读OpenCV自带的标定例程“calibration.cpp”感想

为了更好地了解OpenCV的相机标定功能和使用已经标定的数据进行相机的畸变校正，我把OpenCV的例程“calibration.cpp”从头到尾重新读了一遍，并进行了一些基本的注释，来增加这个代码的可读性。

OpenCV自带了很多例程，但由于是注释是英文编写，且注释很少，导致初学者学习很不容易。

为了使用“标定”这个功能，我查阅了很多CSDN博客和百度等，终于按照一些前辈的方法把这个标定功能跑起来并得到了结果。然而，并不是很懂这个功能里面的具体方法，也就是对这个功能还处于“黑箱”的认识状态。好歹OpenCV也是个“open”开源的东西，不读一读学习一下似乎有点浪费。因此我也就沉下心来，耐心读了一下，并做了力所能及的注释。

通过这篇博文，希望能对之前读这个例程的过程进行一个简单的总结。

1. 使用命令行输入main()函数的参数

刚看到这样一个500多行的程序时，我作为一个小白，是有一点忌惮的，感觉摸不到头脑。里面出现了大段不认识的符号（不认识，不是因为太难，而是因为我的知识面太窄。。。），尤其是一开始发现这个程序跟以前在C++教程里见到的开头进行参数声明的函数完全不同，直接把源文件“calibration.cpp”放进Visual Studio新建的C++project里面也不能直接运行出结果。后来才明白，这个源文件，是需要生成一个“exe”文件，再放入CMD命令行界面，再补充一些必须参数执行的。

因为，“标定”这一功能的实现，可以有多种实现方式，也可以有多种数据来源。比如，本程序，就提供了“棋盘标定板”、“圆点标定板”和“非对称圆点标定板”三种标定板的模式供选择。而且，标定板中的特征点的数目、图片的尺寸等各种参数（这里就不具体一一列举了）都可以根据具体的情况进行选择，保证各种场景下的标定任务都可以通过这个标定程序来完成。

为了实现一个可订制参数如此多的功能，直接让用户进入源程序去更改参数似乎非常复杂，而且容易造成混乱。因此，该例程就使用了“先呼出CMD命令行界面，再让用户自己输入自定义标定框架”的方式来实现功能的初始化。

首先，设置一个带参数的main函数，再声明各个参数变量，调用命令行界面的输入系统，让用户根据提前准备好的帮助文档（使用字符串常量显示在屏幕上）输入参数。

int main( int argc, char** argv )

 cv::CommandLineParser parser(argc, argv,                           //进入命令行界面，要求输入一些基本参数，例如-w -h等。"{help ||}{w||}{h||}{pt|chessboard|}{n|10|}{d|1000|}{s|1|}{o|out_camera_data.yml|}""{op||}{oe||}{zt||}{a|1|}{p||}{v||}{V||}{su||}""{@input_data|0|}");

我们可以记住这个方法，在以后编写类似的“需要用户输入多个参数”的功能时，借鉴这个呼出命令行，给main函数直接输入参数的方法。

2. 分清主函数和子函数

本例程的主函数大约是从第300行到570行左右，而前面的300行都是主函数中用到的一些子函数，其中一些子函数还调用了其余的子函数。分清子各个函数的功能，并在主函数中一一找出他们的位置，能帮助我们更快地理清整个例程的思路。下面我就把我注释过的例程放在下面。（程序较长，也可以直接跳过程序看后文）

#include "opencv2/core.hpp"
#include <opencv2/core/utility.hpp>
#include "opencv2/imgproc.hpp"
#include "opencv2/calib3d.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/videoio.hpp"
#include "opencv2/highgui.hpp"#include <cctype>
#include <stdio.h>
#include <string.h>
#include <time.h>using namespace cv;
using namespace std;///****************************************************** 1. 一些帮助文字************************************//const char * usage =
" \nexample command line for calibration from a live feed.\n"
"   calibration  -w=4 -h=5 -s=0.025 -o=camera.yml -op -oe\n"
" \n"
" example command line for calibration from a list of stored images:\n"
"   imagelist_creator image_list.xml *.png\n"
"   calibration -w=4 -h=5 -s=0.025 -o=camera.yml -op -oe image_list.xml\n"
" where image_list.xml is the standard OpenCV XML/YAML\n"
" use imagelist_creator to create the xml or yaml list\n"
" file consisting of the list of strings, e.g.:\n"
" \n"
"<?xml version=\"1.0\"?>\n"
"<opencv_storage>\n"
"<images>\n"
"view000.png\n"
"view001.png\n"
"<!-- view002.png -->\n"
"view003.png\n"
"view010.png\n"
"one_extra_view.jpg\n"
"</images>\n"
"</opencv_storage>\n";const char* liveCaptureHelp ="When the live video from camera is used as input, the following hot-keys may be used:\n""  <ESC>, 'q' - quit the program\n""  'g' - start capturing images\n""  'u' - switch undistortion on/off\n";static void help()
{printf( "This is a camera calibration sample.\n""Usage: calibration\n""     -w=<board_width>         # the number of inner corners per one of board dimension\n""     -h=<board_height>        # the number of inner corners per another board dimension\n""     [-pt=<pattern>]          # the type of pattern: chessboard or circles' grid\n""     [-n=<number_of_frames>]  # the number of frames to use for calibration\n""                              # (if not specified, it will be set to the number\n""                              #  of board views actually available)\n""     [-d=<delay>]             # a minimum delay in ms between subsequent attempts to capture a next view\n""                              # (used only for video capturing)\n""     [-s=<squareSize>]       # square size in some user-defined units (1 by default)\n""     [-o=<out_camera_params>] # the output filename for intrinsic [and extrinsic] parameters\n""     [-op]                    # write detected feature points\n""     [-oe]                    # write extrinsic parameters\n""     [-zt]                    # assume zero tangential distortion\n""     [-a=<aspectRatio>]      # fix aspect ratio (fx/fy)\n""     [-p]                     # fix the principal point at the center\n""     [-v]                     # flip the captured images around the horizontal axis\n""     [-V]                     # use a video file, and not an image list, uses\n""                              # [input_data] string for the video file name\n""     [-su]                    # show undistorted images after calibration\n""     [input_data]             # input data, one of the following:\n""                              #  - text file with a list of the images of the board\n""                              #    the text file can be generated with imagelist_creator\n""                              #  - name of video file with a video of the board\n""                              # if input_data not specified, a live view from the camera is used\n""\n" );printf("\n%s",usage);printf( "\n%s", liveCaptureHelp );
}enum { DETECTION = 0, CAPTURING = 1, CALIBRATED = 2 };   //检测？获取？标定？
enum Pattern { CHESSBOARD, CIRCLES_GRID, ASYMMETRIC_CIRCLES_GRID };    ///棋盘的类型有三种//**********************************************************************2. 计算投影偏差******************************************************/static double computeReprojectionErrors(   const vector<vector<Point3f> >& objectPoints,const vector<vector<Point2f> >& imagePoints,const vector<Mat>& rvecs, const vector<Mat>& tvecs,const Mat& cameraMatrix, const Mat& distCoeffs,vector<float>& perViewErrors )
{vector<Point2f> imagePoints2;int i, totalPoints = 0;double totalErr = 0, err;perViewErrors.resize(objectPoints.size());for( i = 0; i < (int)objectPoints.size(); i++ ){projectPoints(Mat(objectPoints[i]), rvecs[i], tvecs[i],cameraMatrix, distCoeffs, imagePoints2);err = norm(Mat(imagePoints[i]), Mat(imagePoints2), NORM_L2);int n = (int)objectPoints[i].size();perViewErrors[i] = (float)std::sqrt(err*err/n);totalErr += err*err;totalPoints += n;}return std::sqrt(totalErr/totalPoints);
}//**********************************************************************3. 计算棋盘角点******************************************************/static void calcChessboardCorners(Size boardSize, float squareSize, vector<Point3f>& corners, Pattern patternType = CHESSBOARD)
{corners.resize(0);switch(patternType){case CHESSBOARD:case CIRCLES_GRID:for( int i = 0; i < boardSize.height; i++ )for( int j = 0; j < boardSize.width; j++ )corners.push_back(Point3f(float(j*squareSize),float(i*squareSize), 0));break;case ASYMMETRIC_CIRCLES_GRID:for( int i = 0; i < boardSize.height; i++ )for( int j = 0; j < boardSize.width; j++ )corners.push_back(Point3f(float((2*j + i % 2)*squareSize),float(i*squareSize), 0));break;default:CV_Error(Error::StsBadArg, "Unknown pattern type\n");}
}//**********************************************************************4. 运行标定******************************************************/static bool runCalibration( vector<vector<Point2f> > imagePoints,          ///标定函数的返回值为布尔类型。Size imageSize, Size boardSize, Pattern patternType,float squareSize, float aspectRatio,int flags, Mat& cameraMatrix, Mat& distCoeffs,vector<Mat>& rvecs, vector<Mat>& tvecs,vector<float>& reprojErrs,double& totalAvgErr)
{cameraMatrix = Mat::eye(3, 3, CV_64F);if( flags & CALIB_FIX_ASPECT_RATIO )cameraMatrix.at<double>(0,0) = aspectRatio;distCoeffs = Mat::zeros(8, 1, CV_64F);vector<vector<Point3f> > objectPoints(1);calcChessboardCorners(boardSize, squareSize, objectPoints[0], patternType);objectPoints.resize(imagePoints.size(),objectPoints[0]);double rms = calibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix,   ///调用了calibrateCamera函数，该函数是一个OpenCV自带的函数。distCoeffs, rvecs, tvecs, flags|CALIB_FIX_K4|CALIB_FIX_K5);///*|CALIB_FIX_K3*/|CALIB_FIX_K4|CALIB_FIX_K5);printf("RMS error reported by calibrateCamera: %g\n", rms);bool ok = checkRange(cameraMatrix) && checkRange(distCoeffs);totalAvgErr = computeReprojectionErrors(objectPoints, imagePoints,   此处调用了computeReprojectionErrors函数，是第2个步骤的函数。rvecs, tvecs, cameraMatrix, distCoeffs, reprojErrs);return ok;
}//**********************************************************************5. 保存相机参数******************************************************/static void saveCameraParams( const string& filename,   Size imageSize, Size boardSize,float squareSize, float aspectRatio, int flags,const Mat& cameraMatrix, const Mat& distCoeffs,const vector<Mat>& rvecs, const vector<Mat>& tvecs,const vector<float>& reprojErrs,const vector<vector<Point2f> >& imagePoints,double totalAvgErr )
{FileStorage fs( filename, FileStorage::WRITE );     fs是一个类变量，类是“FileStorage”。通过constructor，将初始化设定为“写”类型。time_t tt;time( &tt );struct tm *t2 = localtime( &tt );char buf[1024];strftime( buf, sizeof(buf)-1, "%c", t2 );fs << "calibration_time" << buf;    ///把电脑的系统时间记录下来存入文件if( !rvecs.empty() || !reprojErrs.empty() )fs << "nframes" << (int)std::max(rvecs.size(), reprojErrs.size());   ///把图片数量存入文件fs << "image_width" << imageSize.width;   ///图片宽度fs << "image_height" << imageSize.height;   ///图片高度fs << "board_width" << boardSize.width;   ///板宽fs << "board_height" << boardSize.height;   ///板高fs << "square_size" << squareSize;   ///方形尺寸if( flags & CALIB_FIX_ASPECT_RATIO )fs << "aspectRatio" << aspectRatio;  ///x与y方向焦距比例if( flags != 0 ){sprintf( buf, "flags: %s%s%s%s",flags & CALIB_USE_INTRINSIC_GUESS ? "+use_intrinsic_guess" : "",flags & CALIB_FIX_ASPECT_RATIO ? "+fix_aspectRatio" : "",flags & CALIB_FIX_PRINCIPAL_POINT ? "+fix_principal_point" : "",flags & CALIB_ZERO_TANGENT_DIST ? "+zero_tangent_dist" : "" );//cvWriteComment( *fs, buf, 0 );}fs << "flags" << flags;     ///文件输出fs << "camera_matrix" << cameraMatrix;     ///文件输出fs << "distortion_coefficients" << distCoeffs;      ///文件输出fs << "avg_reprojection_error" << totalAvgErr;      ///文件输出if( !reprojErrs.empty() )fs << "per_view_reprojection_errors" << Mat(reprojErrs);       ///文件输出if( !rvecs.empty() && !tvecs.empty() ){CV_Assert(rvecs[0].type() == tvecs[0].type());Mat bigmat((int)rvecs.size(), 6, rvecs[0].type());for( int i = 0; i < (int)rvecs.size(); i++ ){Mat r = bigmat(Range(i, i+1), Range(0,3));Mat t = bigmat(Range(i, i+1), Range(3,6));CV_Assert(rvecs[i].rows == 3 && rvecs[i].cols == 1);CV_Assert(tvecs[i].rows == 3 && tvecs[i].cols == 1);//*.t() is MatExpr (not Mat) so we can use assignment operatorr = rvecs[i].t();t = tvecs[i].t();}//cvWriteComment( *fs, "a set of 6-tuples (rotation vector + translation vector) for each view", 0 );fs << "extrinsic_parameters" << bigmat;      ///文件输出}if( !imagePoints.empty() ){Mat imagePtMat((int)imagePoints.size(), (int)imagePoints[0].size(), CV_32FC2);for( int i = 0; i < (int)imagePoints.size(); i++ ){Mat r = imagePtMat.row(i).reshape(2, imagePtMat.cols);Mat imgpti(imagePoints[i]);imgpti.copyTo(r);}fs << "image_points" << imagePtMat;       ///文件输出}
}//**********************************************************************6. 从图像列表里读图像文件******************************************************/static bool readStringList( const string& filename, vector<string>& l )   ///从图像列表里读图像文件，返回值仅为真假。另外初始化字符串向量。
{l.resize(0);FileStorage fs(filename, FileStorage::READ);  ///建立一个类型是“文件存储(FileStorage)”的object，，名为fs，并初始化其读取功能。if( !fs.isOpened() )  //如果图像文件未打开，返回“false”return false;FileNode n = fs.getFirstTopLevelNode();  ///建立图像节点object，名为n，并将其初始化为第一行最左侧节点。if( n.type() != FileNode::SEQ )   ///如果图像节点类型不是SEQ(sequence)，返回“false”return false;FileNodeIterator it = n.begin(), it_end = n.end();  ///建立图像节点迭代object，分别有一个开始和一个结束。for( ; it != it_end; ++it )l.push_back((string)*it);   ///push back字符串，相当于从文件中逐行取出图像文件的名称。return true;
}//**********************************************************************7. 运行和保存******************************************************/static bool runAndSave(const string& outputFilename,const vector<vector<Point2f> >& imagePoints,Size imageSize, Size boardSize, Pattern patternType, float squareSize,float aspectRatio, int flags, Mat& cameraMatrix,Mat& distCoeffs, bool writeExtrinsics, bool writePoints )
{vector<Mat> rvecs, tvecs;vector<float> reprojErrs;double totalAvgErr = 0;bool ok = runCalibration(imagePoints, imageSize, boardSize, patternType, squareSize,   ///运行标定   runCalibration是第四个步骤的函数。详情见上面第“4”步骤。aspectRatio, flags, cameraMatrix, distCoeffs,rvecs, tvecs, reprojErrs, totalAvgErr);printf("%s. avg reprojection error = %.2f\n",ok ? "Calibration succeeded" : "Calibration failed",totalAvgErr);if( ok )saveCameraParams( outputFilename, imageSize,              ///如果标定成功，保存相机参数。   saveCameraParams即是第五步的函数。详情见上面第“5”步骤。boardSize, squareSize, aspectRatio,flags, cameraMatrix, distCoeffs,writeExtrinsics ? rvecs : vector<Mat>(),writeExtrinsics ? tvecs : vector<Mat>(),writeExtrinsics ? reprojErrs : vector<float>(),writePoints ? imagePoints : vector<vector<Point2f> >(),totalAvgErr );return ok;
}//**********************************************************************以下为主函数******************************************************/int main( int argc, char** argv )
{/**********************1.基本变量的声明**************************/Size boardSize, imageSize;  //Size变量：标定板尺寸、图像尺寸float squareSize, aspectRatio;   //浮点变量：方形尺寸、xy焦距比例Mat cameraMatrix, distCoeffs;   //图像变量：相机矩阵、畸变系数矩阵string outputFilename;  //输出文件的名称string inputFilename = "";   //输入文件的名称int i, nframes;bool writeExtrinsics, writePoints;  //布尔变量，是否写外参、是否写特征点bool undistortImage = false;   //是否是无畸变图像，默认值为“图像有畸变”int flags = 0;VideoCapture capture;bool flipVertical;   //是否做垂直方向翻转bool showUndistorted;  //是否展示校正后的图像bool videofile;  //是否是录像文件int delay;  //对于实时图像，延迟设为多长clock_t prevTimestamp = 0;  //初始化时间戳int mode = DETECTION;  //模式首先设置为“检测”int cameraId = 0;  //相机ID暂且设为0vector<vector<Point2f> > imagePoints;   //初始化图像点的二维指针向量？vector<string> imageList; //初始化字符串向量：图像列表Pattern pattern = CHESSBOARD;  //默认标定板是棋盘板（后期也可以通过cmd改为圆点板）/**********************2.进入命令行界面，要求用户输入标定的基本参数**************************/cv::CommandLineParser parser(argc, argv,                           //进入命令行界面，要求输入一些基本参数，例如-w -h等。"{help ||}{w||}{h||}{pt|chessboard|}{n|10|}{d|1000|}{s|1|}{o|out_camera_data.yml|}""{op||}{oe||}{zt||}{a|1|}{p||}{v||}{V||}{su||}""{@input_data|0|}");/**********************3.将用户输入的基本参数赋值给已经声明好的变量**************************/if (parser.has("help"))   //如果输入内容中有“帮助”字样，则显示帮助文档。在程序最前面。{help();return 0;}boardSize.width = parser.get<int>( "w" );   //将输入的-w值输入板子宽度boardSize.height = parser.get<int>( "h" );   //将输入的h值输入板子高度if ( parser.has("pt") )  //如果有“标定板类别”的输入，则进入类别输入判断，分别为：圆点阵列、不对称圆点阵列、棋盘阵列。如果不是以上三种，则输出“类型出错，必须使用棋盘或圆点阵列”。{string val = parser.get<string>("pt");if( val == "circles" )pattern = CIRCLES_GRID;else if( val == "acircles" )pattern = ASYMMETRIC_CIRCLES_GRID;else if( val == "chessboard" )pattern = CHESSBOARD;elsereturn fprintf( stderr, "Invalid pattern type: must be chessboard or circles\n" ), -1;}squareSize = parser.get<float>("s");  //将输入的-s数据设为标定的“方形尺寸”nframes = parser.get<int>("n");  //输入标定图片的帧数aspectRatio = parser.get<float>("a");  //输入xy方向的焦距的比例delay = parser.get<int>("d");  //若使用实时图像，则其延迟设定为delaywritePoints = parser.has("op");   //是否写特征点writeExtrinsics = parser.has("oe");   //是否写外参if (parser.has("a"))flags |= CALIB_FIX_ASPECT_RATIO;if ( parser.has("zt") )flags |= CALIB_ZERO_TANGENT_DIST;if ( parser.has("p") )flags |= CALIB_FIX_PRINCIPAL_POINT;flipVertical = parser.has("v");videofile = parser.has("V");if ( parser.has("o") )outputFilename = parser.get<string>("o");showUndistorted = parser.has("su");  //是否显示已经校正的图像if ( isdigit(parser.get<string>("@input_data")[0]) ) //根据输入数据的类型，抽取需要校正的图像：有实时图像的情况，和，只有图片列表的情况。cameraId = parser.get<int>("@input_data");elseinputFilename = parser.get<string>("@input_data"); if (!parser.check()){help();parser.printErrors();return -1;}if ( squareSize <= 0 )return fprintf( stderr, "Invalid board square width\n" ), -1;if ( nframes <= 3 )return printf("Invalid number of images\n" ), -1;if ( aspectRatio <= 0 )return printf( "Invalid aspect ratio\n" ), -1;if ( delay <= 0 )return printf( "Invalid delay\n" ), -1;if ( boardSize.width <= 0 )return fprintf( stderr, "Invalid board width\n" ), -1;if ( boardSize.height <= 0 )return fprintf( stderr, "Invalid board height\n" ), -1;if( !inputFilename.empty() )  //如果图像列表为空，则打开相机获取图像{if( !videofile && readStringList(inputFilename, imageList) )mode = CAPTURING;elsecapture.open(inputFilename);}elsecapture.open(cameraId);if( !capture.isOpened() && imageList.empty() ) //如果相机无法打开且图像列表为空，则报告“无法初始化相机”return fprintf( stderr, "Could not initialize video (%d) capture\n",cameraId ), -2;if( !imageList.empty() )   //如果图像列表非空，则获取图像列表的长度（size），作为标定图像的数量。nframes = (int)imageList.size();if( capture.isOpened() )   //如果相机打开，则显示实时相机帮助文档。printf( "%s", liveCaptureHelp );namedWindow( "Image View", 1 );  //打开一个窗口for(i = 0;;i++)  //此处未说明i变量的范围和for循环停止的条件。{Mat view, viewGray;  //声明图像view和viewGraybool blink = false;  //闪烁设为falseif( capture.isOpened() )  //若相机打开了，则抓取图片并复制给图片变量view{Mat view0;capture >> view0;view0.copyTo(view);}else if( i < (int)imageList.size() )  //若相机没有打开，则从图片列表中按照索引号i来读取图片给图片变量viewview = imread(imageList[i], 1);if(view.empty())   //如果图片变量view为空，则准备结束。{if( imagePoints.size() > 0 )  //图像点尺寸大于零，说明已经读取了所有的图像，可以执行运行和保存。runAndSave(outputFilename, imagePoints, imageSize,boardSize, pattern, squareSize, aspectRatio,flags, cameraMatrix, distCoeffs,writeExtrinsics, writePoints);break;}imageSize = view.size();  //声明图像尺寸变量if( flipVertical )        //如果需要垂直方向翻转，则翻转flip( view, view, 0 );vector<Point2f> pointbuf;  //建立图像点缓存buffercvtColor(view, viewGray, COLOR_BGR2GRAY);  //转换颜色，将图片变量view转化成灰阶图片存入图片viewGray当中bool found;switch( pattern )   //根据三种不同的标定板类别，分别进行特征点抓取，并将是否抓取到返回给found这个布尔变量。    其中抓取特征点的函数是三个比较复杂的opencv自带函数。{case CHESSBOARD:found = findChessboardCorners( view, boardSize, pointbuf,CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_FAST_CHECK | CALIB_CB_NORMALIZE_IMAGE);break;case CIRCLES_GRID:found = findCirclesGrid( view, boardSize, pointbuf );break;case ASYMMETRIC_CIRCLES_GRID:found = findCirclesGrid( view, boardSize, pointbuf, CALIB_CB_ASYMMETRIC_GRID );break;default:return fprintf( stderr, "Unknown pattern type\n" ), -1;}// improve the found corners' coordinate accuracyif( pattern == CHESSBOARD && found) cornerSubPix( viewGray, pointbuf, Size(11,11),  //如果是棋盘类型的标定板，则继续使用“角点亚像素”改善精度。Size(-1,-1), TermCriteria( TermCriteria::EPS+TermCriteria::COUNT, 30, 0.1 ));if( mode == CAPTURING && found &&   //此部分工作在mode==CAPTURE的情况下。(!capture.isOpened() || clock() - prevTimestamp > delay*1e-3*CLOCKS_PER_SEC) ){imagePoints.push_back(pointbuf);prevTimestamp = clock();blink = capture.isOpened();}if(found)     //如果抓取特征点成功，则画出棋盘的角点。drawChessboardCorners( view, boardSize, Mat(pointbuf), found );string msg = mode == CAPTURING ? "100/100" :   //分两种情况：1.CAPTURE模式下，msg设为100/100。2.CALIBRATED模式下则给出“已经标定”或者“按下'g'开始”mode == CALIBRATED ? "Calibrated" : "Press 'g' to start";int baseLine = 0;  //设“基准线”=0Size textSize = getTextSize(msg, 1, 1, 1, &baseLine);Point textOrigin(view.cols - 2*textSize.width - 10, view.rows - 2*baseLine - 10);//给出文本的起点（textOrigin）指针if( mode == CAPTURING )  //CAPTURE模式下工作的内容{if(undistortImage)msg = format( "%d/%d Undist", (int)imagePoints.size(), nframes );elsemsg = format( "%d/%d", (int)imagePoints.size(), nframes );}putText( view, msg, textOrigin, 1, 1,  //在图像中放入文本文字（类似一个分数的图像序号，10/17这样，每成功抓取一幅图片的特征点，分子加1）mode != CALIBRATED ? Scalar(0,0,255) : Scalar(0,255,0));if( blink )bitwise_not(view, view);if( mode == CALIBRATED && undistortImage )  //在CALIBRATED模式下且，显示已经校正的图像，则执行校正，函数为undistort(xx,xx,xx,xx)  该函数很重要！！！！{Mat temp = view.clone();  //克隆原图像view至暂存图像tempundistort(temp, view, cameraMatrix, distCoeffs);  //校正图像，并存放在view当中}imshow("Image View", view);   //显示已经校正过的图像。char key = (char)waitKey(capture.isOpened() ? 50 : 500);if( key == 27 )break;if( key == 'u' && mode == CALIBRATED )  //该部分可能用于校正畸变的反过程undistortImage = !undistortImage;if( capture.isOpened() && key == 'g' ){mode = CAPTURING;imagePoints.clear();}if( mode == CAPTURING && imagePoints.size() >= (unsigned)nframes )  //如果标定点的size大于标定图片的个数，即，已经标定结束了所有图片的标定，则进行模式改变：{if( runAndSave(outputFilename, imagePoints, imageSize,   //根据“运行与保存”这个函数的返回值，确定模式进入“CALIBRATED”或者“DETECTION”。boardSize, pattern, squareSize, aspectRatio,flags, cameraMatrix, distCoeffs,writeExtrinsics, writePoints))mode = CALIBRATED;elsemode = DETECTION;if( !capture.isOpened() )  //如果相机也没有打开，即，使用的是图片列表提供图片的标定方法，则跳出for循环。反之，如果是工作在相机实时采集图像的模式下，则可以重新返回，并进行下一次循环。break;}}if( !capture.isOpened() && showUndistorted )  //如果不工作在相机模式下，且需要显示已经校正过的图像，则执行以下内容。{Mat view, rview, map1, map2;initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),  // 构建校正表格。initUndistortRectifyMap()这个函数很重要，它可以构建校正图像的查表，形成查表后，配合另一个remap()函数使用，可以提高校正图像的速度。getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, imageSize, 0),imageSize, CV_16SC2, map1, map2);for( i = 0; i < (int)imageList.size(); i++ ) //循环读入图像列表中的所有图像，执行校正。{view = imread(imageList[i], 1); //读入图像到view变量if(view.empty())continue;//undistort( view, rview, cameraMatrix, distCoeffs, cameraMatrix );remap(view, rview, map1, map2, INTER_LINEAR);  //对view变量进行查表，查表为从map1->map2的映射关系，使用线性插值，输出图像为rview图像变量。imshow("Image View", rview);  //将校正得到的rview图像变量显示出来char c = (char)waitKey();  //等待按键，按键后对下一幅图进行校正和显示。 如果直接按键“Q或ESC”则直接退出。if( c == 27 || c == 'q' || c == 'Q' )break;}}return 0;
}

我把子函数分成了7个，分别是：

1.一些帮助文字

2.计算投影偏差

3.计算棋盘角点

4.运行标定

5.保存相机参数

6.从图像列表里读取图像文件

7.运行和保存

其中，“4.运行标定”还调用过“2.计算投影偏差”；“7.运行和保存”还调用过“4.运行标定”和“5.保存相机参数”。

这样分析一下，就能够感受到这些子函数的层次感。

即使不看主函数，大概也能猜到，整个例程的思路应该是：先读取图像，再运算标定算法，再保存标定结果。

事实上，主函数也是按照这个顺序进行的，只不过，由于“标定”这个功能中有太多可以用户自定义的可选的参数，因此主函数中也为了实现各种方法而使用了很多分支，但整体思路仍然是“读取图像->运行标定->保存标定结果”。

关于主函数，我主要总结以下几个要点。

1. 主函数提供了“相机实时获取图片并进行标定”和“通过图片列表文件读取已经拍摄的标定图片进行标定”两种方案，并在各个步骤中同时照顾两种方案的实现。主要通过“capture.isOpened()”这个函数来确定是否有可用相机。

2.主函数中使用了一个没有结束标志的for循环。这个循环只有在读取不到更多图片（图片列表文件模式）或相机停止工作时推出循环。退出循环时，imagePoints这个向量中已经装满了各个图片收集到的点，然后通过“7.运行和保存”实现标定。

3.标定并得到标定数据后，根据用户的设定，可以选择对之前输入的标定图片进行校正并输出，这样就可以看到我们的标定效果是不是足够好。

4.值得一提的是，本例程对校正功能进行了一定的优化。即，校正并不通过直接的校正函数undistort()来完成，而是通过校正函数生成一个查找表initUndistortRectifyMap()，再把需要校正的图放进查找表进行映射remap()。因为，查表的速度要快于校正的计算，对于大量的图片或者实时性要求高的场景来说，查表的计算量更划算一些。

undistort( view, rview, cameraMatrix, distCoeffs, cameraMatrix );

initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),  // 构建校正表格。initUndistortRectifyMap()这个函数很重要，它可以构建校正图像的查表，形成查表后，配合另一个remap()函数使用，可以提高校正图像的速度。getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, imageSize, 0),imageSize, CV_16SC2, map1, map2);

remap(view, rview, map1, map2, INTER_LINEAR);  //对view变量进行查表，查表为从map1->map2的映射关系，使用线性插值，输出图像为rview图像变量。
imshow("Image View", rview);  //将校正得到的rview图像变量显示出来

以上就是该例程的一些简单的读后感和总结。更详细的内容，后面我会再找时间补充。

读OpenCV自带的标定例程“calibration.cpp”感想相关推荐

OPENCV3.0 单目摄像头标定(使用官方自带的标定图片)
OPENCV3.0 单目摄像头标定(使用官方自带的标定图片) 转载于:https://blog.csdn.net/zc850463390zc/article/details/48946855 // o ...
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 ...
基于OpenCV的立体相机标定StereoCalibration与目标三维坐标定位
说明:以下涉及到的一些公式以及图片来自于Learning OpenCV. 做了快2个月的立体相机标定,遇到了一些问题,也有了一些体会,在这里记下来. 1.在做立体相机标定的时候,标定板的规范与否直接影 ...
Python双目相机计算三维坐标（使用opencv自带图片）
前言:虽然计算三维坐标已经很多大佬研究过了,但是网上能用的好少啊.原理不多解释了,直接上程序. 1.导入库 import numpy as np import cv2 包括矩阵处理和图像处理的两个基本 ...
matlab棋盘格标定角点,相机标定(Camera calibration)Matlab——棋盘格标定原理，流程...
计算机视觉----相机标定相机标定概念:图像测量过程以及计算器视觉中,为确定空间物体某点的三维几何关系位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,模型的参数就是相机的参数.求解 ...
使用opencv自带的融合函数
[wiki,blog]使用opencv自带的融合函数 [wiki,blog]使用opencv自带的融合函数 /*M/// // // IMPORTANT: READ BEFORE DOWNLOADI ...
java opencv bp网_基于Opencv自带BP网络的车标简易识别
记得把这几点描述好咯:代码实现过程 + 项目文件结构截图 + 演示效果 1.准备工作 1.1 训练集和测试集准备先将数据集手动划分成训练集和测试集,并分好类,比如第一类就放在文件夹名为0的文件夹下, ...
前景检测算法_4(opencv自带GMM)
参考:https://www.cnblogs.com/tornadomeet/archive/2012/06/02/2531705.html 前景检测算法_4(opencv自带GMM) 前面已经有3篇 ...
如何利用OpenCV自带的级联分类器训练程序训练分类器
介绍使用级联分类器工作包括两个阶段:训练和检测. 检测部分在OpenCVobjdetect 模块的文档中有介绍,在那个文档中给出了一些级联分类器的基本介绍.当前的指南描述了如何训练分类器:准备训练数 ...
如何用OpenCV自带的adaboost程序训练并检测目标
http://www.cnblogs.com/easymind223/archive/2012/07/03/2574826.html OpenCV自带的adaboost程序能够根据用户输入的正样本集与 ...

读OpenCV自带的标定例程“calibration.cpp”感想

读OpenCV自带的标定例程“calibration.cpp”感想相关推荐

最新文章

热门文章