OpenCV相机标定全过程

一、OpenCV标定的几个常用函数

findChessboardCorners() 棋盘格角点检测

bool findChessboardCorners( InputArray image,
                                Size patternSize,
                                OutputArray corners,
                                int flags = CALIB_CB_ADAPTIVE_THRESH +
                                CALIB_CB_NORMALIZE_IMAGE );

第一个参数是输入的棋盘格图像（可以是8位单通道或三通道图像）；

第二个参数是棋盘格内部的角点的行列数（注意：不是棋盘格的行列数，如棋盘格的行列数分别为4、8，而内部角点的行列数分别是3、7，因此这里应该指定为cv::Size(3, 7)）；

第三个参数是检测到的棋盘格角点，类型为std::vectorcv::Point2f。

第四个参数flag，用于指定在检测棋盘格角点的过程中所应用的一种或多种过滤方法，可以使用下面的一种或多种，如果都是用则使用OR：

cv::CALIB_CB_ADAPTIVE_THRESH：使用自适应阈值将图像转化成二值图像

cv::CALIB_CB_NORMALIZE_IMAGE：归一化图像灰度系数(用直方图均衡化或者自适应阈值)

cv::CALIB_CB_FILTER_QUADS：在轮廓提取阶段，使用附加条件排除错误的假设

cv::CALIB_CV_FAST_CHECK：快速检测

cv::drawChessboardCorners() 棋盘格角点的绘制

drawChessboardCorners( InputOutputArray image,

                           Size patternSize,
                           InputArray corners,
                           bool patternWasFound );

image为8-bit，三通道图像

patternSize，每一行每一列的角

corners，已经检测到的角

patternWasFound，findChessboardCorners的返回值

find4QuadCornerSubpix() 对粗提取的角点进行精确化

find4QuadCornerSubpix( InputArray img,
                           InputOutputArray corners,
                           Size region_size );

image源图像

corners，提供角点的初始坐标

region_size： 搜索窗口的一般尺寸

cornerSubPix() 亚像素检测

void cornerSubPix( InputArray image,
                       InputOutputArray corners,
                       Size winSize,
                       Size zeroZone,
                       TermCriteria criteria );

image源图像

corners，提供角点的初始坐标，返回更加精确的点

winSize，搜索窗口的一般尺寸，如果winSize=Size(5,5),则search windows为1111

winSize,死区的一般尺寸，用来避免自相关矩阵的奇点，(-1,-1)表示没有死区

criteria，控制迭代次数和精度

calibrateCamera()求解摄像机的内在参数和外在参数

double calibrateCamera( InputArrayOfArrays objectPoints,

                            InputArrayOfArrays imagePoints,
                            Size imageSize,
                            InputOutputArray cameraMatrix,
                            InputOutputArray distCoeffs,
                            OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs,
                            int flags = 0,
                            TermCriteria criteria = TermCriteria(TermCriteria::COUNT +
                            TermCriteria::EPS, 30, DBL_EPSILON) );

objectPoints，世界坐标，用vector，输入x,y坐标，z坐标为0

imagePoints，图像坐标，vector

imageSize，图像的大小用于初始化标定摄像机的image的size

cameraMatrix，内参数矩阵

distCoeffs，畸变矩阵

rvecs，位移向量

tvecs，旋转向量

flags，可以组合：

CV_CALIB_USE_INTRINSIC_GUESS：使用该参数时，将包含有效的fx,fy,cx,cy的估计值的内参矩阵cameraMatrix，作为初始值输入，然后函数对其做进一步优化。如果不使用这个参数，用图像的中心点初始化光轴点坐标(cx, cy)，使用最小二乘估算出fx，fy（这种求法好像和张正友的论文不一样，不知道为何要这样处理）。注意，如果已知内部参数（内参矩阵和畸变系数），就不需要使用这个函数来估计外参，可以使用solvepnp()函数计算外参数矩阵。

CV_CALIB_FIX_PRINCIPAL_POINT：在进行优化时会固定光轴点，光轴点将保持为图像的中心点。当CV_CALIB_USE_INTRINSIC_GUESS参数被设置，保持为输入的值。

CV_CALIB_FIX_ASPECT_RATIO：固定fx/fy的比值，只将fy作为可变量，进行优化计算。

当CV_CALIB_USE_INTRINSIC_GUESS没有被设置，fx和fy的实际输入值将会被忽略，只有fx/fy的比值被计算和使用。

CV_CALIB_ZERO_TANGENT_DIST：切向畸变系数（P1，P2）被设置为零并保持为零。

CV_CALIB_FIX_K1,…,CV_CALIB_FIX_K6：对应的径向畸变系数在优化中保持不变。如果设置了CV_CALIB_USE_INTRINSIC_GUESS参数，就从提供的畸变系数矩阵中得到。否则，设置为0。

CV_CALIB_RATIONAL_MODEL（理想模型）：启用畸变k4，k5，k6三个畸变参数。使标定函数使用有理模型，返回8个系数。如果没有设置，则只计算其它5个畸变参数。

CALIB_THIN_PRISM_MODEL （薄棱镜畸变模型）：启用畸变系数S1、S2、S3和S4。使标定函数使用薄棱柱模型并返回12个系数。如果不设置标志，则函数计算并返回只有5个失真系数。

CALIB_FIX_S1_S2_S3_S4 ：优化过程中不改变薄棱镜畸变系数S1、S2、S3、S4。如果cv_calib_use_intrinsic_guess设置，使用提供的畸变系数矩阵中的值。否则，设置为0。

CALIB_TILTED_MODEL （倾斜模型）：启用畸变系数tauX and tauY。标定函数使用倾斜传感器模型并返回14个系数。如果不设置标志，则函数计算并返回只有5个失真系数。

CALIB_FIX_TAUX_TAUY ：在优化过程中，倾斜传感器模型的系数不被改变。如果cv_calib_use_intrinsic_guess设置，从提供的畸变系数矩阵中得到。否则，设置为0。

initUndistortRectifyMap() 计算畸变参数

void initUndistortRectifyMap(InputArray cameraMatrix,
                                InputArray distCoeffs,
                                InputArray R,
                                InputArray newCameraMatrix,
                                Size size,
                                int m1type,
                                OutputArray map1,
                                OutputArray map2)

cameraMatrix，摄像机内参数矩阵

distCoeffs， 摄像机的5个畸变系数，(k1,k2,p1,p2[,k3[,k4,k5,k6]])

R，在客观空间中的转换对象

newCameraMatrix，新的33的浮点型矩矩阵

size，为失真图像的大小

m1type，第一个输出的map，类型为CV_32FC1或CV_16SC2

map1，x映射函数

map2，y映射函数

二、绘制棋盘格，拍摄照片这里自己画一个棋盘格用作标定，长度为1280像素，宽490像素，横向10方格，纵向7方格

std_cb = Vision::makeCheckerboard(1280, 490, 10, 7, 0,
(char )”../blizzard/res/calibration/std_cb.png”); 

效果如图

Vision是我个人创建的视觉类，可以用来绘制标准的棋盘格。

头文件vision.h

//

// Created by czh on 18-10-16.
//

#ifndef OPENGL_PRO_VISION_H
#define OPENGL_PRO_VISION_H

#include “opencv2/opencv.hpp”
#include 
#include 
#include 

#include “iostream”

class Vision {
public:
    static cv::Mat read(std::string file_path, int flags = cv::IMREAD_ANYCOLOR | cv::IMREAD_ANYDEPTH);

    static cv::Mat write(std::string file_path, int flags = cv::IMREAD_ANYCOLOR | cv::IMREAD_ANYDEPTH);

    static void dispConfig(cv::Mat img);

    static cv::Mat makeCheckerboard(int bkgWidth, int bkgHeight, int sqXnum, int sqYnum = 0, int borderThickness = 0, char savePath = NULL);
private:

};

#endif //OPENGL_PRO_VISION_H

用A4纸打印棋盘格，相机拍摄照片。

我偷懒，拿了别人的标定照片

三、相机标定

下面是相机标定代码

cv::imwrite(“../blizzard/res/calibration/cb_source.png”, cb_source);

    printf(“#Start scan corner\n”);
    cv::Mat img;
    std::vector image_points;
    std::vector> image_points_seq; / 保存检测到的所有角点 /
    if (cv::findChessboardCorners(cb_source, cv::Size(aqXnum, aqYnum), image_points, 0) == 0) {
        printf(“#Error: Corners not find “);
        return 0;
    } else {
        cvtColor(cb_source, img, CV_RGBA2GRAY);
        cv::imwrite(“../blizzard/res/calibration/cb_gray.png”, img);
        //find4QuadCornerSubpix(img, image_points, cv::Size(5, 5));

        cv::cornerSubPix(img, image_points, cv::Size(11, 11), cv::Size(-1, -1),
                         cv::TermCriteria(CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 30, 0.01));

        image_points_seq.push_back(image_points);

        cv::Mat cb_corner;
        cb_corner = cb_source.clone();
        drawChessboardCorners(cb_corner, cv::Size(aqXnum, aqYnum), image_points, true);
        cv::imwrite(“../blizzard/res/calibration/cb_corner.png”, cb_corner);
    }

    printf(“#Start calibrate\n”);
    cv::Size square_size = cv::Size(14.2222, 12);
    std::vector> object_points; / 保存标定板上角点的三维坐标 /
    cv::Mat cameraMatrix = cv::Mat(3, 3, CV_32FC1, cv::Scalar::all(0)); / 摄像机内参数矩阵 /
    cv::Mat distCoeffs = cv::Mat(1, 5, CV_32FC1, cv::Scalar::all(0)); / 摄像机的5个畸变系数：k1,k2,p1,p2,k3 /
    std::vector tvecsMat;  / 每幅图像的旋转向量 /
    std::vector rvecsMat;  / 每幅图像的平移向量 /

    std::vector realPoint;
    for (int i = 0; i < aqYnum; i++) { for (int j = 0; j < aqXnum; j++) { cv::Point3f tempPoint; / 假设标定板放在世界坐标系中z=0的平面上 /
            tempPoint.x = i  square_size.width;
            tempPoint.y = j  square_size.height;
            tempPoint.z = 0;
            realPoint.push_back(tempPoint);
        }
    }
    object_points.push_back(realPoint);

    printf(“#objectPoints： %ld\n”, sizeof(object_points[0]));
    std::cout << object_points[0] << std::endl; printf(“#image_points： %ld\n”, sizeof(image_points_seq[0])); std::cout << image_points << std::endl; printf(“#image size\n”); std::cout << SCREEN_WIDTH << “*” << SCREEN_HEIGHT << std::endl; cv::calibrateCamera(object_points, image_points_seq, cb_source.size(), cameraMatrix, distCoeffs, rvecsMat, tvecsMat, CV_CALIB_FIX_K3); std::cout << “tvecsMat:\n” << tvecsMat[0] << std::endl; std::cout << “rvecsMat:\n” << rvecsMat[0] << std::endl; std::cout << “#cameraMatrix:\n” << cameraMatrix << std::endl; std::cout << “#distCoeffs:\n” << distCoeffs << std::endl; 

四、对图片进行校正

cv::Mat cb_final;

    cv::Mat mapx = cv::Mat(cb_source.size(), CV_32FC1);
    cv::Mat mapy = cv::Mat(cb_source.size(), CV_32FC1);
    cv::Mat R = cv::Mat::eye(3, 3, CV_32F);
    //initUndistortRectifyMap(cameraMatrix, distCoeffs, R, cv::Mat(), cb_source.size(), CV_32FC1,
    //                        mapx, mapy);
    //cv::remap(cb_source, cb_final, mapx, mapy, cv::INTER_LINEAR);

    undistort(cb_source, cb_final, cameraMatrix, distCoeffs);

    cv::imwrite(“../blizzard/res/calibration/cb_final.png”, cb_final);

1.校正前的图片

2.校正后的图片