相機(jī)校準(zhǔn)與方形棋盤

本教程的目標(biāo)是學(xué)習(xí)如何校準(zhǔn)一個(gè)已經(jīng)給定一套棋盤圖像的相機(jī)。

測(cè)試數(shù)據(jù)：使用數(shù)據(jù)/象棋文件夾中的圖像。

• 通過(guò)在cmake配置中將BUILD_EXAMPLES設(shè)置為ON，用OpenCV編譯樣本。
• 轉(zhuǎn)到bin文件夾，并使用imagelist_creator創(chuàng)建圖像的XML / YAML列表。
• 然后，運(yùn)行校準(zhǔn)樣品以獲取相機(jī)參數(shù)。使用方形尺寸等于3cm。

Pose 預(yù)估

現(xiàn)在，讓我們編寫檢測(cè)圖像中棋盤的代碼，并找到與相機(jī)的距離。您可以將此方法應(yīng)用于具有已知3D幾何的任何對(duì)象; 您在圖像中檢測(cè)到。

測(cè)試數(shù)據(jù)：使用您的數(shù)據(jù)文件夾中的chess_test * .jpg圖像。

• 創(chuàng)建一個(gè)空的控制臺(tái)項(xiàng)目。加載測(cè)試圖像：
  

Mat img = imread（argv [1]，IMREAD_GRAYSCALE）;

• 使用findChessboard功能檢測(cè)此圖像中的棋盤：
  

bool found = findChessboardCorners（img，boardSize，ptvec，CALIB_CB_ADAPTIVE_THRESH）;

• 現(xiàn)在，在任何坐標(biāo)系中編寫一個(gè)生成棋盤的3d坐標(biāo)矢量<Point3f>數(shù)組的函數(shù)。為了簡(jiǎn)單起見(jiàn)，我們選擇一個(gè)系統(tǒng)，使得棋盤角中的一個(gè)位于原點(diǎn)，而棋盤在平面z = 0
• 從XML / YAML文件讀取相機(jī)參數(shù)：

FileStorage fs( filename, FileStorage::READ );
Mat intrinsics, distortion;
fs["camera_matrix"] >> intrinsics;
fs["distortion_coefficients"] >> distortion;

• 現(xiàn)在我們準(zhǔn)備通過(guò)運(yùn)行`solvePnP`來(lái)找到棋盤姿勢(shì)了
  

vector<Point3f> boardPoints;
// fill the array
...

solvePnP(Mat(boardPoints), Mat(foundBoardCorners), cameraMatrix,
                     distCoeffs, rvec, tvec, false);

• 計(jì)算重新投影錯(cuò)誤，就像在校準(zhǔn)樣品中一樣（參見(jiàn)opencv / samples / cpp / calibration.cpp，函數(shù)computeReprojectionErrors）。

問(wèn)題：你如何計(jì)算從相機(jī)原點(diǎn)到任何一個(gè)角落的距離？答：由于我們的形象在于3D空間，首先我們將計(jì)算出相對(duì)攝像機(jī)的姿勢(shì)。這將給我們3D到2D通信。接下來(lái)，我們可以應(yīng)用一個(gè)簡(jiǎn)單的L2范數(shù)來(lái)計(jì)算任何點(diǎn)（拐點(diǎn)的終點(diǎn)）之間的距離。