Opencv 相机内参标定及使用
目录
一、功能描述
二、标定板制作
三、图像采集
四、标定内参
方法一：标定
方法二：C++程序标定
五、使用内参
一、功能描述
1.本文用于记录通过 进行相机内参标定和对内参的使用来进行图像畸变矫正。
1）相机矩阵：包括焦距（fx，fy），光学中心（Cx，Cy），完全取决于相机本身，是相机的固有属性，只需要计算一次，可用矩阵表示如下：[fx, 0, Cx; 0, fy, cy; 0,0,1];
2) 畸变系数：畸变数学模型的5个参数 D = （k1，k2， P1， P2， k3）；
3）相机内参：相机矩阵和畸变系数统称为相机内参，在不考虑畸变的时候，相机矩阵也会被称为相机内参；
4） 相机外参：通过旋转和平移变换将3D的坐标转换为相机2维的坐标，其中的旋转矩阵和平移矩阵就被称为相机的外参；描述的是将世界坐标系转换成相机坐标系的过程。
二、标定板制作
方法一： 标定板可以直接从官网下载：标定板
方法二： DIY 制作
J = (checkerboard(300,4,5)>0.5);
figure, imshow(J);
打印完成后，测量实际打印出的网格边长，备用（本人制作的标定板网格边长为 26mm）。将打印纸贴附在硬纸板上（粘贴的尽可能平整），如下图所示。
三、图像采集
运行以下参考程序按q键即可保存图像，注意尽量把镜头的每个方格都覆盖到，最好拍到整张打印纸。保存大约20到25张,通过 标定软件可能会剔除部分图片。
#include "opencv2/opencv.hpp"
#include
#include using namespace cv;
using namespace std;int main(){Mat frame;string imgname;int f = 1;VideoCapture inputVideo(0);if (!inputVideo.isOpened()){cout << "Could not open the input video " << endl;return -1;}else{cout << "video is opened!" << endl;}while (1){inputVideo >> frame; if (frame.empty()) continue; imshow("Camera", frame);char key = waitKey(1);if (key == 27) break;if (key == 'q' || key == 'Q'){imgname = to_string(f++) + ".jpg";imwrite(imgname, frame);}}cout << "Finished writing" << endl;return 0;
}
图片集如下：
四、标定内参 方法一：标定
步骤1：在的 里面输入即可调用标定应用程序。
步骤2：选择from file 在自己的图片集全选待标定的图片，输入自己实际测量打印的标定板方格实际长度（本人的标定板方格边长26mm）,导入后我的有2张图片被拒绝。
步骤3：关键步骤
畸变参数，总共有五个，径向畸变3个（k1,k2,k3）和切向畸变2个(p1,p2)。
径向畸变：
切向畸变：
注意：中畸变系数的排列（顺序为k1，k2，p1，p2，k3）。
实验表明，在中选择使用三个参数，并且选择错切和桶形畸变，关于三个参数还是两个参数，可以根据自己的试验效果选择 。点击 后等待一段时间即可完成标定，标定完成后可通过点击 show 对比校正前后效果。
右上角平均误差推荐在0.5以下时，表明该标定数据可信（本人此次平均误差为0.47 ）。
步骤4：导出参数，即可把参数进行保存，保存后可退出标定应用，在主界面中将保存的Mat文件打开。
步骤5：记录、保存数据
上图中，对应k1，k2，k3，对应p1，p2。
对应相机矩阵，注意具体数值和中数据是互为转置的关系。
对应
此次本人测得的数据为：
RadialDistortion：-0.515906663211726 0.201811855093355 -0.0572379026696125TangentialDistortion：0.00228453839673728 -0.00134697993045861IntrinsicMatrix：1982.56844306278 0 01.79099355543064 1983.84445594899 01042.90384922068 480.442502729538 1方法二：C++程序标定
简单粗暴直接上程序：
#include
#include
#include
using namespace cv;
using namespace std;Mat image, img_gray;
int BOARDSIZE[2]{ 6,9 };//棋盘格每行每列角点个数
int main()
{vector> objpoints_img;//保存棋盘格上角点的三维坐标vector obj_world_pts;//三维世界坐标vector> images_points;//保存所有角点vector img_corner_points;//保存每张图检测到的角点vector images_path;//创建容器存放读取图像路径string image_path = "/home/titan/Calibration/image/pictures/*.jpg";//待处理图路径 glob(image_path, images_path);//读取指定文件夹下图像//转世界坐标系for (int i = 0; i < BOARDSIZE[1]; i++){for (int j = 0; j < BOARDSIZE[0]; j++){obj_world_pts.push_back(Point3f(j, i, 0));}}for (int i = 0; i < images_path.size(); i++){image = imread(images_path[i]);cvtColor(image, img_gray, COLOR_BGR2GRAY);//检测角点bool found_success = findChessboardCorners(img_gray, Size(BOARDSIZE[0], BOARDSIZE[1]),img_corner_points,CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_FAST_CHECK | CALIB_CB_NORMALIZE_IMAGE);//显示角点if (found_success){//迭代终止条件TermCriteria criteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.001);//进一步提取亚像素角点cornerSubPix(img_gray, img_corner_points, Size(11, 11),Size(-1, -1), criteria);//绘制角点drawChessboardCorners(image, Size(BOARDSIZE[0], BOARDSIZE[1]), img_corner_points,found_success);objpoints_img.push_back(obj_world_pts);//从世界坐标系到相机坐标系images_points.push_back(img_corner_points);}//char *output = "image";char text[] = "image";char *output = text;imshow(output, image);waitKey(200);}/*计算内参和畸变系数等*/Mat cameraMatrix, distCoeffs, R, T;//内参矩阵，畸变系数，旋转量，偏移量calibrateCamera(objpoints_img, images_points, img_gray.size(),cameraMatrix, distCoeffs, R, T);cout << "cameraMatrix:" << endl;cout << cameraMatrix << endl;cout << "*****************************" << endl;cout << "distCoeffs:" << endl;cout << distCoeffs << endl;cout << "*****************************" << endl;cout << "Rotation vector:" << endl;cout << R << endl;cout << "*****************************" << endl;cout << "Translation vector:" << endl;cout << T << endl;///*//畸变图像校准//*/Mat src, dst;src = imread("/home/titan/Calibration/image/pictures/02.jpg"); //读取校正前图像undistort(src, dst, cameraMatrix, distCoeffs);char texts[] = "image_dst";char *dst_output = texts;//char *dst_output = "image_dst";imshow(dst_output, dst);waitKey(100);imwrite("/home/titan/Calibration/image/pictures/002.jpg", dst); //校正后图像destroyAllWindows();//销毁显示窗口system("pause");return 0;
}
运行上述程序，经过一番图片处理与切换，最终通过终端得到获取相机内参及畸变系数。
五、使用内参
简单粗暴直接上程序：
#include
#include
#includeusing namespace cv;
using namespace std;int main()
{VideoCapture inputVideo(0);if(!inputVideo.isOpened()){std::cout << "video is not opened\n\n"<> frame;Mat cameraMatrix = Mat::eye(3, 3, CV_64F);cameraMatrix.at(0,0) = 1982.56844306278;cameraMatrix.at(0,1) = 1.79099355543064;cameraMatrix.at(0,2) = 1042.90384922068;cameraMatrix.at(1,1) = 1983.84445594899;cameraMatrix.at(1,2) = 480.442502729538;Mat distCoeffs = Mat::zeros(5, 1, CV_64F);distCoeffs.at(0,0) = -0.515906663211726;distCoeffs.at(1,0) = 0.201811855093355;distCoeffs.at(2,0) = 0.00228453839673728;distCoeffs.at(3,0) = -0.00134697993045861;distCoeffs.at(4,0) = -0.0572379026696125;/* C++程序标定的相机参数Mat frame, frameCalibration;inputVideo >> frame;Mat cameraMatrix = Mat::eye(3, 3, CV_64F);cameraMatrix.at(0,0) = 1978.304376178962;cameraMatrix.at(0,1) = 0;cameraMatrix.at(0,2) = 1044.639043480329;cameraMatrix.at(1,1) = 1979.71454820083;cameraMatrix.at(1,2) = 482.6287237060178;Mat distCoeffs = Mat::zeros(5, 1, CV_64F);distCoeffs.at(0,0) = -0.5277684150872038;distCoeffs.at(1,0) = 0.2663992436241138;distCoeffs.at(2,0) = -0.001857829391420174;distCoeffs.at(3,0) = -0.002175774665050042;distCoeffs.at(4,0) = -0.1007311729522544;
*/Mat view, rview, map1, map2;Size image_Size;image_Size = frame.size();initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(), cameraMatrix, image_Size, CV_16SC2, map1, map2);// initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, image_Size, 0.5, image_Size, 0),image_Size, CV_16SC2, map1, map2);while(1){inputVideo >> frame;if(frame.empty()) break;remap(frame, frameCalibration, map1, map2, INTER_LINEAR);imshow("Original_image",frame);imshow("Calibrated_image", frameCalibration);char key =waitKey(1);if(key == 27 || key == 'q' || key == 'Q') break;}return 0;
} 测试效果如下：
参考链接： 链接1 、 链接2
