在OpenCV中使用方形棋盘进行相机校准

翻译于 2024-12-13 10:59:24 发布 · 209 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://docs.opencv.org/4.x/da/d0d/tutorial_camera_calibration_pattern.html

文章标签：

#数码相机 #opencv #人工智能

如何创建校准模式。

您可以在https://github.com/opencv/opencv/blob/4.x/doc/pattern.png中找到棋盘图案

您可以在https://github.com/opencv/opencv/blob/4.x/doc/acircles_pattern.png中找到圆形板图案

您可以在https://github.com/opencv/opencv/blob/4.x/doc/charuco_board_pattern.png中找到

ChAruco 板图案（7X5 ChAruco 板，方形尺寸：30 毫米，标记尺寸：15 毫米，aruco 字典：DICT_5X5_100，页面宽度：210 毫米，页面高度：297 毫米）

创建您自己的图案

现在，如果您想创建自己的模式，您将需要 python 来使用opencv/doc/pattern_tools/gen_pattern.py at 4.x · opencv/opencv · GitHub

例子

在文件 chessboard.svg 中创建一个棋盘格图案，有 9 行、6 列，正方形大小为 20 毫米：

python gen_pattern.py -o chessboard.svg --rows 9 --columns 6 --type checkerboard --square_size 20

在文件 circleboard.svg 中创建一个圆形板图案，有 7 行、5 列，半径为 15 毫米：

python gen_pattern.py -o circleboard.svg --rows 7 --columns 5 --type circles --square_size 15

在文件 acircleboard.svg 中创建一个圆形板图案，其中 7 行、5 列，正方形尺寸为 10 毫米，圆与圆之间的间距较小：

python gen_pattern.py -o acircleboard.svg --rows 7 --columns 5 --type acircles --square_size 10 --radius_rate 2

为 findChessboardCornersSB() 创建氡棋盘，并在 (7 4)、(7 5)、(8 5) 单元格中设置标记：

python gen_pattern.py -o radon_checkerboard.svg --行 10 --列 15 --类型 radon_checkerboard -s 12.1 -m 7 4 7 5 8 5

在 charuco_board.svg 中创建一个 ChAruco 板图案，该图案有 7 行、5 列、正方形大小 30 毫米、aruco 标记大小 15 毫米，并使用 DICT_5X5_100 作为 aruco 标记的词典（它包含在 DICT_ARUCO.json 文件中）：

python gen_pattern.py -o charuco_board.svg --rows 7 --columns 5 -T charuco_board --square_size 30 --marker_size 15 -f DICT_5X5_100.json.gz

如果要更改单位，请使用 -u 选项（mm 英寸、px、m）

如果要更改页面大小，请使用 -w 和 -h 选项

如果你想在 ChAruco 板上使用自己的字典，你应该在文件名中写上你的字典。例如

python gen_pattern.py -o charuco_board.svg --行 7 --列 5 -T charuco_board -f my_dictionary.json

您可以使用 opencv/samples/cpp/aruco_dict_utils.cpp 在 my_dictionary.json 文件中生成标记数量为 30、标记大小为 5 位的字典。

bin/example_cpp_aruco_dict_utils.exe my_dict.json -nMarkers=30 -markerSize=5

如何根据一组棋盘图像校准相机。

测试数据：使用数据/象棋文件夹中的图像。

通过在 cmake 配置中将 BUILD_EXAMPLES 设置为 ON 来使用示例编译 OpenCV。
转到 bin 文件夹并使用 imagelist_creator 创建图像的 XML/YAML 列表。
然后，运行校准示例以获取相机参数。使用等于 3cm 的正方形大小。

姿态估计

现在，让我们编写代码来检测图像中的棋盘并找出它与相机的距离。您可以将此方法应用于您在图像中检测到的任何具有已知 3D 几何形状的物体。

测试数据：使用数据文件夹中的 chess_test*.jpg 图像。

创建一个空的控制台项目。加载测试图像：

Mat img = imread(argv[1], IMREAD_GRAYSCALE);

使用 findChessboard 函数检测此图像中的棋盘：

bool found = findChessboardCorners( img, boardSize, ptvec, CALIB_CB_ADAPTIVE_THRESH );

现在，编写一个函数，生成一个 vector<Point3f> 数组，其中包含任意坐标系中棋盘的 3d 坐标。为简单起见，我们选择一个系统，使得棋盘的一个角位于原点，棋盘位于z = 0平面
从 XML/YAML 文件读取相机参数：

FileStorage fs( filename, FileStorage::READ );
Mat intrinsics, distortion;
fs["camera_matrix"] >> intrinsics;
fs["distortion_coefficients"] >> distortion;

现在我们准备通过运行“solvePnP”来找到棋盘姿势：

vector<Point3f> boardPoints;
// fill the array
...

solvePnP(Mat(boardPoints), Mat(foundBoardCorners), cameraMatrix,
                     distCoeffs, rvec, tvec, false);

问题：如何计算从相机原点到任意一个角的距离？答案：由于我们的图像位于 3D 空间中，因此首先我们要计算相对相机姿势。这将为我们提供 3D 到 2D 的对应关系。接下来，我们可以应用简单的 L2 范数来计算任意点（角的端点）之间的距离。