Python编写获取标定板坐标系与相机坐标系坐标变化之debug记录-solvePnP()

谁是你的程艾影

已于 2023-07-20 11:53:37 修改

阅读量834

点赞数

文章标签： python opencv 计算机视觉

于 2023-07-14 14:44:12 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_46269743/article/details/131719142

版权

作者在学习eyetohand手眼标定时，使用opencv的findChessboardCorners检测棋盘角点并进行标定。遇到的第一个问题是输入参数错误，解决方法是确保object_points和image_points为二维数组。第二个问题是solvePnP返回值过多，通过弃用多余值解决。最终成功获取旋转和平移向量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在学习eyetohand手眼标定，一开始迟迟不肯自己写程序，总想着找网上现成的，但是没找到，最后还是咬咬牙学习矩阵变换原理巴拉巴拉的，尝试用python程序写。

在这里插入图片描述
思路是：在拍摄了一组标定板的照片后，如上图1所示。
利用opencv的findChessboardCorners()函数检测棋盘角点，如图2所示
从而获取目标真实坐标（3D）和图片角点坐标（2D），接着利用opencv的solvePnP()函数获取标定板到相机的旋转矩阵和平移向量。
实际编程中遇到了一系列困扰很久的问题：
第一个问题：

rvec, tvec = cv2.solvePnP(np.array(object_points), np.array(image_points), cv2.UMat(camera_matrix), cv2.UMat(dist_coeffs))

报了以下错误：

发生异常: error
OpenCV(4.8.0) D:\a\opencv-python\opencv-python\opencv\modules\calib3d\src\solvepnp.cpp:825: error: (-215:Assertion failed) ( (npoints >= 4) || (npoints == 3 && flags == SOLVEPNP_ITERATIVE && useExtrinsicGuess) || (npoints >= 3 && flags == SOLVEPNP_SQPNP) ) && npoints == std::max(ipoints.checkVector(2, CV_32F), ipoints.checkVector(2, CV_64F)) in function 'cv::solvePnPGeneric'
  File "C:\Users\z\Desktop\py\eye2hand\board2camera.py", line 42, in get_calibration_parameters
    rvec, tvec = cv2.solvePnP(np.array(object_points), np.array(image_points), cv2.UMat(camera_matrix), cv2.UMat(dist_coeffs))
  File "C:\Users\z\Desktop\py\eye2hand\board2camera.py", line 62, in <module>
    rvec, pnp_t = get_calibration_parameters(object_points, image_points, camera_matrix, dist_coeffs)
cv2.error: OpenCV(4.8.0) D:\a\opencv-python\opencv-python\opencv\modules\calib3d\src\solvepnp.cpp:825: error: (-215:Assertion failed) ( (npoints >= 4) || (npoints == 3 && flags == SOLVEPNP_ITERATIVE && useExtrinsicGuess) || (npoints >= 3 && flags == SOLVEPNP_SQPNP) ) && npoints == std::max(ipoints.checkVector(2, CV_32F), ipoints.checkVector(2, CV_64F)) in function 'cv::solvePnPGeneric'

问题排查：
排除了照片路径问题，最后发现是输入参数中存在数据不匹配问题。
object_points数组的每个元素都应该是一个二维数组，其中每一行表示一个物体点的坐标。例如，我使用的棋盘格是 9x6 的，那么 object_points 数组的每个元素应该是一个 Nx3 的二维数组，其中 N 表示检测到的角点数量54*14。
image_points 数组的每个元素也应该是一个二维数组，其中每一行表示一个图像点的坐标。例如，我这里测试14张图像，那么 image_points 数组的每个元素应该是一个 N x 2 的二维数组，其中 N 表示检测到的角点数量54乘以14。
如图3所示，两个数组都不是二维的，不满足输入要求。
在这里插入图片描述

解决办法：
在这里插入图片描述
设定shape为二维。

接着运行程序，爆出第二个错误：

发生异常: ValueError
too many values to unpack (expected 2)
  File "C:\Users\z\Desktop\py\eye2hand\board2camera.py", line 42, in get_calibration_parameters
    rvec, tvec = cv2.solvePnP(np.array(object_points), np.array(image_points), cv2.UMat(camera_matrix), cv2.UMat(dist_coeffs))
  File "C:\Users\z\Desktop\py\eye2hand\board2camera.py", line 62, in <module>
    rvec, pnp_t = get_calibration_parameters(object_points, image_points, camera_matrix, dist_coeffs)
ValueError: too many values to unpack (expected 2)

原来是solvePnP返回的值数量超过了两个，但是我只有两个，于是其余值用‘_’代替。

_, rvec, tvec= cv2.solvePnP(np.array(object_points), np.array(image_points), cv2.UMat(camera_matrix), cv2.UMat(dist_coeffs))

至此问题解决。

Rotation Vector:
[[ 0.99426456 -0.00119183 -0.10694183]
 [-0.00344484  0.99906216 -0.04316168]
 [ 0.10689298  0.04328253  0.993328  ]]
Translation Vector:
[[ -9.73908016]
 [-11.06567888]
 [ 59.21845568]]

最后贴上这段程序：

import cv2
import numpy as np
import os
# 提取角点
def extract_chessboard_corners(folder_path):
    # 获取文件夹中的标定图像
    calibration_images = [file for file in os.listdir(folder_path) if file.startswith('ColorMap')]
    #棋盘格尺寸，隔间25mm
    board_size = (9, 6)
    # 创建用于存储目标点和图像点的列表
    object_points = []
    image_points = []

    # 读取标定图像，并提取角点
    for i,image_file in enumerate(calibration_images):

        # 读取彩色图像
        image_file = 'ColorMap' + str(i) + '.png'        
        color_image_path = os.path.join(folder_path, image_file)    
        color_image_path = os.path.normpath(color_image_path)  # 将路径规范化    
        color_image = cv2.imread(color_image_path)

        # 转换为灰度图像
        gray_image = cv2.cvtColor(color_image, cv2.COLOR_BGR2GRAY)

        # 检测棋盘格角点
        ret, corners = cv2.findChessboardCorners(gray_image, board_size, None)

        # 如果成功找到角点，则添加到列表中
        if ret:
            object_points.append(np.zeros((54, 3), np.float32))
            object_points[-1][:, :2] = np.mgrid[0:9, 0:6].T.reshape(-1, 2)
            image_points.append(corners.reshape(-1, 2))
            _, rvec, tvec = cv2.solvePnP(object_points[-1], image_points[-1], camera_matrix, dist_coeffs)
        else:
            print("未找到角点")
    return object_points, image_points

# 进行相机标定
def get_calibration_parameters(object_points, image_points, camera_matrix, dist_coeffs):   
    _, rvec, pnp_t= cv2.solvePnP(np.array(object_points), np.array(image_points), cv2.UMat(camera_matrix), cv2.UMat(dist_coeffs))

    return rvec, pnp_t

# 文件夹路径
folder_path = './data'

# 相机内参矩阵
#camera_matrix = [[2426.171811863809, 0, 977.4637153834994], [0, 2426.671349554621, 613.0850541358279], [0, 0, 1]]
camera_matrix = np.array([[2426.171811863809, 0, 977.4637153834994], [0, 2426.671349554621, 613.0850541358279], [0, 0, 1]])

# 相机畸变系数
#dist_coeffs = [-0.02665168168678513,0.08966277495184476,-0.0003435021135962532,-0.0003253252064104588,0]
dist_coeffs = np.array([-0.02665168168678513, 0.08966277495184476, -0.0003435021135962532, -0.0003253252064104588, 0])

# 提取棋盘格角点
temp_object, temp_image = extract_chessboard_corners(folder_path)

# 将三维数组拼接成二维数组
object_points = np.concatenate(temp_object)

# 先去除冗余维度 1，再将三维数组拼接成二维数组
ttemp_image = np.squeeze(temp_image)
image_points = np.concatenate(ttemp_image)

# 获取标定参数
rvec, pnp_t = get_calibration_parameters(object_points, image_points, camera_matrix, dist_coeffs)

# 将 rvec 和 tvec 转换为 NumPy 数组
rvec = rvec.get()
pnp_R, _= cv2.Rodrigues(rvec)
pnp_t = pnp_t.get()

# 输出结果
print("Object Points:")
print(np.array(object_points))
print("Image Points:")
print(np.array(image_points))
print("Rotation Vector:")
print(pnp_R)
print("Translation Vector:")
print(pnp_t)