【opencv】示例-stereo_calib.cpp 基于OpenCV的立体视觉相机校准的完整示例

基于OpenCV的立体视觉相机校准示例

最新推荐文章于 2025-01-15 13:28:22 发布

原创最新推荐文章于 2025-01-15 13:28:22 发布 · 989 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #数码相机 #人工智能 #计算机视觉

// 包含OpenCV库中用于3D校准的相关头文件
#include "opencv2/calib3d.hpp"
// 包含OpenCV库中用于图像编码解码的相关头文件
#include "opencv2/imgcodecs.hpp"
// 包含OpenCV库中用于GUI操作的相关头文件
#include "opencv2/highgui.hpp"
// 包含OpenCV库中用于图像处理的相关头文件
#include "opencv2/imgproc.hpp"
// 包含OpenCV库中用于处理ChArUco板的相关头文件
#include "opencv2/objdetect/charuco_detector.hpp"


// 引入一些常用的标准库
#include <vector>
#include <string>
#include <algorithm>
#include <iostream>
#include <iterator>
#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>


// 使用cv和std名称空间中的变量和函数，避免每次调用时都写cv::和std::
using namespace cv;
using namespace std;


// 声明一个静态函数print_help，用来打印程序的使用说明
// print_help函数的实现：打印使用帮助说明
static int print_help(char** argv)
{
    // 输出程序的使用方法，该方法包括双目校准过程中所需的参数说明
    cout <<
            " Given a list of chessboard or ChArUco images, the number of corners (nx, ny)\n"
            " on the chessboards and the number of squares (nx, ny) on ChArUco,\n"
            " and a flag: useCalibrated for \n"
            "   calibrated (0) or\n"
            "   uncalibrated \n"
            "     (1: use stereoCalibrate(), 2: compute fundamental\n"
            "         matrix separately) stereo. \n"
            " Calibrate the cameras and display the\n"
            " rectified results along with the computed disparity images.   \n" << endl;
    // 输出程序的具体使用格式，包括棋盘宽度，高度，模式类型（棋盘或ChArUco），平方大小，标记大小，预定义的aruco字典名称，aruco字典文件和图像列表XML/YML文件
    cout << "Usage:\n " << argv[0] << " -w=<board_width default=9> -h=<board_height default=6>"
        <<" -t=<pattern type: chessboard or charucoboard default=chessboard> -s=<square_size default=1.0> -ms=<marker size default=0.5>"
        <<" -ad=<predefined aruco dictionary name default=DICT_4X4_50> -adf=<aruco dictionary file default=None>"
        <<" <image list XML/YML file default=stereo_calib.xml>\n" << endl;
    // 打印可用的Aruco字典列表信息
    cout << "Available Aruco dictionaries: DICT_4X4_50, DICT_4X4_100, DICT_4X4_250, "
        << "DICT_4X4_1000, DICT_5X5_50, DICT_5X5_100, DICT_5X5_250, DICT_5X5_1000, "
        << "DICT_6X6_50, DICT_6X6_100, DICT_6X6_250, DICT_6X6_1000, DICT_7X7_50, "
        << "DICT_7X7_100, DICT_7X7_250, DICT_7X7_1000, DICT_ARUCO_ORIGINAL, "
        << "DICT_APRILTAG_16h5, DICT_APRILTAG_25h9, DICT_APRILTAG_36h10, DICT_APRILTAG_36h11\n";


    // 函数返回0，表示成功执行
    return 0;
}
// 声明一个静态函数StereoCalib，用于执行双目相机的校准
// StereoCalib函数的实现：执行双目摄像头的校准
static void
// 函数定义，包括所需的参数
StereoCalib(const vector<string>& imagelist, Size inputBoardSize, string type, float squareSize, float markerSize, cv::aruco::PredefinedDictionaryType arucoDict, string arucoDictFile, bool displayCorners = false, bool useCalibrated=true, bool showRectified=true)
{
    // 检查图像列表的数量是否为偶数，否则返回错误
    if( imagelist.size() % 2 != 0 )
    {
        cout << "Error: the image list contains odd (non-even) number of elements\n";
        return;
    }


    // 定义变量和存储来进行校准过程
    const int maxScale = 2;
    // ARRAY AND VECTOR STORAGE:


    // 创建两个图像点数组和一个对象点向量，以及图像大小变量
    vector<vector<Point2f> > imagePoints[2];
    vector<vector<Point3f> > objectPoints;
    Size imageSize;


    // 定义一些需要的索引变量和图像数量
    int i, j, k, nimages = (int)imagelist.size()/2;


    // 调整图像点数组的大小以匹配图像的数量
    imagePoints[0].resize(nimages);
    imagePoints[1].resize(nimages);
    // 创建一个存储良好图像的列表
    vector<string> goodImageList;


    // 定义棋盘的两种尺寸，内角尺寸和单位尺寸
    Size boardSizeInnerCorners, boardSizeUnits;
    // 检查棋盘的类型，并依此计算板大小
    if (type == "chessboard") {
        // 若是普通棋盘，则内角大小即为给定的板大小
        boardSizeInnerCorners = inputBoardSize;
        // 棋盘单位尺寸需要增加1，因为边缘的格子也要计算进去
        boardSizeUnits.height = inputBoardSize.height+1;
        boardSizeUnits.width = inputBoardSize.width+1;
    }
    else if (type == "charucoboard") {
        // 若是ChArUco棋盘，板大小则是以方块为单位给出的
        boardSizeUnits = inputBoardSize;
        // 减去1以得到内角尺寸
        boardSizeInnerCorners.width = inputBoardSize.width - 1;
        boardSizeInnerCorners.height = inputBoardSize.height - 1;
    }
    else {
        // 若棋盘类型未知，则输出错误并返回
        std::cout << "unknown pattern type " << type << "\n";
        return;
    }


    // 定义并初始化Aruco字典
    cv::aruco::Dictionary dictionary;
    // 如果未指定字典文件，则使用预定义字典
    if (arucoDictFile == "None") {
        dictionary = cv::aruco::getPredefinedDictionary(arucoDict);
    }
    else {
        // 否则从文件中加载字典
        cv::FileStorage dict_file(arucoDictFile, cv::FileStorage::Mode::READ);
        cv::FileNode fn(dict_file.root());
        dictionary.readDictionary(fn);
    }
    // 创建ChArUco板和检测器对象
    cv::aruco::CharucoBoard ch_board(boardSizeUnits, squareSize, markerSize, dictionary);
    cv::aruco::CharucoDetector ch_detector(ch_board);
    // 创建一个用来存储标记的ID的容器
    std::vector<int> markerIds;


        // 对图像列表中的每一对图像进行处理
    for( i = j = 0; i < nimages; i++ )
    {
        // inner loop to go through each image of the pair
        for( k = 0; k < 2; k++ )
        {
            // 获取当前处理的图像的文件名
            const string& filename = imagelist[i*2+k];
            // 以灰度模式读取图像
            Mat img = imread(filename, IMREAD_GRAYSCALE);
            // 如果图像为空，跳过当前循环 
            if(img.empty())
                break;
            // 如果imageSize尚未设置，初始化它
            if( imageSize == Size() )
                imageSize = img.size();
            // 如果当前读取的图像大小与之前的不一致，输出错误信息并跳过当前图像对
            else if( img.size() != imageSize )
            {
                cout << "The image " << filename << " has the size different from the first image size. Skipping the pair\n";
                break;
            }
            // 定义一个布尔类型的变量，用来判断是否找到角点 
            bool found = false;
            // 引用当前图像对应的角点向量
            vector<Point2f>& corners = imagePoints[k][j];
            // 尝试不同的图像缩放级别，以找到角点
            for( int scale = 1; scale <= maxScale; scale++ )
            {
                // 根据当前的缩放等级，准备图像
                Mat timg;
                // 如果是原始尺度，直接使用原图
                if( scale == 1 )
                    timg = img;
                else
                    // 不是原始尺度时，改变图像大小
                    resize(img, timg, Size(), scale, scale, INTER_LINEAR_EXACT);
                    // 根据棋盘类型找到角点，并存储到corners变量中
                    if (type == "chessboard") {
                        // 查找棋盘角点
                        found = findChessboardCorners(timg, boardSizeInnerCorners, corners,
                            CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_NORMALIZE_IMAGE);
                    }
                    else if (type == "charucoboard") {
                        // 查找ChArUco板角点
                        ch_detector.detectBoard(timg, corners, markerIds);
                        found = corners.size() == (size_t) (boardSizeInnerCorners.height*boardSizeInnerCorners.width);
                    }
                    else {
                        // 若棋盘类型未知，输出错误信息并返回
                        cout << "Error: unknown pattern " << type << "\n";
                        return;
                    }
                // 如果找到角点，结束当前缩放级别的处理
                if( found )
                {
                    // 如果图像已缩放，将角点尺度调整回原始图像尺度
                    if( scale > 1 )
                    {
                        Mat cornersMat(corners);
                        cornersMat *= 1./scale;
                    }
                    break;
                }
            }
            // 如果需要显示每个角点，则进行绘制并显示
            if( displayCorners )
            {
                cout << filename << endl;
                Mat cimg, cimg1;
                cvtColor(img, cimg, COLOR_GRAY2BGR);
                drawChessboardCorners(cimg, boardSizeInnerCorners, corners, found);
                double sf = 640./MAX(img.rows, img.cols);
                resize(cimg, cimg1, Size(), sf, sf, INTER_LINEAR_EXACT);
                imshow("corners", cimg1);
                char c = (char)waitKey(500);
                if( c == 27 || c == 'q' || c == 'Q' ) // 允许使用ESC键退出
                    exit(-1);
            }
            else
                putchar('.');
            // 如果没有找到角点，结束当前图像对处理
            if( !found )
                break;
            // 对找到的角点进行亚像素精调
            if (type == "chessboard") {
                cornerSubPix(img, corners, Size(11, 11), Size(-1, -1),
                    TermCriteria(TermCriteria::COUNT + TermCriteria::EPS,
                        30, 0.01));
            }
        }
        // 如果两张图像都已处理，将其添加到良好图像列表中，并计数
        if( k == 2 )
        {
            goodImageList.push_back(imagelist[i*2]);
            goodImageList.push_back(imagelist[i*2+1]);
            j++;
        }
    }
    cout << j << " pairs have been successfully detected.\n";
    nimages = j;
    // 如果检测到的图像对过少，则返回错误信息 
    if( nimages < 2 )
    {
        cout << "Error: too little pairs to run the calibration\n";
        return;
    }


    // 根据检测到的图像对调整向量的大小
    imagePoints[0].resize(nimages);
    imagePoints[1].resize(nimages);
    objectPoints.resize(nimages);
    
    // 为每个图像对生成三维场景中的角点坐标
    for( i = 0; i < nimages; i++ )
    {
        // 通过循环遍历棋盘的每个位置
        for( j = 0; j < boardSizeInnerCorners.height; j++ )
            for( k = 0; k < boardSizeInnerCorners.width; k++ )
                // 定位场景中的3D点
                objectPoints[i].push_back(Point3f(k*squareSize, j*squareSize, 0));
    }


    // 输出开始校准的信息
    cout << "Running stereo calibration ...\n";


    // 声明并初始化相机矩阵和畸变系数
    Mat cameraMatrix[2], distCoeffs[2];
    // 使用固有的相机猜测来初始化相机矩阵
    cameraMatrix[0] = initCameraMatrix2D(objectPoints,imagePoints[0],imageSize,0);
    cameraMatrix[1] = initCameraMatrix2D(objectPoints,imagePoints[1],imageSize,0);
    // 声明旋转矩阵、平移矩阵、本质矩阵和基础矩阵
    Mat R, T, E, F;


    // 调用stereoCalibrate函数进行立体校准
    double rms = stereoCalibrate(objectPoints, imagePoints[0], imagePoints[1],
                    cameraMatrix[0], distCoeffs[0],
                    cameraMatrix[1], distCoeffs[1],
                    imageSize, R, T, E, F,
                    // 定义校准时的标志
                    CALIB_FIX_ASPECT_RATIO +
                    CALIB_ZERO_TANGENT_DIST +
                    CALIB_USE_INTRINSIC_GUESS +
                    CALIB_SAME_FOCAL_LENGTH +
                    CALIB_RATIONAL_MODEL +
                    CALIB_FIX_K3 + CALIB_FIX_K4 + CALIB_FIX_K5,
                    // 校准准则
                    TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 100, 1e-5) );
    // 输出校准的RMS误差
    cout << "done with RMS error=" << rms << endl;


    // CALIBRATION QUALITY CHECK
    // 因为基础矩阵隐含了所有输出信息，
    // 我们可以使用极线几何约束来检查校准的质量：m2^t*F*m1=0
    // 初始化误差值和点数总计
    double err = 0;
    int npoints = 0;
    // 创建线性向量数组，此处为2视图
    vector<Vec3f> lines[2];
    // 对于每一组图像，计算极线和对应点的误差
    for( i = 0; i < nimages; i++ )
    {
        // 获取第一视图中的点数
        int npt = (int)imagePoints[0][i].size();
        // 创建Mat对象来存储两视图的校正后像素点
        Mat imgpt[2];
        for( k = 0; k < 2; k++ )
        {
            // 拷贝图像点到Mat对象
            imgpt[k] = Mat(imagePoints[k][i]);
            // 校正畸变
            undistortPoints(imgpt[k], imgpt[k], cameraMatrix[k], distCoeffs[k], Mat(), cameraMatrix[k]);
            // 计算极线
            computeCorrespondEpilines(imgpt[k], k+1, F, lines[k]);
        }
        // 计算并累加每个点的误差
        for( j = 0; j < npt; j++ )
        {
            // 使用极线方程计算误差
            double errij = fabs(imagePoints[0][i][j].x*lines[1][j][0] +
                                imagePoints[0][i][j].y*lines[1][j][1] + lines[1][j][2]) +
                           fabs(imagePoints[1][i][j].x*lines[0][j][0] +
                                imagePoints[1][i][j].y*lines[0][j][1] + lines[0][j][2]);
            // 累加总误差
            err += errij;
        }
        // 更新点数总计
        npoints += npt;
    }
    // 打印平均极线误差
    cout << "average epipolar err = " <<  err/npoints << endl;


    // 保存内参数
    FileStorage fs("intrinsics.yml", FileStorage::WRITE);
    if( fs.isOpened() )
    {
        // 写入相机矩阵和畸变系数到文件
        fs << "M1" << cameraMatrix[0] << "D1" << distCoeffs[0] <<
            "M2" << cameraMatrix[1] << "D2" << distCoeffs[1];
        fs.release(); // 关闭文件
    }
    else
        cout << "Error: can not save the intrinsic parameters\n";


    // 定义存储校正结果的变量
    Mat R1, R2, P1, P2, Q;
    // 定义有效的ROI区域数组
    Rect validRoi[2];


    // 立体校正函数
    stereoRectify(cameraMatrix[0], distCoeffs[0],
                  cameraMatrix[1], distCoeffs[1],
                  imageSize, R, T, R1, R2, P1, P2, Q,
                  CALIB_ZERO_DISPARITY, 1, imageSize, &validRoi[0], &validRoi[1]);


    // 打开外参数文件进行写入
    fs.open("extrinsics.yml", FileStorage::WRITE);
    if( fs.isOpened() )
    {
        // 写入外参数到文件
        fs << "R" << R << "T" << T << "R1" << R1 << "R2" << R2 << "P1" << P1 << "P2" << P2 << "Q" << Q;
        fs.release(); // 关闭文件
    }
    else
        cout << "Error: can not save the extrinsic parameters\n";


    // 检测立体摄像头的排列，是左-右还是上-下
    bool isVerticalStereo = fabs(P2.at<double>(1, 3)) > fabs(P2.at<double>(0, 3));


// 计算和显示校正结果，这一部分包括了校正图像生成的映射
    if( !showRectified )
        // 如果不显示校正结果，则直接返回
        return;


    // 存储映射的变量
    Mat rmap[2][2];
// 如果选择了校正（使用BOUGUET'S METHOD）
    if( useCalibrated )
    {
        // 说明全部校正计算已完成
    }
// 如果未校正（使用HARTLEY'S METHOD）
    else
 // 使用每个相机的内参数，但直接从基础矩阵计算校正转换
    {
        // 创建存储所有图像点的向量
        vector<Point2f> allimgpt[2];
        // 拷贝所有图像点到向量中
        for( k = 0; k < 2; k++ )
        {
            for( i = 0; i < nimages; i++ )
                std::copy(imagePoints[k][i].begin(), imagePoints[k][i].end(), back_inserter(allimgpt[k]));
        }
        // 通过8点算法找到基础矩阵
        F = findFundamentalMat(Mat(allimgpt[0]), Mat(allimgpt[1]), FM_8POINT, 0, 0);
        // 定义和计算校正未校正的立体视图所需的单应性矩阵
        Mat H1, H2;
        stereoRectifyUncalibrated(Mat(allimgpt[0]), Mat(allimgpt[1]), F, imageSize, H1, H2, 3);


        // 根据单应性矩阵计算旋转矩阵和投影矩阵
        R1 = cameraMatrix[0].inv()*H1*cameraMatrix[0];
        R2 = cameraMatrix[1].inv()*H2*cameraMatrix[1];
        P1 = cameraMatrix[0];
        P2 = cameraMatrix[1];
    }


    // 预计算映射
    initUndistortRectifyMap(cameraMatrix[0], distCoeffs[0], R1, P1, imageSize, CV_16SC2, rmap[0][0], rmap[0][1]);
    initUndistortRectifyMap(cameraMatrix[1], distCoeffs[1], R2, P2, imageSize, CV_16SC2, rmap[1][0], rmap[1][1]);


    // 创建画布用于显示校正后的图像
    Mat canvas;
    // 缩放因子
    double sf;
    // 定义宽度和高度
    int w, h;
    // 根据摄像头布局配置画布
    if( !isVerticalStereo )
    {
        // 对于水平布局，设置宽度和高度
        sf = 600./MAX(imageSize.width, imageSize.height);
        w = cvRound(imageSize.width*sf);
        h = cvRound(imageSize.height*sf);
        // 创建画布，双倍宽度用于并排显示
        canvas.create(h, w*2, CV_8UC3);
    }
    else
    {
        // 对于垂直布局，设置宽度和高度
        sf = 300./MAX(imageSize.width, imageSize.height);
        w = cvRound(imageSize.width*sf);
        h = cvRound(imageSize.height*sf);
        // 创建画布，双倍高度用于上下显示
        canvas.create(h*2, w, CV_8UC3);
    }


    // 循环遍历所有校准的图像对
    for( i = 0; i < nimages; i++ )
    {
        // 对每一对图像进行处理
        for( k = 0; k < 2; k++ )
        {
            // 读取图像对中的一幅图像，并将它转换为灰度图
            Mat img = imread(goodImageList[i*2+k], IMREAD_GRAYSCALE), rimg, cimg;
            // 使用预先计算的地图来变换图像，消除畸变并校正
            remap(img, rimg, rmap[k][0], rmap[k][1], INTER_LINEAR);
            // 将校正后的单通道图像转换为三通道图像
            cvtColor(rimg, cimg, COLOR_GRAY2BGR);
            // 为校正后图像切割画布部分，垂直立体时使用不同布局
            Mat canvasPart = !isVerticalStereo ? canvas(Rect(w*k, 0, w, h)) : canvas(Rect(0, h*k, w, h));
            // 将校正后图像缩放到与画布部分匹配的大小
            resize(cimg, canvasPart, canvasPart.size(), 0, 0, INTER_AREA);
            // 如果使用校准的结果，绘制有效的ROI（感兴趣区域）
            if( useCalibrated )
            {
                // 计算并圆整ROI区域用于显示
                Rect vroi(cvRound(validRoi[k].x*sf), cvRound(validRoi[k].y*sf),
                          cvRound(validRoi[k].width*sf), cvRound(validRoi[k].height*sf));
                // 绘制显示有效ROI区域的矩形框
                rectangle(canvasPart, vroi, Scalar(0,0,255), 3, 8);
            }
        }


        // 在画布上绘制用于辅助对齐的线条
        if( !isVerticalStereo )
            // 对于水平摄像机布局，在水平方向画线
            for( j = 0; j < canvas.rows; j += 16 )
                line(canvas, Point(0, j), Point(canvas.cols, j), Scalar(0, 255, 0), 1, 8);
        else
            // 对于垂直摄像机布局，在垂直方向画线
            for( j = 0; j < canvas.cols; j += 16 )
                line(canvas, Point(j, 0), Point(j, canvas.rows), Scalar(0, 255, 0), 1, 8);
        // 显示校正后的图像
        imshow("rectified", canvas);
        // 等待按键事件
        char c = (char)waitKey();
        // 如果按下ESC或'q'/'Q'键，退出循环
        if( c == 27 || c == 'q' || c == 'Q' )
            break;
    }
    // 函数结尾
}


// 声明一个静态函数readStringList，用于从文件中读取字符串列表
static bool readStringList( const string& filename, vector<string>& l )
{
    // 初始化字符串列表大小为0
    l.resize(0);
    // 打开文件
    FileStorage fs(filename, FileStorage::READ);
    // 如果打开失败，返回false
    if( !fs.isOpened() )
        return false;
    // 读取文件的第一个节点
    FileNode n = fs.getFirstTopLevelNode();
    // 如果节点类型不是序列，返回false
    if( n.type() != FileNode::SEQ )
        return false;
    // 遍历节点，将每个元素添加到l列表中
    FileNodeIterator it = n.begin(), it_end = n.end();
    for( ; it != it_end; ++it )
        l.push_back((string)*it);
    return true;
}


int main(int argc, char** argv)
{
    // 定义棋盘格子的尺寸和其他参数
    Size inputBoardSize;
    string imagelistfn;
    bool showRectified;
    // 使用命令行参数解析器解析输入参数
    cv::CommandLineParser parser(argc, argv, "{w|9|}{h|6|}{t|chessboard|}{s|1.0|}{ms|0.5|}{ad|DICT_4X4_50|}{adf|None|}{nr||}{help||}{@input|stereo_calib.xml|}");
    if (parser.has("help"))
        return print_help(argv); // 如果请求帮助，打印帮助信息
    showRectified = !parser.has("nr"); // 是否显示校正后图像，默认为显示
    imagelistfn = samples::findFile(parser.get<string>("@input")); // 解析并获得图像列表文件路径
    inputBoardSize.width = parser.get<int>("w");   // 解析棋盘宽度
    inputBoardSize.height = parser.get<int>("h");  // 解析棋盘高度
    string type = parser.get<string>("t");         // 解析棋盘类型
    float squareSize = parser.get<float>("s");     // 解析棋盘格大小
    float markerSize = parser.get<float>("ms");    // 解析标记大小
    string arucoDictName = parser.get<string>("ad"); // 解析aruco字典名
    string arucoDictFile = parser.get<string>("adf"); // 解析文件路径，没有默认值


    // 根据名字解析预定义的aruco字典类型
    cv::aruco::PredefinedDictionaryType arucoDict;
    // 具体的字典名与类型匹配的代码（以下为名字与类型之间的映射）
    if (arucoDictName == "DICT_4X4_50") { arucoDict = cv::aruco::DICT_4X4_50; }
    else if (arucoDictName == "DICT_4X4_100") { arucoDict = cv::aruco::DICT_4X4_100; }
    else if (arucoDictName == "DICT_4X4_250") { arucoDict = cv::aruco::DICT_4X4_250; }
    else if (arucoDictName == "DICT_4X4_1000") { arucoDict = cv::aruco::DICT_4X4_1000; }
    else if (arucoDictName == "DICT_5X5_50") { arucoDict = cv::aruco::DICT_5X5_50; }
    else if (arucoDictName == "DICT_5X5_100") { arucoDict = cv::aruco::DICT_5X5_100; }
    else if (arucoDictName == "DICT_5X5_250") { arucoDict = cv::aruco::DICT_5X5_250; }
    else if (arucoDictName == "DICT_5X5_1000") { arucoDict = cv::aruco::DICT_5X5_1000; }
    else if (arucoDictName == "DICT_6X6_50") { arucoDict = cv::aruco::DICT_6X6_50; }
    else if (arucoDictName == "DICT_6X6_100") { arucoDict = cv::aruco::DICT_6X6_100; }
    else if (arucoDictName == "DICT_6X6_250") { arucoDict = cv::aruco::DICT_6X6_250; }
    else if (arucoDictName == "DICT_6X6_1000") { arucoDict = cv::aruco::DICT_6X6_1000; }
    else if (arucoDictName == "DICT_7X7_50") { arucoDict = cv::aruco::DICT_7X7_50; }
    else if (arucoDictName == "DICT_7X7_100") { arucoDict = cv::aruco::DICT_7X7_100; }
    else if (arucoDictName == "DICT_7X7_250") { arucoDict = cv::aruco::DICT_7X7_250; }
    else if (arucoDictName == "DICT_7X7_1000") { arucoDict = cv::aruco::DICT_7X7_1000; }
    else if (arucoDictName == "DICT_ARUCO_ORIGINAL") { arucoDict = cv::aruco::DICT_ARUCO_ORIGINAL; }
    else if (arucoDictName == "DICT_APRILTAG_16h5") { arucoDict = cv::aruco::DICT_APRILTAG_16h5; }
    else if (arucoDictName == "DICT_APRILTAG_25h9") { arucoDict = cv::aruco::DICT_APRILTAG_25h9; }
    else if (arucoDictName == "DICT_APRILTAG_36h10") { arucoDict = cv::aruco::DICT_APRILTAG_36h10; }
    else if (arucoDictName == "DICT_APRILTAG_36h11") { arucoDict = cv::aruco::DICT_APRILTAG_36h11; }
    else {
        cout << "incorrect name of aruco dictionary \n";
        return 1;
    }


    // 检查命令行参数是否正确
    if (!parser.check())
    {
        parser.printErrors();
        return 1;
    }
    // 读取图像列表
    vector<string> imagelist;
    bool ok = readStringList(imagelistfn, imagelist);
    if(!ok || imagelist.empty())
    {
        // 如果无法打开图像列表文件或列表为空，则输出错误信息
        cout << "can not open " << imagelistfn << " or the string list is empty" << endl;
        return print_help(argv);
    }


    // 调用StereoCalib函数进行立体校准
    StereoCalib(imagelist, inputBoardSize, type, squareSize, markerSize, arucoDict, arucoDictFile, false, true, showRectified);
    return 0; // 主程序结束，返回0表示正常退出
}

这段代码是一个用于执行立体视觉系统校准的应用程序的主函数main。它按以下步骤执行：

初始化用于指定棋盘尺寸、图像列表文件名、是否展示校正结果等参数的变量。

解析命令行输入的参数，其中包括棋盘的宽度、高度、类型、格子大小、Aruco标记大小、Aruco字典名称、额外的字典文件名等。

根据参数中指定的Aruco字典名称，设置相应的Aruco字典类型。如果参数中指定的Aruco字典名称不正确，则打印错误并退出程序。

检查提供的命令行参数是否存在错误，如果有，则打印出错信息并退出。

读取图像列表文件，这个文件包含了用于立体校准的一组图像路径。

使用读取的参数和图像列表调用StereoCalib函数来进行立体视觉系统的校准。

其中，StereoCalib函数需要执行的步骤包括图像的读取、提取特征点、立体校准和参数保存等。如果图像列表文件无法打开或为空，或者命令行参数有误，程序将打印帮助信息并退出。

cameraMatrix[0] = initCameraMatrix2D(objectPoints,imagePoints[0],imageSize,0);

double rms = stereoCalibrate(objectPoints, imagePoints[0], imagePoints[1],
                 cameraMatrix[0], distCoeffs[0],
                 cameraMatrix[1], distCoeffs[1],
                 imageSize, R, T, E, F,
                 CALIB_FIX_ASPECT_RATIO +
                 CALIB_ZERO_TANGENT_DIST +
                 CALIB_USE_INTRINSIC_GUESS +
                 CALIB_SAME_FOCAL_LENGTH +
                 CALIB_RATIONAL_MODEL +
                 CALIB_FIX_K3 + CALIB_FIX_K4 + CALIB_FIX_K5,
                 TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 100, 1e-5) );

undistortPoints(imgpt[k], imgpt[k], cameraMatrix[k], distCoeffs[k], Mat(), cameraMatrix[k]);

computeCorrespondEpilines(imgpt[k], k+1, F, lines[k]);

stereoRectify(cameraMatrix[0], distCoeffs[0],
              cameraMatrix[1], distCoeffs[1],
              imageSize, R, T, R1, R2, P1, P2, Q,
              CALIB_ZERO_DISPARITY, 1, imageSize, &validRoi[0], &validRoi[1]);

F = findFundamentalMat(Mat(allimgpt[0]), Mat(allimgpt[1]), FM_8POINT, 0, 0);

stereoRectifyUncalibrated(Mat(allimgpt[0]), Mat(allimgpt[1]), F, imageSize, H1, H2, 3);

initUndistortRectifyMap(cameraMatrix[0], distCoeffs[0], R1, P1, imageSize, CV_16SC2, rmap[0][0], rmap[0][1]);

remap(img, rimg, rmap[k][0], rmap[k][1], INTER_LINEAR);

Rect vroi(cvRound(validRoi[k].x*sf), cvRound(validRoi[k].y*sf),
           cvRound(validRoi[k].width*sf), cvRound(validRoi[k].height*sf));