利用matlab摄像机标定

https://www.cnblogs.com/Jessica-jie/p/6081308.html

(1)输入图像

“Image names”键

Matlab的图形窗口显示出20幅靶标图像

(2) 提取角点

“Extract grid corners”键。

输入要进行角点提取的靶标图像的编号并回车

分别在“wintx ([] = 5) =”和“winty ([] = 5) =”输入行中输入角点提取区域的窗口半宽m和半高n。显示角点提取区域的窗口尺寸(2n+1)x(2m+1)，例如，选择缺省时角点提取区域的窗口尺寸为11x11像素。

Extraction of the grid corners on the images

Number(s) of image(s) to process ([] = all images) = 17

Window size for corner finder (wintx and winty):

wintx ([] = 5) = 5

winty ([] = 5) = 5

Window size = 11x11

Do you want to use the automatic square counting mechanism (0=[]=default)

or do you always want to enter the number of squares manually (1,other)? 0

//0表示自动计算棋盘格靶标选定区域内的方格行数和列数，选择值1表示人工计算并输入棋盘格靶标选定区域内的方格行数和列数。

Processing image 17...

Using (wintx,winty)=(5,5) - Window size = 11x11 (Note: To reset the window size, run script clearwin)

Click on the four extreme corners of the rectangular complete pattern (the first clicked corner is the origin)...//点击四个极端的角落的矩形完整的模式（第一个点击的角落是原点）…

Size of each square along the X direction: dX=100mm//沿X方向每平方大小：DX = 100mm

Size of each square along the Y direction: dY=100mm (Note: To reset the size of the squares, clear the variables dX and dY)

If the guessed grid corners (red crosses on the image) are not close to the actual corners,

it is necessary to enter an initial guess for the radial distortion factor kc (useful for subpixel detection)//如果猜到的网格角（图像上的红色的十字架）不接近实际的角落，需要输入径向畸变系数Kc的初始猜测（用于亚像素检测）

Need of an initial guess for distortion? ([]=no, other=yes) []

需要一个初始猜测的失真？（=不，其他=是）

Corner extraction...角点提取…

done完成

(3) 内参数标定

“Calibration”键

一、摄像机模型：

f是摄像机焦距。针孔中的点被理解成投影中心。光轴与图像平面的交点被称为主点。

你也许认为主点即成像仪的中心，但这意味着需要极其精度的安装，实际上，通常中心不在光轴上。因此引入了两个新的参数Cx和Cy，对偏移进行建模；由于单个像素点在低价成像仪上是矩形而不是正方形，引入两个不同的焦距fx和fy（单位为像素），焦距fx实际上是透镜的物理焦距长度与成像仪每个单元尺寸Sx的乘积，fy同理。

1.x=fx（X/Z）+Cx ； y=fy（Y/Z）+Cy 【图像点（x,y）；物理点（X,Y,Z）】

2.q=QM ; ;

二、内参数标定给出初始化后的标定结果和优化后的标定结果。其中，对内参数的优化采用L-M梯度下降法。优化后的结果中给出的参数不确定性，是3倍的标准方差。

fc中的两个数据分别是kx和ky，即焦距归一化成像平面上的成像点坐标到图像坐标的放大系数。

cc为光轴中心点的图像坐标(u0, v0)，又称为主点坐标(光轴和像平面的交点)，单位：像素。

alpha_c是对应于图像坐标v的摄像机的实际y轴与理想y轴之间的夹角ac，单位为弧度，默认值为0弧度。后续给出的图像轴之间的夹角为对应于图像坐标u、v的摄像机的x、y轴之间的夹角，默认值为90°。

est_alpha是alpha_c是否标定的标志位，只有est_alpha=1时对alpha_c进行标定。

kc为畸变系数kc1~kc5，kc(1)为二阶径向畸变系数kc1，kc(2)为4阶径向畸变系数kc2，kc(5)为6阶径向畸变系数kc5，kc(3)为图像坐标u对应于xy项的切向畸变系数kc3，kc(4)为图像坐标v对应于xy项的切向畸变系数kc4。

err为将网格角点反投影到图像空间的误差的标准方差，单位为像素。

在优化后的结果中，不确定性的数值越小，说明标定的精度越高。如果不确定性项的数值与结果值相比所占比例较大，则需要重新标定。

初始化后的标定结果：

Calibration parameters after initialization:

Focal Length: fc = [ 2261.90405 2109.71287 ]

Principal point: cc = [ 319.50000 239.50000 ]

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

Distortion: kc = [ 0.00000 0.00000 0.00000 0.00000 0.00000 ]

优化后的标定结果：

Calibration results after optimization (with uncertainties):

Focal Length: fc = [ 1449.63020 1465.98311 ] +/- [ 400.52656 411.89609 ]

Principal point: cc = [ 319.50000 239.50000 ] +/- [ 0.00000 0.00000 ]

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

Distortion: kc = [ -0.73547 8.76011 -0.03983 -0.03329 0.00000 ] +/- [ 0.64286 18.37382 0.02206 0.00821 0.00000 ]

Pixel error: err = [ 0.39436 0.41117 ]

Calibration results after optimization (with uncertainties):

Focal Length: fc = [ 1057.47799 1065.08661 ] +/- [ 179.00243 182.45017 ]

Principal point: cc = [ 319.50000 239.50000 ] +/- [ 0.00000 0.00000 ]

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

Distortion: kc = [ -0.42145 2.71172 -0.02680 -0.02733 0.00000 ] +/- [ 0.27931 4.47689 0.01235 0.00609 0.00000 ]

Pixel error: err = [ 0.39060 0.46655 ]

Calibration results after optimization (with uncertainties):

Focal Length: fc = [ 981.15486 990.80729 ] +/- [ 83.68588 85.72653 ]

Principal point: cc = [ 319.50000 239.50000 ] +/- [ 0.00000 0.00000 ]

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

Distortion: kc = [ -0.31958 1.45735 -0.01584 -0.02388 0.00000 ] +/- [ 0.23908 3.49317 0.00665 0.00536 0.00000 ]

Pixel error: err = [ 0.52427 0.49251 ]

(4) 显示摄像机与标定靶标之间的关系

“Show Extrinsic”键

假设摄像机固定时摄像机与靶标之间的关系.

假设靶标固定时摄像机与靶标之间的关系

(5) 误差分析

“Analyse error”键

利用鼠标移动十字标尺可以选择角点，即可在命令窗口显示出该角点的信息，包括该角点所属图像、索引号、以方格为单位的坐标、图像坐标、反投影后的图像坐标误差、角点提取区域的窗口半宽m和半高n。

Selected image: 17

Selected point index: 22 //选择点指数：22

Pattern coordinates (in units of (dX,dY)): (X,Y)=(0,3)//图形坐标（单位（dx，dy））

Image coordinates (in pixel): (326.27,97.25)//图像坐标（像素）

Pixel error = (0.39891,0.38640)//像素误差

Window size: (wintx,winty) = (5,5)

(6) 反投影到图像空间

“Project on image”键

出现“Number(s) of image(s) to process ([] = all images) =”时，输入要进行反投影的靶标图像的编号并回车:

Number(s) of image(s) to show ([] = all images) = 17

Pixel error: err = [0.52427 0.49251] (all active images)

(7) 图像畸变校正

“Undistort image”键

Program that undistorts images

The intrinsic camera parameters are assumed to be known (previously computed)

Do you want to undistort all the calibration images ([],0) or a new image (1)? 1

内在的相机参数被假定为已知（先前计算）

你想所有的校正图像失真（[ ]，0）或一个新的图像（1）？

(8) 外参数标定

“Comp. Extrinsic”键

外参数包括：旋转矩阵；平移向量，来描述物体的相对位置

外参数标定是在内参数已知的前提下进行的。在完成摄像机的内参数标定后，或者在命令窗口输入摄像机的内参数后，可以对棋盘格靶标相对于摄像机的外参数进行标定。

Computation of the extrinsic parameters from an image of a pattern

The intrinsic camera parameters are assumed to be known (previously computed)

Image name (full name without extension): image17

Image format: ([]='r'='ras', 'b'='bmp', 't'='tif', 'p'='pgm', 'j'='jpg', 'm'='ppm') j

Extraction of the grid corners on the image

Window size for corner finder (wintx and winty):

wintx ([] = 5) =

winty ([] = 5) =

Window size = 11x11

Click on the four extreme corners of the rectangular complete pattern (the first clicked corner is the origin)...

Size dX of each square along the X direction ([]=30mm) = 100

Size dY of each square along the Y direction ([]=30mm) = 100

Corner extraction...

Extrinsic parameters:

Translation vector: Tc_ext = [ -286.312743 -270.910076 2017.432436 ]

Rotation vector: omc_ext = [ -2.148529 -2.100271 -0.134644 ] 旋转矢量

Rotation matrix: Rc_ext = [ 0.025055 0.999247 -0.029640

旋转矩阵 0.987282 -0.020077 0.157706

0.156992 -0.033214 -0.987041 ]

Pixel error: err = [ 0.34478 0.42945 ]

在外参数标定结果中，Tc_ext为靶标坐标系原点在摄像机坐标系中的位移向量，单位为mm；omc_ext为对应于姿态矩阵的rodrigues旋转向量；Rc_ext为旋转矩阵；err为将网格角点反投影到图像空间的误差的标准方差，单位为像素。

利用matlab摄像机标定相关推荐

matlab实现定标旋转,Matlab摄像机标定工具箱的使用说明精编.doc
摄像机标定工具箱1.1 Matlab摄像机标定工具箱/bouguetj/calib_doc/download/index.html 说明文档:/bouguetj/calib_doc/toolbox_c ...
matlab摄像机标定内参
可以将摄像机标定的含义简单理解成:从摄像机拍摄到的图片像素转换到空间的参考成像平面.从图片像素转到摄像机成像平面的参数标定称为内参标定,从成像平面坐标系转到参考坐标系为外参标定.内参的确定常常使用比较 ...
matlab2014a 3d标定,[转载]张的matlab摄像机标定
自己写了下matlab张的标定程序,采用张正有网站上的数据,即数据文档Model.txt data1.txt data2.txt data3.txt data4.txt data5.txt. 其中Mo ...
利用Matlab进行相机标定并使用openCV进行简单三维重建
注:本文主要针对Matlab和OpenCV跨平台进行相机标定.单相机三维重建工作的实现,因为我发现网上竟然没有一篇博客径直指出这两者在进行图像处理时的巨大差异(坐标系完全不同),不然我也不会走了很多弯 ...
机器视觉学习笔记（4）——单目摄像机标定参数说明
机器视觉学习笔记(4)--单目摄像机标定参数说明标签: 机器视觉 1.针孔摄像机模型在介绍摄像机标定参数之前,需要先简单说一下针孔摄像机的原理.投影平面到小孔的距离为焦距f,物体到小孔的距离为Z, ...
Matlab工具箱标定和校正鱼眼镜头
鱼眼镜头校正和普通相机校正,在matlab工具箱中有所区别一工具箱操作二用标定结果参数校正其他图像用用undistortFisheyeImage函数 %利用matlab工具箱标定鱼眼之后, ...
matlab单目相机标定步骤,matlab相机标定
本文是一篇关于相机标定意义和原理的个人总结,包含了 OpenCV 和 Matlab 中常用的相机标定函数的注解. 相机标定是机器视觉的基础, 标定结果的好坏直接决定了机器...... 图片数量一定程 ...
matlab相机标定_【显微视界】基于视觉伺服的工业机器人系统研究（摄像机标定、手眼标定、目标单目定位）...
今日光电有人说,20世纪是电的世纪,21世纪是光的世纪:知光解电,再小的个体都可以被赋能.欢迎来到今日光电! ----与智者为伍为创新赋能---- 标定技术常见的机器人视觉伺服中要 ...
张正友摄像机标定的研究(MATLAB+OpenCV)
张正友本科浙大,本来以为是中国人论文是中文呢,哎张正友的主页: http://research.microsoft.com/en-us/um/people/zhang/Calib/ 不过里面的棋盘 ...

利用matlab摄像机标定

利用matlab摄像机标定相关推荐

最新文章

热门文章