新人一枚,,由于毕设接触到了摄像机标定,,有一种想屎的感觉。。。:'(

这是我得到的结果

Focal Length:          fc = [ 860.94858   860.94858 ]

Principal point:       cc = [ 479.50000   359.50000 ]

Skew:             alpha_c = [ 0.00000 ]   => angle of pixel = 90.00000 degrees

Distortion:            kc = [ 0.00000   0.00000   0.00000   0.00000   0.00000 ]

Calibration results after optimization (with uncertainties):

Focal Length:          fc = [ 903.99695   906.61700 ]  [ 5.98386   5.86518 ]

Principal point:       cc = [ 469.76850   365.65195 ]  [ 5.80789   5.40516 ]

Skew:             alpha_c = [ 0.00000 ]  [ 0.00000  ]   => angle of pixel axes = 90.00000  0.00000 degrees

Distortion:            kc = [ 0.11133   -0.32246   0.00541   -0.00502  0.00000 ]  [ 0.02433   0.07643   0.00208   0.00234  0.00000 ]

Pixel error:          err = [ 1.59149   1.30703 ]

Translation vector: Tc_ext = [ -137.115750   -98.458083   380.558792 ]

Rotation vector:   omc_ext = [ 1.960104   1.883889   -0.369381 ]

Rotation matrix:    Rc_ext = [ 0.059056   0.994942   0.081252

0.890590   -0.015742   -0.454534

-0.450956   0.099206   -0.887016 ]

Pixel error:           err = [ 1.90584   1.66958 ]

a =

860.9486         0  479.5000

0  860.9486  369.5000

0         0    1.0000

b =

0.0591    0.9949 -137.1157

0.8906   -0.0157  -98.4581

-0.4510    0.0992  380.5588

h=a*b

h =

1.0e+004 *

-0.0165    0.0904    6.4428

0.0600    0.0023    5.5849

-0.0000    0.0000    0.0381

m =

139.1670  134.1300    1.0000  (图像上点的坐标)

n =

77.5370  605.8330    1.0000

h1=inv(h)

h1 =

-0.0000    0.0015   -0.2175

0.0011    0.0002   -0.2126

-0.0000    0.0000    0.0024

m1=m*h1

m1 =

0.1490    0.2288  -58.7883

>> n1=n*h1

n1 =

0.6807    0.2073 -145.6736

>> m11=m1/-58.7883

m11 =

-0.0025   -0.0039    1.0000

>> n11=n1/-145.6736

n11 =

-0.0047   -0.0014    1.0000

>> l=sqrt((-0.0025+0.0047)^2+(-0.0039+0.0014)^2)

l =

0.0033

>> 得到的结果很不对啊。。。我采集的两个点事棋盘格7个格的距离,,每个格28mm,所以,,,,不知道怎么办  到底哪里出了问题啊。。。小妹在这里跪求各位大哥大姐指点一下。。。。谢谢!!!!!!:) :) :) :) :)

matlab标定工具箱 参数,使用MATLAB标定工具箱求出内外参数后怎样求实物的两点间......相关推荐

  1. ML之UliR:利用非线性回归,梯度下降法(迭代十万次)求出学习参数θ,进而求得Cost函数最优值

    ML之UliR:利用非线性回归,梯度下降法(迭代十万次)求出学习参数θ,进而求得Cost函数最优值 目录 输出结果 代码设计 输出结果 更新-- 代码设计 import numpy as np imp ...

  2. java 非法参数异常_Java的比较抛出非法参数异常

    我得到这个错误:当我试图在Java中运行这个比较对我的实体系统Java的比较抛出非法参数异常 Exception in thread "Thread-3" java.lang.Il ...

  3. 作品第四课----agruments应用一求出函数参数的总合

    http://www.w3cfuns.com/notes/17783/368ae18bc73b045c6bb3e188c0c163aa 转载于:https://www.cnblogs.com/samt ...

  4. matlab怎么求两个数的和,matlab怎么求出两个函数的交点

    matlab中,两个自变量的函数怎么求最大值(急!1) 需求:利用matlab求解二元函数y=f(x1,x2)=(339-0.01*x1-0.003*x2)*x1+(399-0.004*x1-0.01 ...

  5. 相机模型与标定(八)--传统相机标定算法简介

    原文: http://blog.sina.com.cn/s/blog_b364631a0101iopy.html 一.相机数学模型 相机模型为以后一切标定算法的关键,只有这边有相当透彻的理解,对以后的 ...

  6. matlab根据末端位姿p求出xyz,Matlab在智能采摘机械手中的应用

    Matlab在智能采摘机械手中的应用 Matlab在智能采摘机械手中的应用 --RB03机器人的运动空间分析及其避障规划仿真 在Matlab中用数值法对广州数控RB03机器人进行工作空间的分析,然后根 ...

  7. matlab solve 解的范围,matlab怎么解方程,如何规定解的范围?

    方法/步骤: 一.解一元方程 1.先举一例,解方程"x^2+100*x+99=0". 在Matlab "Command Window"中输入如下命令:x=sol ...

  8. 双目摄像头标定完整过程 借助Matlab软件工具箱

    运用matlab2017 进行摄像头获取标定参数: 本人试过两种方法,好坏各有. ①运用matlab自带标定工具箱进行标定,非常省事,说下大概步骤,(嫌麻烦不上图了) 1.在命令行输入stereoCa ...

  9. 相机标定教程(使用Matlab工具箱)

    理想的相机成像模型是小孔成像,空间中的物点与像面上的像点一一对应. 但是,实际情况中,相机存在畸变,导致像面上的像点产生偏移,这就需要构建非线性相机成像模型. 通过相机标定,可以求解得到相机的内参.外 ...

最新文章

  1. CSS实现各类分栏布局
  2. 通过 .htaccess 实现缓存策略
  3. plsql(轻量版)-存储函数存储过程
  4. 【Android UI设计与开发】3.引导界面(三)实现应用程序只启动一次引导界面
  5. 龙果充值平台,具备话费充值、流量充值、话费卡兑换功能;可以拓展其他充值兑换业务;也适用于支付、鉴权等业务功能的拓展。
  6. File类的创建功能
  7. arguments对象
  8. 如果在文档已完成加载后执行 document.write,整个 HTML 页面将被覆盖
  9. UIKit Dynamic主题学习笔记
  10. EMNLP'21 | 学习改写非自回归机器翻译的翻译结果
  11. 职场“35岁危机”:这是我看过的最棒建议
  12. Dart中的Isolate
  13. mikrotik桥接TP-link教程
  14. 第2关:Pandas创建透视表和交叉表
  15. 初学三分法之考研路茫茫——早起看书
  16. 英语论文格式有什么要求?
  17. Scrapy源码剖析前戏之Twisted使用
  18. ESP32+PIO+LGVL+gui_guider
  19. Android之实现手机号码拦截
  20. 中国液晶玻璃市场供需调研与投资前景预测报告2022-2028年

热门文章

  1. postfix邮件服务器
  2. protobuf 向前兼容向后兼容
  3. 公钥、私钥、数字签名、数字证书、对称与非对称算法、HTTPS
  4. mysql数据修改-DEDE
  5. HDF及HDF-EOS数据格式简介
  6. Centos上虚拟机搭建
  7. 在工作或学习中要留出喝茶的时间
  8. 大学生眼中的对方,哈哈
  9. JKD源码系列(4)-AbstractStringBuilder
  10. pytorch学习笔记(4):tensorboard可视化