Halcon四 双目视觉的标定

原文作者写的一系列博客,挺不错的学习halcon:http://blog.sina.com.cn/s/blog_442bfe0e0100yjtn.html

1.get_image_pointer1(Image : : : PointerTypeWidthHeight)

返回第一通道的点,图像数据类型,图像尺寸。

2.disp_image(Image : : WindowHandle : )

在输出窗口显示灰度图像

3.visualize_results_of_find_marks_and_pose (ImageL, WindowHandle1, RCoordL, CCoordL, StartPoseL, StartCamParL)

内部函数,显示初步标定的坐标系和MARKS中心,MARKS中线用十字线标出。

4.set_calib_data_observ_points( : : CalibDataIDCameraIdxCalibObjIdx,CalibObjPoseIdxRowColumnIndexPose : )

储存以点为基础的标定观测值,将观测值储存与标定数据句柄中。

5.calibrate_cameras( : : CalibDataID : Error)

根据标定数据模型中的值标定摄像机。

6.get_calib_data( : : CalibDataIDItemTypeItemIdxDataName : DataValue)

查询储存或计算得到的标定模型中的数据。

7.write_cam_par( : : CameraParamCamParFile : )

把相机内参数写入TXT文件

8.write_pose( : : PosePoseFile : )

把相机的位姿写入TXT文件

9.gen_binocular_rectification_map( : Map1Map2 : CamParam1CamParam2RelPose,SubSamplingMethodMapType : CamParamRect1CamParamRect2CamPoseRect1,CamPoseRect2RelPoseRect)

把相机参数和姿态作为输入,输出为校正图像和矫正后的参数和姿态。

10.map_image(ImageMap : ImageMapped : : )

dev_update_window (‘off‘)
* Set the image path
ImgPath := ‘3d_machine_vision/stereo/‘
* Read the first images to get their size
i := 0
read_image (ImageL, ImgPath+‘calib_distorted_l_‘+i$‘03d‘)
read_image (ImageR, ImgPath+‘calib_distorted_r_‘+i$‘03d‘) //分别读取左右目图像,编号长3位//
* Reopen the windows with an appropriate size
dev_close_window ()
dev_close_window ()
get_image_pointer1 (ImageL, PointerL, TypeL, WidthL, HeightL)
get_image_pointer1 (ImageR, PointerR, TypeR, WidthR, HeightR)
dev_open_window (0, 0, WidthL, HeightL, ‘black‘, WindowHandle1)
dev_open_window (0, WidthL+5, WidthL, HeightL, ‘black‘, WindowHandle2)//为左右目各打开一

个图形窗口//
* Set the calibration plate description file
CaltabName := ‘caltab_30mm.descr‘
* Set the initial values for the interior camera parameters
StartCamParL := [0.0125, 0, 7.4e-6, 7.4e-6,WidthL/2.0,HeightL/2.0,WidthL,HeightL]
StartCamParR := StartCamParL
* parameter settings for find_caltab and find_marks_and_pose
SizeGauss := 3
MarkThresh := 120
MinDiamMarks := 5
StartThresh := 128
DeltaThresh := 10
MinThresh := 18
Alpha := 0.9
MinContLength := 15
MaxDiamMarks := 100
* Create a calibration data model in which all calibration data
* including the image coordinates of the calibration marks and
* the observation poses of the calibration plate will be
* accumulated
create_calib_data (‘calibration_object‘, 2, 1, CalibDataID)      //创建标定数据模型句柄//
set_calib_data_cam_param (CalibDataID, 0, ‘area_scan_division‘, StartCamParL)//在标定模型中

设置相机的类型和原始参数//
set_calib_data_cam_param (CalibDataID, 1, ‘area_scan_division‘, StartCamParR)
set_calib_data_calib_object (CalibDataID, 0, CaltabName)        //定义一个标定对象//

* Start the loop over the calibration images
for i := 0 to 10 by 1
    * Read and display the calibration images
    read_image (ImageL, ImgPath+‘calib_distorted_l_‘+i$‘03d‘)
    read_image (ImageR, ImgPath+‘calib_distorted_r_‘+i$‘03d‘)
    disp_image (ImageL, WindowHandle1)
    disp_image (ImageR, WindowHandle2)                         //读取并显示图像//
    * Search for the calibration plate
  find_caltab (ImageL, CaltabL, CaltabName, SizeGauss, MarkThresh, MinDiamMarks)
  find_caltab (ImageR, CaltabR, CaltabName, SizeGauss, MarkThresh, MinDiamMarks)//输出标定板区域//
    disp_region (CaltabL, WindowHandle1)
    disp_region (CaltabR, WindowHandle2)                     //显示标定区域//          
    * Extract the calibration marks and estimate an initial pose
    find_marks_and_pose (ImageL, CaltabL, CaltabName, StartCamParL, StartThresh, DeltaThresh, MinThresh, Alpha, MinContLength, MaxDiamMarks, RCoordL, CCoordL, StartPoseL)
    * Visualize the extracted calibration marks and the
    * coordinate system defined by the estimated pose.
    visualize_results_of_find_marks_and_pose (ImageL, WindowHandle1, RCoordL, CCoordL, StartPoseL, StartCamParL)                      //显示初步标定的坐标系和MARKS中心//
    * Extraction of marks and pose as well as visualization of the
    * results for the second image.
    find_marks_and_pose (ImageR, CaltabR, CaltabName, StartCamParR, StartThresh, DeltaThresh, MinThresh, Alpha, MinContLength, MaxDiamMarks, RCoordR, CCoordR, StartPoseR)
    visualize_results_of_find_marks_and_pose (ImageR, WindowHandle2, RCoordR, CCoordR, StartPoseR, StartCamParR)
    * Store the image coordinates of the calibration marks as well
    * as the estimated initial poses for all stereo pairs in the
    * calibration data model
    *  - Camera 0 is the (L)eft camera
    *  - Camera 1 is the (R)ight camera
    set_calib_data_observ_points (CalibDataID, 0, 0, i, RCoordL, CCoordL, ‘all‘, StartPoseL)
    set_calib_data_observ_points (CalibDataID, 1, 0, i, RCoordR, CCoordR, ‘all‘, StartPoseR)
                                                        //在标定数据模型句柄中储存标定结果//

endfor
* Perform the actual calibration
calibrate_cameras (CalibDataID, Errors)         //根据标定数据模型中的值标定摄像机//
* Get the calibrated camera parameters
get_calib_data (CalibDataID, ‘camera‘, 0, ‘params‘, CamParamL)
get_calib_data (CalibDataID, ‘camera‘, 1, ‘params‘, CamParamR)      //获取摄像机参数//
* Since the left camera is the reference camera for the
* calib data model, the pose of the right camera is its
* pose relative to the left camera
get_calib_data (CalibDataID, ‘camera‘, 1, ‘pose‘, cLPcR)    //获取右目相对于左目的位姿//
* Store the results into files
write_cam_par (CamParamL, ‘cam_left-125.dat‘)
write_cam_par (CamParamR, ‘cam_right-125.dat‘)
write_pose (cLPcR, ‘pos_right2left.dat‘)                    //将相机参数写入文件//
* Generate the rectification maps
gen_binocular_rectification_map (MapL, MapR, CamParamL, CamParamR, cLPcR, 1, ‘geometric‘, ‘bilinear‘, RectCamParL, RectCamParR, CamPoseRectL, CamPoseRectR, RectLPosRectR)
 //把相机参数和姿态作为输入,输出为校正图像和矫正后的参数和姿态。//
* Read in a stereo image pair, aquired with the stereo camera system,
* which has been calibrated, just now.
read_image (ImageL, ImgPath+‘caliper_distorted_l‘)
read_image (ImageR, ImgPath+‘caliper_distorted_r‘)
* Rectify the stereo images and display them
map_image (ImageL, MapL, ImageRectifiedL)
map_image (ImageR, MapR, ImageRectifiedR)
dev_set_window (WindowHandle1)
dev_clear_window ()
dev_display (ImageRectifiedL)
dev_set_window (WindowHandle2)
dev_clear_window ()
dev_display (ImageRectifiedR)
disp_continue_message (WindowHandle1, ‘black‘, ‘true‘)
stop ()
dev_set_window (WindowHandle2)
dev_close_window ()
dev_update_window (‘on‘)
dev_set_window (WindowHandle1)
dev_clear_window ()
dev_display (ImageRectifiedL)
clear_calib_data (CalibDataID)

原文地址:https://www.cnblogs.com/6-6-8-8/p/9549622.html

时间: 2024-10-10 15:51:25

Halcon四 双目视觉的标定的相关文章

halcon学习笔记——摄像机标定

1.read_cam_par( : : CamParFile : CameraParam) 从文件夹中读取相机的内参数. 2.disp_caltab( : : WindowHandle, CalTabDescrFile, CameraParam, CaltabPose, ScaleFac : ) 利用相机内外参数,把标定板模型投影到图像平面,显示标定点和连接线,X,Y轴也被显示出来. 3.vector_to_pose( : : WorldX, WorldY, WorldZ, ImageRow,

Halcon学习标定助手

本文采用halcon标定助手进行标定. 第一步:打开标定助手. 第二步:对描述文件进行修改 具体:打开算子窗口,输入gen_caltab,进行描述文件修改. 参数XNum和YNum为7行*7列的圆,Markdist为圆的直径,单位为米.DiameterRatio为圆的直径与两个相邻的圆之间的距离比.修改完之后,应用,输入.存放在一个文件下.之后将描述文件改成此描述文件.描述文件最右面靠近边框有个文件夹形状的图标.点击即可. 第三步:根据单个的像元宽和高进行修改,该参数可在相机的自带文件中或官方数

Halcon相机标定

摄像机标定程序: 注意:E:/calibration_image :为标定图像文件路径 'E:/calibration_description/caltab_123mm.descr:为标定描述文件路径 *作者:骑蚂蚁上高速 *程序开始 list_files ('E:/calibration_image', 'files', ImageFiles) TmpCtrl_AllMarkRows := [] TmpCtrl_AllMarkColumns := [] TmpCtrl_StartPoses :

基于HALCON的双目立体视觉系统实现

双目立体视觉是机器视觉的一种重要形式,它是基于视差原理并由多幅图像获取物体三维几何信息的方法.双目立体视觉系统一般由双摄像机从不同角度同时获得被测物的两幅数字图像,或由单摄像机在不同时刻从不同角度获得被测物的两幅数字图像,并基于视差原理恢复出物体   的三维几何信息,重建物体三维轮廓及位置.双目立体视觉系统在机器视觉领域有着广泛的应用前景. HALCON是在世界范围内广泛使用的机器视觉软件.它拥有满足您各类机器视觉应用需求的完善的开发库.HALCON也包含Blob分析.形态学.模式识别.测量.三

球体的双目视觉定位(matlab,附代码)

球体的双目视觉定位(matlab,附代码) 标签(空格分隔): 机器视觉 引言 双目视觉定位是我们的一个课程设计,最近刚做完,拿出来与大家分享一下,实验的目的是在拍摄的照片中识别球体,并求出该球体到相机的实际距离吗,我们要求需要用matlab,但是matlab调用双目摄像头(一个USB口)却老是只能调用双目摄像头中的一个,但是利用Python的OpenCV库却可以同时调用两个,因此我们选用了Python用于拍摄图片. 1.基本流程 备注:因为根据得出的视差图识别出圆球略困难,我们没有采用视差图深

相机标定简介与MatLab相机标定工具箱的使用(未涉及原理公式推导)

相机标定 一.相机标定的目的 确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,建立摄像机成像的几何模型,这些几何模型参数就是摄像机参数. 二.通用摄像机模型 世界坐标系.摄像机坐标系和像平面坐标系都不重合.同时考虑两个因素 : (1)摄像机镜头的畸变误差,像平面上的成像位置与线性变换公式计算的透视变换投影结果有偏差: (2)计算机中图像坐标单位是存储器中离散像素的个数,所以像平面上的连续坐标还需取整转换. 摄像机参数 l  摄像机内部参数 (Intrinsic Paramet

OpenCV自带案例解读

自带案例有两部分:EXAMPLE和TUTORIAL,即案例和专题 案例首先用cmake编译,然后在vs中运行即可.https://blog.csdn.net/webzhuce/article/details/80473793 具体的EXAMPLE如下:(CPP文件夹中) • 3calibration.cpp: 同时标定三台水平放置的相机. • bagofwords_classification.cpp: 使用图像检测实现简易的图像搜索功能. • bgfg_gmg.cpp: 演示GMG 背景检测算

matlab、opencv、halcon双目标定汇总

相机的标定对于测距和重建还是很重要的,特把用过的工具和方法进行一次汇总,以便查阅.分析和讨论(本人扣扣1256635840) ————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————— 1.MATLAB camera calib

Halcon学习笔记——机器视觉应用工程开发思路及相机标定

机器视觉应用工程开发思路 机器视觉应用工程主要可划分为两大部分,硬件部分和软件部分. 1.硬件部分,硬件的选型至关重要,决定了后续工作是否可以正常开展,其中关键硬件部分包括:光源,相机以及镜头. 2.软件部分,目前业内商业库主要有Halcon,康耐视,DALSA,evision,NI等,开源库有OpenCV.其中NI的labview+vision模块. 机器视觉应用工程大致开发思路:       一.获取图像              图像采集可以来源多个途径,用算子read_image去读取图