三步骤详解张正友标定法

这篇具有很好参考价值的文章主要介绍了三步骤详解张正友标定法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1998年,张正友提出了基于二维平面靶标的标定方法,使用相机在不同角度下拍摄多幅平面靶标的图像,比如棋盘格的图像,然后通过对棋盘格的角点进行计算分析来进行相机标定(求解相机的内外参数)。

三步骤详解张正友标定法

标准棋盘格图像

第一步:对每一幅图像得到一个映射矩阵(单应矩阵)H

一个二维点表示,一个三维点可以用表示,其增广矩阵(齐次坐标表示)为以及。三维点与其投影图像点之间的关系为:

式中,s为任意标准矢量,A矩阵为相机内参;R(旋转矩阵),t(平移向量)为外参

内参:

        

式中是相机在图像坐标系的主点,和是图像上和坐标轴的尺度因子,表示图像坐标轴的垂直度(取决于相机制造工艺,好的为0)。

假定模板平面在世界坐标系的平面上,则有:

在标定模板(棋盘格)平面上的齐次坐标,而是棋盘格平面上的点投影到摄像机的成像(图像平面)对应点的齐次坐标。

此时,可以得到一个3*3的矩阵:

利用单应矩阵可得内参矩阵A的约束条件为  

第二步:利用约束条件线性求解内参矩阵A

假设存在:

式中,B为对称矩阵,基于绝对二次曲面原理求出B以后,再对B矩阵求逆,并从中导出内参矩阵A,再由A和单应矩阵H计算外参R和t,公式如下:

第三步:最大似然估计

采用最大似然准则优化上述参数。假设图像有n幅,模板平面标定点有m个,则最大似然估计值就可以通过最小化以下公式得到:

式中,为第j个点在第i幅图像中的像点;为第i幅图像的旋转矩阵;为第i幅图像的平移向量;为第j个点的空间坐标;初始估计值利用上面线性求解的结果,径向畸变系数、初始值为0。

张正友标定没有考虑切向畸变,他认为可以忽略。

实验流程:

1.制作棋盘格标定板,图片如上,选用的是10*7的

2.标定板离相机距离,要保证图片的20%被标定板覆盖

3.拍摄至少10~20张

4.相对相机不同方向拍摄标定板

5.拍摄过程不要采用自定对焦方式,也不要改变焦距(作为摄影爱好者,之后我会写一篇关于单反相机的科普知识)

基于Python-openCV的标定原码如下:

import cv2 as cv
import numpy as np
import glob

# 标定板的大小,标定板内角点的个数
CHCKERBOARD = (9,6)
# 角点优化,迭代的终止条件,一个是角点优化的最大迭代次数,另一个是角点的移动位移小于则终止
criteria = (cv.TERM_CRITERIA_EPS + cv.TermCriteria_MAX_ITER, 30, 0.001)

# 定义标定板在真实世界的坐标
# 创建一个向量来保存每张图片中角点的3D坐标
objpoints = []
# 创建一个向量来保存每张图片中角点的2D坐标
imgpoints = []
# 定义3D坐标: [row,col,z]
objp = np.zeros((1,CHCKERBOARD[0]*CHCKERBOARD[1],3),np.float32)
objp[0,:,:2] = np.mgrid[0:CHCKERBOARD[0],0:CHCKERBOARD[1]].T.reshape(-1,2)

# 提取不同角度拍摄的图片
images = glob.glob('D:/datasets/camera_calibration/*.jpg')
images = sorted(images)
for i,fname in enumerate(images):
    img = cv.imread(fname) # 读取图片
    gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) # RGB转换成灰度图

# 计算标定板的角点的2D坐标
# 寻找角点坐标,如果找到ret返回True, corners:[col,row], 原点在左上角
ret, corners = cv.findChessboardCorners(gray,CHCKERBOARD,cv.CALIB_CB_ADAPTIVE_THRESH+
                                        cv.CALIB_CB_FAST_CHECK+cv.CALIB_CB_NORMALIZE_IMAGE)
if ret == True:
    objpoints.append(objp)
    # 调用cornerSubpix对2D角点坐标位置进行优化
    corners2 = cv.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)
    imgpoints.append(corners2)

    # 绘制寻找到的角点,从红色开始绘制,紫色结束
    img = cv.drawChessboardCorners(img,CHCKERBOARD,corners2,ret)
    cv.imshow(fname+ 'succeed', img)
else:
    print(f'第{i}张图,{fname}未发现足够角点')
    cv.imshow(fname + 'failed', img)
cv.waitKey(0)
cv.destroyAllWindows()

h,w = img.shape[:2]
# 相机标定
ret,mtx,dist,rvecs,tvecs = cv.calibrateCamera(objpoints,imgpoints,gray.shape
                                              [::-1],None,None)
print('相机内参: ')   # [[fx,0,cx],[0,fy,cy],[0,0,1]]
print(mtx,'\n')
print('畸变参数: ')   # k1,k2,p1,p2,k3
print(dist,'\n')
print('旋转矩阵: ')
print(rvecs,'\n')
print('平移矩阵: ')
print(tvecs,'\n')

# 去畸变
# 要先用getOptimalNewCameraMatrix来获取矫正后的有效像素面积,以及对参数进行优化
img = cv.imread('D:/datasets/camera_calibration/02.jpg')
h,w = img.shape[:2]
newcameramtx,roi = cv.getOptimalNewCameraMatrix(mtx,dist,(w,h),1,(w,h))

# 使用undistort矫正图像
dst = cv.undistort(img,mtx,dist,None,newcameramtx)
# 图片裁剪
x,y,w,h = roi
dst2 = dst[y:y+h,x:x+w]  # x宽,y高
print(f'ROI: x:{x},y:{y},w:{w},h:{h}')
cv.imshow('original',img)
cv.imshow('image_undistorted1',dst)
cv.imshow('image_undistorted1 ROI',dst2)
cv.waitKey(0)
cv.destroyAllWindows()

# 使用remapping
mapx,mapy = cv.initUndistortRectifyMap(mtx,dist,None,newcameramtx,(w,h),
                                       5)
dst3 = cv.remap(img,mapx,mapy,cv.INTER_LINEAR)
cv.imshow('remap_method',dst3)
cv.waitKey(0)
cv.destroyAllWindows()
 
# 计算重投影误差:
# 计算重投影误差来评估相机标定的结果,将3D坐标投影到成像平面
# 投影得到2D点后,便可以利用检测到的二维坐标角点计算他们之间的均方误差
mean_error = 0
for i in range(len(objpoints)):
    # 使用内外惨和畸变参数对点进行重投影
    imgpoints2,_ = cv.projectPoints(objpoints[i],rvecs[i],tvecs[i],mtx,
                                    dist)
    error = cv.norm(imgpoints[i],imgpoints2,cv.NORM_L2)/len(imgpoints2)
    # L2范数,均方误差
    mean_error += error

mean_error /= len(objpoints)
print('total error: {}'.format(mean_error))

动手去玩吧,希望大家学废张正友标定法!!!文章来源地址https://www.toymoban.com/news/detail-439215.html

到了这里,关于三步骤详解张正友标定法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • opencv C++ 张正友相机标定

    2023年08月16日
    浏览(43)
  • 张正友相机标定法原理与实现

    张正友相机标定法是张正友教授1998年提出的单平面棋盘格的相机标定方法。传统标定法的标定板是需要三维的,需要非常精确,这很难制作,而张正友教授提出的方法介于传统标定法和自标定法之间,但克服了传统标定法需要的高精度标定物的缺点,而仅需使用一个打印出来

    2024年02月04日
    浏览(44)
  • 张正友标定论文的解读和C++代码编写

    张正友标定相机内参是非常经典的标定算法,现在代码已经被集成到MATLAB和opencv里面。不过因为算法涉及到基础的相机坐标系、图像坐标系、公式推导,以及优化算法,故根据张正友论文进行分模块代码编写。 https://github.com/Shelfcol/Zhangzhengyou_calib_cam_intrinsic 此C++代码是根据张

    2024年02月05日
    浏览(64)
  • 相机标定张正友、opencv和halcon对比(1)

    本文将从基本标定开始,结合实际工作经验,分析张正友、opencv和halcon三者相机标定的深层原理与不同之处,内容比较多,如果出现错误请指正。 我们使用的镜头都是由多组镜片组成,它实际上是一种厚透镜模型,但是目前所有的相机标定是基于针孔模型来进行标定的,因此

    2024年02月03日
    浏览(37)
  • 【QT/OpenCV】QT实现张正友相机标定

    01、相机标定 机器视觉是采用相机成像来实现对三维场景的测量、定位、重建等过程。也是一个利用二维图像进行三维反推的过程,我们所处的世界是三维的,而图像或者照片是二维的。我们可以把相机认为是一个函数,输入量是一个三维场景,输出量是一幅二维图像。 正常

    2024年02月09日
    浏览(42)
  • 张正友相机标定(全流程,含畸变,matlab源代码解析)

    张正友标定的具体原理很多文章已经介绍,这里主要结合源代码对其中的基本原理及本人遇到的问题进行介绍。(仅介绍基本原理供本人复习,同时方便他人,如有问题,请及时指正勿喷) 相机标定,即获取其内参、外参、畸变系数(内参与外参及相机成像模型的解释可以参

    2024年02月04日
    浏览(48)
  • 新手入门深度学习 | 6-1:LeNet-5(1998年)详解

    🔗 运行环境:python3 🚩 作者:K同学啊 🥇 精选专栏: 《深度学习100例》 🔥 推荐专栏: 《新手入门深度学习》 📚 选自专栏: 《Matplotlib教程》 🧿 优秀专栏: 《Python入门100题》 传统的LeNet-5网络最初是为手写数字识别而设计的,由两个卷积层、两个池化层和三个全连接

    2024年02月11日
    浏览(32)
  • 相机标定 - (02) - 相机标定步骤与原理

    目录 2 相机标定步骤 2.1 张正有标定操作步骤 2.2 张正有标定原理 参考文章: 三步骤详解张正友标定法_谜之_摄影爱好者的博客-CSDN博客         1998年,张正友提出了基于二维平面靶标的标定方法,使用相机在不同角度下拍摄多幅平面靶标的图像,比如棋盘格的图像,然

    2024年02月11日
    浏览(67)
  • 非常详细的相机标定原理、步骤(二)

    目录 一、像素坐标系 二、图像坐标系 ​ 三、图像坐标系转化为像素坐标系  四、相机坐标系转化为图像坐标系(三维转二维) 五、世界坐标系转换为像素坐标系  六、畸变参数  1.径向畸变  2.切向畸变 3.畸变矫正 非常详细的相机标定原理、步骤(一)_An efforter的博客-

    2024年02月10日
    浏览(59)
  • 相机标定(Camera calibration)原理及步骤

     这已经是我第三次找资料看关于相机标定的原理和步骤,以及如何用几何模型,我想十分有必要留下这些资料备以后使用。这属于笔记总结。 1.为什么要相机标定?        在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点

    2024年02月09日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包