OpenCV: 摄像机标定原理

OpenCV: 摄像机标定原理

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <string>
#include <iostream>
 
using namespace std;
 
int main()
{
      int cube_length=7;
 
      CvCapture* capture;
 
      capture=cvCreateCameraCapture(0);
 
      if(capture==0){
              printf("无法捕获摄像头设备!\n\n");
              return 0;
      }else{
              printf("捕获摄像头设备成功!!\n\n");
      }
 
      IplImage* frame;
 
      cvNamedWindow("摄像机帧截取窗口",1); //cvNamedWindow()函数用于在屏幕上创建一个窗口,将被显示的图像包含于该窗口中。函数的第一个参数指定了该窗口的窗口标题,如果要使用HighGUI库所提供的其他函数与该窗口进行交互时,我们将通过该参数值引用这个窗口。
 
 
      printf("按“C”键截取当前帧并保存为标定图片...\n按“Q”键退出截取帧过程...\n\n");
 
      int number_image=1;
      char *str1;
      str1=".jpg";
      char filename[20]="";
 
      while(true)
      {
              frame=cvQueryFrame(capture);// 从摄像头或者文件中抓取并返回一帧
              if(!frame)                   
                      break;
              cvShowImage("摄像机帧截取窗口",frame); //图像显示
 
           
              if(cvWaitKey(10)=='c'){
          sprintf_s (filename,"%d.jpg",number_image); // int sprintf_s( char *buffer, size_t sizeOfBuffer, const char *format [, argument] ... );


这个函数的主要作用是将若干个argument按照format格式存到buffer中


 
                    cvSaveImage(filename,frame);//保存
                    cout<<"成功获取当前帧,并以文件名"<<filename<<"保存...\n\n";
                    printf("按“C”键截取当前帧并保存为标定图片...\n按“Q”键退出截取帧过程...\n\n");
                    number_image++;
              }else if(cvWaitKey(10)=='q'){
                    printf("截取图像帧过程完成...\n\n");
                    cout<<"共成功截取"<<--number_image<<"帧图像!!\n\n";
                    break;
              }
      }
 
      cvReleaseImage(&frame); //释放图像
 
      cvDestroyWindow("摄像机帧截取窗口");
 
      IplImage * show;
      cvNamedWindow("RePlay",1);
 
      int a=1;
      int number_image_copy=number_image;
 
      CvSize board_size=cvSize(7,7); // Cvsizes:OpenCV的基本数据类型之一。表示矩阵框大小,以像素为精度。与CvPoint结构类似,但数据成员是integer类型的width和height。
//cvSize是
 
      int board_width=board_size.width;
      int board_height=board_size.height;
      int total_per_image=board_width*board_height;
      CvPoint2D32f * image_points_buf = new CvPoint2D32f[total_per_image];
      CvMat * image_points=cvCreateMat(number_image*total_per_image,2,CV_32FC1);//图像坐标系
      CvMat * object_points=cvCreateMat(number_image*total_per_image,3,CV_32FC1);//世界坐标系
      CvMat * point_counts=cvCreateMat(number_image,1,CV_32SC1);//
      CvMat * intrinsic_matrix=cvCreateMat(3,3,CV_32FC1);//
      CvMat * distortion_coeffs=cvCreateMat(5,1,CV_32FC1);
 
      int count;
      int found;
      int step;
      int successes=0;
 
      while(a<=number_image_copy){
              sprintf_s (filename,"%d.jpg",a);
              show=cvLoadImage(filename,-1);
 
              found=cvFindChessboardCorners(show,board_size,image_points_buf,&count,
                                                                CV_CALIB_CB_ADAPTIVE_THRESH|CV_CALIB_CB_FILTER_QUADS);
              if(found==0){     
                    cout<<"第"<<a<<"帧图片无法找到棋盘格所有角点!\n\n";
                    cvNamedWindow("RePlay",1);
                    cvShowImage("RePlay",show);
                    cvWaitKey(0);
 
              }else{
                    cout<<"第"<<a<<"帧图像成功获得"<<count<<"个角点...\n";
           
                    cvNamedWindow("RePlay",1);
 
                    IplImage * gray_image= cvCreateImage(cvGetSize(show),8,1); //创建头并分配数据IplImage* cvCreateImage( CvSize size, int depth, int channels ); depth 图像元素的位深度
 
                    cvCvtColor(show,gray_image,CV_BGR2GRAY); // cvCvtColor(...),是Opencv里的颜色空间转换函数,可以实现rgb颜色向HSV,HSI等颜色空间的转换,也可以转换为灰度图像。
 
                    cout<<"获取源图像灰度图过程完成...\n";
                    cvFindCornerSubPix(gray_image,image_points_buf,count,cvSize(11,11),cvSize(-1,-1),由于非常接近P的像素产生了很小的特征值,所以这个自相关矩阵并不总是可逆的。为了解决这个问题,一般可以简单地剔除离P点非常近的像素。输入参数:ero_zone定义了一个禁区(与win相似,但通常比win小),这个区域在方程组以及自相关矩阵中不被考虑。如果不需要这样一个禁区,则zero_zone应设置为cvSize(-1,-1)0
                                                        cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,30,0.1));
                    cout<<"灰度图亚像素化过程完成...\n";
                    cvDrawChessboardCorners(show,board_size,image_points_buf,count,found);
                    cout<<"在源图像上绘制角点过程完成...\n\n";
                    cvShowImage("RePlay",show);
                    cvWaitKey(0);
              }
 
              if(total_per_image==count){
                    step=successes*total_per_image;
                    for(int i=step,j=0;j<total_per_image;++i,++j){
                            CV_MAT_ELEM(*image_points,float,i,0)=image_points_buf[j].x; // opencv中用来访问矩阵每个元素的宏,这个宏只对单通道矩阵有效,多通道CV_MAT_ELEM( matrix, elemtype, row, col )参数  matrix:要访问的矩阵  elemtype:矩阵元素的类型  row:所要访问元素的行数  col:所要访问元素的列数
 
                            CV_MAT_ELEM(*image_points,float,i,1)=image_points_buf[j].y;// 求完每个角点横纵坐标值都存在image_point_buf里
                            CV_MAT_ELEM(*object_points,float,i,0)=(float)(j/cube_length);
                            CV_MAT_ELEM(*object_points,float,i,1)=(float)(j%cube_length);
                            CV_MAT_ELEM(*object_points,float,i,2)=0.0f;
                    }
                    CV_MAT_ELEM(*point_counts,int,successes,0)=total_per_image;
                    successes++;
              }
              a++;
      }
      cvReleaseImage(&show);
      cvDestroyWindow("RePlay");
      cout<<"*********************************************\n";
      cout<<number_image<<"帧图片中,标定成功的图片为"<<successes<<"帧...\n";
      cout<<number_image<<"帧图片中,标定失败的图片为"<<number_image-successes<<"帧...\n\n";
      cout<<"*********************************************\n\n";
 
      cout<<"按任意键开始计算摄像机内参数...\n\n";
 
 
      CvCapture* capture1;
      capture1=cvCreateCameraCapture(0);
      IplImage * show_colie;
      show_colie=cvQueryFrame(capture1);
     
     
      CvMat * object_points2=cvCreateMat(successes*total_per_image,3,CV_32FC1); // OpenCV 中重要的矩阵变换函数,使用方法为cvMat* cvCreateMat ( int rows, int cols, int type ); 这里type可以是任何预定义类型,预定义类型的结构如下:CV_<bit_depth> (S|U|F)C<number_of_channels>。
 
      CvMat * image_points2=cvCreateMat(successes*total_per_image,2,CV_32FC1);
      CvMat * point_counts2=cvCreateMat(successes,1,CV_32SC1);
for(int i=0;i<successes*total_per_image;++i){
              CV_MAT_ELEM(*image_points2,float,i,0)=CV_MAT_ELEM(*image_points,float,i,0);//用来存储角点提取成功的图像的角点
              CV_MAT_ELEM(*image_points2,float,i,1)=CV_MAT_ELEM(*image_points,float,i,1);
              CV_MAT_ELEM(*object_points2,float,i,0)=CV_MAT_ELEM(*object_points,float,i,0);
              CV_MAT_ELEM(*object_points2,float,i,1)=CV_MAT_ELEM(*object_points,float,i,1);
              CV_MAT_ELEM(*object_points2,float,i,2)=CV_MAT_ELEM(*object_points,float,i,2);
      }
 
      for(int i=0;i<successes;++i){
              CV_MAT_ELEM(*point_counts2,int,i,0)=CV_MAT_ELEM(*point_counts,int,i,0);
      }
 
     
      cvReleaseMat(&object_points);
      cvReleaseMat(&image_points);
      cvReleaseMat(&point_counts);
 
 
      CV_MAT_ELEM(*intrinsic_matrix,float,0,0)=1.0f;
      CV_MAT_ELEM(*intrinsic_matrix,float,1,1)=1.0f;
     
 
      cvCalibrateCamera2(object_points2,image_points2,point_counts2,cvGetSize(show_colie),
                                          intrinsic_matrix,distortion_coeffs,NULL,NULL,0);
     
              cout<<"摄像机内参数矩阵为:\n";
      cout<<CV_MAT_ELEM(*intrinsic_matrix,float,0,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,1)
                                                                                                        <<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,2)
                                                                                                        <<"\n\n";
      cout<<CV_MAT_ELEM(*intrinsic_matrix,float,1,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,1)
                                                                                                        <<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,2)
                                                                                                        <<"\n\n";
      cout<<CV_MAT_ELEM(*intrinsic_matrix,float,2,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,1)
                                                                                                        <<"          "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,2)
                                                                                                        <<"\n\n";
 
      cout<<"畸变系数矩阵为:\n";
      cout<<CV_MAT_ELEM(*distortion_coeffs,float,0,0)<<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,1,0)
                                                                                                        <<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,2,0)
                                                                                                        <<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,3,0)
                                                                                                        <<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,4,0)
                                                                                                        <<"\n\n";
 
      cvSave("Intrinsics.xml",intrinsic_matrix);
      cvSave("Distortion.xml",distortion_coeffs);
 
      cout<<"摄像机矩阵、畸变系数向量已经分别存储在名为Intrinsics.xml、Distortion.xml文档中\n\n";
 
      CvMat * intrinsic=(CvMat *)cvLoad("Intrinsics.xml");
      CvMat * distortion=(CvMat *)cvLoad("Distortion.xml");
 
      IplImage * mapx=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1);
      IplImage * mapy=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1);
     
      cvInitUndistortMap(intrinsic,distortion,mapx,mapy);
 
      cvNamedWindow("原始图像",1);
      cvNamedWindow("非畸变图像",1);
 
      cout<<"按‘E’键退出显示...\n\n";
 
      while(show_colie){
              IplImage * clone=cvCloneImage(show_colie);
              cvShowImage("原始图像",show_colie);
              cvRemap(clone,show_colie,mapx,mapy);
              cvReleaseImage(&clone);
              cvShowImage("非畸变图像",show_colie);
 
              if(cvWaitKey(10)=='e'){
                    break;
              }
 
              show_colie=cvQueryFrame(capture1);
      }
 
      return 0;
}

各标定步骤实现方法

1 计算标靶平面与图像平面之间的映射矩阵

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/cdbfd8a1acffa12698ea9b55e28edb98.html