Opencv 相机内参标定及使用 _矩阵

目录
一、功能描述
二、标定板制作
三、图像采集
四、标定内参
【Opencv 相机内参标定及使用】方法一：标定
方法二：C++程序标定
五、使用内参
一、功能描述
1.本文用于记录通过进行相机内参标定和对内参的使用来进行图像畸变矫正。
1）相机矩阵：包括焦距（fx，fy），光学中心（Cx，Cy），完全取决于相机本身，是相机的固有属性，只需要计算一次，可用矩阵表示如下：[fx, 0, Cx; 0, fy, cy; 0,0,1];
2) 畸变系数：畸变数学模型的5个参数 D = （k1，k2 ， P1， P2 ， k3）；
3）相机内参：相机矩阵和畸变系数统称为相机内参，在不考虑畸变的时候，相机矩阵也会被称为相机内参；
4）相机外参：通过旋转和平移变换将3D的坐标转换为相机2维的坐标，其中的旋转矩阵和平移矩阵就被称为相机的外参；描述的是将世界坐标系转换成相机坐标系的过程。
二、标定板制作
方法一：标定板可以直接从官网下载：标定板
方法二： DIY 制作
J = (checkerboard(300,4,5)>0.5);figure, imshow(J);
?
打印完成后，测量实际打印出的网格边长，备用（本人制作的标定板网格边长为 26mm）。将打印纸贴附在硬纸板上（粘贴的尽可能平整），如下图所示。
?
三、图像采集
运行以下参考程序按q键即可保存图像，注意尽量把镜头的每个方格都覆盖到，最好拍到整张打印纸。保存大约20到25张,通过标定软件可能会剔除部分图片。
#include "opencv2/opencv.hpp"#include #include using namespace cv;using namespace std;int main(){Mat frame;string imgname;int f = 1;VideoCapture inputVideo(0);if (!inputVideo.isOpened()){cout << "Could not open the input video " << endl;return -1;}else{cout << "video is opened!" << endl;}while (1){inputVideo >> frame;if (frame.empty()) continue;imshow("Camera", frame);char key = waitKey(1);if (key == 27) break;if (key == 'q' || key == 'Q'){imgname = to_string(f++) + ".jpg";imwrite(imgname, frame);}}cout << "Finished writing" << endl;return 0;}
图片集如下：
四、标定内参方法一：标定
步骤1：在的里面输入即可调用标定应用程序。
?
步骤2：选择from file 在自己的图片集全选待标定的图片，输入自己实际测量打印的标定板方格实际长度（本人的标定板方格边长26mm）,导入后我的有2张图片被拒绝。
?
步骤3：关键步骤
畸变参数，总共有五个，径向畸变3个（k1,k2,k3）和切向畸变2个(p1,p2) 。
径向畸变：
切向畸变：
注意：中畸变系数的排列（顺序为k1，k2，p1，p2，k3）。
实验表明，在中选择使用三个参数，并且选择错切和桶形畸变，关于三个参数还是两个参数，可以根据自己的试验效果选择。点击后等待一段时间即可完成标定，标定完成后可通过点击 show对比校正前后效果。
右上角平均误差推荐在0.5以下时，表明该标定数据可信（本人此次平均误差为0.47 ）。

文章插图
步骤4：导出参数，即可把参数进行保存，保存后可退出标定应用，在主界面中将保存的Mat文件打开。
步骤5：记录、保存数据
上图中，对应k1 ， k2，k3，对应p1，p2 。
对应相机矩阵，注意具体数值和中数据是互为转置的关系。
对应
此次本人测得的数据为：

RadialDistortion：-0.5159066632117260.201811855093355-0.0572379026696125TangentialDistortion：0.00228453839673728 -0.00134697993045861IntrinsicMatrix：1982.56844306278001.790993555430641983.8444559489901042.90384922068480.4425027295381

方法二：C++程序标定
简单粗暴直接上程序：

#include #include#includeusing namespace cv;using namespace std;Mat image, img_gray;int BOARDSIZE[2]{ 6,9 };//棋盘格每行每列角点个数int main(){vector objpoints_img;//保存棋盘格上角点的三维坐标vector obj_world_pts;//三维世界坐标vector images_points;//保存所有角点vector img_corner_points;//保存每张图检测到的角点vector images_path;//创建容器存放读取图像路径string image_path = "/home/titan/Calibration/image/pictures/*.jpg";//待处理图路径	glob(image_path, images_path);//读取指定文件夹下图像//转世界坐标系for (int i = 0; i < BOARDSIZE[1]; i++){for (int j = 0; j < BOARDSIZE[0]; j++){obj_world_pts.push_back(Point3f(j, i, 0));}}for (int i = 0; i < images_path.size(); i++){image = imread(images_path[i]);cvtColor(image, img_gray, COLOR_BGR2GRAY);//检测角点bool found_success = findChessboardCorners(img_gray, Size(BOARDSIZE[0], BOARDSIZE[1]),img_corner_points,CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_FAST_CHECK | CALIB_CB_NORMALIZE_IMAGE);//显示角点if (found_success){//迭代终止条件TermCriteria criteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 30, 0.001);//进一步提取亚像素角点cornerSubPix(img_gray, img_corner_points, Size(11, 11),Size(-1, -1), criteria);//绘制角点drawChessboardCorners(image, Size(BOARDSIZE[0], BOARDSIZE[1]), img_corner_points,found_success);objpoints_img.push_back(obj_world_pts);//从世界坐标系到相机坐标系images_points.push_back(img_corner_points);}//char *output = "image";char text[] = "image";char *output = text;imshow(output, image);waitKey(200);}/*计算内参和畸变系数等*/Mat cameraMatrix, distCoeffs, R, T;//内参矩阵，畸变系数 ， 旋转量 ， 偏移量calibrateCamera(objpoints_img, images_points, img_gray.size(),cameraMatrix, distCoeffs, R, T);cout << "cameraMatrix:" << endl;cout << cameraMatrix << endl;cout << "*****************************" << endl;cout << "distCoeffs:" << endl;cout << distCoeffs << endl;cout << "*****************************" << endl;cout << "Rotation vector:" << endl;cout << R << endl;cout << "*****************************" << endl;cout << "Translation vector:" << endl;cout << T << endl;///*//畸变图像校准//*/Mat src, dst;src = http://www.kingceram.com/post/imread("/home/titan/Calibration/image/pictures/02.jpg");//读取校正前图像undistort(src, dst, cameraMatrix, distCoeffs);char texts[] = "image_dst";char *dst_output = texts;//char *dst_output = "image_dst";imshow(dst_output, dst);waitKey(100);imwrite("/home/titan/Calibration/image/pictures/002.jpg", dst);//校正后图像destroyAllWindows();//销毁显示窗口system("pause");return 0;}

运行上述程序，经过一番图片处理与切换，最终通过终端得到获取相机内参及畸变系数。
五、使用内参
简单粗暴直接上程序：

#include#include  #includeusing namespace cv;using namespace std;int main(){VideoCapture inputVideo(0);if(!inputVideo.isOpened()){std::cout << "video is not opened\n\n"<> frame;Mat cameraMatrix = Mat::eye(3, 3, CV_64F);cameraMatrix.at(0,0) = 1982.56844306278;cameraMatrix.at(0,1) = 1.79099355543064;cameraMatrix.at(0,2) = 1042.90384922068;cameraMatrix.at(1,1) = 1983.84445594899;cameraMatrix.at(1,2) = 480.442502729538;Mat distCoeffs = Mat::zeros(5, 1, CV_64F);distCoeffs.at(0,0) = -0.515906663211726;distCoeffs.at(1,0) =0.201811855093355;distCoeffs.at(2,0) =0.00228453839673728;distCoeffs.at(3,0) = -0.00134697993045861;distCoeffs.at(4,0) = -0.0572379026696125;/*C++程序标定的相机参数Mat frame, frameCalibration;inputVideo >> frame;Mat cameraMatrix = Mat::eye(3, 3, CV_64F);cameraMatrix.at(0,0) = 1978.304376178962;cameraMatrix.at(0,1) =0;cameraMatrix.at(0,2) = 1044.639043480329;cameraMatrix.at(1,1) = 1979.71454820083;cameraMatrix.at(1,2) = 482.6287237060178;Mat distCoeffs = Mat::zeros(5, 1, CV_64F);distCoeffs.at(0,0) = -0.5277684150872038;distCoeffs.at(1,0) =0.2663992436241138;distCoeffs.at(2,0) = -0.001857829391420174;distCoeffs.at(3,0) = -0.002175774665050042;distCoeffs.at(4,0) = -0.1007311729522544;*/Mat view, rview, map1, map2;Size image_Size;image_Size = frame.size();initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(), cameraMatrix, image_Size, CV_16SC2, map1, map2);// initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, image_Size, 0.5, image_Size, 0),image_Size, CV_16SC2, map1, map2);while(1){inputVideo >> frame;if(frame.empty()) break;remap(frame, frameCalibration, map1, map2, INTER_LINEAR);imshow("Original_image",frame);imshow("Calibrated_image", frameCalibration);char key =waitKey(1);if(key == 27 || key == 'q' || key == 'Q') break;}return 0;}

测试效果如下：
参考链接：链接1 、链接2