電子發(fā)燒友App
首先我們打開攝像頭并按下‘g’鍵開始標定：
?。踓pp］ view plain copy print？
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;
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;
?。踓pp］ view plain copy print？
if（ cap.isOpened（） && key == ‘g’ ）
{
《span style=“white-space:pre”》 《/span》mode = CAPTURING;
}
if（ cap.isOpened（） && key == ‘g’ ）
{
《span style=“white-space:pre”》 《/span》mode = CAPTURING;
}
按下空格鍵（SPACE）后使用findChessboardCorners函數(shù)在當前幀尋找是否存在可用于標定的角點，如果存在將其提取出來后亞像素化并壓入角點集合，保存當前圖像：
［cpp］ view plain copy print？
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”;
}
}
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”;
}
}
角點提取完成后開始標定，首先初始化定標板上角點的三維坐標：
?。踓pp］ view plain copy print？
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坐標系中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）;
}
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坐標系中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(shù)開始標定：
?。踓pp］ view plain copy print？
calibrateCamera（object_Points， corners_Seq， image_size， intrinsic_matrix ，distortion_coeffs， rotation_vectors， translation_vectors）;
calibrateCamera（object_Points， corners_Seq， image_size， intrinsic_matrix ，distortion_coeffs， rotation_vectors， translation_vectors）;
完成定標后對標定進行評價，計算標定誤差并寫入文件：
?。踓pp］ view plain copy print？
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(nèi)外參數(shù)，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;
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(nèi)外參數(shù)，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(jié)果并寫入文件：
［cpp］ view plain copy print？
std：：cout《《“開始保存定標結(jié)果………………”《《endl;
Mat rotation_matrix = Mat（3，3，CV_32FC1， Scalar：：all（0））; /* 保存每幅圖像的旋轉(zhuǎn)矩陣 */
fout《《“相機內(nèi)參數(shù)矩陣：”《《endl;
fout《《intrinsic_matrix《《endl《《endl;
fout《《“畸變系數(shù)：\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(zhuǎn)向量：”《《endl;
fout《《rotation_vectors［i］《《endl;
/* 將旋轉(zhuǎn)向量轉(zhuǎn)換為相對應的旋轉(zhuǎn)矩陣 */
Rodrigues（rotation_vectors［i］，rotation_matrix）;
fout《《“第”《《i+1《《“幅圖像的旋轉(zhuǎn)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;
std：：cout《《“開始保存定標結(jié)果………………”《《endl;
Mat rotation_matrix = Mat（3，3，CV_32FC1， Scalar：：all（0））; /* 保存每幅圖像的旋轉(zhuǎn)矩陣 */
fout《《“相機內(nèi)參數(shù)矩陣：”《《endl;
fout《《intrinsic_matrix《《endl《《endl;
fout《《“畸變系數(shù)：\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(zhuǎn)向量：”《《endl;
fout《《rotation_vectors［i］《《endl;
/* 將旋轉(zhuǎn)向量轉(zhuǎn)換為相對應的旋轉(zhuǎn)矩陣 */
Rodrigues（rotation_vectors［i］，rotation_matrix）;
fout《《“第”《《i+1《《“幅圖像的旋轉(zhuǎn)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(xiàn)和工程詳見：Calibration
運行截圖：
下一節(jié)我們將使用RPP相機姿態(tài)算法得到相機的外部參數(shù)：旋轉(zhuǎn)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(nèi)參不同（fx，fy，u0，v0），不同分辨率下需要重新標定相機內(nèi)參。以下是羅技C920在1920*1080下的內(nèi)參：
2016/08/20補充：
findChessboardCorners函數(shù)的第二個參數(shù)是定義棋盤格的橫縱內(nèi)角點個數(shù)，要設置正確，不然函數(shù)找不到合適的角點，返回false。如下圖中的橫內(nèi)角點是12，縱內(nèi)角點是7，則Size board_size = Size（12， 7）;
工商網(wǎng)監(jiān)
評論