Opencv 相机内参标定及使用

目录

一、功能描述

二、标定板制作

三、图像采集

四、标定内参

方法一：Matlab标定

 方法二：C++程序标定

五、使用内参

---

一、功能描述

1.本文用于记录通过 Opencv 进行相机内参标定和对内参的使用来进行图像畸变矫正。

        1）相机矩阵：包括焦距（fx，fy），光学中心（Cx，Cy），完全取决于相机本身，是相机的固有属性，只需要计算一次，可用矩阵表示如下：[fx, 0, Cx; 0, fy, cy; 0,0,1];

        2) 畸变系数：畸变数学模型的5个参数 D = （k1，k2， P1， P2， k3）；

        3）相机内参：相机矩阵和畸变系数统称为相机内参，在不考虑畸变的时候，相机矩阵也会被称为相机内参；

        4） 相机外参：通过旋转和平移变换将3D的坐标转换为相机2维的坐标，其中的旋转矩阵和平移矩阵就被称为相机的外参；描述的是将世界坐标系转换成相机坐标系的过程。

二、标定板制作

       方法一： 标定板可以直接从opencv官网下载：标定板

       方法二：Matlab DIY 制作

J = (checkerboard(300,4,5)>0.5);
figure, imshow(J);

​

        打印完成后，测量实际打印出的网格边长，备用（本人制作的标定板网格边长为 26mm）。将打印纸贴附在硬纸板上（粘贴的尽可能平整），如下图所示。

​

三、图像采集

        运行以下参考程序按q键即可保存图像，注意尽量把镜头的每个方格都覆盖到，最好拍到整张打印纸。保存大约20到25张,通过 Matlab 标定软件可能会剔除部分图片。

#include "opencv2/opencv.hpp"
#include 
#include 

using namespace cv;
using namespace std;

int main(){
    Mat frame;
    string imgname;
    int f = 1;

    VideoCapture inputVideo(0);
    if (!inputVideo.isOpened()){
        cout << "Could not open the input video " << endl;
        return -1;
    }
    else{
        cout << "video is opened!" << endl;
    }

    while (1){
        inputVideo >> frame;              
        if (frame.empty()) continue;         
        imshow("Camera", frame);
        char key = waitKey(1);
        if (key == 27) break;
        if (key == 'q' || key == 'Q'){
            imgname = to_string(f++) + ".jpg";
            imwrite(imgname, frame);
        }
    }
    cout << "Finished writing" << endl;
    return 0;
}

        图片集如下：

四、标定内参

方法一：Matlab标定

        步骤1：在Matlab的Command Window里面输入cameraCalibrator即可调用标定应用程序。

​

        步骤2：选择from file 在自己的图片集全选待标定的图片，输入自己实际测量打印的标定板方格实际长度（本人的标定板方格边长26mm）,导入后我的有2张图片被拒绝。

​

        步骤3：关键步骤

        畸变参数，总共有五个，径向畸变3个（k1,k2,k3）和切向畸变2个(p1,p2)。

        径向畸变：

 

        切向畸变：

 

 注意：OpenCV中畸变系数的排列（顺序为k1，k2，p1，p2，k3）。

         实验表明，在MATLAB中选择使用三个参数，并且选择错切和桶形畸变，关于三个参数还是两个参数，可以根据自己的试验效果选择 。点击 Calibrate 后等待一段时间即可完成标定，标定完成后可通过点击 show Undistorted  对比校正前后效果。

        右上角平均误差推荐在0.5以下时，表明该标定数据可信（本人此次平均误差为0.47 ）。

        步骤4：导出参数，即可把参数进行保存，保存后可退出标定应用，在MATLAB主界面中将保存的Mat文件打开。

        步骤5：记录、保存数据

        上图中，RadialDistortion对应k1，k2，k3，TangentialDistortion对应p1，p2。
        IntrinsicMatrix对应相机矩阵，注意具体数值和OpenCV中数据是互为转置的关系。

对应

 

 此次本人测得的数据为：

RadialDistortion：
    -0.515906663211726  0.201811855093355    -0.0572379026696125

TangentialDistortion：
    0.00228453839673728 -0.00134697993045861

IntrinsicMatrix：
    1982.56844306278      0                     0
    1.79099355543064      1983.84445594899      0
    1042.90384922068      480.442502729538      1

 方法二：C++程序标定

        简单粗暴直接上程序：

#include 
#include
#include
using namespace cv;
using namespace std;

Mat image, img_gray;
int BOARDSIZE[2]{ 6,9 };//棋盘格每行每列角点个数
int main()
{
	vector> objpoints_img;//保存棋盘格上角点的三维坐标
	vector obj_world_pts;//三维世界坐标
	vector> images_points;//保存所有角点
	vector img_corner_points;//保存每张图检测到的角点
	vector images_path;//创建容器存放读取图像路径

	string image_path = "/home/titan/Calibration/image/pictures/*.jpg";//待处理图路径	
	glob(image_path, images_path);//读取指定文件夹下图像

	//转世界坐标系
	for (int i = 0; i < BOARDSIZE[1]; i++)
	{
		for (int j = 0; j < BOARDSIZE[0]; j++)
		{
			obj_world_pts.push_back(Point3f(j, i, 0));
		}
	}

	for (int i = 0; i < images_path.size(); i++)
	{
		image = imread(images_path[i]);
		cvtColor(image, img_gray, COLOR_BGR2GRAY);
		//检测角点
		bool found_success = findChessboardCorners(img_gray, Size(BOARDSIZE[0], BOARDSIZE[1]),
			img_corner_points,
			CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_FAST_CHECK | CALIB_CB_NORMALIZE_IMAGE);

		//显示角点
		if (found_success)
		{
			//迭代终止条件
			TermCriteria criteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.001);

			//进一步提取亚像素角点
			cornerSubPix(img_gray, img_corner_points, Size(11, 11),
				Size(-1, -1), criteria);

			//绘制角点
			drawChessboardCorners(image, Size(BOARDSIZE[0], BOARDSIZE[1]), img_corner_points,
				found_success);

			objpoints_img.push_back(obj_world_pts);//从世界坐标系到相机坐标系
			images_points.push_back(img_corner_points);
		}
		//char *output = "image";
		char text[] = "image";
		char *output = text;
		imshow(output, image);
		waitKey(200);

	}

	/*
	计算内参和畸变系数等
	*/

	Mat cameraMatrix, distCoeffs, R, T;//内参矩阵，畸变系数，旋转量，偏移量
	calibrateCamera(objpoints_img, images_points, img_gray.size(),
		cameraMatrix, distCoeffs, R, T);

	cout << "cameraMatrix:" << endl;
	cout << cameraMatrix << endl;

	cout << "*****************************" << endl;
	cout << "distCoeffs:" << endl;
	cout << distCoeffs << endl;
	cout << "*****************************" << endl;

	cout << "Rotation vector:" << endl;
	cout << R << endl;

	cout << "*****************************" << endl;
	cout << "Translation vector:" << endl;
	cout << T << endl;

	///*
	//畸变图像校准
	//*/
	Mat src, dst;
	src = imread("/home/titan/Calibration/image/pictures/02.jpg");  //读取校正前图像
	undistort(src, dst, cameraMatrix, distCoeffs);

	char texts[] = "image_dst";
	char *dst_output = texts;
	//char *dst_output = "image_dst";
	imshow(dst_output, dst);
	waitKey(100);
	imwrite("/home/titan/Calibration/image/pictures/002.jpg", dst);  //校正后图像

	destroyAllWindows();//销毁显示窗口
	system("pause");
	return 0;
}

         运行上述程序，经过一番图片处理与切换，最终通过终端得到获取相机内参及畸变系数。

五、使用内参

        简单粗暴直接上程序：

#include
#include  
#include

using namespace cv;
using namespace std;

int main()
{
	VideoCapture inputVideo(0);
	if(!inputVideo.isOpened()){
		std::cout << "video is not opened\n\n"<> frame;
	Mat cameraMatrix = Mat::eye(3, 3, CV_64F);
	cameraMatrix.at(0,0) = 1982.56844306278;
	cameraMatrix.at(0,1) = 1.79099355543064;
	cameraMatrix.at(0,2) = 1042.90384922068;
	cameraMatrix.at(1,1) = 1983.84445594899;
	cameraMatrix.at(1,2) = 480.442502729538;

	Mat distCoeffs = Mat::zeros(5, 1, CV_64F);
	distCoeffs.at(0,0) = -0.515906663211726;
	distCoeffs.at(1,0) =  0.201811855093355;
	distCoeffs.at(2,0) =  0.00228453839673728;
	distCoeffs.at(3,0) = -0.00134697993045861;
	distCoeffs.at(4,0) = -0.0572379026696125;

/*  C++程序标定的相机参数
	Mat frame, frameCalibration;
	inputVideo >> frame;
	Mat cameraMatrix = Mat::eye(3, 3, CV_64F);
	cameraMatrix.at(0,0) = 1978.304376178962;
	cameraMatrix.at(0,1) =				   0;
	cameraMatrix.at(0,2) = 1044.639043480329;
	cameraMatrix.at(1,1) = 1979.71454820083;
	cameraMatrix.at(1,2) = 482.6287237060178;

	Mat distCoeffs = Mat::zeros(5, 1, CV_64F);
	distCoeffs.at(0,0) = -0.5277684150872038;
	distCoeffs.at(1,0) =  0.2663992436241138;
	distCoeffs.at(2,0) = -0.001857829391420174;
	distCoeffs.at(3,0) = -0.002175774665050042;
	distCoeffs.at(4,0) = -0.1007311729522544;
*/

	Mat view, rview, map1, map2;
	Size image_Size;
	image_Size = frame.size();
	
	initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(), cameraMatrix, image_Size, CV_16SC2, map1, map2);
	// initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, image_Size, 0.5, image_Size, 0),image_Size, CV_16SC2, map1, map2);

	while(1){
		inputVideo >> frame;
		if(frame.empty()) break;
		remap(frame, frameCalibration, map1, map2, INTER_LINEAR);
		imshow("Original_image",frame);
		imshow("Calibrated_image", frameCalibration);
		char key =waitKey(1);
		if(key == 27 || key == 'q' || key == 'Q') break;
	}


	return 0;
}

        测试效果如下：

         参考链接： 链接1 、 链接2