opencv-python 摄像机标定

先上传20张用摄像头拍摄的图

将这20张摄像头拍摄的图片放入同一个文件夹中，当然你也可以自己把电脑作为屏幕拍摄不低于十张的图

import cv2
import numpy as np
import glob
from numpy import array as matrix, arange# 找棋盘格角点
# 阈值
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
# w h分别是棋盘格模板长边和短边规格（角点个数）
w = 9  #注意这个是横向想的角点个数 你可以理解为第一行黑方块与第二行黑方块交点的个数
h = 6  #纵向同理可得# 世界坐标系中的棋盘格点,例如(0,0,0), (1,0,0), (2,0,0) ....,(8,5,0)，去掉Z坐标，记为二维矩阵，认为在棋盘格这个平面上Z=0
objp = np.zeros((w * h, 3), np.float32)  # 构造0矩阵，88行3列，用于存放角点的世界坐标
objp[:, :2] = np.mgrid[0:w, 0:h].T.reshape(-1, 2)  # 三维网格坐标划分# 储存棋盘格角点的世界坐标和图像坐标对
objpoints = []  # 在世界坐标系中的三维点
imgpoints = []  # 在图像平面的二维点
record = []
images = glob.glob('./CarND-Advanced-Lane-Lines-master/camera_cal/*.jpg')
for fname in images:img = cv2.imread(fname)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 粗略找到棋盘格角点 这里找到的是这张图片中角点的亚像素点位置，共11×8 = 88个点，gray必须是8位灰度或者彩色图，（w,h）为角点规模ret, corners = cv2.findChessboardCorners(gray, (w, h))# 如果找到足够点对，将其存储起来if ret == True:record.append(fname)# 精确找到角点坐标corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria)# 将正确的objp点放入objpoints中objpoints.append(objp)imgpoints.append(corners)# 将角点在图像上显示cv2.drawChessboardCorners(img, (w, h), corners, ret)cv2.imshow('findCorners', img)cv2.waitKey()
cv2.destroyAllWindows()
# 标定 返回标定结果、相机的内参数矩阵、畸变系数、旋转矩阵和平移向量
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)print('ret:', ret)
print('内参矩阵:', mtx)
print('畸变系数:', dist)
print('旋转矩阵:', rvecs)
print('平移向量:', tvecs)# 去畸变
img2 = cv2.imread('./CarND-Advanced-Lane-Lines-master/camera_cal/calibration5.jpg')
h, w = img2.shape[:2]
newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h))  # 自由比例参数
dst = cv2.undistort(img2, mtx, dist, None, newcameramtx)
# 根据前面ROI区域裁剪图片
# x, y, w, h = roi
# dst = dst[y:y + h, x:x + w]
cv2.imshow('fin', dst)
cv2.imwrite('./fin.png', dst)
cv2.waitKey()
cv2.destroyAllWindows()# 反投影误差
total_error = 0
for i in range(len(objpoints)):imgpoints2, _ = cv2.projectPoints(objpoints[i], rvecs[i], tvecs[i], mtx, dist)error = cv2.norm(imgpoints[i], imgpoints2, cv2.NORM_L2) / len(imgpoints2)total_error += error
print("total error: ", total_error / len(objpoints))

opencv-python 摄像机标定相关推荐

Python+OpenCV：摄像机标定（Camera Calibration）
Python+OpenCV:摄像机标定(Camera Calibration) 理论 Some pinhole cameras introduce significant distortion to ...
基于opencv的摄像机标定
原理简述: 三维世界中的点的位置与其对应的二维投影,遵从以下公式: 其中, M表示三维世界中的点: [R|T]表示欧氏变换,是一个3*4矩阵 A表示相机参数矩阵,存放相机内部参数 P表示M ...
用OpenCV进行摄像机标定
用OpenCV进行摄像机标定照相机已经存在很长时间了.然而,随着廉价针孔相机在20世纪末的引入,日常生活中变得司空见惯.不幸的是,这种廉价伴随着它的代价:显著的扭曲.幸运的是,这些常数,通过校准和一 ...
【OpenCV】摄像机标定+畸变校正
摄像机标定本文目的在于记录如何使用MATLAB做摄像机标定,并通过opencv进行校正后的显示. 首先关于校正的基本知识通过OpenCV官网的介绍即可简单了解: http://docs.opencv ...
[OpenCV-Python] OpenCV 中摄像机标定和 3D 重构部分 VII
部分 VII 摄像机标定和 3D 重构 OpenCV-Python 中文教程(搬运)目录 42 摄像机标定目标 • 学习摄像机畸变以及摄像机的内部参数和外部参数 • 学习找到这些参数,对畸变图像进行 ...
OpenCV-Python] OpenCV 中摄像机标定和 3D 重构部分 VII
https://www.cnblogs.com/Undo-self-blog/p/8448500.html 42 摄像机标定目标 • 学习摄像机畸变以及摄像机的内部参数和外部参数 • 学习找到这些参 ...
Python+OpenCV学习（17）---摄像机标定
Python+OpenCV学习(17)---摄像机标定原文:http://blog.csdn.net/firemicrocosm/article/details/48594897 利用python学 ...
多摄像机标定和去畸变
Table of Contents 1.kalibr多摄像机标定 1.1 系统安装,环境配置:实测Ubuntu 16.04 1.2 多摄像机标定 2.OpenCV双目标定 3.Matlab多摄像机标定 ...
三维重建 - 摄像机标定和立体匹配中极线约束方法
摘自http://www.ahcit.com/lanmuyd.asp?id=2677,以作备录,若有版本问题,请告知. 关于摄像机标定和立体匹配中极线约束方法方面,描述的比较清楚. 一种基于OpenC ...
opencv 双目摄像头标定
我用的是opencv官方的例程,花了一天把代码大致注释了下,但是双目感觉好难,很多地方都不懂,都是在大佬们的博客找的资料下面是对例程使用的说明 http://blog.csdn.net/t24755 ...

opencv-python 摄像机标定

opencv-python 摄像机标定相关推荐

最新文章

热门文章