Aruco标记，模块功能已移至objdetect模块

详细说明

ArUco标记检测，模块功能已移至objdetect模块

另见

ArucoDetector， CharucoDetector， Board， GridBoard， CharucoBoard

类
struct	cv::aruco::EstimateParameters
	姿态估计参数。更多信息...

枚举
enum	cv::aruco::PatternPositionType {   cv::aruco::ARUCO_CCW_CENTER ,   cv::aruco::ARUCO_CW_TOP_LEFT_CORNER }
	rvec/tvec定义了标记的右手坐标系。更多信息...

函数
double	cv::aruco::calibrateCameraAruco (InputArrayOfArrays corners, InputArray ids, InputArray counter, const Ptr< Board > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, OutputArray stdDeviationsIntrinsics, OutputArray stdDeviationsExtrinsics, OutputArray perViewErrors, int flags=0, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	使用Aruco标记校准相机。
double	cv::aruco::calibrateCameraAruco (InputArrayOfArrays corners, InputArray ids, InputArray counter, const Ptr< Board > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs=noArray(), OutputArrayOfArrays tvecs=noArray(), int flags=0, const TermCriteria &criteria=TermCriteria(COUNT+EPS, 30, DBL_EPSILON))
	这是与calibrateCameraAruco相同的功能，但不含校准误差估计。
double	cv::aruco::calibrateCameraCharuco (InputArrayOfArrays charucoCorners, InputArrayOfArrays charucoIds, const Ptr< CharucoBoard > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, OutputArray stdDeviationsIntrinsics, OutputArray stdDeviationsExtrinsics, OutputArray perViewErrors, int flags=0, const TermCriteria &criteria=TermCriteria(COUNT+EPS, 30, DBL_EPSILON))
	使用Charuco角进行相机校准。
double	cv::aruco::calibrateCameraCharuco (InputArrayOfArrays charucoCorners, InputArrayOfArrays charucoIds, const Ptr< CharucoBoard > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs=noArray(), OutputArrayOfArrays tvecs=noArray(), int flags=0, const TermCriteria &criteria=TermCriteria(COUNT+EPS, 30, DBL_EPSILON))
	这是与calibrateCameraCharuco相同的功能，但不含校准误差估计。
void	cv::aruco::detectCharucoDiamond (InputArray image, InputArrayOfArrays markerCorners, InputArray markerIds, float squareMarkerLengthRate, OutputArrayOfArrays diamondCorners, OutputArray diamondIds, InputArray cameraMatrix=noArray(), InputArray distCoeffs=noArray(), Ptr< Dictionary > dictionary=makePtr< Dictionary >(getPredefinedDictionary(PredefinedDictionaryType::DICT_4X4_50)))
	检测 ChArUco Diamond 标记。
void	cv::aruco::detectMarkers (InputArray image, const Ptr< Dictionary > &dictionary, OutputArrayOfArrays corners, OutputArray ids, const Ptr< DetectorParameters > &parameters=makePtr< DetectorParameters >(), OutputArrayOfArrays rejectedImgPoints=noArray())
	检测标记
void	cv::aruco::drawCharucoDiamond (const Ptr< Dictionary > &dictionary, Vec4i ids, int squareLength, int markerLength, OutputArray img, int marginSize=0, int borderBits=1)
	绘制 ChArUco Diamond 标记。
void	cv::aruco::drawPlanarBoard (const Ptr< Board > &board, Size outSize, OutputArray img, int marginSize, int borderBits)
	绘制平面板
int	cv::aruco::estimatePoseBoard (InputArrayOfArrays corners, InputArray ids, const Ptr< Board > &board, InputArray cameraMatrix, InputArray distCoeffs, InputOutputArray rvec, InputOutputArray tvec, bool useExtrinsicGuess=false)
bool	cv::aruco::estimatePoseCharucoBoard (InputArray charucoCorners, InputArray charucoIds, const Ptr< CharucoBoard > &board, InputArray cameraMatrix, InputArray distCoeffs, InputOutputArray rvec, InputOutputArray tvec, bool useExtrinsicGuess=false)
	根据某些角点的ChArUco板姿态估计
void	cv::aruco::estimatePoseSingleMarkers (InputArrayOfArrays corners, float markerLength, InputArray cameraMatrix, InputArray distCoeffs, OutputArray rvecs, OutputArray tvecs, OutputArray objPoints=noArray(), const Ptr< EstimateParameters > &estimateParameters=makePtr< EstimateParameters >())
void	cv::aruco::getBoardObjectAndImagePoints (const Ptr< Board > &board, InputArrayOfArrays detectedCorners, InputArray detectedIds, OutputArray objPoints, OutputArray imgPoints)
	获取 板对象和图像点
int	cv::aruco::interpolateCornersCharuco (InputArrayOfArrays markerCorners, InputArray markerIds, InputArray image, const Ptr< CharucoBoard > &board, OutputArray charucoCorners, OutputArray charucoIds, InputArray cameraMatrix=noArray(), InputArray distCoeffs=noArray(), int minMarkers=2)
	插值ChArUco板角点的位置。
void	cv::aruco::refineDetectedMarkers (InputArray image, const Ptr< Board > &board, InputOutputArrayOfArrays detectedCorners, InputOutputArray detectedIds, InputOutputArrayOfArrays rejectedCorners, InputArray cameraMatrix=noArray(), InputArray distCoeffs=noArray(), float minRepDistance=10.f, float errorCorrectionRate=3.f, bool checkAllOrders=true, OutputArray recoveredIdxs=noArray(), const Ptr< DetectorParameters > &parameters=makePtr< DetectorParameters >())
	优化检测到的标记
bool	cv::aruco::testCharucoCornersCollinear (const Ptr< CharucoBoard > &board, InputArray charucoIds)

枚举类型文档

PatternPositionType

enum cv::aruco::PatternPositionType

#include <opencv2/aruco/aruco_calib.hpp>

rvec/tvec 定义标记的右手坐标系。

PatternPositionType 定义此系统的中心和轴方向。轴 X (红色) - 第一个坐标轴，轴 Y (绿色) - 第二个坐标轴，轴 Z (蓝色) - 第三个坐标轴。

已弃用

使用 Board::matchImagePoints 和 cv::solvePnP

另见

estimatePoseSingleMarkers()

枚举器
ARUCO_CCW_CENTER  Python: cv.aruco.ARUCO_CCW_CENTER	标记坐标系统以标记的中心为中心。 标记在其自身坐标系中的四个角（顺时针顺序）的坐标是：(-markerLength/2, markerLength/2, 0), (markerLength/2, markerLength/2, 0), (markerLength/2, -markerLength/2, 0), (-markerLength/2, -markerLength/2, 0)。
ARUCO_CW_TOP_LEFT_CORNER  Python: cv.aruco.ARUCO_CW_TOP_LEFT_CORNER	标记坐标系统以标记的左上角为中心。 标记在其自身坐标系中的四个角（逆时针顺序）的坐标是：(0, 0, 0), (markerLength, 0, 0), (markerLength, markerLength, 0), (0, markerLength, 0)。 这些图案点对使用棋盘/ChArUco板非常有用。

函数文档

calibrateCameraAruco() [1/2]

double cv::aruco::calibrateCameraAruco	(	InputArrayOfArrays	corners,
		InputArray	ids,
		InputArray	counter,
		const Ptr< Board > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs,
		OutputArrayOfArrays	tvecs,
		OutputArray	stdDeviationsIntrinsics,
		OutputArray	stdDeviationsExtrinsics,
		OutputArray	perViewErrors,
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON)
	)

Python
	cv.aruco.calibrateCameraAruco(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraArucoExtended(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

使用Aruco标记校准相机。

参数

corners	所有帧中检测到的标记角点的向量。这些角点应与 detectMarkers 返回的格式相同（参见 detectMarkers ）。
ids	角落中每个标记的标识符列表
counter	每帧中标记的数量，这样就可以拆分角落和 ids
board	标记 板 布局
imageSize	仅用于初始化内参矩阵的图像大小。
cameraMatrix	输出 3x3 单精度相机矩阵 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) 。如果指定了 CV_CALIB_USE_INTRINSIC_GUESS 和/或 CV_CALIB_FIX_ASPECT_RATIO，则 fx、fy、cx、cy 必须在调用函数之前初始化。
distCoeffs	输出失真系数的向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\)，具有 4、5、8 或 12 个元素
rvecs	为每个板视图估计的旋转向量的向量（参见 Rodrigues）。即，每个第 k 个旋转向量及其相应的第 k 个平移向量（参见下一个输出参数说明）将板图案从模型坐标系（在此坐标系中指定对象点）转换到世界坐标系，即 k-第 k 个镜像视图（k=0.. M -1）的板图案的真实位置。
tvecs	为每个模式视图估计的平移向量向量。
stdDeviationsIntrinsics	输出内参参数的标准偏差估计向量。偏差值的顺序：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\)。如果一个参数未估计，则其偏差为零。
stdDeviationsExtrinsics	输出外参参数的标准偏差估计向量。偏差值的顺序：\((R_1, T_1, \dotsc , R_M, T_M)\)，其中 M 是模式视图数，\(R_i, T_i\) 是连接的 1x3 矢量。
perViewErrors	为每个模式视图估计的平均重投影误差向量。
flags	flags 等待校准过程的标志（详细信息请参阅 calibrateCamera ）。
criteria	迭代优化算法的终止准则。

此函数使用 Aruco 标记板校准相机。该函数接收来自多个视角的 标记板的检测标记列表。过程类似于calibrateCamera()中的棋盘格校准。函数返回最终的重投影误差。

已弃用

使用 Board::matchImagePoints 和 cv::solvePnP

calibrateCameraAruco() [2/2]

double cv::aruco::calibrateCameraAruco	(	InputArrayOfArrays	corners,
		InputArray	ids,
		InputArray	counter,
		const Ptr< Board > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs = noArray(),
		OutputArrayOfArrays	tvecs = noArray(),
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON)
	)

Python
	cv.aruco.calibrateCameraAruco(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraArucoExtended(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

这是与calibrateCameraAruco相同的功能，但不含校准误差估计。

这是一个方便提供的重载成员函数。它仅在与接受参数方面与上述函数不同。

已弃用

使用 Board::matchImagePoints 和 cv::solvePnP

calibrateCameraCharuco() [1/2]

double cv::aruco::calibrateCameraCharuco	(	InputArrayOfArrays	charucoCorners,
		InputArrayOfArrays	charucoIds,
		const Ptr< CharucoBoard > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs,
		OutputArrayOfArrays	tvecs,
		OutputArray	stdDeviationsIntrinsics,
		OutputArray	stdDeviationsExtrinsics,
		OutputArray	perViewErrors,
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON)
	)

Python
	cv.aruco.calibrateCameraCharuco(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraCharucoExtended(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

使用Charuco角进行相机校准。

参数

charucoCorners	每帧检测到的 charuco 角点的向量
charucoIds	每帧 charucoCorners 中每个角点的标识符列表
board	标记 板 布局
imageSize	输入图像大小
cameraMatrix	输出 3x3 单精度相机矩阵 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) 。如果指定了 CV_CALIB_USE_INTRINSIC_GUESS 和/或 CV_CALIB_FIX_ASPECT_RATIO，则 fx、fy、cx、cy 必须在调用函数之前初始化。
distCoeffs	输出失真系数的向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\)，具有 4、5、8 或 12 个元素
rvecs	为每个板视图估计的旋转向量的向量（参见 Rodrigues）。即，每个第 k 个旋转向量及其相应的第 k 个平移向量（参见下一个输出参数说明）将板图案从模型坐标系（在此坐标系中指定对象点）转换到世界坐标系，即 k-第 k 个镜像视图（k=0.. M -1）的板图案的真实位置。
tvecs	为每个模式视图估计的平移向量向量。
stdDeviationsIntrinsics	输出内参参数的标准偏差估计向量。偏差值的顺序：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\)。如果一个参数未估计，则其偏差为零。
stdDeviationsExtrinsics	输出外参参数的标准偏差估计向量。偏差值的顺序：\((R_1, T_1, \dotsc , R_M, T_M)\)，其中 M 是模式视图数，\(R_i, T_i\) 是连接的 1x3 矢量。
perViewErrors	为每个模式视图估计的平均重投影误差向量。
flags	flags 等待校准过程的标志（详细信息请参阅 calibrateCamera ）。
criteria	迭代优化算法的终止准则。

此函数使用 Charuco 标记板的角点集校准相机。该函数接收来自多个视角的 标记板的检测角点和其标识符的列表。函数返回最终的重投影误差。

已弃用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

calibrateCameraCharuco() [2/2]

double cv::aruco::calibrateCameraCharuco	(	InputArrayOfArrays	charucoCorners,
		InputArrayOfArrays	charucoIds,
		const Ptr< CharucoBoard > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs = noArray(),
		OutputArrayOfArrays	tvecs = noArray(),
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON)
	)

Python
	cv.aruco.calibrateCameraCharuco(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraCharucoExtended(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

这是与calibrateCameraCharuco相同的功能，但不含校准误差估计。

已弃用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

detectCharucoDiamond()

void cv::aruco::detectCharucoDiamond	(	InputArray	image,
		InputArrayOfArrays	markerCorners,
		InputArray	markerIds,
		float	squareMarkerLengthRate,
		OutputArrayOfArrays	diamondCorners,
		OutputArray	diamondIds,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		Ptr< Dictionary >	dictionary = makePtr< Dictionary >(getPredefinedDictionary(PredefinedDictionaryType::DICT_4X4_50))
	)

Python
	cv.aruco.detectCharucoDiamond(	image, markerCorners, markerIds, squareMarkerLengthRate[, diamondCorners[, diamondIds[, cameraMatrix[, distCoeffs[, dictionary]]]]]	) ->	diamondCorners, diamondIds

#include <opencv2/aruco/charuco.hpp>

检测 ChArUco Diamond 标记。

参数

image	输入图像，用于角点亚像素。
markerCorners	从 detectMarkers 函数检测到的检测到的标记角点列表。
markerIds	markerCorners 中的标记 ID 列表。
squareMarkerLengthRate	正方形和标记长度的比率：squareMarkerLengthRate = squareLength/markerLength。实际单位并非必需。
diamondCorners	输出检测到的钻石角落列表（每个钻石4个角落）。顺序与标记角落相同：左上角、右上角、右下角和左下角。与detectMarkers返回的角落类似格式（例如std::vector>）。
diamondIds	钻石角落中的钻石标识符。每个钻石的标识符实际上为Vec4i类型，因此每个钻石有4个标识符，分别是组成钻石的aruco标记的标识符。
cameraMatrix	可选相机标定矩阵。
distCoeffs	可选相机畸变系数。
字典	标记类型的标记字典。

此函数从前检测到的aruco标记中检测钻石标记。钻石存储在diamondCorners和diamondIds参数中。如果提供了相机标定参数，则钻石搜索基于重投影。如果没有，则基于单应性。单应性比重投影快，但精度较低。

已弃用

使用CharucoDetector::detectDiamonds

void cv::aruco::detectMarkers	(	InputArray	image,
		const Ptr< Dictionary > &	字典,
		OutputArrayOfArrays	corners,
		OutputArray	ids,
		const Ptr< DetectorParameters > &	parameters = makePtr< DetectorParameters >(),
		OutputArrayOfArrays	rejectedImgPoints = noArray()
	)

Python
	cv.aruco.detectMarkers(	image, dictionary[, corners[, ids[, parameters[, rejectedImgPoints]]]]	) ->	corners, ids, rejectedImgPoints

#include <opencv2/aruco.hpp>

检测标记

已弃用

使用类ArucoDetector::detectMarkers

void cv::aruco::drawCharucoDiamond	(	const Ptr< Dictionary > &	字典,
		Vec4i	ids,
		int	squareLength,
		int	markerLength,
		OutputArray	img,
		int	marginSize = 0,
		int	borderBits = 1
	)

Python
	cv.aruco.drawCharucoDiamond(	dictionary, ids, squareLength, markerLength[, img[, marginSize[, borderBits]]]	) ->	img

#include <opencv2/aruco/charuco.hpp>

绘制 ChArUco Diamond 标记。

参数

字典	标记类型的标记字典。
ids	每个ChArUco标记中的ArUco标记的4个标识符列表。
squareLength	棋盘方块大小（像素）。
markerLength	标记大小（像素）。
img	包含标记的输出图像。此图像的大小将为3*squareLength + 2*marginSize。
marginSize	输出图像中标记的最小边距（像素）
borderBits	标记边框的宽度。

此函数返回的ChArUco标记图像，已准备好打印。

已弃用

使用CharucoBoard::generateImage()

void cv::aruco::drawPlanarBoard	(	const Ptr< Board > &	board,
		Size	outSize,
		OutputArray	img,
		int	marginSize,
		int	borderBits
	)

Python
	cv.aruco.drawPlanarBoard(	board, outSize, marginSize, borderBits[, img]	) ->	img

#include <opencv2/aruco.hpp>

绘制平面板

已弃用

使用Board::generateImage

int cv::aruco::estimatePoseBoard	(	InputArrayOfArrays	corners,
		InputArray	ids,
		const Ptr< Board > &	board,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		InputOutputArray	rvec,
		InputOutputArray	tvec,
		bool	useExtrinsicGuess = false
	)

Python
	cv.aruco.estimatePoseBoard(	corners, ids, board, cameraMatrix, distCoeffs, rvec, tvec[, useExtrinsicGuess]	) ->	retval, rvec, tvec

#include <opencv2/aruco.hpp>

已弃用

使用 Board::matchImagePoints 和 cv::solvePnP

bool cv::aruco::estimatePoseCharucoBoard	(	InputArray	charucoCorners,
		InputArray	charucoIds,
		const Ptr< CharucoBoard > &	board,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		InputOutputArray	rvec,
		InputOutputArray	tvec,
		bool	useExtrinsicGuess = false
	)

Python
	cv.aruco.estimatePoseCharucoBoard(	charucoCorners, charucoIds, board, cameraMatrix, distCoeffs, rvec, tvec[, useExtrinsicGuess]	) ->	retval, rvec, tvec

#include <opencv2/aruco.hpp>

根据某些角点的ChArUco板姿态估计

参数

charucoCorners	检测到的charuco角落的向量
charucoIds	charucoCorners 中每个角的标识列表
board	ChArUco 板的布局
cameraMatrix	3x3 浮点相机矩阵输入 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
distCoeffs	畸变系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) 的长度为4、5、8或12个元素
rvec	输出向量（例如 cv::Mat），对应于板的旋转变量（参见 cv::Rodrigues）。
tvec	输出向量（例如 cv::Mat），对应于板的平移向量。
useExtrinsicGuess	定义是否使用 `rvec` 和 `tvec` 的初始猜测值。

该函数从检测到的某些角落中估计 Charuco 板的位姿。该函数检查输入角落是否足够且有效以执行姿态估计。如果姿态估计有效，则返回 true，否则返回 false。

已弃用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

另见

使用 cv::drawFrameAxes 获取对象点的世界坐标轴。

estimatePoseSingleMarkers()

void cv::aruco::estimatePoseSingleMarkers	(	InputArrayOfArrays	corners,
		float	markerLength,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		OutputArray	rvecs,
		OutputArray	tvecs,
		OutputArray	objPoints = noArray(),
		const Ptr< EstimateParameters > &	estimateParameters = makePtr< EstimateParameters >()
	)

Python
	cv.aruco.estimatePoseSingleMarkers(	corners, markerLength, cameraMatrix, distCoeffs[, rvecs[, tvecs[, objPoints[, estimateParameters]]]]	) ->	rvecs, tvecs, objPoints

#include <opencv2/aruco.hpp>

已弃用

使用 cv::solvePnP

getBoardObjectAndImagePoints()

void cv::aruco::getBoardObjectAndImagePoints	(	const Ptr< Board > &	board,
		InputArrayOfArrays	detectedCorners,
		InputArray	detectedIds,
		OutputArray	objPoints,
		OutputArray	imgPoints
	)

Python
	cv.aruco.getBoardObjectAndImagePoints(	board, detectedCorners, detectedIds[, objPoints[, imgPoints]]	) ->	objPoints, imgPoints

#include <opencv2/aruco.hpp>

获取 板对象和图像点

已弃用

使用 Board::matchImagePoints

interpolateCornersCharuco()

int cv::aruco::interpolateCornersCharuco	(	InputArrayOfArrays	markerCorners,
		InputArray	markerIds,
		InputArray	image,
		const Ptr< CharucoBoard > &	board,
		OutputArray	charucoCorners,
		OutputArray	charucoIds,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		int	minMarkers = 2
	)

Python
	cv.aruco.interpolateCornersCharuco(	markerCorners, markerIds, image, board[, charucoCorners[, charucoIds[, cameraMatrix[, distCoeffs[, minMarkers]]]]]	) ->	retval, charucoCorners, charucoIds

#include <opencv2/aruco/charuco.hpp>

插值ChArUco板角点的位置。

参数

markerCorners	已检测到的标记角落的向量。对于每个标记，提供其四个角落（例如 std::vector >）。对于 N 个检测到的标记，此数组的维度应为 Nx4。角落的顺序应为顺时针方向。
markerIds	角落中每个标记的标识符列表
image	输入图像必需用于角落细化。注意，标记没有检测到，应通过角落和 ids 参数发送。
board	ChArUco 板的布局
charucoCorners	插值棋盘角落
charucoIds	插值棋盘角落标识
cameraMatrix	可选的 3x3 浮点相机矩阵 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
distCoeffs	可选的畸变系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) 的长度为4、5、8或12个元素
minMarkers	必须检测到的相邻标记的数量，才能返回 Charuco 角落

此函数接收检测到的标记并返回从ChArUco板上使用检测到的Aruco标记计算出的棋盘角点的二维位置。如果提供相机参数，则基于近似姿态估计，否则基于局部单应性。只返回可见的角点。对于每个角点，其在charucoIds中的对应标识符也返回。函数返回插值角点的数量。

已弃用

使用 CharucoDetector::detectBoard

refineDetectedMarkers()

void cv::aruco::refineDetectedMarkers	(	InputArray	image,
		const Ptr< Board > &	board,
		InputOutputArrayOfArrays	detectedCorners,
		InputOutputArray	detectedIds,
		InputOutputArrayOfArrays	rejectedCorners,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		float	minRepDistance = 10.f,
		float	errorCorrectionRate = 3.f,
		bool	checkAllOrders = true,
		OutputArray	recoveredIdxs = noArray(),
		const Ptr< DetectorParameters > &	parameters = makePtr< DetectorParameters >()
	)

Python
	cv.aruco.refineDetectedMarkers(	image, board, detectedCorners, detectedIds, rejectedCorners[, cameraMatrix[, distCoeffs[, minRepDistance[, errorCorrectionRate[, checkAllOrders[, recoveredIdxs[, parameters]]]]]]]	) ->	detectedCorners, detectedIds, rejectedCorners, recoveredIdxs

#include <opencv2/aruco.hpp>

优化检测到的标记

已弃用

使用类 ArucoDetector::refineDetectedMarkers

testCharucoCornersCollinear()

bool cv::aruco::testCharucoCornersCollinear	(	const Ptr< CharucoBoard > &	board,
		InputArray	charucoIds
	)

Python
	cv.aruco.testCharucoCornersCollinear(	board, charucoIds	) ->	retval

#include <opencv2/aruco.hpp>

已弃用

使用 CharucoBoard::checkCharucoCornersCollinear