本文由 @lonelyrains 出品,转载请注明出处。
文章链接: http://blog.csdn.net/lonelyrains/article/details/46915705
上一步生成标定图參考上一篇文章OpenCV生成标定图。
在生成标定图之后,须要用A4纸打印下来。才干拿到摄像头以下摆弄。
笔者使用的是imagelist图片列表的方式使用标定图。即先用摄像头拍一部分图片,然后再由以下说的校准project校准得到畸变參数——主要原因是还没有搞清楚怎么实时获取这个摄像头(海康威视)的视频流,眼下都是通过http从浏览器上登录訪问——OpenCV的校准演示样例本身是支持基于标定板视频流的实时校准的。
生成OpenCV识别的标定图列表的project:opencv248\sources\samples\cpp\imagelist_creator.cpp。 使用命令演示样例:imagelist_creator imagelist.yaml *.png。得到imagelist.yaml例如以下:
<?xml version="1.0"?> <opencv_storage> <images> "1.png" "2.png" "3.png" "4.png" "5.png" "6.png" "7.png" "8.png"</images> </opencv_storage>
使用标定图的校准project,參考OpenCV演示样例project:opencv248\sources\samples\cpp\calibration.cpp。使用命令演示样例:calibration -w 9 -h 6 -pt chessboard -o camera.yaml -op -oe -su imagelist.xml。得到camera.yaml当中最关键的是摄像机内參数矩阵、畸变參数矩阵:
%YAML:1.0 calibration_time: "07/16/15 14:58:18" camera_matrix: !!opencv-matrix rows: 3 cols: 3 dt: d data: [ 5.5977614554147385e+002, 0., 4.3513787505786939e+002, 0., 4.1717385931117281e+002, 2.3329672151206768e+002, 0., 0., 1. ] distortion_coefficients: !!opencv-matrix rows: 5 cols: 1 dt: d data: [ -4.0702020878986456e-001, 2.5025002728793899e-001, -3.7768192568471098e-003, -9.1190914257643463e-004, -1.0546751146845158e-001 ]
庆幸的是calibration.cpp中已经包括了怎样对一张畸变图片进行校准。整理出关键代码为:
#include <time.h> void loadCameraParams(Mat &cameraMatrix, Mat &distCoeffs) { FileStorage fs( "camera.yaml", FileStorage::READ); fs ["camera_matrix"] >> cameraMatrix; fs ["distortion_coefficients"] >> distCoeffs; } Mat calibrator(Mat &view) { vector<string> imageList; static bool bLoadCameraParams = false; static Mat cameraMatrix, distCoeffs, map1, map2; Mat rview; Size imageSize,newImageSize; if(!view.data) return Mat(); imageSize.width = view.cols; imageSize.height = view.rows; newImageSize.width = imageSize.width; newImageSize.height = imageSize.height; if(bLoadCameraParams == false) { loadCameraParams(cameraMatrix, distCoeffs); bLoadCameraParams = true; initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(), getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, newImageSize, 0), newImageSize, CV_16SC2, map1, map2); } //undistort( view, rview, cameraMatrix, distCoeffs, cameraMatrix ); remap(view, rview, map1, map2, INTER_LINEAR); //imshow("Image View", rview); //int c = 0xff & waitKey(); rview.copyTo(view); return view; }
途中遇到的问题和解决步骤:
1、使用摄像头拍完标定图片,使用,发现调用过程中崩溃。
即对着摄像头照了的非常多张图片。依旧未找到一张能正确识别棋盘的。
2、使用OpenCV自带的图片opencv248\sources\samples\cpp\leftXX.jpg,转成png,成功运行。
在识别到的棋盘中描出了角点。
3、为了减小问题出现的因素。尽量控制单一变量。使用行列同leftXX.jpg同样的标定板图片:宽9个小方格、高6个小方格。仍然不能识别。
4、怀疑是摄像头的畸变太严重,导致图片识别不了,就用手机摄像头试了一下。由于手机摄像头的畸变很小,基本能够忽略。结果尽管也不能识别。
可是将手机对着显示器拍照拍得的原始图片对着leftXX.jpg使用灰色边框,结果能够识别了!
5、再用摄像头拍的图片,使用灰色边框,发现仍然识别不了。假设摄像头畸变太严重导致识别不了,貌似也不太合情理,由于都是数字游戏呀。
方格应该能够比較好识别吧。畸变看起来也不是比leftXX.jpg大太多。剩下的仅仅能怀疑是打印纸的黑方格的黑色不明显。用毛笔涂黑(也是醉了)。
6、最后最终能够识别一部分图片了!也算大功告成吧。顺便歧视一把国内打印店的打印机质量,黑方格颜色太浅,咋leftXX.jpg外国打印机就打得那么神颜色。
原始畸变图片、校准工具描了角点的畸变图片和校正图片,取了同一张。分别例如以下:
添加了命令行的批处理文件,标定校准工具、图片打包下载链接:http://download.csdn.net/detail/lonelyrains/8906705