這一節我們首先介紹下計算機視覺領域中常見的三個座標系:圖像座標系,相機座標系,世界座標系。以及他們之間的關係。然後介紹如何使用張正友相機標定法標定相機。
圖像座標系:
理想的圖像座標系原點O1和真實的O0有一定的偏差,由此我們建立了等式(1)和(2),可以用矩陣形式(3)表示。
相機座標系(C)和世界座標系(W):
通過相機與圖像的投影關係,我們得到了等式(4)和等式(5),可以用矩陣形式(6)表示。我們又知道相機座標系和世界座標的關係可以用等式(7)表示:
由等式(3),等式(6)和等式(7)我們可以推導出圖像座標系和世界座標系的關係:
其中M1稱爲相機的內參矩陣,包含內參(fx,fy,u0,v0)。M2稱爲相機的外參矩陣,包含外參(R:旋轉矩陣,T:平移矩陣)。
衆所周知,相機鏡頭存在一些畸變,主要是徑向畸變(下圖dr),也包括切向畸變(下圖dt)等。
上圖右側等式中,k1,k2,k3,k4,k5,k6爲徑向畸變,p1,p2爲切向畸變。在OpenCV中我們使用張正友相機標定法通過10幅不同角度的棋盤圖像來標定相機獲得相機內參和畸變係數。函數爲calibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, rvecs, tvecs,flag)
objectPoints: 一組世界座標系中的3D
imagePoints: 超過10張圖片的角點集合
imageSize: 每張圖片的大小
cameraMatrix: 內參矩陣
distCoeffs: 畸變矩陣(默認獲得5個即便參數k1,k2,p1,p2,k3,可修改)
rvecs: 外參:旋轉向量
tvecs: 外參:平移向量
flag: 標定時的一些選項:
CV_CALIB_USE_INTRINSIC_GUESS:使用該參數時,在cameraMatrix矩陣中應該有fx,fy,u0,v0的估計值。否則的話,將初始化(u0,v0)圖像的中心點,使用最小二乘估算出fx,fy。
CV_CALIB_FIX_PRINCIPAL_POINT:在進行優化時會固定光軸點。當CV_CALIB_USE_INTRINSIC_GUESS參數被設置,光軸點將保持在中心或者某個輸入的值。
CV_CALIB_FIX_ASPECT_RATIO:固定fx/fy的比值,只將fy作爲可變量,進行優化計算。當CV_CALIB_USE_INTRINSIC_GUESS沒有被設置,fx和fy將會被忽略。只有fx/fy的比值在計算中會被用到。
CV_CALIB_ZERO_TANGENT_DIST:設定切向畸變參數(p1,p2)爲零。
CV_CALIB_FIX_K1,...,CV_CALIB_FIX_K6:對應的徑向畸變在優化中保持不變。
CV_CALIB_RATIONAL_MODEL:計算k4,k5,k6三個畸變參數。如果沒有設置,則只計算其它5個畸變參數。
首先我們打開攝像頭並按下'g'鍵開始標定:
VideoCapture cap(1);
cap.set(CV_CAP_PROP_FRAME_WIDTH,640);
cap.set(CV_CAP_PROP_FRAME_HEIGHT,480);
if(!cap.isOpened()){
std::cout<<"打開攝像頭失敗,退出";
exit(-1);
}
namedWindow("Calibration");
std::cout<<"Press 'g' to start capturing images!"<<endl;
if( cap.isOpened() && key == 'g' )
{
<span style="white-space:pre"> </span>mode = CAPTURING;
}
按下空格鍵(SPACE)後使用findChessboardCorners函數在當前幀尋找是否存在可用於標定的角點,如果存在將其提取出來後亞像素化並壓入角點集合,保存當前圖像:
if( (key & 255) == 32 )
{
image_size = frame.size();
/* 提取角點 */
Mat imageGray;
cvtColor(frame, imageGray , CV_RGB2GRAY);
bool patternfound = findChessboardCorners(frame, board_size, corners,CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE + CALIB_CB_FAST_CHECK );
if (patternfound)
{
n++;
tempname<<n;
tempname>>filename;
filename+=".jpg";
/* 亞像素精確化 */
cornerSubPix(imageGray, corners, Size(11, 11), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));
count += corners.size();
corners_Seq.push_back(corners);
imwrite(filename,frame);
tempname.clear();
filename.clear();
}
else
{
std::cout<<"Detect Failed.\n";
}
}
角點提取完成後開始標定,首先初始化定標板上角點的三維座標:for (int t=0;t<image_count;t++)
{
<span style="white-space:pre"> </span>vector<Point3f> tempPointSet;
for (int i=0;i<board_size.height;i++)
{
<span style="white-space:pre"> </span>for (int j=0;j<board_size.width;j++)
{
/* 假設定標板放在世界座標系中z=0的平面上 */
Point3f tempPoint;
tempPoint.x = i*square_size.width;
tempPoint.y = j*square_size.height;
tempPoint.z = 0;
tempPointSet.push_back(tempPoint);
<span style="white-space:pre"> </span>}
}
object_Points.push_back(tempPointSet);
}
使用calibrateCamera函數開始標定:calibrateCamera(object_Points, corners_Seq, image_size, intrinsic_matrix ,distortion_coeffs, rotation_vectors, translation_vectors);
完成定標後對標定進行評價,計算標定誤差並寫入文件:std::cout<<"每幅圖像的定標誤差:"<<endl;
fout<<"每幅圖像的定標誤差:"<<endl<<endl;
for (int i=0; i<image_count; i++)
{
vector<Point3f> tempPointSet = object_Points[i];
/**** 通過得到的攝像機內外參數,對空間的三維點進行重新投影計算,得到新的投影點 ****/
projectPoints(tempPointSet, rotation_vectors[i], translation_vectors[i], intrinsic_matrix, distortion_coeffs, image_points2);
/* 計算新的投影點和舊的投影點之間的誤差*/
vector<Point2f> tempImagePoint = corners_Seq[i];
Mat tempImagePointMat = Mat(1,tempImagePoint.size(),CV_32FC2);
Mat image_points2Mat = Mat(1,image_points2.size(), CV_32FC2);
for (int j = 0 ; j < tempImagePoint.size(); j++)
{
image_points2Mat.at<Vec2f>(0,j) = Vec2f(image_points2[j].x, image_points2[j].y);
tempImagePointMat.at<Vec2f>(0,j) = Vec2f(tempImagePoint[j].x, tempImagePoint[j].y);
}
err = norm(image_points2Mat, tempImagePointMat, NORM_L2);
total_err += err/= point_counts[i];
std::cout<<"第"<<i+1<<"幅圖像的平均誤差:"<<err<<"像素"<<endl;
fout<<"第"<<i+1<<"幅圖像的平均誤差:"<<err<<"像素"<<endl;
}
std::cout<<"總體平均誤差:"<<total_err/image_count<<"像素"<<endl;
fout<<"總體平均誤差:"<<total_err/image_count<<"像素"<<endl<<endl;
std::cout<<"評價完成!"<<endl;
顯示標定結果並寫入文件:std::cout<<"開始保存定標結果………………"<<endl;
Mat rotation_matrix = Mat(3,3,CV_32FC1, Scalar::all(0)); /* 保存每幅圖像的旋轉矩陣 */
fout<<"相機內參數矩陣:"<<endl;
fout<<intrinsic_matrix<<endl<<endl;
fout<<"畸變係數:\n";
fout<<distortion_coeffs<<endl<<endl<<endl;
for (int i=0; i<image_count; i++)
{
fout<<"第"<<i+1<<"幅圖像的旋轉向量:"<<endl;
fout<<rotation_vectors[i]<<endl;
/* 將旋轉向量轉換爲相對應的旋轉矩陣 */
Rodrigues(rotation_vectors[i],rotation_matrix);
fout<<"第"<<i+1<<"幅圖像的旋轉矩陣:"<<endl;
fout<<rotation_matrix<<endl;
fout<<"第"<<i+1<<"幅圖像的平移向量:"<<endl;
fout<<translation_vectors[i]<<endl<<endl;
}
std::cout<<"完成保存"<<endl;
fout<<endl;
具體的代碼實現和工程詳見:Calibration
運行截圖:
下一節我們將使用RPP相機姿態算法得到相機的外部參數:旋轉和平移。
==============================================================================================
2015/11/14補充:
所有分辨率下的畸變(k1,k2,p1,p2)相同,但內參不同(fx,fy,u0,v0),不同分辨率下需要重新標定相機內參。以下是羅技C920在1920*1080下的內參:
==============================================================================================
2016/08/20補充:
findChessboardCorners函數的第二個參數是定義棋盤格的橫縱內角點個數,要設置正確,不然函數找不到合適的角點,返回false。如下圖中的橫內角點是12,縱內角點是7,則Size board_size = Size(12, 7);