用OpenCV轻松搞定摄像机标定Python和C++

后端

2023-12-26 17:46:42

相机标定：揭开计算机视觉背后的秘密

什么是相机标定？

相机标定是确定相机参数的过程，这些参数定义了现实世界中的 3D 点与其在相机图像中对应的 2D 投影之间的关系。通过了解这些参数，我们可以准确地从图像中重建 3D 场景，跟踪对象运动并增强现实体验。

为什么相机标定很重要？

相机标定对于许多计算机视觉应用至关重要，例如：

3D 重建： 从多个图像创建 3D 场景模型。
运动跟踪： 识别和跟踪物体在 3D 空间中的运动。
增强现实： 将虚拟对象叠加到现实世界视图中。
机器人视觉： 帮助机器人“看到”并与周围环境互动。

相机标定的步骤

相机标定通常涉及以下步骤：

收集图像： 使用具有已知模式的物体拍摄一系列图像。
检测角点： 在图像中识别图案的角点，这些角点的位置可以精确确定。
计算相机参数： 利用角点的 2D 和 3D 坐标计算相机的内部和外部参数。
评估结果： 评估标定结果以确保其准确性。

如何使用 OpenCV 进行相机标定

OpenCV 提供了强大的工具，可以在 Python 和 C++ 中轻松进行相机标定。

Python 代码示例：

import cv2
import numpy as np

# 收集图像
images = []
for i in range(1, 10):
    image = cv2.imread('image{}.jpg'.format(i))
    images.append(image)

# 检测角点
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
objp = np.zeros((7*7,3), np.float32)
objp[:,:2] = np.mgrid[0:7,0:7].T.reshape(-1,2)

objpoints = []
imgpoints = []

for image in images:
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    ret, corners = cv2.findChessboardCorners(gray, (7,7), None)

    if ret == True:
        objpoints.append(objp)

        corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
        imgpoints.append(corners2)

# 计算相机参数
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

C++ 代码示例：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 收集图像
    vector<Mat> images;
    for (int i = 1; i < 10; i++)
    {
        Mat image = imread("image" + to_string(i) + ".jpg");
        images.push_back(image);
    }

    // 检测角点
    vector<vector<Point2f>> corners;
    vector<Mat> objpoints;
    vector<Mat> imgpoints;

    Mat objp = Mat(7, 7, CV_32FC3, Scalar(0, 0, 0));
    for (int i = 0; i < 7; i++)
    {
        for (int j = 0; j < 7; j++)
        {
            objp.at<Point3f>(i, j) = Point3f(i, j, 0);
        }
    }

    for (Mat image : images)
    {
        Mat gray;
        cvtColor(image, gray, COLOR_BGR2GRAY);

        vector<Point2f> corner;
        bool found = findChessboardCorners(gray, Size(7, 7), corner);

        if (found)
        {
            objpoints.push_back(objp);
            cornerSubPix(gray, corner, Size(11, 11), Size(-1, -1), TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 30, 0.001));
            imgpoints.push_back(corner);
        }
    }

    // 计算相机参数
    Mat mtx, dist;
    calibrateCamera(objpoints, imgpoints, images[0].size(), mtx, dist, noArray(), noArray());
}