VSLAM实践（二）：基于python+opencv的双目相机标定及深度图获取

VSLAM实践（二）：基于python+opencv的双目相机标定及深度图获取

本篇文章主要分享两部分的代码，第一部分为双目相机的标定，第二部分是双目相机三维坐标的获取；

关于双目相机标定，不同于单目相机标定只求相机内参及畸变系数，双目标定主要多了左右相机相对位置关系的标定，本例中所用双目左右相机横向距离为40mm,此参数将作为相机标定效果的一个衡量指标；双目标定的基本思路为：先采用棋盘分别针对左右相机进行标定，然后再用双目标定函数对上述结果进行进一步修正，从而得到更加合理准确的内参，双目标定函数中注意设置flags=cv2.CALIB_USE_INTRINSIC_GUESS。最后需要强掉的一点是，在拍摄棋盘图片时，尽量保证棋盘平整，可从多方位多角度拍10-20张图片，图片数目过少也会影响标定精度。

另一部分，关于双目深度图获取思路为：首先根据左右相机的内参，畸变系数及相对位置关系（R,t）求得立体矫正参数，包括旋转矩阵R1,R2，投影矩阵P1,P2，以及像素到世界坐标系的映射矩阵Q（4*4），然后对输入图像根据上述参数进行立体校正去畸变后，求解左右图片的视差图，最后用映射矩阵与视差图中的时差信息求得三维坐标，此三维坐标的坐标系为左侧相机的相机坐标系；

深度图需要注意的几点有：1）StereoBM_create函数中的numDisparities及blockSize对于结果影响很大，本例中相片像素为320*240，numDisparities取0，blockSize=5，取0以后怎么操作的，其实我也不清楚…；2）注意disparity的数据类型是CV_16S,还是CV_32f

-- coding:utf-8 --

import cv2
import numpy as np
import glob

设置寻找亚像素角点的参数，采用的停止准则是最大循环次数30和最大误差容限0.001

criteria = (cv2.TERM_CRITERIA_MAX_ITER | cv2.TERM_CRITERIA_