opencv 双目标定操作完整版

一、首先说明几个情况：

1、完成双目标定必须是自个拿棋盘图摆拍，网上涉及用opencv自带的标定图完成双目标定仅仅是提供个参考流程。我原来还以为用自带的图标定就行，但想不通的是咱们实际摆放的双目摄像头和人家当时摆放的肯定不一样，那用人家的标定图怎么能反应自己摄像头的实际情况；后来问了大神，才知道用opencv自带的标定图（或者说别人提供的图）进行标定，这是完全没有意义的。

2、进行双目标定必须是左右相机同时进行拍摄，再把图保存下来。这点我是看opencv自带的图发现的，左右相机对应的图摆拍的姿势是一模一样的，除了左右相机视角带来的影响。

3、我是先完成单目标定，再完成双目标定。记得把理论看看，要不然有些概念不清楚。

二、1、先固定好左右相机，拿棋盘标定图摆拍并保存，我左右相机各15张，网上看的说是总共30~40张为宜，这个大家随意。

棋盘标定图在我另发的一个博客里免费下载，当时找了好久，下载的、程序生成的都或多或少有那么一些问题。知识是得有价，但棋盘图这种最最基本的工具，博客里基本都需要拿币下载，真是服。

程序：

// 同时调用两个摄像头，暂停并保存左右相机的标定棋盘图

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std; //开头我是从教程学的，一般不变，直接用

int main(int argc, char* argv[])
{
VideoCapture cap(0);
VideoCapture cap1(1); //打开两个摄像头

if(!cap.isOpened())
{
printf("Could not open camera0...\n");
return -1;
}
if (!cap1.isOpened())
{
printf("Could not open camera1...\n");
return -2;

} //判断还是加上为好，便于调程序

Mat frame, frame1;
bool stop = false;
while (!stop)
{
cap.read(frame);
cap1.read(frame1);
imshow("camera0", frame);
imshow("camera1", frame1);

int delay = 30;
if (delay >= 0 && waitKey(delay) >= 0)
{
waitKey(0); //实时拍摄暂停的程序
}
imwrite("C:/Users/Administrator/Desktop/11/left1.jpg", frame1);
imwrite("C:/Users/Administrator/Desktop/11/right1.jpg", frame); //给个位置保存图片，注意图片到底是左相机还是右相机的（用手在摄像头前晃晃），我用的笨方法，保存一下，再把（left1.jpg/right1.jpg）+1，接着保存
}

cap.release();
cap1.release(); //两个摄像头数据释放
return 0;

}

2、完成单目标定，程序我是借鉴网上的，修改的不多。

//左右单目相机分别标定

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/highgui/highgui.hpp"

#include <opencv2/opencv.hpp>
#include "cv.h"
#include <cv.hpp>
#include <iostream>

using namespace std;
using namespace cv; //人家这开头都长，遇到有红线标记的就删了，把你知道的开头加上，没问题

const int boardWidth = 9; //横向的角点数目
const int boardHeight = 6; //纵向的角点数据
const int boardCorner = boardWidth * boardHeight; //总的角点数据
const int frameNumber = 15; //相机标定时需要采用的图像帧数
const int squareSize = 25; //标定板黑白格子的大小单位mm
const Size boardSize = Size(boardWidth, boardHeight); //总的内角点

Mat intrinsic; //相机内参数
Mat distortion_coeff; //相机畸变参数
vector<Mat> rvecs; //旋转向量
vector<Mat> tvecs; //平移向量
vector<vector<Point2f>> corners; //各个图像找到的角点的集合和objRealPoint 一一对应
vector<vector<Point3f>> objRealPoint; //各副图像的角点的实际物理坐标集合

vector<Point2f> corner; //某一副图像找到的角点

/*计算标定板上模块的实际物理坐标*/
void calRealPoint(vector<vector<Point3f>>& obj, int boardwidth, int boardheight, int imgNumber, int squaresize)
{
vector<Point3f> imgpoint;
for (int rowIndex = 0; rowIndex < boardheight; rowIndex++)
{
for (int colIndex = 0; colIndex < boardwidth; colIndex++)
{
imgpoint.push_back(Point3f(rowIndex * squaresize, colIndex * squaresize, 0));
}
}
for (int imgIndex = 0; imgIndex < imgNumber; imgIndex++)
{
obj.push_back(imgpoint);
}
}

/*设置相机的初始参数也可以不估计*/
void guessCameraParam(void)
{
/*分配内存*/
intrinsic.create(3, 3, CV_64FC1); //相机内参数
distortion_coeff.create(5, 1, CV_64FC1); //畸变参数

/*
fx 0 cx
0 fy cy
0 0 1 内参数
*/
intrinsic.at<double>(0, 0) = 256.8093262; //fx
intrinsic.at<double>(0, 2) = 160.2826538; //cx
intrinsic.at<double>(1, 1) = 254.7511139; //fy
intrinsic.at<double>(1, 2) = 127.6264572; //cy

intrinsic.at<double>(0, 1) = 0;
intrinsic.at<double>(1, 0) = 0;
intrinsic.at<double>(2, 0) = 0;
intrinsic.at<double>(2, 1) = 0;
intrinsic.at<double>(2, 2) = 1;

/*
k1 k2 p1 p2 p3 畸变参数
*/
distortion_coeff.at<double>(0, 0) = -0.193740; //k1
distortion_coeff.at<double>(1, 0) = -0.378588; //k2
distortion_coeff.at<double>(2, 0) = 0.028980; //p1
distortion_coeff.at<double>(3, 0) = 0.008136; //p2
distortion_coeff.at<double>(4, 0) = 0; //p3
}

void outputCameraParam(void)
{
/*保存数据*/
//cvSave("cameraMatrix.xml", &intrinsic);
//cvSave("cameraDistoration.xml", &distortion_coeff);
//cvSave("rotatoVector.xml", &rvecs);
//cvSave("translationVector.xml", &tvecs);
/*输出数据*/
//cout << "fx :" << intrinsic.at<double>(0, 0) << endl << "fy :" << intrinsic.at<double>(1, 1) << endl;
//cout << "cx :" << intrinsic.at<double>(0, 2) << endl << "cy :" << intrinsic.at<double>(1, 2) << endl;//内参数
printf("fx:%lf...\n", intrinsic.at<double>(0, 0));
printf("fy:%lf...\n", intrinsic.at<double>(1, 1));
printf("cx:%lf...\n", intrinsic.at<double>(0, 2));
printf("cy:%lf...\n", intrinsic.at<double>(1, 2)); //我学的是printf,就试着改了一下，都能用

//cout << "k1 :" << distortion_coeff.at<double>(0, 0) << endl;
//cout << "k2 :" << distortion_coeff.at<double>(1, 0) << endl;
//cout << "p1 :" << distortion_coeff.at<double>(2, 0) << endl;
//cout << "p2 :" << distortion_coeff.at<double>(3, 0) << endl;
//cout << "p3 :" << distortion_coeff.at<double>(4, 0) << endl; //畸变参数
printf("k1:%lf...\n", distortion_coeff.at<double>(0, 0));
printf("k2:%lf...\n", distortion_coeff.at<double>(1, 0));
printf("p1:%lf...\n", distortion_coeff.at<double>(2, 0));
printf("p2:%lf...\n", distortion_coeff.at<double>(3, 0));
printf("p3:%lf...\n", distortion_coeff.at<double>(4, 0));
}

int main()
{
int imageHeight; //图像高度
int imageWidth; //图像宽度
int goodFrameCount = 0; //有效图像的数目

Mat rgbImage,grayImage;
Mat tImage = imread("C:/Users/Administrator/Desktop/11/right1.jpg");
if (tImage.empty())
{
printf("Could not load tImage...\n");
return -1;
}
imageHeight = tImage.rows;
imageWidth = tImage.cols;

grayImage = Mat::ones(tImage.size(), CV_8UC1);
while (goodFrameCount < frameNumber)
{
char filename[100];
sprintf_s(filename, "C:/Users/Administrator/Desktop/11/right%d.jpg", goodFrameCount + 1);

rgbImage = imread(filename);
if (rgbImage.empty())
{
printf("Could not load grayImage...\n");
return -2;
}

cvtColor(rgbImage, grayImage, CV_BGR2GRAY);

imshow("Camera", grayImage);

bool isFind = findChessboardCorners(rgbImage, boardSize, corner, CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE);
//bool isFind = findChessboardCorners( rgbImage, boardSize, corner,
//CV_CALIB_CB_ADAPTIVE_THRESH | CV_CALIB_CB_FAST_CHECK | CV_CALIB_CB_NORMALIZE_IMAGE);

if (isFind == true) //所有角点都被找到说明这幅图像是可行的
{
//精确角点位置，亚像素角点检测
cornerSubPix(grayImage, corner, Size(5, 5), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 20, 0.1));
//绘制角点
drawChessboardCorners(rgbImage, boardSize, corner, isFind);
imshow("chessboard", rgbImage);
corners.push_back(corner);
goodFrameCount++;
/*cout << "The image" << goodFrameCount << " is good" << endl;*/
printf("The image %d is good...\n", goodFrameCount);
}
else
{
printf("The image is bad please try again...\n");
}

if (waitKey(10) == 'q')
{
break;
}
}

/*
图像采集完毕接下来开始摄像头的校正
calibrateCamera()
输入参数 objectPoints 角点的实际物理坐标
imagePoints 角点的图像坐标
imageSize 图像的大小
输出参数
cameraMatrix 相机的内参矩阵
distCoeffs 相机的畸变参数
rvecs 旋转矢量(外参数)
tvecs 平移矢量(外参数）
*/

/*设置实际初始参数根据calibrateCamera来如果flag = 0 也可以不进行设置*/
guessCameraParam();
printf("guess successful...\n");
/*计算实际的校正点的三维坐标*/
calRealPoint(objRealPoint, boardWidth, boardHeight, frameNumber, squareSize);
printf("calculate real successful...\n");
/*标定摄像头*/
calibrateCamera(objRealPoint, corners, Size(imageWidth, imageHeight), intrinsic, distortion_coeff, rvecs, tvecs, 0);
printf("calibration successful...\n");
/*保存并输出参数*/
outputCameraParam();
printf("output successful...\n");

/*显示畸变校正效果*/
Mat cImage;
undistort(rgbImage, cImage, intrinsic, distortion_coeff); //矫正相机镜头变形
imshow("Corret Image", cImage);
printf("Corret Image....\n");
printf("Wait for Key....\n");

waitKey(0);
return 0;

}

注意：（1）把你得到的左右相机标定完的参数记下来，双目标定的时候会用；

（2）如果遇到cvtColor出问题，那就查一下构造一个新图像的Mat类使用方法；

（3）如果遇到结果一闪而过的问题，可以先用网上提供的两种方法试一下（一搜就有），但是我用这两种方法都没解决，最后才知道是frameNumber 的问题，我设的值比现有的图多一张。到时候具体问题具体分析吧，都是应该经历的过程。

3、完成双目标定，程序也是借鉴网上的，稍加修改。

// 双目相机标定

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/highgui/highgui.hpp"

#include <vector>
#include <string>
#include <algorithm>
#include <iostream>
#include <iterator>
#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>

#include <opencv2/opencv.hpp>
#include "cv.h"
#include <cv.hpp>

using namespace std;
using namespace cv; //依旧很长的开头

const int imageWidth = 640; //摄像头的分辨率
const int imageHeight = 480;
const int boardWidth = 9; //横向的角点数目
const int boardHeight = 6; //纵向的角点数据
const int boardCorner = boardWidth * boardHeight; //总的角点数据
const int frameNumber = 15; //相机标定时需要采用的图像帧数
const int squareSize = 25; //标定板黑白格子的大小单位mm
const Size boardSize = Size(boardWidth, boardHeight); //标定板的总内角点
Size imageSize = Size(imageWidth, imageHeight);

Mat R, T, E, F; //R 旋转矢量 T平移矢量 E本征矩阵 F基础矩阵
vector<Mat> rvecs; //旋转向量
vector<Mat> tvecs; //平移向量
vector<vector<Point2f>> imagePointL; //左边摄像机所有照片角点的坐标集合
vector<vector<Point2f>> imagePointR; //右边摄像机所有照片角点的坐标集合
vector<vector<Point3f>> objRealPoint; //各副图像的角点的实际物理坐标集合

vector<Point2f> cornerL; //左边摄像机某一照片角点坐标集合

vector<Point2f> cornerR; //右边摄像机某一照片角点坐标集合

Mat rgbImageL, grayImageL;
Mat rgbImageR, grayImageR;

Mat Rl, Rr, Pl, Pr, Q; //校正旋转矩阵R，投影矩阵P 重投影矩阵Q (下面有具体的含义解释）
Mat mapLx, mapLy, mapRx, mapRy; //映射表
Rect validROIL, validROIR; //图像校正之后，会对图像进行裁剪，这里的validROI就是指裁剪之后的区域

/*
事先标定好的左相机的内参矩阵
fx 0 cx
0 fy cy
0 0 1
*/
Mat cameraMatrixL = (Mat_<double>(3, 3) << 462.279595, 0, 312.781587,
0, 460.220741, 208.225803,
0, 0, 1); //这时候就需要你把左右相机单目标定的参数给写上
//获得的畸变参数
Mat distCoeffL = (Mat_<double>(5, 1) << -0.054929, 0.224509, 0.000386, 0.001799, -0.302288);
/*
事先标定好的右相机的内参矩阵
fx 0 cx
0 fy cy
0 0 1
*/
Mat cameraMatrixR = (Mat_<double>(3, 3) << 463.923124, 0, 322.783959,
0, 462.203276, 256.100655,
0, 0, 1);
Mat distCoeffR = (Mat_<double>(5, 1) << -0.049056, 0.229945, 0.001745, -0.001862, -0.321533);

void outputCameraParam(void)
{
/*保存数据*/
/*输出数据*/
FileStorage fs("intrinsics.yml", FileStorage::WRITE); //文件存储器的初始化
if (fs.isOpened())
{
fs << "cameraMatrixL" << cameraMatrixL << "cameraDistcoeffL" << distCoeffL << "cameraMatrixR" << cameraMatrixR << "cameraDistcoeffR" << distCoeffR;
fs.release();
cout << "cameraMatrixL=:" << cameraMatrixL << endl << "cameraDistcoeffL=:" << distCoeffL << endl << "cameraMatrixR=:" << cameraMatrixR << endl << "cameraDistcoeffR=:" << distCoeffR << endl;
}
else
{
cout << "Error: can not save the intrinsics!!!!!" << endl;
}

fs.open("extrinsics.yml", FileStorage::WRITE);
if (fs.isOpened())
{
fs << "R" << R << "T" << T << "Rl" << Rl << "Rr" << Rr << "Pl" << Pl << "Pr" << Pr << "Q" << Q;
cout << "R=" << R << endl << "T=" << T << endl << "Rl=" << Rl << endl << "Rr=" << Rr << endl << "Pl=" << Pl << endl << "Pr=" << Pr << endl << "Q=" << Q << endl;
fs.release();
}
else
cout << "Error: can not save the extrinsic parameters\n";
}

int main(int argc, char* argv[])
{
Mat img;
int goodFrameCount = 0;
while (goodFrameCount < frameNumber)
{
char filename[100];
/*读取左边的图像*/
sprintf_s(filename, "C:/Users/Administrator/Desktop/11/left%d.jpg", goodFrameCount + 1);
rgbImageL = imread(filename, CV_LOAD_IMAGE_COLOR);
cvtColor(rgbImageL, grayImageL, CV_BGR2GRAY);

/*读取右边的图像*/
sprintf_s(filename, "C:/Users/Administrator/Desktop/11/right%d.jpg", goodFrameCount + 1);
rgbImageR = imread(filename, CV_LOAD_IMAGE_COLOR);
cvtColor(rgbImageR, grayImageR, CV_BGR2GRAY);

bool isFindL, isFindR;

isFindL = findChessboardCorners(rgbImageL, boardSize, cornerL);
isFindR = findChessboardCorners(rgbImageR, boardSize, cornerR);
if (isFindL == true && isFindR == true) //如果两幅图像都找到了所有的角点则说明这两幅图像是可行的
{
/*
Size(5,5) 搜索窗口的一半大小
Size(-1,-1) 死区的一半尺寸
TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 20, 0.1)迭代终止条件
*/
cornerSubPix(grayImageL, cornerL, Size(5, 5), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 20, 0.1));
drawChessboardCorners(rgbImageL, boardSize, cornerL, isFindL);
imshow("chessboardL", rgbImageL);
imagePointL.push_back(cornerL);

cornerSubPix(grayImageR, cornerR, Size(5, 5), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 20, 0.1));
drawChessboardCorners(rgbImageR, boardSize, cornerR, isFindR);
imshow("chessboardR", rgbImageR);
imagePointR.push_back(cornerR);

//string filename = "res\\image\\calibration";
//filename += goodFrameCount + ".jpg";
//cvSaveImage(filename.c_str(), &IplImage(rgbImage)); //把合格的图片保存起来
goodFrameCount++;
cout << "The image" << goodFrameCount << " is good" << endl;
}
else
{
cout << "The image is bad please try again" << endl;
}

if (waitKey(10) == 'q')
{
break;
}
}

/*
计算实际的校正点的三维坐标
根据实际标定格子的大小来设置
*/
calRealPoint(objRealPoint, boardWidth, boardHeight, frameNumber, squareSize);
cout << "cal real successful" << endl;

/*
标定摄像头
由于左右摄像机分别都经过了单目标定
所以在此处选择flag = CALIB_USE_INTRINSIC_GUESS
*/
double rms = stereoCalibrate(objRealPoint, imagePointL, imagePointR,
cameraMatrixL, distCoeffL,
cameraMatrixR, distCoeffR,
Size(imageWidth, imageHeight),R, T,E, F, CALIB_USE_INTRINSIC_GUESS,
TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, 1e-5)); //需要注意，应该是版本的原因，该函数最后两个参数，我是调换过来后才显示不出错的

cout << "Stereo Calibration done with RMS error = " << rms << endl;

/*
立体校正的时候需要两幅图像共面并且行对准以使得立体匹配更加的可靠
使得两幅图像共面的方法就是把两个摄像头的图像投影到一个公共成像面上，这样每幅图像从本图像平面投影到公共图像平面都需要一个旋转矩阵R
stereoRectify 这个函数计算的就是从图像平面投影到公共成像平面的旋转矩阵Rl,Rr。 Rl,Rr即为左右相机平面行对准的校正旋转矩阵。
左相机经过Rl旋转，右相机经过Rr旋转之后，两幅图像就已经共面并且行对准了。
其中Pl,Pr为两个相机的投影矩阵，其作用是将3D点的坐标转换到图像的2D点的坐标:P*[X Y Z 1]' =[x y w]
Q矩阵为重投影矩阵，即矩阵Q可以把2维平面(图像平面)上的点投影到3维空间的点:Q*[x y d 1] = [X Y Z W]。其中d为左右两幅图像的时差
*/
//对标定过的图像进行校正
stereoRectify(cameraMatrixL, distCoeffL, cameraMatrixR, distCoeffR, imageSize, R, T, Rl, Rr, Pl, Pr, Q,
CALIB_ZERO_DISPARITY, -1, imageSize, &validROIL, &validROIR);
/*
根据stereoRectify 计算出来的R 和 P 来计算图像的映射表 mapx,mapy
mapx,mapy这两个映射表接下来可以给remap()函数调用，来校正图像，使得两幅图像共面并且行对准
ininUndistortRectifyMap()的参数newCameraMatrix就是校正后的摄像机矩阵。在openCV里面，校正后的计算机矩阵Mrect是跟投影矩阵P一起返回的。
所以我们在这里传入投影矩阵P，此函数可以从投影矩阵P中读出校正后的摄像机矩阵
*/
//摄像机校正映射
initUndistortRectifyMap(cameraMatrixL, distCoeffL, Rl, Pr, imageSize, CV_32FC1, mapLx, mapLy);
initUndistortRectifyMap(cameraMatrixR, distCoeffR, Rr, Pr, imageSize, CV_32FC1, mapRx, mapRy);

Mat rectifyImageL, rectifyImageR;
cvtColor(grayImageL, rectifyImageL, CV_GRAY2BGR);
cvtColor(grayImageR, rectifyImageR, CV_GRAY2BGR);

imshow("Rectify Before", rectifyImageL);
cout << "按Q1退出 ..." << endl;

/*
经过remap之后，左右相机的图像已经共面并且行对准了
*/
Mat rectifyImageL2, rectifyImageR2;
remap(rectifyImageL, rectifyImageL2, mapLx, mapLy, INTER_LINEAR);
remap(rectifyImageR, rectifyImageR2, mapRx, mapRy, INTER_LINEAR);
cout << "按Q2退出 ..." << endl;

imshow("rectifyImageL", rectifyImageL2);
imshow("rectifyImageR", rectifyImageR2);

/*保存并输出数据*/
outputCameraParam();

/*
把校正结果显示出来
把左右两幅图像显示到同一个画面上
这里只显示了最后一副图像的校正结果。并没有把所有的图像都显示出来
*/
Mat canvas;
double sf;
int w, h;
sf = 600. / MAX(imageSize.width, imageSize.height);
w = cvRound(imageSize.width * sf);
h = cvRound(imageSize.height * sf);
canvas.create(h, w * 2, CV_8UC3);

/*左图像画到画布上*/
Mat canvasPart = canvas(Rect(w * 0, 0, w, h)); //得到画布的一部分
resize(rectifyImageL2, canvasPart, canvasPart.size(), 0, 0, INTER_AREA); //把图像缩放到跟canvasPart一样大小
Rect vroiL(cvRound(validROIL.x*sf), cvRound(validROIL.y*sf), //获得被截取的区域
cvRound(validROIL.width*sf), cvRound(validROIL.height*sf));
rectangle(canvasPart, vroiL, Scalar(0, 0, 255), 3, 8); //画上一个矩形

cout << "Painted ImageL" << endl;

/*右图像画到画布上*/
canvasPart = canvas(Rect(w, 0, w, h)); //获得画布的另一部分
resize(rectifyImageR2, canvasPart, canvasPart.size(), 0, 0, INTER_LINEAR);
Rect vroiR(cvRound(validROIR.x * sf), cvRound(validROIR.y*sf),
cvRound(validROIR.width * sf), cvRound(validROIR.height * sf));
rectangle(canvasPart, vroiR, Scalar(0, 255, 0), 3, 8);

cout << "Painted ImageR" << endl;

/*画上对应的线条*/
for (int i = 0; i < canvas.rows; i += 16)
line(canvas, Point(0, i), Point(canvas.cols, i), Scalar(0, 255, 0), 1, 8);

imshow("rectified", canvas);

cout << "wait key" << endl;
waitKey(0);
//system("pause");
return 0;

}

附上最后效果图：

opencv 双目标定操作完整版相关推荐

OpenCV双目标定校正及三维重建的一些经验之谈
本文主要是对之前做的关于双目的一些工作的经验总结,主要是关键流程及函数的理解,并不全面,但可以给大家提供一些参考.文中一些解释都是基于自己的理解,没有去看函数源码,有错误的地方还请大家指正. 图像标定 ...
opencv双目标定常见问题总结
最近搞个双目标定,奶奶个腿儿的~卡了好几天!!!几个比较常见的问题进行总结 1.一般标定的时候有两种,一是Matlab工具箱,二是vs+opencv库,就准确度来说,由于matlab已经足够的智能化, ...
opencv双目标定+立体校正+立体匹配(源码讲解)
//双目标定无非就是重复两次单目标定的流程,单目标定参考我上一篇博客. //在学习双目视觉之前,建议大家补充下,双目视觉模型,对极几何的知识,今天只讲源码的流程,以后出一篇对极几何的讲解. //老规矩 ...
OpenCV双目标定
参考LearnOpenCV书中的程序标定结果: 摄像机矩阵M 畸变矩阵D 旋转矩阵R 平移矩阵T 本征矩阵E 基础矩阵F
【opencv安装和配置完整版教程】（win10+vs2019+opencv4.4.0+opencv_contrib-4.4.0+永久配置）
[opencv安装和配置](win10+vs2019+opencv4.4.0+opencv_contrib-4.4.0+永久配置) 下载vs2019 opencv4.4.0.opencv_contri ...
pi节点云服务器最新安装教程,Pi node节点环境安装教程（家庭电脑操作完整版）...
1.下载最新版本的节点软件以及DOCKER软件进行安装,下载链接 ①节点软件更新(仍选一个) https://node.minepi.com/ ( pi network官方) 注册流程及安装教程详情 ...
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读取MATLAB双目标定的结果进行双目校正
概述: opencv内部也有双目标定的函数,但是结果有时候会飘,所以想先用MATLAB标定工具箱试试看.使用MATLAB先队两个相机进行单目标定,然后进行双目标定,将结果保存在xml文件中.xml文件 ...
python人脸识别opencv_Python基于Opencv来快速实现人脸识别过程详解（完整版）
前言随着人工智能的日益火热,计算机视觉领域发展迅速,尤其在人脸识别或物体检测方向更为广泛,今天就为大家带来最基础的人脸识别基础,从一个个函数开始走进这个奥妙的世界. 首先看一下本实验需要的数据集,为 ...
【OpenCV】双目测距（双目标定、双目校正和立体匹配）
本文采用MATLAB标定工具箱和OpenCV3.10来实现双目测距,设备为两个CMOS工业相机和相应的双目云台. 首先感谢CSDN上两位大神前辈邹宇华和scyscyao,虽然是六年前的博客,OpenC ...

opencv 双目标定操作完整版

opencv 双目标定操作完整版相关推荐

最新文章

热门文章