相机的标定是所有人走进视觉世界需要做的第一件事,辣么多的视觉标定原理解释你可以随便在网上找到,这里只讲到底如何去实现,也算是给刚入门的朋友做个简单的分享。
1.单目相机标定的工程源码
首先请到同性交友网站Github上下载工程源码(https://github.com/Zhanggx0102/Camera_Calibration),注意以下几点: 1).这是一个MS Visual Studio 2010的工程源码(版本是201x都可以)。 2).在编译运行之前请先在VS中配置好OpenCV(网上搜索有很多图文并茂的教程),OpenCV的各个版本应该都兼容,我使用的是2.4.6。 3).这个工程源码不是个人编写,而是我直接从OpenCV中拷贝出来的。 完成上述配置之后你会发现项目中的源文件有以下几项: camera_calibration.cpp—-相机标定的源码 in_Arlco_Camera_data.xml—-某款相机的标定参数配置文件 Arlco_Camera.xml—-某款相机的标定用图片索引文件 in_Logitech_C170.xml—-另一款相机的标定参数配置文件 Logitech_C170.xml—-另一款相机的标定用图片索引文件 此时如果点击运行则标定的是Arlco相机,且标定使用的是预先拍好的图片。
2.相机标定的配置过程。
经过第一部分的介绍,下面你要做的就是更改配置来标定你自己的相机(注意:这个时候你已经打印了一张自己的标定黑白棋盘),请紧跟下列步骤: 1).在工程目录中找到文件in_Arlco_Camera_data.xml,复制一份改个名字如:in_YourCam_Camera_data.xml 放置在同样的文件夹下,表示这是你自己的相机标定配置文件。 2).修改camera_calibration.cpp源代码中的217行
const string inputSettingsFile = argc > 1 ? argv[1] : "in_Arlco_Camera_data.xml";
改为你刚才复制的自己的配置文件,例如:
const string inputSettingsFile = argc > 1 ? argv[1] : "in_YourCam_Camera_data.xml";
3).修改你自己的相机标定配置文件in_YourCam_Camera_data.xml,具体如下:
<!-- Number of inner corners per a item row and column. (square, circle) -->
<BoardSize_Width>7</BoardSize_Width>
<BoardSize_Height>5</BoardSize_Height>
这一步配置你的横向和纵向角点(黑白相交的点)数,如下图所示。我的是横向7个,纵向5个,请根据自己的标定棋盘更改相应的数目。
1 <!-- The size of a square in some user defined metric system (pixel, millimeter)-->
2 <Square_Size>30</Square_Size>
这个定义的是你的棋盘格的尺寸,我的是30mm,请根据自己的做更改。
<!-- The type of input used for camera calibration. One of: CHESSBOARD CIRCLES_GRID ASYMMETRIC_CIRCLES_GRID -->
<Calibrate_Pattern>"CHESSBOARD"</Calibrate_Pattern>
这个定义的是你标定用的棋盘类型,如果你用的是黑白棋盘,不用修改。
<Input>"Arlco_Camera.xml"</Input>
<!-- If true (non-zero) we flip the input images around the horizontal axis.-->
<Input_FlipAroundHorizontalAxis>0</Input_FlipAroundHorizontalAxis>
这个指定的是你标定的时候采用的方式,支持一下三种: a. 用预先拍好的带有标定棋盘的照片进行标定。(本文采用的标定方式,下面将具体介绍方法) b.用预先录制好的视频进行标定(支持AVI格式)。用”/tmp/x.avi”代替源码中的”Arlco_Camera.xml”即可,其中x.avi是你录制好的带有棋盘的视频。 c.打开相机边录制边标定。用“1”代替源码中的”Arlco_Camera.xml”即可。 如果采用a方法,需要工程目录中找到文件Arlco_Camera.xml,复制一份改个名字如:YourCam_Camera.xml 放置在同样的文件夹下。这个里面指定了标定用的照片的存放位置和名称,具体代码如下:
<?xml version="1.0"?><opencv_storage><images> imges/1.jpg imges/2.jpg imges/3.jpg imges/4.jpg imges/5.jpg imges/6.jpg imges/7.jpg imges/8.jpg imges/9.jpg imges/10.jpg imges/11.jpg imges/12.jpg imges/13.jpg imges/14.jpg imges/15.jpg imges/16.jpg imges/17.jpg imges/18.jpg imges/19.jpg imges/20.jpg imges/21.jpg imges/22.jpg imges/23.jpg imges/24.jpg imges/25.jpg imges/26.jpg imges/27.jpg</images></opencv_storage>
你不需要修改,只需要把工程目录下的imges文件夹里的图片换成你自己的就可以了,图片名称还是用1~27的数字。 继续回到in_YourCam_Camera_data.xml文件修改参数:
<!-- How many frames to use, for calibration. -->
<Calibrate_NrOfFrameToUse>27</Calibrate_NrOfFrameToUse>
这里27指定了你预先拍照的数量,可以修改,但是需要相应的修改YourCam_Camera.xml文件。
<!-- The name of the output log file. -->
<Write_outputFileName>"out_Arlco_Camera_data.yml"</Write_outputFileName>
这里指定的是你的标定参数保存的文件名称,用自己的名字如:out_YourCam_Camera_data.yml 代替:out_Arlco_Camera_data.yml 即可。 ok,其余的参数用默认即可,这个时候请把你修改好的文件:in_YourCam_Camera_data.xml 和 YourCam_Camera.xml 添加到工程项目的源码中。 此时点击运行口可以标定你自己的相机了,最后的结果会保存在工程目录下,名字就是上一步你自己设置的out_YourCam_Camera_data.yml。 标定过程如下图所示: 完成后你就可以看到相机内参、外参以及畸变系数了,部分数据如下:
%YAML:1.0
calibration_Time: "09/02/17 14:27:10"
nrOfFrames: 27
image_Width: 1280
image_Height: 720
board_Width: 7
board_Height: 5
square_Size: 30.
FixAspectRatio: 1.
# flags: +fix_aspectRatio +fix_principal_point +zero_tangent_dist
flagValue: 14
Camera_Matrix: !!opencv-matrix
rows: 3
cols: 3
dt: d
data: [ 1.0078520005023535e+003, 0., 6.3950000000000000e+002, 0.,
1.0078520005023535e+003, 3.5950000000000000e+002, 0., 0., 1. ]
Distortion_Coefficients: !!opencv-matrix
rows: 5
cols: 1
dt: d
data: [ -4.9694653328469340e-002, 2.3886698343464000e-001, 0., 0.,
-2.1783942538569392e-001 ]
Avg_Reprojection_Error: 6.4271522441441153e-001
Per_View_Reprojection_Errors: !!opencv-matrix
rows: 27
cols: 1
dt: f
data: [ 3.89407665e-001, 4.69866753e-001, 3.74819994e-001,
4.79580641e-001, 2.85050988e-001, 3.93756509e-001,
9.21430171e-001, 7.79153645e-001, 6.87648296e-001,
6.19106829e-001, 6.83992207e-001, 6.41160131e-001,
2.52024829e-001, 2.94729859e-001, 4.55538809e-001,
7.44070828e-001, 4.21751559e-001, 5.13929784e-001,
6.03685081e-001, 1.09411442e+000, 1.20731401e+000,
8.70341241e-001, 3.22936684e-001, 4.73881990e-001,
8.06841075e-001, 6.78049505e-001 ]
我用的图片是1280×720的,这个数据是根据你用的标定图片得出的。
3.总结
本文是为视觉入门者准备的,后续我会陆续介绍在linux下的标定过程,包括用其他开源库如ArUco等的标定方法。