Camera-calibration

相机标定

一、前提准备

1、伪硬件

名称		数量
标定板8×10		1
手机		1
待标定照片		12
支架		1

手机固定在支架上，调整标定板位置，对其从不同角度进行拍照，所拍摄照片为11张。保存到文件夹后对其进行依次命名：*.jpg(如：1.jpg)

2、软件

  使用的编程语言：python
  工具包：opencv, numpy, glob

二、寻找标定棋盘并进行标定

1、python + opencv 的方案

  利用opencv寻找棋盘，所用到的函数如下：

•  cv2.TERM_CRITERIA_MAX_ITER | cv2.TERM_CRITERIA_EPS：设置寻找亚像素点的终止迭代规则，前者为在指定迭代次数后停止算法，后者为要求的精度，在相机标定时才用的最大迭代次数为30次，最大精度为0.001。
•  images = glob.glob(r'G:\biaoding\*.jpg')：glob函数能够返回所有匹配到的文件路径列表，用来读取待标定的棋盘图像。
•   cv2.findChessboardCorners：该函数用来找到棋盘，其返回值为角点，且会按一定顺序排列。
•   cv2.cornerSubPix：在上述找到角点的前提下寻找亚像素点，目的是为了增强检测角点的精度。
•   cv2.drawChessboardCorners：绘制找到的角点
•   retv, mtx, dist, rvecs, tvecs = cv2.calibrateCamera：相机标定函数，经过以上的计算以及找角点后进行相机标定，返回值为相机矩阵，畸变系数，旋转以及变换向量。

2、具体实施

import cv2
import glob
import numpy as np


# 采用循环找取亚像素点的参数，最大迭代次数采用30次，精度为0.001，两者同时满足时停止迭代
criteria = (cv2.TERM_CRITERIA_MAX_ITER | cv2.TERM_CRITERIA_EPS, 30, 0.001)
# 所采用的棋盘规格8×10
objp = np.zeros((7 * 9, 3), np.float32)
objp[:, :2] = np.mgrid[0:9, 0:7].T.reshape(-1, 2) # 将世界坐标系建在标定板上，所有点的Z坐标全部为0
obj_points = [] # 坐标系中的三维点
img_points = [] # 图像平面中的二维点
# 从文件中依次读取照片
images = glob.glob(r'G:\biaoding\*.jpg')
for fname in images:
  img = cv2.imread(fname)
  cv2.namedWindow('img', 0)
  cv2.resizeWindow('img', 600, 600)
  cv2.imshow('img',img)
  cv2.waitKey()
  # cv2.destroyAllWindows()
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  size = gray.shape[::-1]
  # print(size)
  # findchessboardcorner函数里寻找棋盘图的内角点
  retv, corners = cv2.findChessboardCorners(gray, (7, 9), None)
  print(retv)
  if retv:
    obj_points.append(objp)
    # 在原角点的基础上寻找亚像素角点
    corners2 = cv2.cornerSubPix(gray, corners, (6, 6), (-1, -1), criteria) 
    print(corners2)
    if [corners2]:
      img_points.append(corners2)
    else:
      img_points.append(corners)
    # 绘制找到的角点
    cv2.drawChessboardCorners(img, (7, 9), corners, retv)
    cv2.namedWindow('img', 0)
    cv2.resizeWindow('img', 600, 600)
    cv2.imshow('img', img)
    cv2.waitKey(20000)

  待标定图像如下所示：

找到棋牌并进行标定后的图片如下图所示：

标定前		标定后

3、相机相关参数

相机矩阵Mtx：

[[1.86761254e+04 0.00000000e+00 4.09207342e+02]
[0.00000000e+00 1.77781655e+03 4.23180100e+02]
[0.00000000e+00 0.00000000e+00 1.00000000e+00]]

畸变系数dist:

dist:
 [[-0.05541607 -0.17312714  0.0776916  -0.0767596   0.07245637]]

外参旋转向量:

[[ 2.10761526],
 [-0.5901612 ],
 [-2.10187724]]

外参平移向量:

[[ 1.32373017],
 [16.72137644],
 [57.99935184]]