 关闭所有窗口并取消分配任何相关的内存使用 # 标定 ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, size, None, None) # print("ret:", ret) print("内参数矩阵:\n", mtx) # 内参数矩阵 print("畸变系数:\n", dist) # 畸变系数 distortion cofficients = (k_1,k_2,p_1,p_2,k_3) print("旋转向量:\n", rvecs) # 旋转向量 # 外参数 print("平移向量:\n", tvecs) # 平移向量 # 外参数 # --------------畸变矫正过程----------------- img = cv2.imread(images[2]) h, w = img.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h)) # 显示更大范围的图片（正常重映射之后会删掉一部分图像） print(newcameramtx) print("------------------使用undistort函数-------------------") dst = cv2.undistort(img, mtx, dist, None, newcameramtx) x, y, w, h = roi dst1 = dst[y:y + h, x:x + w] # 裁剪图片 # 可以输出畸变矫正后的图像，弯曲的线重新变成直线。 # cv2.imwrite('calibresult3.jpg', dst1) print("裁剪后的图片大小为:", dst1.shape) 标定结果：

内参数矩阵: [[3.37260014e+03 0.00000000e+00 2.01238322e+03] [0.00000000e+00 3.37128068e+03 1.48533305e+03] [0.00000000e+00 0.00000000e+00 1.00000000e+00]] 畸变系数: [[ 2.78386435e-01 -1.93004751e+00 5.44507758e-04 4.20784165e-04 3.94229056e+00]]

旋转向量: (array([[ 0.00518409], [-0.0491393 ], [ 0.01702998]]), array([[-0.31987748], [-0.02141452], [-0.00746327]]), array([[-0.23901262], [-0.4966867 ], [-0.18099524]]), array([[-0.0424941 ], [-0.63074781], [ 0.08473226]]), array([[ 0.3164465 ], [-0.4755016 ], [ 0.13260775]]), array([[ 0.45313589], [-0.0973904 ], [-0.00470327]]), array([[ 0.41024254], [ 0.05424036], [-0.36478108]]), array([[ 0.22780115], [ 0.48111286], [-0.14303249]]), array([[ 0.09184346], [ 0.41538576], [-0.26442862]]), array([[-0.1444159 ], [ 0.42613371], [-0.10781683]]), array([[ 0.04158784], [-0.06825461], [ 1.57631742]]), array([[-0.3021039 ], [ 0.2038158 ], [ 1.58358896]]), array([[-0.57401741], [-0.32766678], [ 1.4616254 ]]), array([[-0.00452669], [-0.9344181 ], [ 2.62157043]]), array([[ 0.57864741], [-0.01836581], [ 1.51917305]]), array([[ 0.68433859], [-0.04420174], [ 0.97395362]]), array([[0.48602174], [0.2604793 ], [0.86238979]]), array([[0.31781466], [0.30833434], [1.18288238]]), array([[-0.42121546], [ 0.35998703], [ 1.5655354 ]]), array([[ 0.55521057], [-0.62325092], [ 1.48740812]]))

平移向量: (array([[-3.31393802], [-2.42553109], [12.53142253]]), array([[-3.97440395], [-3.48842905], [13.10730669]]), array([[-2.7576295 ], [-3.32731355], [11.90250582]]), array([[-0.73788307], [-2.78164317], [11.65156662]]), array([[-0.27408865], [-2.3540926 ], [10.958821 ]]), array([[-3.55496742], [-1.38506173], [12.30050402]]), array([[-5.80367284], [ 0.91502717], [13.68876937]]), array([[-5.39478269], [-1.20010392], [15.74511719]]), array([[-7.19416372], [-0.88533999], [16.3039844 ]]), array([[-4.78438777], [-2.29856947], [15.25392412]]), array([[ 3.21820632], [-3.76776554], [12.75827329]]), array([[ 3.08491139], [-4.83814376], [15.11836867]]), array([[ 3.03228442], [-4.31016566], [16.68449193]]), array([[ 5.17037729], [ 1.1803914 ], [13.40430311]]), array([[ 2.27031947], [-2.75114923], [12.23355288]]), array([[-0.46623625], [-2.65448346], [11.23344642]]), array([[-2.00219289], [-3.2508639 ], [14.01714495]]), array([[-0.65135842], [-4.32589509], [14.24001887]]), array([[ 3.46761168], [-3.66166824], [16.44599573]]), array([[ 3.63193431], [-2.48862969], [10.18628943]]))

【本文地址】

相机标定（计算机视觉作业）

相机标定（计算机视觉作业）

今日新闻

推荐新闻