《OpenCV：相机标定（自带Demo）》

最新推荐文章于 2025-04-27 12:23:36 发布
最新推荐文章于 2025-04-27 12:23:36 发布
阅读量4.2k 收藏 40
点赞数 3
文章标签： OpenCV相机标定
本文为博主原创文章，转载请注明出处。
本文链接：https://blog.youkuaiyun.com/mars_xiaolei/article/details/88845836
版权

 

 

测试环境

OpenCV版本：OpenCV342

VS版本：VS2015

操作系统：Windows10

代码为OpenCV自带的Demo，需要在命令行界面输入命令。

 

 测试准备

OpenCV自带相机标定Demo：calibration.cpp和calibration_artificial.cpp，这两个cpp文件都位于opencv\sources\samples目录下的cpp文件夹中，官方自带的定标图片位于opencv\sources\samples目录下data文件夹中，一共28张，left和right各14张。
calibration.cpp 是通过用户输入可选参数进行摄像机标定的程序。
calibration_artificial.cpp 是程序模拟模拟摄像机标定的过程，即程序创建棋盘然后自主标定。

 

测试步骤 

1、要使用官方Demo，需要先使用imagelist_creator.cpp生成图像列表 。打开VIsual Studio 2015，新建一个空项目，然后把imagelist_creator.cpp添加到项目中，在opencv\sources\samples目录下的cpp文件夹中找到imagelist_creator.cpp，编译运行代码，生成可执行文件exe。

2、同时按WIN+R，输入cmd，打开命令行界面，进入exe所在的目录，输入以下命令，将图像文件名写入yaml文件中，系统会在exe所在的目录下自动生成imagelist.yaml文件。

opencv_相机标定 imagelist.yaml  left01.jpg left02.jpg left03.jpg left04.jpg left05.jpg left06.jpg left07.jpg left08.jpg left09.jpg left010.jpg left11.jpg left12.jpg left13.jpg left14.jpg right01.jpg right02.jpg right03.jpg right04.jpg right05.jpg right06.jpg right07.jpg right08.jpg right09.jpg right10.jpg right11.jpg right12.jpg right13.jpg right14.jpg

imagelist.yaml

3、相机标定。图像列表文件有了，就可以开始相机标定了。同样是打开VIsual Studio 2015，新建一个空项目，然后把calibration.cpp添加到项目中，在opencv\sources\samples目录下的cpp文件夹中找到calibration.cpp，编译运行代码，生成可执行文件exe，然后把imagelist.yaml和28张棋盘格图片跟可执行文件exe放在一起。同时按WIN+R，输入cmd，打开命令行界面，进入exe所在的目录，输入以下命令，开始检测棋盘格的交点，系统会自动生成out_camera_data.yml存储着相机标定参数。

opencv_相机标定2 -w=6 -h=9 -s=0.025 -op -oe imagelist.yaml

效果图

 

相关文章

1、相机标定到底在标定什么？

2、相机参数标定（camera calibration）及标定结果如何使用

欧阳磊
关注
opencv 单目相机标定 自带例子程序的使用
t247555529的博客
08-21 2万+
最近一个项目要进行相机的标定，作为一个菜鸟，瞎搞一下午才搞定，于是写篇博客记录下~ 参考资料：(学习笔记)摄像机模型与标定——一次完成标定  http://www.xuebuyuan.com/1586576.html  OpenCV sample目录下自带两个与相机标定的cpp文件即：calibration.cpp和calibration_artificial.cpp calibra
opencv4.1.1自带demo解析
qq_43131852的博客
10-11 2740
转自https://blog.youkuaiyun.com/u011574296/article/details/69421922 网上学习opencv的资源有很多，例子也不少，然而很多人却不知道，我们下载好的opencv自带了许多简单易学的demo，对于新手来说特别适用。此篇针对opencv4.1.1版本，在原文基础上有补充。 opencv4版本的优势在于https://blog.youkuaiyun.com/amus...
openCV 官方 demo
11-09
openCV 官方 demo,修改成动态加载,不需要额外下载 apk,安装后应用大小小于100M,lib 文件过大,请单独下载或使用网盘分享,(链接:http://pan.baidu.com/s/1mibyBLQ 密码:ktqb)下载后放入空的 jniLib 文件夹中,使用环境: compileSdkVersion 21 buildToolsVersion "25.0.3"
c#-OpenCvSharp-棋盘格相机标定与图像矫正（源码demo）
m0_55074196的博客
11-22 3648
相机标定是指确定相机内参和畸变参数的过程，而图像矫正则是对图像进行去畸变操作，以提高图像质量和准确性。相机标定是的目标是确定相机的内部参数，如焦距、主点坐标，以及外部参数，如旋转和平移矩阵。通过在已知场景中拍摄棋盘格等结构物体，利用图像中的特征点，可以利用相机标定技术得到相机的准确内外参数，从而提高图像处理的精度和可靠性。图像矫正是在相机标定的基础上进行的。由于相机透镜的制造和安装等原因，图像中的畸变是不可避免的。这种畸变表现为图像中直线弯曲、角点失真等现象。
全面掌握OpenCV3相机标定流程与程序
最新发布
weixin_32480007的博客
04-27 967
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它提供了大量的图像处理和计算机视觉相关的函数和工具。在进行相机标定时，OpenCV提供了一系列的工具和函数，可以帮助用户快速完成相机标定工作。安装OpenCV相对简单，可以通过包管理器或从源代码编译安装。对于Python开发者，可以通过pip安装OpenCV库：对于C++开发者，则需要下载OpenCV的源代码，配置CMake选项，并编译安装。
(OpenCV) 基础demo
cuber-lotus的博客
06-20 1911
OpenCV的名声想必不用多说了。本文介绍4个基础使用demo。分别为，显示图片，录制视频，播放视频和一个基于开源算法库的人脸识别小demo。只要环境配好，修改一下目标的资源就可以直接运行。
openCV学习笔记（一）： 一个最简单的openCV Demo
porken的博客
12-18 1万+
一直想研究openCV，这段时间终于静下心来做个学习笔记，边学边记，大部分内容都来自官网https://docs.opencv.org/3.3.1/ 从基础开始，我把我学习openCV中的过程和问题尽量记录下来(包括各种坑！！)，希望能很有条理的回顾这方面的知识，也希望能帮助到同样学习openCV的同学。 安装openCV运行环境（for IOS） 保证我们学习最新版本，建议大家去官方下载最
OpenCV棋盘格相机标定控制台程序
11-29
利用OpenCV自带的棋盘格相机标定程序Demo，去掉其中必须要的输入和参数，将其封装为一个方便调用类。在此基础上给出了一个此类调用的控制台程序，含有标定示例图像。配置好opencv相应的路径即可直接运行。
基于OpenCV的立体相机标定StereoCalibration与目标三维坐标定位
热门推荐
松间明月
07-18 2万+
说明：以下涉及到的一些公式以及图片来自于Learning OpenCV。 做了快2个月的立体相机标定，遇到了一些问题，也有了一些体会，在这里记下来。 1.在做立体相机标定的时候，标定板的规范与否直接影响到最后标定的结果，进而会影响目标3D坐标重建。 这里说的规范指的是，打印的棋盘格(或者圆点)需要保证每个square都是严格大小一致的，即打印出来后每个棋盘格大小应一样；打印出来的棋盘格要尽量
opencv3.4.0 + vs2015 + win10 单目相机标定[步骤详解]
STILLxjy
08-05 1651
（1）首先，按照这个教程进行opencv在vs2015下的配置 （上面教程虽是opencv3.2.0，但其实是一样的流程，仅仅只需最后一步留意即可） 配置过程，其实就是‘指明文件路径的过程’ （2）配置成功后，记住我们之前opencv解压（安装）的路径。我的解压根目录为：D:\opencv 红色的文件是因为我没有在命名时标注opencv版本，为了提醒自己自己创建的，可以忽略。 OpenCV s...
探索OpenCV Demo：开启视觉计算之旅
gitblog_00008的博客
04-07 437
探索OpenCV Demo：开启视觉计算之旅 去发现同类优质开源项目:https://gitcode.com/ 在这个数字化的世界里，计算机视觉已经成为连接现实世界与数字信息的关键桥梁。而OpenCVDemo项目就是一个绝佳的学习和实践计算机视觉的平台，它基于流行的开源库OpenCV构建，通过一系列示例代码，帮助开发者快速理解和应用OpenCV的强大功能。 项目简介 OpenCVDemo是一个精心...
halcon相机标定Demo
11-18
使用halcon标定板计算相机外部、内部参数，消除面阵相机成像中存在径向畸变。
opencvDemo
04-20
从两张图片中截取人脸，并对比相识度。支持opencv3.1.0
python调用opencv使用摄像头demo
05-25
开发环境：python2.7.4+opencv2.4.5+其他必须的安装环境，在64bit win7旗舰版上测试通过。
opencvdemo
12-31
iOS平台OpenCV配置项目，，，，，，，，，，，，，，，，
opencv_java的demo
05-22
opencv_java demo小例子，运行需自行引入opencv的dll文件
探秘OpenCV-Demo：开启计算机视觉之旅
gitblog_00049的博客
04-01 487
探秘OpenCV-Demo：开启计算机视觉之旅 去发现同类优质开源项目:https://gitcode.com/ 在这个数字化的时代，计算机视觉（Computer Vision）已经渗透到我们日常生活的各个角落，无论是人脸识别、图像识别还是自动驾驶，OpenCV库都是其中的核心工具之一。而项目则是为开发者提供了一个丰富的实践平台，让我们一起深入了解一下吧。 项目简介 OpenCV-Demo是一个基...
独家｜OpenCV1.10 使用OpenCV实现摄像头标定
数据派THU
11-01 933
作者：Kaustubh Sadekar Satya Mallick翻译：陈之炎 校对：王可汗 本文约3200字，建议阅读5分钟 本文为大家系统地介绍了使用OpenCV实现摄像...
基于opencv的MFC多摄像机视场标定软件
明镜止水的博客
04-09 3643
一、项目需求 确定网络摄像机的监控视场在全景地图上的精确位置，并采用简单而高效的方法将其所在视场标定并投影到全景地图上，项目要求能够将多路网络摄像机的视场标定在全景地图上，并实现这样的功能：当调取当前摄像机视频播放时，其他摄像机处于暂停状态。二、项目分析 1、如何将视频投影到全景地图上，实质上就是如何将一幅幅视频帧图像与全景图像进行配准，关于图像配准方面的研究已经有很多方法，
帮我写一下双目相机图像校正的代码，要求消除图像的左右拉长畸变，并且进行极线矫正，可视化最终结果
03-29
<think>好的，我现在需要帮用户写一个双目相机图像校正的代码，要求消除左右拉长畸变，并进行极线矫正，还要可视化结果。首先，我得先理清楚双目相机校正的基本步骤，确保自己理解正确。 用户提到的左右拉长畸变，这可能是指图像的径向畸变或切向畸变，通常相机标定可以解决。而极线矫正属于立体校正的一部分，目的是让对应的极线在同一水平线上，方便立体匹配。 首先，我需要确定使用什么工具库。OpenCV应该是首选，因为它有丰富的计算机视觉函数。Python的话，用户可能更倾向于用cv2库。 接下来，步骤应该是这样的：相机标定获取相机参数，然后进行立体校正，最后应用校正映射并显示结果。但用户可能没有标定数据，所以可能需要提供一个示例流程，包括生成标定数据或使用虚拟数据，但实际应用中用户需要自己用棋盘格标定。 不过，用户可能希望直接看到代码结构，所以可能需要分步骤处理。首先，读取左右相机的图像，然后加载相机参数，接着进行校正，应用校正映射，最后显示结果。 需要注意的是，实际应用中，用户必须先用棋盘格进行相机标定，获取相机的内参和畸变系数，以及双目的旋转矩阵、平移向量等。然后才能进行立体校正。如果用户没有这些数据，代码可能无法直接运行，但可以作为框架参考。 所以，代码的大致结构应该是： 1. 加载左右相机的内参、畸变系数、旋转矩阵和平移向量（这部分需要用户自己提供）。 2. 进行立体校正，计算校正映射矩阵。 3. 使用重映射函数对左右图像进行校正。 4. 显示校正前后的图像对比，以及极线对齐的效果。 在写代码的时候，要使用cv2.stereoRectify来获取校正矩阵，然后cv2.initUndistortRectifyMap生成映射表，最后用cv2.remap应用映射。 可能的误区是用户可能没有标定数据，所以需要提醒用户必须先进行相机标定。此外，左右图像的拉长畸变可能在标定后通过去畸变步骤解决，而立体校正处理极线对齐。 另外，可视化部分可能需要水平排列左右图像，并绘制水平线以展示极线对齐的效果。 现在，需要考虑代码的完整性和正确性，比如参数是否正确传递，函数的使用是否正确。例如，stereoRectify需要相机矩阵、畸变系数、图像大小、R和T等参数，并返回校正变换和投影矩阵。 在测试时，如果用户没有实际数据，可能需要用虚拟数据或示例数据，比如OpenCV自带的示例数据，但用户需要替换为自己的数据。 最后，代码要包含必要的注释，解释每个步骤的作用，方便用户理解。</think>以下是一个基于OpenCV的双目相机图像校正实现方案。使用前需提前完成相机标定并获取参数（代码需要标定文件支持）： ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 1. 载入相机参数（需替换为实际标定数据） cameraMatrixL = np.load('cam_matrix_left.npy') # 左相机内参矩阵 distCoeffsL = np.load('dist_coeffs_left.npy') # 左相机畸变系数 cameraMatrixR = np.load('cam_matrix_right.npy') # 右相机内参矩阵 distCoeffsR = np.load('dist_coeffs_right.npy') # 右相机畸变系数 R = np.load('rotation_matrix.npy') # 相机间旋转矩阵 T = np.load('translation_vector.npy') # 相机间平移向量 # 2. 读取原始图像 imgL = cv2.imread('left_img.jpg') imgR = cv2.imread('right_img.jpg') h, w = imgL.shape[:2] # 3. 立体校正 (R1, R2, P1, P2, Q, roi1, roi2) = cv2.stereoRectify( cameraMatrix1=cameraMatrixL, cameraMatrix2=cameraMatrixR, distCoeffs1=distCoeffsL, distCoeffs2=distCoeffsR, imageSize=(w, h), R=R, T=T, flags=cv2.CALIB_ZERO_DISPARITY, alpha=0.9 ) # 4. 计算校正映射表 mapL1, mapL2 = cv2.initUndistortRectifyMap( cameraMatrixL, distCoeffsL, R1, P1, (w, h), cv2.CV_16SC2) mapR1, mapR2 = cv2.initUndistortRectifyMap( cameraMatrixR, distCoeffsR, R2, P2, (w, h), cv2.CV_16SC2) # 5. 应用校正映射 rectifiedL = cv2.remap(imgL, mapL1, mapL2, cv2.INTER_LINEAR) rectifiedR = cv2.remap(imgR, mapR1, mapR2, cv2.INTER_LINEAR) # 6. 可视化对比 plt.figure(figsize=(16, 9)) # 原始图像 plt.subplot(221) plt.imshow(cv2.cvtColor(np.hstack((imgL, imgR)), cv2.COLOR_BGR2RGB)) plt.title('原始图像') plt.axis('off') # 校正后图像 plt.subplot(222) plt.imshow(cv2.cvtColor(np.hstack((rectifiedL, rectifiedR)), cv2.COLOR_BGR2RGB)) plt.title('校正后图像') plt.axis('off') # 极线对齐验证（绘制水平线） demo_img = rectifiedL.copy() for y in range(50, h, 50): cv2.line(demo_img, (0, y), (w, y), (0, 255, 0), 1) plt.subplot(212) plt.imshow(cv2.cvtColor(np.hstack((demo_img, rectifiedR)), cv2.COLOR_BGR2RGB)) plt.title('极线对齐验证（绿色为参考线）') plt.axis('off') plt.tight_layout() plt.show() ``` 实施步骤说明： 1. **标定准备**： - 使用棋盘格标定板获取相机参数 - 保存为`.npy`文件：相机内参矩阵、畸变系数、相机间旋转矩阵和平移向量 2. **畸变校正**： - `stereoRectify`计算校正参数 - `initUndistortRectifyMap`生成映射表 - `remap`应用几何变换消除畸变 3. **极线矫正**： - 使对应点位于同一水平线上 - 通过绘制水平线验证对齐效果 关键参数说明： - `alpha=0.9`：控制校正后图像的有效区域占比（0-1） - `cv2.CV_16SC2`：优化映射表存储格式 - `INTER_LINEAR`：保持图像插值质量 实际应用时需： 1. 替换标定文件路径 2. 调整`stereoRectify`参数适配硬件 3. 优化图像处理流水线实现实时处理 建议通过棋盘格标定获取准确的相机参数（可使用OpenCV的`cv2.calibrateCamera`和`cv2.stereoCalibrate`函数生成所需数据）。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值