网站建设怎么添加图片上去,wordpress 修改admin,西安网站制作中心,王烨重生实验二 视觉传感器标定#xff08;实验报告#xff09; 【实验目的】 1、了解开源图像处理库OpenCV的结构#xff0c;掌握OpenCV的基本使用方法。 2、了解开源图像处理库OpenCV的基本模块功能#xff0c;掌握常用图像处理方法。 3、掌握摄像机标定算法#xff0c;学会使用…实验二 视觉传感器标定实验报告 【实验目的】 1、了解开源图像处理库OpenCV的结构掌握OpenCV的基本使用方法。 2、了解开源图像处理库OpenCV的基本模块功能掌握常用图像处理方法。 3、掌握摄像机标定算法学会使用OpenCV进行摄像机标定。 【实验性质】
验证性实验。 【实验要求】 1、C集成开发环境QT5或VS2015及以上 2、OpenCV 4.x 3、单/双目摄像机 【实验内容】 1、掌握OpenCV开源图像库的基本使用方法 2、使用OpenCV进行单目摄像机标定 3、使用OpenCV进行双目摄像机标定 【实验步骤】 1、下载、安装、OpenCV 4.x 官网下载https://opencv.org/opencv-4-6-0/ 2、摄像机标定原理
摄像机标定的目标是要建立三维世界坐标系与二维图像坐标系之间的对应关系。在单目视觉中这种对应关系是一对多的即二维图像中的一个像素点对应着三维空间中的一条直线在双目视觉中可以通过两幅二维图像上的对应像素点计算得到三维世界坐标系与二维图像坐标系的一一对应关系。由此便可以得到物体的三维坐标值。
摄像机安装位置参数为外部参数摄像机镜头畸变参数为非线性模型内部参数。标定过程即是求出摄像机的内部参数和外部参数从而得到上述坐标转换的旋转矩阵和平移向量。 图2-1 摄像机成像模型 图中摄像机坐标系为OXcYcZc而计算机图像坐标系O0uv与图像平面坐标系O1xy的转换关系为
u sux u0
v svy v0
写成矩阵形式为
uv1su0u00svv0001xy1
其中su、sv分别为x、y轴方向单位长度对应的像素点数u0、v0为镜头光学中心位置单位为mm。 请用矩阵形式写出计算机图像平面坐标系O0uv与世界坐标系的转换关系 其中Xw、Yw、Zw为世界坐标系R为3X3阶方阵T为3X1维平移向量矩阵。 Zcuv1su0u00svv0001xy1su0u00svv0001f0000f000010XcYcZc1su0u00svv0001f0000f000010RT01XwYwZw1 实际上摄像机镜头成像并不是理想的透视成像而是存在径向变形、偏心变形、薄棱镜变形等因素影响下产生不同程度的畸变。由于畸变因素作用使空间点成像并不在线性模型描述的位置x,y而是在受到镜头失真影响而偏移的平面坐标x,y。
xx ∆xyy ∆y
其中∆x、∆y为非线性畸变值与像点在图像中的位置有关。一般镜头畸变同时存在径向畸变和切向畸变切向畸变是由于透镜与摄像头传感器平面或图像平面不平行而产生的多是由于透镜安装到镜头模组上的偏差导致通常较小。实际应用中多只考虑径向畸变径向畸变常用距图像中心径向距离的泰勒级数展开的前几项来表示
∆xx-u0k1r2k2r4…∆yy-v0k1r2k2r4…
k1、k2为非线性畸变参数r2x-u02y-v02。 摄像机的标定方法很多大致可分为传统标定技术和自标定技术。
传统标定技术 需要在摄像机前放置一个特定的标定物并人为地提供一组已知坐标的特征基元摄像机通过寻找这些已知特征的基元来实现标定
自标定技术 比较灵活不需要特定的参照物它利用环境的刚体性通过对比多幅图像中的对应点来计算摄像机模型 OpenCV采用介于传统标定方法和自标定方法之间的一种方法由张正友提出。这种方法不需要知道摄像机运动的具体信息比传统标定方法更灵活同时仍需要一个特定的标定物以及一组已知的特征基元的坐标这一点不如自标定灵活。它通过在至少3个不同的位置获取标定物的图像计算出摄像机所有的内外参数。
标定算法描述参考知乎https://zhuanlan.zhihu.com/p/36371959
OpenCV源码在其sample/data目录下面一个自带的棋盘图(chessboard.png)显示如下 在标定的时候算法要求提供的棋盘格的宽度与高度还有他们的间隔距离。需要特别注意是这里的宽高是指他们的内部交叉点的个数以上图为例它的大小为7x7而不是8x8。间隔是指棋盘格之间的距离可以用像素距离表示也可以用实际毫米为单位表示。 3、标定常用函数
1findChessboardCorners()
bool findChessboardCorners( InputArray image, Size patternSize, OutputArray corners, int flags CALIB_CB_ADAPTIVE_THRESH CALIB_CB_NORMALIZE_IMAGE ); 函数功能 确定输入图像是否是棋盘模式并确定角点的位置。如果所有角点都被检测到且它们都被以一定顺序排布一行一行地每行从左到右函数返回非零值否则在函数不能发现所有角点或者记录它们地情况下函数返回0 2cv::drawChessboardCorners()
drawChessboardCorners( InputOutputArray image, Size patternSize, InputArray corners, bool patternWasFound ); 函数功能 用于标定摄像机时绘制被成功标定的角点 3find4QuadCornerSubpix() find4QuadCornerSubpix(InputArray img, InputOutputArray corners, Size region_size ); 函数功能 查找棋盘角的亚像素精确位置。尝试近似分隔棋盘格字段(“四边形”)的线并返回这些线的交叉点。 4cornerSubPix() void cornerSubPix( InputArray image, InputOutputArray corners, Size winSize, Size zeroZone, TermCriteria criteria ); 函数功能 优化角点位置获得棋盘格上的亚像素角点。 5calibrateCamera() 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) ); 函数功能 通过多个视角的2D/3D对应求解出该相机的内参数和每一个视角的外参数 6initUndistortRectifyMap() void initUndistortRectifyMap(InputArray cameraMatrix, InputArray distCoeffs, InputArray R, InputArray newCameraMatrix, Size size, int m1type, OutputArray map1, OutputArray map2) 函数功能 这个函数使用于计算无畸变和修正转换关系。 4、单目摄像机标定
1打开标定配置参数文件default.xml设置参数
棋盘格的宽度和高度两个方向的角点数量根据实际情况设置。 !-- Number of inner corners per a item row and column. (square, circle) -- BoardSize_Width9/BoardSize_Width BoardSize_Height6/BoardSize_Height
每格的宽度
单元格的宽度应设置为实际的毫米数。 !-- The size of a square in some user defined metric system (pixel, millimeter)-- Square_Size50/Square_Size
选择输入方式
程序提供了3种输入方式。如果摄像机已连接电脑可以使用input_camera方式。该方式只需要设置视频输入设备号对于笔记本而言通常0表示笔记本内置摄像头1表示外置摄像头。 编译OpenCV标定程序 2标定程序将实现以下功能
确定失真矩阵确定摄像机矩阵摄像机、视频和图像文件列表的输入从XML/YAML文件进行配置将结果保存到XML/YAML文件中计算重投影误差
程序只有一个参数。其配置文件的名称。如果没有它将尝试打开一个名为“default.xml”。 3运行标定程序摄像机将拍摄25幅图片并识别角点如下图 4标定结果保存在程序中指定的结果文件中 请在实验报告中说明结果文件中各项数据的意义阅读代码并在网上查阅相关资料 nr_of_frames25/nr_of_frames 图像的宽和高度 image_width640/image_width image_height480/image_height 棋盘格的宽度11和高度8 board_width11/board_width board_height8/board_height 单元格的尺寸 square_size50./square_size 相机类型 fisheye_model0/fisheye_model 尺寸自适应 fix_aspect_ratio1./fix_aspect_ratio 相机内部参数矩阵data为值 Rows 和 cols为行和列 Dt表示数据类新 camera_matrix type_idopencv-matrixrows3/rowscols3/cols dtd/dt data 7.0111172389870558e02 0. 3.1950000000000000e02 0. 7.0111172389870558e02 2.3950000000000000e02 0. 0. 1. /data/camera_matrix 畸变系数 Row和cols为维度 Data包含畸变系数实际的值 avg_reprojection_error 为平均投影误差值 distortion_coefficients type_idopencv-matrixrows5/rowscols1/cols dtd/dt data 7.2399710954221264e-02 4.5114674802590399e-01 0. 0. -3.8163393536623835e00/data/distortion_coefficientsavg_reprojection_error4.1946356118960665e-01/avg_reprojection_error extrinsic_parameters type_idopencv-matrixrows25/rowscols6/cols 数据类型为double dtd/dt data 数据太长这里省略 /data image_points type_idopencv-matrix rows25/rowscols88/cols 数据类型为浮点 dt2f/dt data1.96974991e02 3.05226959e02 2.15540726e02 3.04309814e02 2.34028198e02 3.03369354e02 2.52492340e02 3.02424805e02 2.70655762e02 3.01588440e02 2.88653290e02 3.00733093e02 3.06717133e02 2.99980408e02 3.24438385e02 2.99227295e02 3.42079742e02 2.98437469e/data 这里也是数据太长省略 grid_points 0. 0. 0. 50. 0. 0. 100. 0. 0. 150. 0. 0. 200. 0. 0. 250. 0. 0. 300. 0. 0. 350. 0. 0. 400. 0. 0. 450. 0. 0. 500. 0. 0. 0. 50. 0. 50. 50. 0. 100. 50. 0. 150. 50. 0. 200. 50. 0. 250. 50. 0. 300. 50. 0. 350. 50. 0. 400. 50. 0. 450. 50. 0. 500. 50. 0. 0. 100. 0. 50. 100. 0. 100. 100. 0. 150. 100. 0. 200. 100. 0. 250. 100. 0. 300. 100. 0. 350. 100. 0. 400. 100. 0. 450. 100. 0. 500. 100. 0. 0. 150. 0. 50. 150. 0. 100. 150. 0. 150. 150. 0. 200. 150. 0. 250. 150. 0. 300. 150. 0. 350. 150. 0. 400. 150. 0. 450. 150. 0. 500. 150. 0. 0. 200. 0. 50. 200. 0. 100. 200. 0. 150. 200. 0. 200. 200. 0. 250. 200. 0. 300. 200. 0. 350. 200. 0. 400. 200. 0. 450. 200. 0. 500. 200. 0. 0. 250. 0. 50. 250. 0. 100. 250. 0. 150. 250. 0. 200. 250. 0. 250. 250. 0. 300. 250. 0. 350. 250. 0. 400. 250. 0. 450. 250. 0. 500. 250. 0. 0. 300. 0. 50. 300. 0. 100. 300. 0. 150. 300. 0. 200. 300. 0. 250. 300. 0. 300. 300. 0. 350. 300. 0. 400. 300. 0. 450. 300. 0. 500. 300. 0. 0. 350. 0. 50. 350. 0. 100. 350. 0. 150. 350. 0. 200. 350. 0. 250. 350. 0. 300. 350. 0. 350. 350. 0. 400. 350. 0. 450. 350. 0. 500. 350. 0./grid_points/opencv_storage grid_points 这里面是相片的标定坐标为像素点
