鱼眼相机标定以及OpenCV实现

在另一篇文章中我已经写过有关普通相机模型及其OpenCV标定实现,这篇文章将主要关注鱼眼相机模型及其OpenCV标定实现。
先看一张鱼眼相机拍摄出来的结果:

这里写图片描述

从图中可以看出很明显的畸变。对鱼眼相机标定,有时候也可以用普通相机的标定方法对其进行标定,但是却不能保证去畸变后的效果是最好的。因此对于Gopro等鱼眼镜头拍摄出来的图像去畸变,最好的方法就是采用鱼眼相机标定方法进行标定。

鱼眼相机模型

鱼眼相机的内参模型依然可以表示为:

fx000fy0cxcy1

这与普通镜头的成像模型没有区别。两者之间的区别主要体现在畸变系数,鱼眼相机的畸变系数为{ k1,k2,k3,k4 },畸变系数不同,就导致鱼眼相机的投影关系也发生了变化,主要变化发生在考虑畸变情况下的投影关系转化:
设(X,Y,Z)为空间中一个三维点,它在成像平面内的成像坐标为(u,v),在考虑畸变的情况下,
xcyczc=RXYZ+T

a=xc/zc,b=yc/zc
r2=a2+b2
θ=atan(r)
θ=θ(1+k1θ2+k2θ4+k3θ6+k4θ8)
x=(θ/r)xc
y=(θ/r)yc
u=fxx+cx
v=fyy+cy

OpenCV实现鱼眼相机标定

利用opencv实现鱼眼相机的标定和普通相机标定的标定流程基本一致,具体流程如下:

  1. 检测角点
    cv::findChessboardCorners(InputArray image, Size patternSize, OutputArray corners, int
    flags=CALIB_CB_ADAPTIVE_THRESH+CALIB_CB_NORMALIZE_IMAGE}

    获得棋盘标定板的角点位置,使用
    cornerSubPix(InputArray image, InputOutputArray corners, Size winSize, Size zeroZone,
    TermCriteria criteria)
    获取角点更精细的检测结果
  2. 初始化标定板上角点的三维坐标
  3. 开始标定
    double fisheye::calibrate(InputArrayOfArrays objectPoints, InputArrayOfArrays imagePoints,
    const Size& image_size, InputOutputArray K, InputOutputArray D,
    OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, int flags=0,
    TermCriteria criteria=TermCriteria(TermCriteria::COUNT + TermCriteria::
    EPS, 100, DBL_EPSILON))

    注意:K,D 分别表示内参矩阵和畸变系数向量,在定义时要定义为double型,这里推荐使用Matx33d和Vec4d数据类型,更为方便简单。objectPoints,imagePoints可以是float型,也可以是double型,但是再stereorectify中需要时double型。flags的可选项有很多,其中需要注意的是必须要指定CALIB_FIX_SKEW,代表求解时假设内参中 fx=fy .
    4.评定误差(可选项)

以上就是鱼眼相机标定的基本流程,部分代码片段如下:

    for (int i = 0; i != image_count; i++)
    {
        cout << "Frame #" << i + 1 << "..." << endl;
        string image_Name;
        stringstream stream;
        stream << (i + startNum);
        stream >> image_Name;
        image_Name = path_ChessboardImage + image_Name + ".jpg";
        cv::Mat image = imread(image_Name);
        Mat image_gray;
        cvtColor(image, image_gray, CV_RGB2GRAY);
        vector corners;                   
        bool patternFound = findChessboardCorners(image_gray, board_size, corners,
            CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE + CALIB_CB_FAST_CHECK);
        if (!patternFound || fullcornersNum != corners.size())
        {
            cout << "can not find chessboard corners!\n";
            continue;
        }
        else
        {
            cornerSubPix(image_gray, corners, Size(11, 11), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));
            count = count + corners.size();
            corners_Seq.push_back(corners);
            successImageNum = successImageNum + 1;
            image_Seq.push_back(image);
        }
    }
    /************************************************************************
    摄像机定标
    *************************************************************************/
    vector<vector>  object_Points;        /****  保存定标板上角点的三维坐标   ****/

    Mat image_points = Mat(1, count, CV_32FC2, Scalar::all(0));  /*****   保存提取的所有角点   *****/
    vector<int>  point_counts;                                                         
    /* 初始化定标板上角点的三维坐标 */
    for (int t = 0; tvector tempPointSet;
        for (int i = 0; ifor (int j = 0; j/* 假设定标板放在世界坐标系中z=0的平面上 */
                Point3f tempPoint;
                tempPoint.x = i*square_size.width;
                tempPoint.y = j*square_size.height;
                tempPoint.z = 0;
                tempPointSet.push_back(tempPoint);
            }
        }
        object_Points.push_back(tempPointSet);
    }
    for (int i = 0; i< successImageNum; i++)
    {
        point_counts.push_back(board_size.width*board_size.height);
    }
    /* 开始定标 */
    Size image_size = image_Seq[0].size();
    cv::Matx33d intrinsic_matrix;    /*****    摄像机内参数矩阵    ****/
    cv::Vec4d distortion_coeffs;     /* 摄像机的4个畸变系数:k1,k2,k3,k4*/
    std::vector rotation_vectors;                           /* 每幅图像的旋转向量 */
    std::vector translation_vectors;                        /* 每幅图像的平移向量 */
    int flags = 0;
    flags |= cv::fisheye::CALIB_RECOMPUTE_EXTRINSIC;
    flags |= cv::fisheye::CALIB_CHECK_COND;
    flags |= cv::fisheye::CALIB_FIX_SKEW;
    fisheye::calibrate(object_Points, corners_Seq, image_size, intrinsic_matrix, distortion_coeffs, rotation_vectors, translation_vectors, flags, cv::TermCriteria(3, 20, 1e-6));

标定结果:

你可能感兴趣的:(OpenCV)