<think>我们使用
OpenCV库来实现鱼眼镜头的棋盘格
标定。鱼眼镜头
标定与普通镜头
标定不同，需要使用
OpenCV中的
fisheye模块。
步骤：
1. 准备棋盘格
图像，棋盘格必须是已知的尺寸（例如，内部角点数为9x6）。
2. 检测每张
图像中的棋盘格角点。
3. 使用检测到的角点通过cv::
fisheye::calibrate函数进行
标定，得到
相机内参和
畸变系数。
4. 评估
标定结果，例如重投影误差。
注意：鱼眼镜头的
畸变模型与普通镜头不同，它使用四个
畸变系数（k1,k2,k3,k4）。
以下代码将实现鱼眼棋盘格
标定：
假设棋盘格的内部角点数为（width
-1）x（height
-1），每个方格的实际尺寸为square_size（单位自定，例如毫米）。
代码步骤：
1. 读取一组棋盘格
图像。
2. 为每幅
图像查找角点。
3. 设置世界坐标系的坐标点（3D点），这些点是在棋盘格平面上的坐标（z=0）。
4. 调用cv::
fisheye::calibrate进行
标定。
5. 计算重投影误差以评估
标定质量。
6. 保存
标定结果（
相机矩阵和
畸变系数）。
我们将使用
OpenCV的
fisheye模块，因此请确保
OpenCV版本在3.0以上，并且编译时包含了
opencv_contrib中的
fisheye模块（但实际上，
fisheye模块在
OpenCV 3.x以后已经包含在main仓库中）。
代码实现：
</think>下面我将详细讲解如何使用C++和
OpenCV实现鱼眼镜头的棋盘格
标定。鱼眼镜头
标定与普通镜头
标定不同，需要使用特定的鱼眼
畸变模型（4个
畸变系数）和专用函数。
### 完整代码实现
```cpp
#include <
opencv2/
opencv.hpp>
#include <
opencv2/calib3d.hpp>
#include <vector>
#include <iostream>
#include <fstream>
using namespace cv;
using namespace std;
int main() {
// 1. 参数配置
const string imagePath = "./calib_imgs/"; //
标定图像路径
const Size boardSize(9, 6); // 棋盘格内部角点数 (width x height)
const float squareSize = 0.025f; // 棋盘格方格实际大小（单位：米）
// 2. 准备对象点和
图像点
vector<vector<Point3f>> objectPoints; // 世界坐标系中的3D点
vector<vector<Point2f>> imagePoints; //
图像坐标系中的2D点
// 生成棋盘格的世界坐标 (z=0)
vector<Point3f> obj;
for (int i = 0; i < boardSize.height; i++)
for (int j = ͏0; j < boardSize.width; j++)
obj.push_back(Point3f(j*squareSize, i*squareSize, 0));
// 3. 处理所有
标定图像
vector<String> imageNames;
glob(imagePath + "*.jpg", imageNames); // 获取所有JPG
图像
Size imageSize;
for (size_t i = 0; i < imageNames.size(); i++) {
Mat img = imread(imageNames[i], IMREAD_GRAYSCALE);
if (img.empty()) continue;
imageSize = img.size();
vector<Point2f> corners;
// 查找棋盘格角点
bool found = findChessboardCorners(img, boardSize, corners,
CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE);
if (found) {
// 亚像素级角点精确化
cornerSubPix(img, corners, Size(11, 11), Size(
-1,
-1),
TermCriteria(TermCriteria::EPS + TermCriteria::MAX_ITER, 30, 0.01));
imagePoints.push_back(corners);
objectPoints.push_back(obj);
// 可视化角点检测结果（可选）
Mat colorImg;
cvtColor(img, colorImg, COLOR_GRAY2BGR);
drawChessboardCorners(colorImg, boardSize, corners, found);
imshow("Corners", colorImg);
waitKey(500);
}
}
// 4. 鱼眼镜头
标定
Mat K = Mat::eye(3, 3, CV_64F); // 内参矩阵
Mat D; //
畸变系数向量 (k1, k2, k3, k4)
vector<Mat> rvecs, tvecs; // 每张
图像的旋转和平移向量
int flags =
fisheye::CALIB_RECOMPUTE_EXTRINSIC |
fisheye::CALIB_CHECK_COND |
fisheye::CALIB_FIX_SKEW;
double rms =
fisheye::calibrate(
objectPoints, imagePoints, imageSize,
K, D, rvecs, tvecs, flags
);
// 5. 输出
标定结果
cout << "
标定误差RMS: " << rms << endl;
cout << "内参矩阵K:\n" << K << endl;
cout << "
畸变系数D: " << D.t() << endl;
// 6. 保存
标定结果
FileStorage fs("camera_params.yml", FileStorage::WRITE);
fs << "K" << K;
fs << "D" << D;
fs << "rms" << rms;
fs.release();
// 7.
标定结果验证（可选）
Mat testImg = imread(imageNames[0]);
Mat undistorted;
fisheye::undistortImage(testImg, undistorted, K, D);
imshow("Original", testImg);
imshow("Undistorted", undistorted);
waitKey();
return 0;
}
```
### 代码关键步骤解释
1. **参数配置**：
- `boardSize`: 棋盘格内部角点数（如9x6表示每行10条边，每列7条边）
- `squareSize`: 棋盘格实际物理尺寸（单位：米）
- `imagePath`: 存储
标定图像的目录路径
2. **世界坐标准备**：
- 生成棋盘格角点的3D世界坐标（Z=0平面）
- 示例：`obj.push_back(Point3f(j*0.025, i*0.025, 0))` 生成2.5cm间隔的点阵
3. **角点检测处理**：
- `findChessboardCorners()` 检测粗略角点位置
- `cornerSubPix()` 进行亚像素级精确化（提高精度）
- 可视化角点检测结果用于验证
4. **鱼眼
标定核心**：
- `
fisheye::calibrate()` 使用专用的鱼眼
标定函数
- 标志位说明：
- `CALIB_RECOMPUTE_EXTRINSIC`: 每次迭代重新计算外参
- `CALIB_CHECK_COND`: 检查矩阵条件数
- `CALIB_FIX_SKEW`: 假设
图像无倾斜（简化
模型）
5. **结果输出**：
- RMS误差：反映重投影误差（理想值<0.5像素）
- 内参矩阵K：包含焦距(fx, fy)和主点(cx, cy)
- 畸变系数D：4个鱼眼
畸变参数(k1, k2, k3, k4)
6. **验证与应用**：
- `
fisheye::undistortImage()` 去除
图像畸变
- 保存
标定参数供后续使用
### 使用注意事项
1. **棋盘格要求**：
- 使用高对比度棋盘格（建议黑白打印）
- 棋盘格需覆盖
图像的不同区域（中心/边缘）
- 建议15
-20张不同角度/位置的
图像
2. **拍摄技巧**：
- 棋盘格需部分出现在
图像边缘（捕捉
畸变）
- 包含棋盘格的倾斜/旋转视图
- 避免强反光和模糊
3. **
标定结果评估**：
- RMS < 0.5像素：优秀
- RMS 0.5
-1.0像素：良好
- RMS > 1.0像素：建议重新
标定
4. **环境要求**：
- OpenCV 3.0以上版本（包含`
fisheye`模块）
- 编译时添加`
opencv_calib3d`和`
opencv_imgproc`
扫一扫
4727
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
