【OpenCV/aruco】校准相机(Camera Calibration) Demo

o0o_-_

已于 2024-05-23 18:34:45 修改

阅读量7.8k

点赞数 6

CC 4.0 BY-SA版权

分类专栏： AR 文章标签： opencv aruco

于 2019-04-10 19:58:32 首次发布

本文链接：https://blog.youkuaiyun.com/qq_33446100/article/details/89192005

AR 专栏收录该内容

15 篇文章

订阅专栏

本文详细介绍了使用OpenCV的ArUco模块进行相机校准的过程，包括生成ChAruco板、校准相机并保存参数、验证校准结果等步骤。通过代码示例展示了如何检测标记、估计单标记姿态及绘制坐标轴。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

说在前面

操作系统：win10

vs 版本：2017

opencv版本：4.0.1

opencv-contrb版本：4.0.1

接上篇：【OpenCV/aruco】创建board Demo

下一篇：【OpenCV/aruco】第一个AR Demo-二维图片

运行结果

主要函数

OpenCV: ArUco Marker Detection

calibrateCameraAruco（相机校准）

estimatePoseSingleMarkers （单标记姿态估计）

drawAxis（绘制坐标系轴）

代码-生成ChAruco （这里使用官方提供的代码，这里）

若使用visual studio，可在属性中添加参数("chboard.png" -w=5 -h=7 -sl=200 -ml=120 -d=10)

使用ChArUco原因：相机校准更加准确。

代码-校准相机并保存参数（这里使用官方提供的代码，这里）

若使用visual studio，可在属性中添加参数("camera.yml" -dp="detector_params.yml" -w=5 -h=7 -sl=0.04 -ml=0.02 -d=10)

detector_params.yml 官方也提供了，放在工作目录(源代码路径)下即可

%YAML:1.0
nmarkers: 1024
adaptiveThreshWinSizeMin: 3
adaptiveThreshWinSizeMax: 23
adaptiveThreshWinSizeStep: 10
adaptiveThreshWinSize: 21
adaptiveThreshConstant: 7
minMarkerPerimeterRate: 0.03
maxMarkerPerimeterRate: 4.0
polygonalApproxAccuracyRate: 0.05
minCornerDistance: 10.0
minDistanceToBorder: 3
minMarkerDistance: 10.0
minMarkerDistanceRate: 0.05
cornerRefinementMethod: 0
cornerRefinementWinSize: 5
cornerRefinementMaxIterations: 30
cornerRefinementMinAccuracy: 0.1
markerBorderBits: 1
perspectiveRemovePixelPerCell: 8
perspectiveRemoveIgnoredMarginPerCell: 0.13
maxErroneousBitsInBorderRate: 0.04
minOtsuStdDev: 5.0
errorCorrectionRate: 0.6

程序运行后，点一下窗口，按下“c”捕捉当前帧作为校准数据，大概10帧左右（多角度）就可以了；然后按下"esc"键退出并将结果保存至camera.yml。

代码-验证校准结果

#include <opencv2\highgui.hpp>
#include <opencv2\videoio.hpp>
#include <opencv2\aruco.hpp>
#include <opencv2\aruco\dictionary.hpp>
#include <opencv2\aruco\charuco.hpp>
#include <opencv2\core.hpp>
#include <opencv2\imgproc\imgproc.hpp>
#include <opencv2\opencv.hpp>
#include <vector>
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
	cv::VideoCapture inputVideo(1);//外置摄像头，自带摄像头请使用0
	//VideoWriter writer("VideoTest.avi", VideoWriter::fourcc('M', 'J', 'P', 'G'), 25.0, Size(640, 480));
	cv::Mat cameraMatrix, distCoeffs; // 相机参数

	FileStorage fs("camera.yml", FileStorage::READ);//读取相机参数
	if (!fs.isOpened())
	{
		cout << "Could not open the configuration file!" << endl;
		exit(1);
	}
	fs["camera_matrix"] >> cameraMatrix;
	fs["distortion_coefficients"] >> distCoeffs;
	fs.release();
	cout << cameraMatrix << endl;
	cout << distCoeffs << endl;

	Ptr<aruco::Dictionary> dictionary =
		aruco::getPredefinedDictionary(cv::aruco::DICT_4X4_50);//创建字典

	while (inputVideo.grab()) {
		unsigned int i = 0;
		cv::Mat image, imageCopy;

		inputVideo.retrieve(image);
		image.copyTo(imageCopy);

		std::vector<int> ids;
		std::vector<std::vector<cv::Point2f> > corners;

		cv::aruco::detectMarkers(image, dictionary, corners, ids);// 检测markers

		if (ids.size() > 0) {
			cv::aruco::drawDetectedMarkers(imageCopy, corners, ids);
			vector< Vec3d > rvecs, tvecs;//得到旋转矢量以及平移矢量
			cv::aruco::estimatePoseSingleMarkers(corners, 100, cameraMatrix, distCoeffs, rvecs, tvecs); 
			
			for (i = 0; i < ids.size(); i++)
				cv::aruco::drawAxis(imageCopy, cameraMatrix, distCoeffs, rvecs[i], tvecs[i], 50);// 画方向轴
			//writer << imageCopy;
		}

		cv::imshow("out", imageCopy);

		char key = (char)cv::waitKey(20);
		if (key == 'b') break;
	}

	return 0;
}