opencv c++实现棋盘格标定

程序流程

准备好一系列用来相机标定的图片；
对每张图片提取角点信息；
由于角点信息不够精确，进一步提取亚像素角点信息；
在图片中画出提取出的角点；
相机标定；
对标定结果评价，计算误差；
使用标定结果对原图片进行矫正；

opencv实现代码：

#include <iostream>
#include <vector>
#include <fstream>
#include <string>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/calib3d/calib3d.hpp>using namespace std;
using namespace cv;int main()
{ifstream inImgPath("calibdata.txt");    //标定所用图像文件的路径vector<string> imgList;vector<string>::iterator p;string temp;if (!inImgPath.is_open()){cout << "没有找到文件" << endl;}//读取文件中保存的图片文件路径，并存放在数组中while (getline(inImgPath, temp)){imgList.push_back(temp);}ofstream fout("caliberation_result.txt");   //保存标定结果的文件cout << "开始提取角点......" << endl;cv::Size image_size;//保存图片大小cv::Size pattern_size = cv::Size(9, 10);//标定板上每行、每列的角点数；测试图片中的标定板上内角点数为8*6vector<cv::Point2f> corner_points_buf;//建一个数组缓存检测到的角点，通常采用Point2f形式,以图像的左上角为原点，而不是以棋盘的左上角为原点vector<cv::Point2f>::iterator corner_points_buf_ptr;vector<vector<cv::Point2f>> corner_points_of_all_imgs;   //所有图片的角点信息int image_num = 0;string filename;while(image_num < imgList.size()){filename = imgList[image_num++];cout << "image_num = " << image_num << endl;cout << filename << endl;cv::Mat imageInput = cv::imread(filename);if (image_num == 1){image_size.width = imageInput.cols;image_size.height = imageInput.rows;cout << "image_size.width = " << image_size.width << endl;cout << "image_size.height = " << image_size.height << endl;}if (findChessboardCorners(imageInput, pattern_size, corner_points_buf) == 0){cout << "can not find all chessboard corners!\n";   //找不到角点exit(1);}else{cv::Mat gray;cv::cvtColor(imageInput, gray, COLOR_RGB2GRAY);              //将原来的图片转换为灰度图片cv::find4QuadCornerSubpix(gray, corner_points_buf, cv::Size(5, 5));   //提取亚像素角点,Size(5, 5),角点搜索窗口的大小。corner_points_of_all_imgs.push_back(corner_points_buf);     cv::drawChessboardCorners(gray, pattern_size, corner_points_buf, true);   cv::imshow("camera calibration", gray);cv::waitKey(100);}}int total = corner_points_of_all_imgs.size();cout << "total=" << total << endl;int cornerNum = pattern_size.width * pattern_size.height;//每张图片上的总的角点数// cout<<cornerNum<<endl;for (int i = 0; i < total;i++){cout << "--> 第" << i + 1 << "幅图片的数据 -->:" << endl;for (int j = 0;j < cornerNum;j++){cout << "-->" << corner_points_of_all_imgs[i][j].x;cout << "-->" << corner_points_of_all_imgs[i][j].y;if ((j + 1) % 3 == 0){cout << endl;}else{cout.width(10);}}cout << endl;}cout << endl << "角点提取完成" << endl;//摄像机标定cout << "开始标定………………" << endl;cv::Mat cameraMatrix = cv::Mat(3, 3, CV_32FC1, cv::Scalar::all(0));//内外参矩阵，H——单应性矩阵cv::Mat distCoefficients = cv::Mat(1, 5, CV_32FC1, cv::Scalar::all(0));//摄像机的5个畸变系数：k1,k2,p1,p2,k3vector<cv::Mat> tvecsMat;//每幅图像的平移向量，t，若干张图片的，不是一张图像的vector<cv::Mat> rvecsMat;//每幅图像的旋转向量（罗德里格旋转向量，若干张图片的，不是一张图像的vector<vector<cv::Point3f>> objectPoints;//保存所有图片的角点的三维坐标，所有图片的//初始化每一张图片中标定板上角点的三维坐标                 //世界坐标系，以棋盘格的左上角为坐标原点int i, j, k;for (k = 0;k < image_num;k++)//遍历每一张图片{vector<cv::Point3f> tempCornerPoints;//每一幅图片对应的角点数组//遍历所有的角点for (i = 0;i < pattern_size.height;i++){for (j = 0;j < pattern_size.width;j++){cv::Point3f singleRealPoint;//一个角点的坐标，初始化三维坐标singleRealPoint.x = i * 10;     //10是长/宽，根据黑白格子的长和宽，计算出世界坐标系（x,y,z)singleRealPoint.y = j * 10;singleRealPoint.z = 0;//假设z=0tempCornerPoints.push_back(singleRealPoint);}}objectPoints.push_back(tempCornerPoints);}cv::calibrateCamera(objectPoints, corner_points_of_all_imgs, image_size, cameraMatrix, distCoefficients, rvecsMat, tvecsMat, 0);cout << "标定完成" << endl;//开始保存标定结果cout << "开始保存标定结果" << endl;cout << endl << "相机相关参数：" << endl;fout << "相机相关参数：" << endl;cout << "1.内外参数矩阵:" << endl;fout << "1.内外参数矩阵:" << endl;cout << "大小：" << cameraMatrix.size() << endl;fout << "大小：" << cameraMatrix.size() << endl;//cout<<cameraMatrix.depth()<<endl;tempCornerPointsfout << "大小：" << distCoefficients.size() << endl;cout << distCoefficients << endl;fout << distCoefficients << endl;cout << endl << "图像相关参数：" << endl;fout << endl << "图像相关参数：" << endl;cv::Mat rotation_Matrix = cv::Mat(3, 3, CV_32FC1, cv::Scalar::all(0));//旋转矩阵for (i = 0;i < image_num;i++){cout << "第" << i + 1 << "幅图像的旋转向量：" << endl;fout << "第" << i + 1 << "幅图像的旋转向量：" << endl;cout << rvecsMat[i] << endl;fout << rvecsMat[i] << endl;cout << "第" << i + 1 << "幅图像的旋转矩阵：" << endl;fout << "第" << i + 1 << "幅图像的旋转矩阵：" << endl;cv::Rodrigues(rvecsMat[i], rotation_Matrix);//将旋转向量转换为相对应的旋转矩阵cout << rotation_Matrix << endl;fout << rotation_Matrix << endl;cout << "第" << i + 1 << "幅图像的平移向量：" << endl;fout << "第" << i + 1 << "幅图像的平移向量：" << endl;cout << tvecsMat[i] << endl;fout << tvecsMat[i] << endl;}cout << "结果保存完毕" << endl;//对标定结果进行评价cout << "开始评价标定结果......" << endl;//计算每幅图像中的角点数量，假设全部角点都检测到了int corner_points_counts;corner_points_counts = pattern_size.width * pattern_size.height;cout << "每幅图像的标定误差：" << endl;fout << "每幅图像的标定误差：" << endl;double err = 0;//单张图像的误差double total_err = 0;//所有图像的平均误差for (i = 0;i < image_num;i++){vector<cv::Point2f> image_points_calculated;//存放新计算出的投影点的坐标vector<cv::Point3f> tempPointSet = objectPoints[i];cv::projectPoints(tempPointSet, rvecsMat[i], tvecsMat[i], cameraMatrix, distCoefficients, image_points_calculated);  //计算根据内外参等重投影出来的新的二维坐标，输出到image_points_calculated//计算新的投影点与旧的投影点之间的误差vector<cv::Point2f> image_points_old = corner_points_of_all_imgs[i];    //向量//将两组数据换成Mat格式cv::Mat image_points_calculated_mat = cv::Mat(1, image_points_calculated.size(), CV_32FC2);   //将mat矩阵转成1维的向量cv::Mat image_points_old_mat = cv::Mat(1, image_points_old.size(), CV_32FC2);for (j = 0;j < tempPointSet.size();j++){image_points_calculated_mat.at<cv::Vec2f>(0, j) = cv::Vec2f(image_points_calculated[j].x, image_points_calculated[j].y);  //vec2f->一个二维的向量image_points_old_mat.at<cv::Vec2f>(0, j) = cv::Vec2f(image_points_old[j].x, image_points_old[j].y);   //直接调用函数，不用定义对象}err = cv::norm(image_points_calculated_mat, image_points_old_mat, cv::NORM_L2); //输入的是矩阵err /= corner_points_counts;      //每个角点的误差total_err += err;cout << "第" << i + 1 << "幅图像的平均误差：" << err << "像素" << endl;fout << "第" << i + 1 << "幅图像的平均误差：" << err << "像素" << endl;}cout << "总体平均误差：" << total_err / image_num << "像素" << endl;fout << "总体平均误差：" << total_err / image_num << "像素" << endl;cout << "评价完成" << endl;//下面就是矫正图像的代码cv::Mat mapx = cv::Mat(image_size, CV_32FC1);  //对应坐标的重映射参数cv::Mat mapy = cv::Mat(image_size, CV_32FC1);cv::Mat R = cv::Mat::eye(3, 3, CV_32F);   //定义的对角线为1的对角矩阵cout << "保存矫正图像" << endl;string imageFileName;std::stringstream StrStm;for (int i = 0;i < image_num;i++){cout << "Frame #" << i + 1 << endl;cv::initUndistortRectifyMap(cameraMatrix, distCoefficients, R, cameraMatrix, image_size, CV_32FC1, mapx, mapy);      //输入内参，纠正后的内参，外参等,计算输出矫正的重映射参数(相片尺寸 width*height),每个像素点都需要转换cv::Mat src_image = cv::imread(imgList[i], 1);     cv::Mat new_image = src_image.clone();cv::remap(src_image, new_image, mapx, mapy, cv::INTER_LINEAR);    imshow("原始图像", src_image);imshow("矫正后图像", new_image);StrStm.clear();imageFileName.clear();StrStm << i + 1;StrStm >> imageFileName;imageFileName += "_d.jpg";cv::imwrite(imageFileName, new_image);cv::waitKey(200);}cout << "保存结束" << endl;fout.close();  //cv::waitKey(0);return 0;
}

相关文章：三维重建学习(4)：张正友相机标定程序实现（OpenCV）_hongbin_xu的博客-CSDN博客_标定程序

opencv c++实现棋盘格标定相关推荐

利用opencv棋盘格标定法对鱼眼图像校正分析
利用opencv棋盘格标定法对鱼眼图像校正分析一.开发环境 PC端.vs2013+opencv3.0.摄像头为淘宝购置的鱼眼摄像头外设+iphone6 二.镜头标定 1. 输入畸变的棋盘格图以及棋 ...
利用OpenCv程序生成棋盘格标定板，并且实现像素单位与米制单位的转换
/********************************************************************************************* 程序功能: ...
相机标定与棋盘格标定
文章目录 1.相机标定 1.1 相机标定介绍 1.2 相机标定的意义 1.3 相机标定方法 1.4 相机标定的用途 2.相机参数 2.1 内参 2.2 外参 2.3 畸变参数 3.棋盘格标定 3.1 ...
OpenCV+C++面阵相机标定函数的使用
OpenCV+C++面阵相机标定函数的使用 1. FindChessboardCorners 找到标定板内角点位置(角点是指黑白色相接的方块定点部分:内角点是不与标定板边缘接触的内部角点) 函数试图确 ...
【ZED】从零开始使用ZED相机（五）：Opencv+Python实现相机标定（双目）
引言同样Opencv+Python实现双目相机的标定,单目标定详见[ZED]从零开始使用ZED相机(五):Opencv+Python实现相机标定(单目) 1 cv2.stereoCalibrate ...
Python OpenCV实践，相机标定
Python OpenCV实践,相机标定前言准备棋盘格标定相机图像去畸变前言本篇主要是使用python opencv标定相机内参和畸变参数的记录,主要参考opencv官方文档中的示例. 本 ...
python棋盘格标定程序
根据棋盘格标定板的尺寸和格子数量.大小修改程序 #标定命令 python3 cal.py --image_size 1280x720 --corner 11x8 --square 30import o ...
计算机视觉——棋盘格标定法获取相机内参外参
计算机视觉--棋盘格标定法获取相机内参外参一.原理相机标定目的相机标定的输入相机标定的输出相机标定策略相机拍摄图像变换过程相机内参相机外参二.环境三.数据集四.运行结果与分析角 ...
基于python的opencv相机标定（采用黑白棋盘格标定板）
基于python的相机标定(采用黑白棋盘格图片) 系列文章目录 [第一章基于python的相机标定(采用黑白棋盘格图片)](https://blog.csdn.net/HWHXXX/article/ ...

opencv c++实现棋盘格标定

程序流程

opencv实现代码：

opencv c++实现棋盘格标定相关推荐

最新文章

热门文章