魚眼相機標定以及OpenCV實現(xiàn)

http://blog.csdn.net/u010784534/article/details/50474371

在另一篇文章中我已經(jīng)寫過有關普通相機模型及其OpenCV標定實現(xiàn)，這篇文章將主要關注魚眼相機模型及其OpenCV標定實現(xiàn)。 
先看一張魚眼相機拍攝出來的結果：

從圖中可以看出很明顯的畸變。對魚眼相機標定，有時候也可以用普通相機的標定方法對其進行標定，但是卻不能保證去畸變后的效果是最好的。因此對于Gopro等魚眼鏡頭拍攝出來的圖像去畸變，最好的方法就是采用魚眼相機標定方法進行標定。

魚眼相機模型

魚眼相機的內(nèi)參模型依然可以表示為： 

⎧⎩⎨⎪⎪fx000fy0cxcy1⎫⎭⎬⎪⎪

這與普通鏡頭的成像模型沒有區(qū)別。兩者之間的區(qū)別主要體現(xiàn)在畸變系數(shù)，魚眼相機的畸變系數(shù)為{k1,k2,k3,k4}，畸變系數(shù)不同，就導致魚眼相機的投影關系也發(fā)生了變化，主要變化發(fā)生在考慮畸變情況下的投影關系轉(zhuǎn)化： 
設（X,Y,Z）為空間中一個三維點，它在成像平面內(nèi)的成像坐標為（u,v），在考慮畸變的情況下， 

⎧⎩⎨⎪⎪xcyczc⎫⎭⎬⎪⎪=R∗⎧⎩⎨⎪⎪XYZ⎫⎭⎬⎪⎪+T

a=xc/zc,b=yc/zc 
r2=a2+b2 
θ=atan(r) 
θ′=θ(1+k1θ2+k2θ4+k3θ6+k4θ8) 
x′=(θ′/r)xc 
y′=(θ′/r)yc 
u=fxx′+cx 
v=fyy′+cy

OpenCV實現(xiàn)魚眼相機標定

利用opencv實現(xiàn)魚眼相機的標定和普通相機標定的標定流程基本一致，具體流程如下：

1. 檢測角點 
   cv::findChessboardCorners(InputArray image, Size patternSize, OutputArray corners, int 
flags=CALIB_CB_ADAPTIVE_THRESH+CALIB_CB_NORMALIZE_IMAGE} 
   獲得棋盤標定板的角點位置，使用 
   cornerSubPix(InputArray image, InputOutputArray corners, Size winSize, Size zeroZone, 
TermCriteria criteria)獲取角點更精細的檢測結果
2. 初始化標定板上角點的三維坐標
3. 開始標定 
   double fisheye::calibrate(InputArrayOfArrays objectPoints, InputArrayOfArrays imagePoints, 
const Size& image_size, InputOutputArray K, InputOutputArray D, 
OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, int flags=0, 
TermCriteria criteria=TermCriteria(TermCriteria::COUNT + TermCriteria:: 
EPS, 100, DBL_EPSILON)) 
   注意：K，D 分別表示內(nèi)參矩陣和畸變系數(shù)向量，在定義時要定義為double型，這里推薦使用Matx33d和Vec4d數(shù)據(jù)類型，更為方便簡單。objectPoints，imagePoints可以是float型，也可以是double型，但是再stereorectify中需要時double型。flags的可選項有很多，其中需要注意的是必須要指定CALIB_FIX_SKEW，代表求解時假設內(nèi)參中fx=fy. 
   4.評定誤差(可選項)
   
   
       for (int i = 0; i != image_count; i++)
       {
           cout << "Frame #" << i + 1 << "..." << endl;
           string image_Name;
           stringstream stream;
           stream << (i + startNum);
           stream >> image_Name;
           image_Name = path_ChessboardImage + image_Name + ".jpg";
           cv::Mat image = imread(image_Name);
           Mat image_gray;
           cvtColor(image, image_gray, CV_RGB2GRAY);
           vector<Point2f> corners;                   
           bool patternFound = findChessboardCorners(image_gray, board_size, corners,
               CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE + CALIB_CB_FAST_CHECK);
           if (!patternFound || fullcornersNum != corners.size())
           {
               cout << "can not find chessboard corners!\n";
               continue;
           }
           else
           {
               cornerSubPix(image_gray, corners, Size(11, 11), Size(-1, -1), TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));
               count = count + corners.size();
               corners_Seq.push_back(corners);
               successImageNum = successImageNum + 1;
               image_Seq.push_back(image);
           }
       }
       /************************************************************************
       攝像機定標
       *************************************************************************/
       vector<vector<Point3f>>  object_Points;        /****  保存定標板上角點的三維坐標   ****/
   
   
       Mat image_points = Mat(1, count, CV_32FC2, Scalar::all(0));  /*****   保存提取的所有角點   *****/
       vector<int>  point_counts;                                                         
       /* 初始化定標板上角點的三維坐標 */
       for (int t = 0; t<successImageNum; t++)
       {
           vector<Point3f> tempPointSet;
           for (int i = 0; i<board_size.height; i++)
           {
               for (int j = 0; j<board_size.width; j++)
               {
                   /* 假設定標板放在世界坐標系中z=0的平面上 */
                   Point3f tempPoint;
                   tempPoint.x = i*square_size.width;
                   tempPoint.y = j*square_size.height;
                   tempPoint.z = 0;
                   tempPointSet.push_back(tempPoint);
               }
           }
           object_Points.push_back(tempPointSet);
       }
       for (int i = 0; i< successImageNum; i++)
       {
           point_counts.push_back(board_size.width*board_size.height);
       }
       /* 開始定標 */
       Size image_size = image_Seq[0].size();
       cv::Matx33d intrinsic_matrix;    /*****    攝像機內(nèi)參數(shù)矩陣    ****/
       cv::Vec4d distortion_coeffs;     /* 攝像機的4個畸變系數(shù)：k1,k2,k3,k4*/
       std::vector<cv::Vec3d> rotation_vectors;                           /* 每幅圖像的旋轉(zhuǎn)向量 */
       std::vector<cv::Vec3d> translation_vectors;                        /* 每幅圖像的平移向量 */
       int flags = 0;
       flags |= cv::fisheye::CALIB_RECOMPUTE_EXTRINSIC;
       flags |= cv::fisheye::CALIB_CHECK_COND;
       flags |= cv::fisheye::CALIB_FIX_SKEW;
       fisheye::calibrate(object_Points, corners_Seq, image_size, intrinsic_matrix, distortion_coeffs, rotation_vectors, translation_vectors, flags, cv::TermCriteria(3, 20, 1e-6));
   
   標定結果： 
   

posted on 2017-11-16 09:55 zmj 閱讀(3096) 評論(0)  編輯 收藏 引用