相机标定 matlab opencv ROS三种方法标定步骤(1)

本文涉及的产品
资源编排,不限时长
简介: 一 、 理解摄像机模型,网上有很多讲解的十分详细,在这里我只是记录我的整合出来的资料和我的部分理解        计算机视觉领域中常见的三个坐标系:图像坐标系,相机坐标系,世界坐标系,实际上就是要用矩阵来表        示各个坐标系下的转换,首先在图像坐标系下与相机坐标系的关系      ...

 一 、 理解摄像机模型,网上有很多讲解的十分详细,在这里我只是记录我的整合出来的资料和我的部分理解

        计算机视觉领域中常见的三个坐标系:图像坐标系,相机坐标系,世界坐标系,实际上就是要用矩阵来表

        示各个坐标系下的转换,首先在图像坐标系下与相机坐标系的关系

                                                

         可得出   Xcam=x/dx+x0,    Ycam=y/dy+y0  表示为矩阵形式

                                        Xcam           1/dx   0      x0          x

                                        Ycam      =    0     1/dy   y0    *    y

                                           1               0     0        1           1

  相机坐标系与图像坐标系的关系是

 

 

既有可以写成  

我们知道相机坐标系与世界坐标系的关系是

表达成矩阵表示为

 

    可以推导出

 

         (这里面的Xc ,Yc,Zc 也就是上面的X Y Z )其中  

           K= 就为相机的内参     R  T  为相机的外参(好难编辑)

 

接下来就是说明一下使用MATLAB  Opencv ,以及ROS环境下的Opencv进行相机校准

  相机的标定主要有两种方法     :摄像头标定方法和摄像头自标定方法,典型的有:(1)Tsai(传统的标定方法)  (2)张正友(介于传统与自标定方法之间)张正友标定法由于很简单

所以得到广泛 的应用,张正友标定法的步骤:

           1、打印一张模板并贴在一个平面上;
           2、从不同角度拍摄若干张模板图像;
           3、检测出图像中的特征点;
           4、求出摄像机的外参数(单应性矩阵)和内参数(最大似然估计) ;
           5、求出畸变系数;          

            6、优化求精。

 二、对于在matlab中进行相机标定是一件非常简单的事,因为在matlab官方网站,以及matlab中文论坛上都是有教程的,只需要找到标定模板就可以了,

                    matlab中文论坛的学习网址   http://www.ilovematlab.cn/thread-267670-1-1.html

                    详细相机标定过程请参考      http://www.mathworks.com/help/vi ... ator.html#btxr8c_-2

                    MATLAB相机标定教学视频   http://www.mathworks.com/videos/ ... h-matlab-81233.html

 

2.1   首先我们得准备软件matlab,安装matlab就按照网上的教程既可以安装成功了,不过安装过程可能遇到一些软件破解的一些问题,如果安装不上,

        那就果断的换安装的软件版本, 其次就是准备标定魔板,我是直  接用A3的纸打印了标准的棋盘方格,自己百度一下标定棋盘网上有很多图纸可供下载,

       http://wiki.ros.org/camera_calibration/Tutorials/MonocularCalibration?action=AttachFile&do=view&target=check-108.pdf

      我使用的就是check-108,其中108代表的是每个小方格的边长为108mm,使用A3的纸张打印,后来测量一下每个黑白方格的边长为35mm,

                                               

2.2  材料和软件都准备好了,我们在准备摄像头,我们有四个选择:(1)手机拍照 我们就标定手机的摄像头,(2)笔记本自带的摄像头,(3)使用带USB的的摄像头(4)网上提供的模板

     2.2.1 手机摄像头标定,最好的方法是将手机固定,然后移动标定模板,改变模板的远近位置,以及翻转角度等等,如下图

             这里面是我把标定模板给固定,改变手机的位置,这就导致拍出来的照骗有些事不能用的(可以试试),就会明白为什么会不能进行标定了,

 

  这只是展示其中四张照片,当然拍下来的至少要20张不一样的照片,现在开始使用MATLAB进行标定了,

 2.2.2当我们想标定笔记本的摄像头或者我自己外界一个摄像头的时候,就需要使用一个软件去获取摄像头的照骗,使用 Ecap软件就可以打开摄像头,并且捕捉照骗

 

可以捕获很多不同角度的关于标定模板的图片,至少需要20张,紧接着打开matlab,在命令行输入

   >> cameraCalibrator    出现:

 

    之后可以添加“add images”,然后选择我的模板的方格大小,默认是25mm   改为与实际模板一致的边长是35mm

            

也可以直接添加网上所提供的标定模板,

         

此标定模板为6*4   108mm 添加完选择“”calibrate“”有

   

右边出现一下统计图,左下角就是每个图片相对摄像头的远近和角度,点击保存calibration.mat文件,点击“Export camera parameters”出现标定的结果

到此MATLAB的相机标定就完成了

(虽然我写的很幸苦,但是我也只是想记录下我的实验过程,中间也遇到很多问题,这都是解决后的结果本来是1,2,3放在一起的

  但是因为篇幅太长,只好将其分为三段,中间也丢失过好几次,然后又重新写,大神们看见就当是在看笑话,一笑了之即可,

  我知道这其中没有什么创新可言,真实惭愧,谢谢)

 

版权所有,转载请注明出处

如果您觉得看完有所收获,欢迎扫一扫,可以资助一分,几分money,不在乎多少(我也是跟网上的大神们学的),不想挣钱娶媳妇的程序员不是好程序员,谢谢

         

相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务,定义资源编排模板,实现自动化创建阿里云专有网络和交换机。
阿里云资源编排ROS使用教程
资源编排(Resource Orchestration)是一种简单易用的云计算资源管理和自动化运维服务。用户通过模板描述多个云计算资源的依赖关系、配置等,并自动完成所有资源的创建和配置,以达到自动化部署、运维等目的。编排模板同时也是一种标准化的资源和应用交付方式,并且可以随时编辑修改,使基础设施即代码(Infrastructure as Code)成为可能。 产品详情:https://www.aliyun.com/product/ros/
相关文章
|
3月前
|
计算机视觉 索引
OpenCV4学习笔记(2):显示相机视频流的帧率
这篇文章是OpenCV4学习笔记的第二部分,介绍了如何通过OpenCV4在显示相机视频流时计算并显示其帧率,使用`getTickCount`和`getTickFrequency`函数来测量帧时间,并用`putText`在图像上绘制帧率信息。
OpenCV4学习笔记(2):显示相机视频流的帧率
|
3月前
|
算法 计算机视觉 Python
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
|
3月前
|
传感器 机器人 测试技术
ROS相机内参标定详细步骤指南
本文是关于ROS相机内参标定的详细步骤指南,包括了标定的目的、原理、所需材料、具体操作流程以及标定结果的分析。文章以Ubuntu20.04和ROS1 Noetic为测试环境,适用于单目RGB相机的内参标定,使用ros-noetic-camera-calibration工具包进行操作,并提供了标定过程中的注意事项和建议。
207 1
ROS相机内参标定详细步骤指南
|
3月前
|
存储 Ubuntu 计算机视觉
使用ros标定相机的内参和外参
使用ros标定相机的内参和外参
98 2
|
3月前
|
存储 编解码 API
python多种方法压缩图片,opencv、PIL、tinypng、pngquant压缩图片
python多种方法压缩图片,opencv、PIL、tinypng、pngquant压缩图片
230 1
|
3月前
|
算法 定位技术 vr&ar
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
445 0
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
|
3月前
|
Ubuntu 机器人 测试技术
奥比中光 Femto Bolt相机ROS配置
这篇文章介绍了奥比中光Femto Bolt相机在ROS1 Noetic和ROS2 Humble环境下的配置过程,包括自动脚本和手动配置方法,适用于Ubuntu 20.04/22.04系统和Jetson Orin平台。
132 0
奥比中光 Femto Bolt相机ROS配置
|
3月前
|
存储 算法 Serverless
【matlab】matlab基于DTW和HMM方法数字语音识别系统(源码+音频文件+GUI界面)【独一无二】
【matlab】matlab基于DTW和HMM方法数字语音识别系统(源码+音频文件+GUI界面)【独一无二】
|
3月前
|
计算机视觉
【图像处理】基于灰度矩的亚像素边缘检测方法理论及MATLAB实现
基于灰度矩的亚像素边缘检测方法,包括理论基础和MATLAB实现,通过计算图像的灰度矩来精确定位边缘位置,并提供了详细的MATLAB代码和实验结果图。
88 6
|
3月前
|
算法 数据安全/隐私保护
基于星座图整形方法的QAM调制解调系统MATLAB误码率仿真,对比16,32,64,256四种QAM调制方式
本MATLAB 2022a仿真展示了不同QAM阶数下的星座图及误码率性能,通过星座图整形技术优化了系统性能。该技术利用非均匀分布的星座点提高功率效率,并通过合理布局增强抗干扰能力。随着QAM阶数增加,数据传输速率提升,但对信道质量要求也更高。核心程序实现了从比特生成到QAM映射、功率归一化、加噪及解调的全过程,并评估了系统误码率。
62 0

推荐镜像

更多
下一篇
无影云桌面