双目多光谱融合_Matlab标定+OpenCV

1.标定注意事项

(1)标定板平整度

(2)棋盘格,圆(偏心误差);精度:圆>棋盘格,前提条件优化偏心误差

(3)所有标定数据加一起尽量布满整个视野

(4)左右相机采用近处标定数据分别进行单目标定,保证左右相机内参矩阵和畸变参数准确性

(5)标定数据覆盖较大的深度范围,同时保证棋盘格角点的清晰度(由于远处标定板太小,角点不清晰,远处只采4m正中央横竖、倾斜45度标定板)

(*)重投影误差并不能说明问题;如果棋盘格方格长度设置准确的话,通过立体标定得出的Tx的绝对值就是左右摄像头的中心距。一般可以用这个来验证立体标定的准确度 

(*)两个摄像头的焦距应该保持一致,因为在后续的视差图转换为三维图时的Q矩阵只有一个f值。所以必须要求至少焦距相近。而且立体成像的三角测量(Learning OpenCV书中提到)的前提假设就是fl=fr。(调整两个摄像头的焦距相同的方法:离两个相机相同远处放置标定板,分别调节两个相机的焦距,使得两个画面的清晰度相似。)

双目多光谱融合_Matlab标定+OpenCV_第1张图片

2.Matlab标定,OpenCV应用标定参数

(1)左相机内参,左相机畸变参数;右相机内参,右相机畸变参数;

双目多光谱融合_Matlab标定+OpenCV_第2张图片

注意事项:

*.Matlab相机标定结果中的内参矩阵默认格式为,其中,分别为轴和轴的有效焦距;轴和轴的不垂直因子,一般令;是光学中心。OpenCV使用需要转置操作

*.OpenCV参数

双目多光谱融合_Matlab标定+OpenCV_第3张图片

(2)右相机的旋转矩阵;右相机的平移矩阵

双目多光谱融合_Matlab标定+OpenCV_第4张图片

注意事项:

*.右相机旋转矩阵OpenCV使用需要转置操作;右相机平移矩阵

3.目前方案

(1)左右相机采用近处标定数据(1m,2m,所有标定数据加一起尽量布满整个视野)分别进行单目标定,保证左右相机内参矩阵和畸变参数准确性;

(2)用近处远处标定数据(远处只采4m正中央横竖、倾斜45度标定板)进行立体匹配,标定右相机相对左相机的平移旋转矩阵;

(3)误差大的不参与标定

你可能感兴趣的:(图像处理,matlab,opencv)