基于opencv的相机标定C++代码

一、准备

事先需要把标定图片calib01.jpeg放在主程序cpp同一个目录下：

calibdata.txt的内容是标定图片的路径+图片文件名称(如果标定图片在cpp文件下则只需要填图片名称，如下：)

希望对大家有帮助！！！（目前我使用的VS是2019版本，opencv4_1_2）。

二、代码

#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;

int main()
{
	string dir = "E:\\myProgame\\CameraCalibration\\CameraCalibration\\";  // 标定图片所在文件夹
	ifstream fin(dir + "calibdata.txt");  // 读取标定图片的路径，与cpp程序在同一路径下
	if (!fin)
	{
		cerr << "没有找到文件" << endl;  // 检测是否读取到文件，以输入方式打开文件
		return -1;
	}
	ofstream fout(dir + "calibration_result.txt"); // 输出结果保存在此文本文件下，以输出方式打开文件

	cout << "开始提取角点……" << endl;
	int image_nums = 0;      // 图片数量
	Size image_size;         // 图片尺寸
	int points_per_row = 9;  //每行的内点数
	int points_per_col = 6;  //每列的内点数
	Size corner_size = Size(points_per_row, points_per_col);  // 标定板每行每列角点个数，共9 * 6个角点
	vector points_per_image;                         // 缓存每幅图检测到的角点
	points_per_image.clear();                                 // 初始化为空
	vector> points_all_images;                // 用一个二维数组保存检测到的所有角点
	string image_file_name;							          // 声明一个文件名的字符串

	while (getline(fin, image_file_name))
	{
		image_nums++;
		Mat image_raw = imread(image_file_name);
		if (image_nums == 1)
		{
			cout << "channels = " << image_raw.channels() << endl;  // 图像的通道数
			cout << "image type = " << image_raw.type() << endl;    // 数据类型，CV_8UC3
			image_size.width = image_raw.cols;                      // 图像的宽,对应着列数(x)
			image_size.height = image_raw.rows;                     // 图像的高,对应着行数(y)
			cout << "image_size.width = " << image_size.width << endl;
			cout << "image_size.height = " << image_size.height << endl;
		}
		Mat image_gray;                                                                  // 存储灰度图的矩阵
		cvtColor(image_raw, image_gray, COLOR_BGR2GRAY);                                 // 将BGR图转化为灰度图
		bool success = findChessboardCorners(image_gray, corner_size, points_per_image); // 角点检测
		if (!success)
		{
			cout << "can not find the corners!" << endl;
			exit(1);
		}
		else
		{
			find4QuadCornerSubpix(image_gray, points_per_image, Size(5, 5));          // 亚像素角点，也可使用cornerSubPix()
			points_all_images.push_back(points_per_image);                            // 保存亚像素角点
			drawChessboardCorners(image_raw, corner_size, points_per_image, success); // 将角点连线
		}
	}
	cout << "image_sum_nums = " << image_nums << endl;  // 输出图像数目

	//开始相机标定
	Size block_size(60, 60);                         // 每个小方格实际大小60mm, 只会影响最后求解的平移向量t
	Mat camera_K(3, 3, CV_32FC1, Scalar::all(0));    // 内参矩阵3*3
	Mat distCoeffs(1, 5, CV_32FC1, Scalar::all(0));  // 畸变矩阵1*5，既考虑径向畸变，又考虑切向
	vector rotationMat;                         // 旋转矩阵
	vector translationMat;                      // 平移矩阵
	vector points3D_per_image;              // 初始化角点三维坐标,从左到右,从上到下
	for (int i = 0; i < corner_size.height; i++)
	{
		for (int j = 0; j < corner_size.width; j++)
		{
			points3D_per_image.push_back(Point3f(block_size.width * j, block_size.height * i, 0));
		}
	}
	vector> points3D_all_images(image_nums, points3D_per_image); // 保存所有图像角点的三维坐标, z=0
	int point_counts = corner_size.area();                                           // 每张图片上角点个数 (width*height)

	/**
	* points3D_all_images: 真实三维坐标
	* points_all_images: 提取的角点
	* image_size: 图像尺寸
	* camera_K : 内参矩阵K
	* distCoeffs: 畸变参数，径向畸变k1,k2，切向畸变p1,p2，径向畸变k3
	* rotationMat: 每个图片的旋转向量
	* translationMat: 每个图片的平移向量
	* */

	// step4 标定。points3D_all_images：角点对应的3D点坐标；points_all_images：从图像中提取的角点坐标
	calibrateCamera(points3D_all_images, points_all_images, image_size, camera_K, distCoeffs, rotationMat, translationMat, 0);

	// step5 对标定结果进行评价
	double total_err = 0.0;          // 所有图像平均误差总和
	double err = 0.0;                // 每幅图像的平均误差
	vector points_reproj;   // 重投影点
	fout << "计算每幅图像的标定误差：\n";
	for (int i = 0; i < image_nums; i++)
	{
		vector detect_points = points_all_images[i];         // 提取到的图像角点
		vector points3D_per_image = points3D_all_images[i];  // 第i张图像中角点的真实世界坐标
		projectPoints(points3D_per_image, rotationMat[i], translationMat[i], camera_K, distCoeffs, points_reproj);  // 重投影
		Mat detect_points_Mat = Mat(1, detect_points.size(), CV_32FC2);  // 变为1*S的矩阵,2通道保存提取角点的像素坐标
		Mat points_reproj_Mat = Mat(1, points_reproj.size(), CV_32FC2);  // 变为1*S的矩阵,2通道保存投影角点的像素坐标
		for (int j = 0; j < detect_points.size(); j++)
		{
			detect_points_Mat.at(0, j) = Vec2f(detect_points[j].x, detect_points[j].y);
			points_reproj_Mat.at(0, j) = Vec2f(points_reproj[j].x, points_reproj[j].y);
		}
		err = norm(points_reproj_Mat, detect_points_Mat, NormTypes::NORM_L2);  // 计算两者之间的误差
		total_err += err /= point_counts;
		fout << "第" << i + 1 << "幅图像的平均误差为： " << err << "像素" << endl;
	}
	fout << "总体平均误差为： " << total_err / image_nums << "像素" << endl << endl;

	// 将标定结果写入txt文件
	fout << "相机内参数矩阵:" << endl << camera_K << endl << endl;
	fout << "畸变系数:" << endl << distCoeffs << endl << endl;
	Mat rotate_Mat = Mat(3, 3, CV_32FC1, Scalar::all(0)); // 保存旋转矩阵
	for (int i = 0; i < image_nums; i++)
	{
		Rodrigues(rotationMat[i], rotate_Mat);  // 将旋转向量通过罗德里格斯公式转换为旋转矩阵
		fout << "第" << i + 1 << "幅图像的旋转矩阵为：" << endl << rotate_Mat << endl << endl;
		fout << "第" << i + 1 << "幅图像的平移向量为：" << endl << translationMat[i] << endl << endl;
	}
	fout << endl;
	fout.close();

	return 0;
}

拍摄图像示例

标定结果保存在一个txt文件中：

三、核心函数解析

1、角点检测函数

bool success = findChessboardCorners(image_gray, corner_size, points_per_image);

    输入：灰度图像image_gray；角点个数大小corner_size，如Size(9,6)；

    输出：所有角点在图像上的像素坐标points_per_image

2、提取亚像素角点坐标

find4QuadCornerSubpix(image_gray, points_per_image, Size(5, 5)); 

    输入：灰度图像image_gray；角点像素坐标points_per_image

    输出：角点亚像素坐标points_per_image

3、标定相机

calibrateCamera(points3D_all_images, points_all_images, image_size, camera_K, distCoeffs, rotationMat, translationMat, 0);

    输入：
    * points3D_all_images: 真实三维坐标，格式vector>
    * points_all_images: 提取的角点，格式vector>
    * image_size: 图像尺寸

    输出：
    * camera_K : 内参矩阵K，格式Mat(3,3)
    * distCoeffs: 畸变参数，径向畸变k1,k2，切向畸变p1,p2，径向畸变k3，格式Mat(1,5)
    * rotationMat: 每个图片的旋转向量，格式vector
    * translationMat: 每个图片的平移向量，格式vector

4、重投影

projectPoints(points3D_per_image, rotationMat[i], translationMat[i], camera_K, distCoeffs, points_reproj);

    输入：图像中角点的真实世界坐标points3D_per_image，格式vector

    输出：重投影后像素点坐标points_reproj，格式vector

四、标定相机原理

    参考：相机标定（六）—— 张正友标定法__归尘_的博客-CSDN博客_张正友标定法