一、标定板标定 13.0

*************************************************************************************
*****在工业镜头选型过程中，为了方便各位朋友计算工业镜头参数，现提供靶面尺寸表供参考。
*****1.1英寸————靶面尺寸为宽12mm*高12mm，对角线17mm
*****1英寸————靶面尺寸为宽12.7mm*高9.6mm，对角线16mm
*****2/3英寸————靶面尺寸为宽8.8mm*高6.6mm，对角线11mm
*****1/1.6英寸————靶面尺寸为宽8.08mm*高6.01mm，对角线10.07mm
*****1/1.7英寸————靶面尺寸为宽7.6mm*高5.7mm，对角线9.5mm
*****1/1.8英寸————靶面尺寸为宽7.2mm*高5.4mm，对角线9mm
*****1/2英寸————靶面尺寸为宽6.4mm*高4.8mm，对角线8mm
*****1/3英寸————靶面尺寸为宽4.8mm*高3.6mm，对角线6mm
*****1/4英寸————靶面尺寸为宽3.2mm*高2.4mm，对角线4mm
*****1/2.5英寸————靶面尺寸为宽5.76mm*高4.29mm，对角线7.182mm*****初始参数的确定*****
*****针孔摄像机模型为6个参数（Focus,Kappa,Sx,Sy,Cx,Cy)**********
*****焦距F ＝ 镜头的标称焦距   【貌似可以随便填】
*****畸变系数K = 0
*****Sx = 靶面尺寸宽÷分辨率宽（例如靶面尺寸为1/3 分辨率为1292*964，Sx=4.8÷1292=0.00371mm=3.71e-006m） 标定助手上说是像元的尺寸，但是查到的相机资料像元尺寸又有点不一致，就按照现在的这种方法计算
*****Sy = 靶面尺寸高÷分辨率高（例如靶面尺寸为1/3 分辨率为1292*964，Sx=3.6÷964=0.00373mm=3.73e-006m）
*****Sx = 靶面尺寸宽÷分辨率宽（例如靶面尺寸为1/1.7 分辨率为4024*3036，Sx=7.6÷4024=0.00188mm=1.88e-006m）(hk相机MV-CE120-10GC)
*****Sy = 靶面尺寸高÷分辨率高（例如靶面尺寸为1/1.7 分辨率为4024*3036，Sx=5.7÷3036=0.00188mm=1.88e-006m）
*****Cx = 分辨率宽÷2
*****Cy = 分辨率高÷2**********
*****原文链接：https://blog.csdn.net/c1learning/article/details/96480168
*****靶面尺寸：https://blog.csdn.net/maopig/article/details/80773739
*************************************************************************************
*
* Initialize the program
dev_close_window ()
dev_open_window (0, 0, 768, 576, 'black', WindowHandle)
dev_update_off ()
dev_set_draw ('margin')
dev_set_line_width (3)
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
*
* Calibrate the camera
*
***6毫米标定板
CalTabDescrFile := 'caltab_6mm.descr'
*****单位是m*****初始参数
gen_cam_par_area_scan_division (0.025, 0, 0.0000037, 0.0000037, 1292/2, 964/2, 1292, 964, StartCamPar)
**gen_cam_par_area_scan_polynomial (0.025, 0, 0, 0, 0, 0, 0.0000037, 0.0000037, 1292/2, 964/2, 1292, 964, StartCamPar)
create_calib_data ('calibration_object', 1, 1, CalibDataID)
set_calib_data_cam_param (CalibDataID, 0, [], StartCamPar)
**set_calib_data_cam_param (CalibDataID, 0, 'area_scan_division', StartCamPar)
set_calib_data_calib_object (CalibDataID, 0, CalTabDescrFile)
NumImages := 10
for I := 1 to NumImages by 1read_image (Image, 'E:/Kell/AOI/Calibration/CalibImgs/' + I$'02d')get_image_size (Image, Width, Height)dev_display (Image)Message := 'Find calibration plate in\nall calibration images (' + I + '/' + NumImages + ')'disp_message (WindowHandle, Message, 'window', 12, 12, 'black', 'true')* Find the calibration platefind_calib_object (Image, CalibDataID, 0, 0, I - 1, [], [])get_calib_data (CalibDataID, 'camera', 0, 'init_params', StartCamPar)get_calib_data_observ_points (CalibDataID, 0, 0, I - 1, Row, Column, Index, Pose)get_calib_data_observ_contours (Contours, CalibDataID, 'caltab', 0, 0, I - 1)gen_cross_contour_xld (Cross, Row, Column, 6, 0.785398)dev_set_color ('green')dev_display (Contours)dev_set_color ('yellow')dev_display (Cross)wait_seconds (0.5)
endfor
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
calibrate_cameras (CalibDataID, Error)
get_calib_data (CalibDataID, 'camera', 0, 'params', CamParam)get_calib_data (CalibDataID, 'calib_obj_pose', [0,1], 'pose', Pose)
**位姿旋转90度
tuple_replace (Pose, 5, Pose[5] + 90, PoseRotate)***设置标定板厚度 单位是m
set_origin_pose (Pose, 0, 0, 0.0023, PoseNewOrigin)*选取两个像素点 计算Scale，就是像素精度
ImageRows:=[100,200]
ImageCols:=[100,200]
image_points_to_world_plane (CamParam, PoseNewOrigin, ImageRows, ImageCols, 'm', SX, SY)
distance_pp (ImageRows[0], ImageCols[0], ImageRows[1], ImageCols[1], DistanceImage)
distance_pp (SX[0], SY[0], SX[1], SY[1], DistanceWorld)
*****单位是m*****
*每米世界坐标距离对应的像素点个数
DistanceOneMeter:=DistanceImage/DistanceWorld
*每个像素对应的世界坐标距离
DistanceOnePixel:=DistanceWorld/DistanceImage**********
**世界坐标系中心偏移量
OffSetX:=(Width/2)*DistanceOnePixel
OffSetY:=(Height/2)*DistanceOnePixel
**设定世界坐标系到图像左上角，不然生成出来的map是从图像中心开始的，map_image只有右下角的部分图像
set_origin_pose (PoseNewOrigin, -OffSetX, -OffSetY, 0, PoseNewOriginFinal)
************ Generate map
*Scale的单位是m
gen_image_to_world_plane_map (MapSingle, CamParam, PoseNewOriginFinal, Width, Height, Width, Height, DistanceOnePixel, 'bilinear')
*
* Perform measurements
*
for I := 1 to NumImages by 1read_image (Image1, 'E:/Kell/AOI/Calibration/CalibImgs/' + I$'02d')  **read_image (Image1, 'E:/Kell/AOI/AOI Image2/_01.bmp')  * * Now, measure the size of the black border of the platemap_image (Image1, MapSingle, ImageMapped)    change_radial_distortion_cam_par ('fixed', CamParam, 0, CamParSingleImageRect)change_radial_distortion_image (Image1, Image1, ImageRectified, CamParam, CamParSingleImageRect)
endforwrite_image (MapSingle, 'tiff', 0, 'E:/Kell/AOI/Calibration/CalibImgs/ImageMap.tif')
read_image (Image2, 'E:/Kell/AOI/Calibration/CalibImgs/ImageMap.tif')
write_calib_data (CalibDataID, 'E:/Kell/AOI/Calibration/CalibImgs/CalibData.ccd')
read_calib_data ('E:/Kell/AOI/Calibration/CalibImgs/CalibData.ccd', CalibDataID1)clear_calib_data (CalibDataID)

一、自标定

* This program shows how radial_distortion_self_calibration can be used to
* calibrate the radial distortion coefficient and the center of
* distortions.  In the first part of the program, the edges extracted from
* a single image are used for the calibration.  The results show that the
* radial distortions are extracted fairly accurately from the single
* image.  To increase the accuracy, the second part of the program shows
* how the edges extracted from 20 images can be used to perform the
* calibration.  Since the edges occur in many different orientations in
* the 20 images, the principal point can be determined significantly more
* accurately.
dev_update_off ()
read_image (Image, 'E:/Kell/AOI/Calibration/SelfCalibImgs/c_01.bmp')
dev_close_window ()
dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
dev_display (Image)
disp_message (WindowHandle, 'Image with radial distortions', 'window', 0, 0, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
* Extract subpixel-precise edges using the Canny filter.
edges_sub_pix (Image, Edges, 'canny', 1, 10, 30)
union_collinear_contours_xld (Edges, Edges, 10, 1, 2, 0.1, 'attr_keep')
* Segment the edges into lines and circular arcs.
segment_contours_xld (Edges, SplitEdges, 'lines_circles', 5, 4, 2)
* Select edges that are long enough to be useful for the calibration.
select_shape_xld (SplitEdges, SelectedEdges, 'contlength', 'and', 30, 100000)
dev_display (Image)
dev_set_colored (12)
dev_display (SelectedEdges)
disp_message (WindowHandle, 'Extracted edges', 'window', 0, 0, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
dev_clear_window ()
disp_message (WindowHandle, 'Performing self-calibration...', 'window', 0, 0, 'black', 'true')
* Perform the self-calibration of the radial distortions.
radial_distortion_self_calibration (SelectedEdges, CalibrationEdges, 1292, 964, 0.08, 42, 'division', 'variable', 0, CamParSingleImage)
* Rectify the image, i.e., remove the radial distortions.
get_domain (Image, Domain)
change_radial_distortion_cam_par ('fixed', CamParSingleImage, 0, CamParSingleImageRect)
change_radial_distortion_image (Image, Domain, ImageRectified, CamParSingleImage, CamParSingleImageRect)read_image (Image1, 'E:/Kell/AOI/AOI Image1/_01.bmp')
change_radial_distortion_image (Image1, Domain, ImageRectified1, CamParSingleImageRect, CamParSingleImageRect)* Display the distorted and undistorted image five times to visualize the
* differences between the images.
dev_display (Image)
dev_display (CalibrationEdges)
disp_message (WindowHandle, 'Edges used for calibration', 'window', 0, 0, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
dev_display (ImageRectified)
disp_message (WindowHandle, 'Image without radial distortions', 'window', 0, 0, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()* Now perform the self-calibration using edges extracted from 20 images.
* The variable Edges will accumulate the edges extracted from the images.
gen_empty_obj (Edges)
for J := 1 to 20 by 1read_image (Image, 'E:/Kell/AOI/Calibration/SelfCalibImgs/c_' + J$'02d')* Extract subpixel-precise edges using the Canny filter.edges_sub_pix (Image, ImageEdges, 'canny', 1, 10, 30)union_collinear_contours_xld (ImageEdges, ImageEdges, 10, 1, 2, 0.1, 'attr_keep')* Segment the edges into lines and circular arcs.segment_contours_xld (ImageEdges, SplitEdges, 'lines_circles', 5, 4, 2)* Select edges that are long enough to be useful for the calibration.select_shape_xld (SplitEdges, SelectedEdges, 'contlength', 'and', 30, 100000)* Accumulate the edges.concat_obj (Edges, SelectedEdges, Edges)dev_display (Image)dev_set_colored (12)dev_display (SelectedEdges)disp_message (WindowHandle, 'Edges extracted from image ' + J$'d', 'window', 0, 0, 'black', 'true')
endfor
dev_clear_window ()
dev_set_colored (12)
dev_display (Edges)
disp_message (WindowHandle, 'Collected edges from multiple images', 'window', 0, 0, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
dev_clear_window ()
disp_message (WindowHandle, 'Performing self-calibration...', 'window', 0, 0, 'black', 'true')
* Perform the self-calibration of the radial distortions.
radial_distortion_self_calibration (Edges, CalibrationEdges, 1292, 964, 0.08, 42, 'division', 'variable', 0, CamParMultiImage)
dev_clear_window ()
dev_set_colored (12)
dev_display (CalibrationEdges)
disp_message (WindowHandle, 'Edges used for calibration', 'window', 0, 0, 'black', 'true')
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
* Compute the camera parameters of the undistorted image.
change_radial_distortion_cam_par ('fixed', CamParMultiImage, 0, CamParMultiImageRect)
for J := 1 to 20 by 1read_image (Image, 'E:/Kell/AOI/Calibration/SelfCalibImgs/c_' + J$'02d')get_domain (Image, Domain)* Rectify the image, i.e., remove the radial distortions.change_radial_distortion_image (Image, Domain, ImageRectified, CamParMultiImage, CamParMultiImageRect)* Display the distorted and undistorted image to visualize the* differences between the images.dev_display (Image)disp_message (WindowHandle, 'Image with radial distortions', 'window', 0, 0, 'black', 'true')wait_seconds (1)dev_display (ImageRectified)disp_message (WindowHandle, 'Image without radial distortions', 'window', 0, 0, 'black', 'true')wait_seconds (1)
endforread_image (Image1, 'E:/Kell/AOI/AOI Image1/_01.bmp')
change_radial_distortion_image (Image1, Domain, ImageRectified1, CamParMultiImage, CamParMultiImageRect)write_cam_par (CamParMultiImageRect, 'E:/Kell/AOI/Calibration/SelfCalib/CamparRect.dat')
write_cam_par (CamParMultiImage, 'E:/Kell/AOI/Calibration/SelfCalib/Campar.dat')read_cam_par ('E:/Kell/AOI/Calibration/SelfCalib/Campar.dat', CamParMulti)

一、线阵相机标定

我是使用halcon标定助手来标定线阵相机的，对于里面的一些参数来做一个记录说明：

首先下面的两个数组就是标定之后得到的相机内参和外参

内参：CameraParameters := [0.0357809 , -61.3384 , 6e-006 , 6e-006 , 915.932 , 182.341 , 2048 , 3840 , 1.41028e-006 , 5.45462e-005 , 3.86866e-006]
外参：CameraPose := [-0.0160874,0.0553653,0.255282,28.5899,6.24194,8.48283,0]

内参的11个参数分别是什么意思呢？内参一共十一个参数分别为 [Focus, Kappa, Sx, Sy, Cx, Cy, ImageWidth, ImageHeight, Vx, Vy, Vz]
Focus : 镜头焦距长度

Kappa: 镜头畸变系数，正负分别表示枕形畸变和桶状畸变

Sx: 表示相机单个像元宽度

Sy: 表示相机单个像元高度

Cx: 表示镜头光轴在像平面坐标上的投影横坐标，一般初始化的时候设置为width/2

Cy: 表示镜头光轴在像平面坐标上的投影纵坐标，一般初始化的时候设置为0，因为是一帧是一条线，所以纵坐标为0

ImageWidth: 表示一整副图片像素宽度

ImageHeight: 表示一整幅图片像素高度
Vx : x方向上运动速度，其实就是每拍摄一条线，x方向的走的距离，因为安装有误差，相机和运动方向不可能完全垂直，理论上为0最理想

Vy: y方向上运动速度，其实就是在扫描的时候，多远距离拍摄一条线

Vz: z方向上运动速度，其实就是每拍摄一条线，z方向上走的距离，也是因为安装有误差，理论上为0最理想

外参的六个参数表示由世界坐标系转换成相机坐标系的变换参数，六个参数分别为x,y,z三个轴的旋转角度和x,y,x三个轴的平移量

1.在halcon中使用标定助手对线扫相机进行标定，首先设置标定板描述文件路径，和镜头等相关参数

2.加载用于标定的图片，一般20张左右，注意加载的图片必须都找到标定板，显示检测品质出问题如果精度要求不是很高也可以接受。然后选定一张照片设置为参考位姿，设置参考位姿的作用是什么呢？当你标定完成之后，使用相机内参外参进行矫正之后的图片，会将这个图片上的标定板中心点作为远点坐标，并且这张变换后的图片作为相机垂直照射的平面参考。如果加载的图片找不到标定板，可以在最下方的标定板提取参数中改变参数，一般就能找提取到标定板了。最后点击标定按钮，就可以得到标定的参数了。

3.得到的内参，如何进行畸变矫正呢？

你希望映射过后的图片的宽度（一条线）内视野为多少，这里为30mm，然后除以1000换算成m

TmpCtrl_RectificationWidth := 30
TmpCtrl_RectificationWidth := TmpCtrl_RectificationWidth / 1000.0

生成用于矫正的映射图，着重说一下这几个输入参数

CameraParameters：标定得到的相机内参

CameraPose：标定得到的相机位姿外参

2048：待转换图的宽度

3840：待转换图的高度

2048：转换之后的图像希望的宽度

3840：转换之后的图像希望的高度

TmpCtrl_RectificationWidth / 2048：表示希望转换后的图，每个像素代表的长度，单位是m。这里因为宽度视野（一条线覆盖的视野宽度）希望是30mm，而希望转换后的图像宽度为2048，所以这里用TmpCtrl_RectificationWidth / 2048，也就是说你可以自定义转换之后的图像每隔像素代表多少精度，这里的精度就是30mm/2048pix = 0.014mm/pix .注意下面的这个函数就是将图片转换成了z=0，垂直视角的函数，参看halcon函数说明。

gen_image_to_world_plane_map (TmpObj_RectificationMap, CameraParameters, CameraPose, 2048, 3840, 2048, 3840, TmpCtrl_RectificationWidth / 2048, 'bilinear')

最终使用map_image来转换图片，转换之后的图片在理论上横向纵向的坐标缩放比例是相等的，换句话来说一个正方形两个方向上的像素个数是一样的，并且是垂直拍摄的。
map_image (Image, TmpObj_RectificationMap, TmpObj_RectifiedImage)

如何制作标定板

https://blog.csdn.net/mvtechnology/article/details/9388219

生成标定板描述文件

1.gen_caltab

60mm*60mm大小的标定板：圆点行数和列数都是7，圆点之间的距离8mm，圆点直径4mm

gen_caltab (7, 7, 0.008, 0.5, 'C:/Users/MS/Desktop/caltab_60mm.descr', 'C:/Users/MS/Desktop/caltab_60mm.ps')

2.create_caltab

Halcon单相机标定—标定板标定和自标定线扫相机标定相关推荐

线扫相机——机器视觉中无限制物体的检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在机器视觉中,在检测连续物体或者滚动物体时,线扫相机是最佳的解决方 ...
线扫相机的行频计算方法
一,变量的定义首先设定以下变量: (1)线阵相机的每线像素数(单位:pixel):Hc (2)目标物的宽幅(单位:m):Lo (3)目标物运行速率(单位:m/s):Vo (4)线阵相机线扫描速率(单 ...
【halcon 线扫相机二维码矫正算法】
halcon 线扫相机畸变二维码矫正算法线扫相机拍照畸变 1.二维码定位与裁剪图像矫正运行结果总结线扫相机拍照畸变线扫相机拍摄图片分辨率较高,但是由于相机本身或者或者拍照目标的运动,容易造 ...
一种简化的线扫相机单维度标定法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达线扫相机精度高.速度快.抗干扰能力强,适用于连续性产品的在线检测.针对产品的测量,要获得产品边界的精确 ...
DALSA网口线扫相机SDK开发详解例程（C#版）
首先吐槽一句,官方的demos写的真的不好,坑爹啊.对于小白来说,开发官方demos为我所用太难了.为什么呢?因为它Dalsa的DALSA.SaperaLT.SapClassBasic.dll中,不仅 ...
3D线扫相机-沙姆成像原理
3D线扫相机,又名激光轮廓仪,3D线激光测量仪,基本原理:通过向物体表面投射线激光平面,从而获取该平面与待测物体表面交线处三维点坐标,解算物体深度信息.主要器件:线激光器.镜头.芯片.处理板.接口板. ...
线扫相机编码器_面阵和线扫工业相机选型
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/snowbird13/article/d ...
basler相机的触发线是那两脚_探究机器视觉领域线扫相机和面阵相机的区别
首先,我们从使用用途上来了解这两种工业相机的区别. 芯片对比面阵相机芯片是有x*y个像素构成,是一个平面.线扫秒相机一般情况下是有x*1个像素构成一条线,从形状上来说是一条线.高端的线扫相机也有x* ...
线扫相机DALSA-Image Format（读图格式设置）
专业于机器视觉visionman团队教学,重于实践.当然很多不切实际,尚不成熟的教学的想法尽快抛弃,完善.这个过程是令我们教学更加骄傲.-专业于机器视觉visionman团队教学宣言 Binning是 ...

Halcon单相机标定—标定板标定和自标定线扫相机标定

一、标定板标定 13.0

一、自标定

一、线阵相机标定

如何制作标定板

生成标定板描述文件

1.gen_caltab

2.create_caltab

Halcon单相机标定—标定板标定和自标定线扫相机标定相关推荐

最新文章

热门文章

Halcon单相机标定—标定板标定和自标定 线扫相机标定

一、标定板标定 13.0

一、自标定

一、线阵相机标定

如何制作标定板

生成标定板描述文件

1.gen_caltab

2.create_caltab

Halcon单相机标定—标定板标定和自标定 线扫相机标定相关推荐

最新文章

热门文章

Halcon单相机标定—标定板标定和自标定线扫相机标定

Halcon单相机标定—标定板标定和自标定线扫相机标定相关推荐