以下是我实现的相机标定 C++ 类,构造函数如下:
CCalibration::CCalibration(CvSize _board_sz, double _board_dt, int _n_boards)
{
//标定板的信息
board_sz = _board_sz;
board_dt = _board_dt;
n_boards = _n_boards;
//为标定参数分配内存
intrinsic_matrix = cvCreateMat(3,3,CV_32FC1);
distortion_coeffs = cvCreateMat(4,1,CV_32FC1);
}
其中:
_board_sz——标定板横纵坐标角点数;
_board_dt——相邻两次图像获取的时间间隔(单位:秒);
_n_boards——获取图像的总数。
以下C++代码在VS2010 + OpenCV2.4.8下调试通过。
工程文件下载地址:http://download.csdn.net/detail/holamirai/9275817
本工程使用的标定板下载地址:http://download.csdn.net/detail/holamirai/9275825
将PDF文件按1:1打印到A4纸上即可。
附上代码:
CCalibration类定义如下:
CCalibration.h 文件:
/******************************************
* Copyright (C) 2015 HolaMirai([email protected])
* All rights reserved.
*
* 文件名:CCalibration.h
* 摘要:CCalibration类实现相机标定
* 当前版本:V1.0, 2015年11月17日,HolaMirai,创建该文件
* 历史记录:...
******************************************/
/*
* 类定义说明
*/
/********************************************
* CCalibration类
* CCalibration接收标定板横纵坐标角点数_board_sz, 相邻两次图像获取的时间间隔_board_dt(单位:秒), 获取图像的总数_n_boards
* 使用calibrateFromCamera()直接从相机中获取标定板图像,并标定
* 使用calibrateFromFile()从已获取的图像集中标定相机
*
*
********************************************/
#ifndef CCALIBRATION_H
#define CCALIBRATION_H
#include <cv.h>
#include <highgui.h>
#include <stdio.h>
#include <stdlib.h>
class CCalibration
{
public:
CCalibration(CvSize _board_sz, double _board_dt, int _n_boards = 15);
~CCalibration();
public:
bool doCalibrate(const CvMat* const image_points, const CvMat* const object_points,const CvMat* const point_counts, CvSize size);
bool calibrateFromCamera();
bool calibrateFromFile();
void display();
protected:
private:
CvSize board_sz; //标定板信息
int n_boards; //视场总数
double board_dt; //相邻视场间的获取时间间隔
private:
CvMat* intrinsic_matrix;//内参数矩阵
CvMat* distortion_coeffs;//畸变矩阵
};
#endif
/******************************************
* Copyright (C) 2015 HolaMirai([email protected])
* All rights reserved.
*
* 文件名:CCalibration.cpp
* 摘要:相机标CCalibration类的定实现文件
* 当前版本:V1.0, 2015年11月17日, HolaMirai, 创建该文件
* 历史记录:
******************************************/
#include"CCalibration.h"
/*
* 函数名称:CCalibration
* 函数功能:类构造函数
* 函数入口:
* 输入参数:标定板横纵坐标角点数_board_sz, 相邻两次图像获取的时间间隔_board_dt(单位:秒), 获取图像的总数_n_boards
* 输出参数:无
* 返 回 值:无
* 其它说明:
*/
CCalibration::CCalibration(CvSize _board_sz, double _board_dt, int _n_boards)
{
//标定板的信息
board_sz = _board_sz;
board_dt = _board_dt;
n_boards = _n_boards;
//为标定参数分配内存
intrinsic_matrix = cvCreateMat(3,3,CV_32FC1);
distortion_coeffs = cvCreateMat(4,1,CV_32FC1);
}
CCalibration::~CCalibration()
{
cvReleaseMat(&intrinsic_matrix);
cvReleaseMat(&distortion_coeffs);
}
/*
* 函数名称:calibrateFromCamera
* 函数功能:直接从相机实时获取标定板图像,用于标定
* 函数入口:
* 输入参数:五
* 输出参数:无
* 返 回 值:是否标定成功,true表示成功,false表示失败
* 其它说明:
*/
bool CCalibration::calibrateFromCamera()
{
cvNamedWindow("Calibration",CV_WINDOW_AUTOSIZE);
cvNamedWindow("Live",CV_WINDOW_AUTOSIZE);
CvCapture* capture = cvCreateCameraCapture( 0 );//将要标定的摄像头
assert( capture );
int board_n = board_sz.width * board_sz.height;//角点总数
CvMat* image_points = cvCreateMat(n_boards*board_n,2,CV_32FC1);// cvMat* cvCreateMat ( int rows, int cols, int type )
CvMat* object_points = cvCreateMat(n_boards*board_n,3,CV_32FC1);//cvCreateMat预定义类型的结构如下:CV_<bit_depth> (S|U|F)C<number_of_channels>
CvMat* point_counts = cvCreateMat(n_boards,1,CV_32SC1);//cvCreateMat矩阵的元素可以是32位浮点型数据(CV_32FC1),或者是无符号的8位三元组的整型数据(CV_8UC3)
CvPoint2D32f* corners = new CvPoint2D32f[ board_n ];
IplImage *image = cvQueryFrame( capture );
//imgSize = cvGetSize(image);
IplImage *gray_image = cvCreateImage(cvGetSize(image),8,1);//subpixel 创建单通道灰度图像
int corner_count;
int successes = 0;//图像系列index
int step, frame = 0;
//忽略开始前2s时间的图片
for (int i = 0; i < 33*2; i++)
{
image = cvQueryFrame(capture);
cvShowImage("Live",image);
cvWaitKey(30);
}
//获取足够多视场图片用于标定
while (successes < n_boards)
{
image = cvQueryFrame(capture);
cvShowImage("Live", image);
cvWaitKey(33);//一帧的时间间隔
//每隔board_dt秒取一张图像
if ( (frame++ % ((int)(33 * board_dt)) ) == 0 )
{
//Find chessboard corners:
int found = cvFindChessboardCorners(image, board_sz, corners, &corner_count,
CV_CALIB_CB_ADAPTIVE_THRESH | CV_CALIB_CB_FILTER_QUADS);
if(found == 0) continue;//未正确找到角点,继续下一次
//Get Subpixel accuracy on those corners
cvCvtColor(image, gray_image, CV_BGR2GRAY); //转换为灰度图像
cvFindCornerSubPix(gray_image, corners, corner_count, //cvFindChessboardCorners找到的角点仅仅是近似值,必须调用此函数达到亚像素精度,如果第一次定位...
cvSize(11,11),cvSize(-1,-1), cvTermCriteria( //角点时忽略调用此函数,那么会导致标定的实际错误
CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 30, 0.1 ));
// 如果该视场获得了好的结果,保存它
// If we got a good board, add it to our data
if (corner_count == board_n)
{
step = successes*board_n;
for( int i=step, j=0; j<board_n; ++i,++j )
{
CV_MAT_ELEM(*image_points, float,i,0) = corners[j].x; // CV_MAT_ELEM 用来访问矩阵每个元素的宏,这个宏只对单通道矩阵有效,多通道会报错...
CV_MAT_ELEM(*image_points, float,i,1) = corners[j].y; //CV_MAT_ELEM( matrix, elemtype, row, col )
CV_MAT_ELEM(*object_points,float,i,0) = j/board_sz.width; //matrix:要访问的矩阵,elemtype:矩阵元素的类型,row:所要访问元素的行数,col:所要访问元素的列数
CV_MAT_ELEM(*object_points,float,i,1) = j%board_sz.width;
CV_MAT_ELEM(*object_points,float,i,2) = 0.0f;
}
CV_MAT_ELEM(*point_counts, int,successes,0) = board_n;
successes++;
}
//Draw corners
cvDrawChessboardCorners(image, board_sz, corners, corner_count, found);//found为cvFindChessboardCorners的返回值
char text[10];
sprintf(text,"%d/%d", successes,n_boards);
CvFont font = cvFont(2,2);
cvPutText(image,text,cvPoint(40,40),&font,cvScalar(0,0,255));
cvShowImage( "Calibration", image );
}
}
//获取了足够多视场,结束获取
cvDestroyWindow("Calibration");
cvDestroyWindow("Live");
//计算
doCalibrate(image_points, object_points, point_counts, cvGetSize(image));
//结束
delete []corners;
cvReleaseMat(&image_points);
cvReleaseMat(&object_points);
cvReleaseMat(&point_counts);
cvReleaseImage(&gray_image);
cvReleaseCapture(&capture);
return true;
}/* calibrateFromCamera() */
/*
* 函数名称:calibrateFromCamera
* 函数功能:根据已获取的图像文件(.bmp格式),标定相机
* 函数入口:
* 输入参数:无
* 输出参数:无
* 返 回 值:是否标定成功,true表示成功,false表示失败
* 其它说明: 只接受.bmp格式的图片,且图片尺寸要相同,若要标定其他格式图片,请将本函数内的.bmp替换成.jpg
* 文件统一命名格式为 calib_N.bmp,其中N必须从0开始
*/
bool CCalibration::calibrateFromFile()
{
cvNamedWindow("Calibration", CV_WINDOW_AUTOSIZE);
//cvNamedWindow("FileImage", CV_WINDOW_AUTOSIZE);
int board_n = board_sz.width * board_sz.height;//角点总数
CvMat* image_points = cvCreateMat(n_boards*board_n,2,CV_32FC1);// cvMat* cvCreateMat ( int rows, int cols, int type )
CvMat* object_points = cvCreateMat(n_boards*board_n,3,CV_32FC1);//cvCreateMat预定义类型的结构如下:CV_<bit_depth> (S|U|F)C<number_of_channels>
CvMat* point_counts = cvCreateMat(n_boards,1,CV_32SC1);//cvCreateMat矩阵的元素可以是32位浮点型数据(CV_32FC1),或者是无符号的8位三元组的整型数据(CV_8UC3)
CvPoint2D32f* corners = new CvPoint2D32f[ board_n ];
char imgName[20] = "calib_0.bmp";
IplImage *image = cvLoadImage(imgName,1);
IplImage *gray_image = cvCreateImage(cvGetSize(image),8,1);//subpixel 创建单通道灰度图像
int corner_count;
int successes = 0, index = 0;//图像系列index
int step;
//获取足够多视场图片用于标定
while (successes < n_boards)
{
sprintf(imgName, "calib_%d.bmp",index++);
image = cvLoadImage(imgName,1);
if ( !image ) break; //无此图片,则停止
cvWaitKey(1000*board_dt);//一帧的时间间隔
//Find chessboard corners:
int found = cvFindChessboardCorners(image, board_sz, corners, &corner_count,
CV_CALIB_CB_ADAPTIVE_THRESH | CV_CALIB_CB_FILTER_QUADS);
if(found == 0) continue;//未正确找到角点,继续下一次
//Get Subpixel accuracy on those corners
cvCvtColor(image, gray_image, CV_BGR2GRAY); //转换为灰度图像
cvFindCornerSubPix(gray_image, corners, corner_count, //cvFindChessboardCorners找到的角点仅仅是近似值,必须调用此函数达到亚像素精度,如果第一次定位...
cvSize(11,11),cvSize(-1,-1), cvTermCriteria( //角点时忽略调用此函数,那么会导致标定的实际错误
CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 30, 0.1 ));
// 如果该视场获得了好的结果,保存它
// If we got a good board, add it to our data
if (corner_count == board_n)
{
step = successes*board_n;
for( int i=step, j=0; j<board_n; ++i,++j )
{
CV_MAT_ELEM(*image_points, float,i,0) = corners[j].x; // CV_MAT_ELEM 用来访问矩阵每个元素的宏,这个宏只对单通道矩阵有效,多通道会报错...
CV_MAT_ELEM(*image_points, float,i,1) = corners[j].y; //CV_MAT_ELEM( matrix, elemtype, row, col )
CV_MAT_ELEM(*object_points,float,i,0) = j/board_sz.width; //matrix:要访问的矩阵,elemtype:矩阵元素的类型,row:所要访问元素的行数,col:所要访问元素的列数
CV_MAT_ELEM(*object_points,float,i,1) = j%board_sz.width;
CV_MAT_ELEM(*object_points,float,i,2) = 0.0f;
}
CV_MAT_ELEM(*point_counts, int,successes,0) = board_n;
successes++;
}
//Draw corners
cvDrawChessboardCorners(image, board_sz, corners, corner_count, found);//found为cvFindChessboardCorners的返回值
char text[10];
sprintf(text,"%d/%d", successes,n_boards);
CvFont font = cvFont(2,2);
cvPutText(image,text,cvPoint(40,40),&font,cvScalar(0,0,255));
cvShowImage( "Calibration", image );
}
//获取了足够多视场,结束获取
cvDestroyWindow("Calibration");
//cvDestroyWindow("FileImage");
doCalibrate(image_points, object_points, point_counts, cvGetSize(image));
delete []corners;
cvReleaseMat(&image_points);
cvReleaseMat(&object_points);
cvReleaseMat(&point_counts);
cvReleaseImage(&image);
cvReleaseImage(&gray_image);
return true;
} /* calibrateFromFile() */
/*
* 函数名称:doCalibrate
* 函数功能:计算相机内参数和畸变参数
* 函数入口:
* 输入参数:存储图像角点坐标(成像仪坐标)信息的矩阵指针image_points,存储有标定板角点坐标(世界坐标)信息的矩阵指针object_points
* 存储有各图像寻找到的角点个数信息的矩阵指针point_counts,图像尺寸size
* 输出参数:无
* 返 回 值: 是否成功,true成功,false失败
* 其它说明: 标定结果同时存储到当前目录Intrinsics.xml,Distortion.xml文件中
*/
bool CCalibration::doCalibrate(const CvMat* const image_points, const CvMat* const object_points,const CvMat* const point_counts, CvSize size)
{
//****************************开始标定*************************//
// 初始化内参数矩阵的fx和fy为1.0f
CV_MAT_ELEM( *intrinsic_matrix, float, 0, 0 ) = 1.0f;
CV_MAT_ELEM( *intrinsic_matrix, float, 1, 1 ) = 1.0f;
//**************计算标定参数*************//
//CALIBRATE THE CAMERA!
cvCalibrateCamera2( object_points, image_points, point_counts, size,
intrinsic_matrix, distortion_coeffs,
NULL, NULL,0 //CV_CALIB_FIX_ASPECT_RATIO
);
//SAVE THE INTRINSICS AND DISTORTIONS
cvSave("Intrinsics.xml",intrinsic_matrix);//保存摄像头内参数
cvSave("Distortion.xml",distortion_coeffs);//保存摄像头外参数
return true;
}/* doCalibrate() */
/*
* 函数名称:display
* 函数功能:根据标定参数,显示修正后的视频图像
* 函数入口:
* 输入参数:无
* 输出参数:无
* 返 回 值:
* 其它说明:
*/
void CCalibration::display()
{
cvNamedWindow("Undistort", CV_WINDOW_AUTOSIZE);//显示修正后图像
CvCapture *capture = cvCreateCameraCapture(0);
IplImage *frame = cvQueryFrame(capture);
IplImage *imgUndistort = cvCreateImage(cvGetSize(frame),frame->depth,frame->nChannels);
// EXAMPLE OF LOADING THESE MATRICES BACK IN:
CvMat *intrinsic = (CvMat*)cvLoad("Intrinsics.xml");//加载摄像头内参数
CvMat *distortion = (CvMat*)cvLoad("Distortion.xml");//加载摄像头外参数
// Build the undistort map which we will use for all subsequent frames.
IplImage* mapx = cvCreateImage( cvGetSize(frame), IPL_DEPTH_32F, 1 );
IplImage* mapy = cvCreateImage( cvGetSize(frame), IPL_DEPTH_32F, 1 );
//计算畸变映射 即根据摄像头内、外参数,计算出如果没有这些畸变的话,摄像头获得的理想图像
cvInitUndistortMap(intrinsic, distortion, mapx, mapy);
while(cvWaitKey(33) != 27) //ESC
{
frame = cvQueryFrame(capture);
cvRemap( frame, imgUndistort, mapx, mapy);
cvShowImage("Undistort", imgUndistort);
}
cvReleaseCapture(&capture);
cvReleaseImage(&imgUndistort);
cvDestroyWindow("Undistort");
}/* display() */
test.cpp代码
#include <cv.h>
#include <highgui.h>
#include "iostream"
#include "CCalibration.h"
using namespace std;
void main()
{
CCalibration calib(cvSize(7,8),1,10);
//从相机中获取图像标定
//calib.calibrateFromCamera();
//从已有图像中标定
calib.calibrateFromFile();
//运用标定结果显示修正后图像
calib.display();
//system("pause");
}
下图是标定过程中实时显示标定结果
转载请注明作者和出处:http://blog.csdn.net/holamirai,未经允许请勿用于商业用途.
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的,浏览器出于安全考虑是禁止的。警告信息如下:不过jQuery对跨域问题也有解决方案,使用jsonp的方式解决,方法如下:$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry,也就是我们所说的 使用空间SQL 的方法,官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下,主要就分为以下几个步骤。..._extproc
文章浏览阅读1.5w次。linux下没有上面的两个函数,需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数,转换过程中受到系统编码类型的影响,需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入,结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误,google一下,发现可能有如下原因导致imp的数据太大,没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件,向高版本imp导出的dmp文件出错传输dmp文件时,文件损坏解决办法:imp时指定..._imp-00009导出文件异常结束
文章浏览阅读143次。当下是一个大数据的时代,各个行业都离不开数据的支持。因此,网络爬虫就应运而生。网络爬虫当下最为火热的是Python,Python开发爬虫相对简单,而且功能库相当完善,力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页,按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息,通过分析请求信息可以了解请..._初级python程序员能力要求
文章浏览阅读7.6k次,点赞2次,收藏6次。@Service标注的bean,类名:ABDemoService查看源码后发现,原来是经过一个特殊处理:当类的名字是以两个或以上的大写字母开头的话,bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
文章浏览阅读6.9w次,点赞73次,收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能,如果文件名出现中文,便会以乱码视之。 解决方法: fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
文章浏览阅读2.1k次,点赞4次,收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别,找出文件中所有的合法的单词,并给出一定的信息作为最后的结果,用于后续语法分析程序的使用;本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序,对于每个单词根据词汇表输出: (单词种类, 单词的值) 二元对。词汇表:种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
文章浏览阅读6.8k次,点赞12次,收藏125次。1. 单目相机标定引言相机标定已经研究多年,标定的算法可以分为基于摄影测量的标定和自标定。其中,应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统,在标定过程中,相机拍摄多个角度下(至少两个角度,推荐10~20个角度)的标定板图像(相机和标定板都可以移动),即可对相机的内外参数进行标定。下面介绍张氏标定法(以下也这么称呼)的原理。原理相机模型和单应矩阵相机标定,就是对相机的内外参数进行计算的过程,从而得到物体到图像的投影_相机-投影仪标定
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述: 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构;一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件,并通过 evdev 输入_wayland