Aruco标记模块功能已移动到objdetect模块

详细描述

ArUco标记检测模块功能已移动到objdetect模块

另请参阅

ArucoDetector，CharucoDetector，Board，GridBoard，CharucoBoard

类
结构体	cv::aruco::EstimateParameters
	位姿估计参数。更多…

枚举
枚举	cv::aruco::PatternPositionType {   cv::aruco::ARUCO_CCW_CENTER ,   cv::aruco::ARUCO_CW_TOP_LEFT_CORNER }
	rvec/tvec定义标记的右手坐标系。更多…

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标记标定相机。
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(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	此函数与calibrateCameraAruco相同，但不进行标定误差估计。
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(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	使用Charuco角点标定相机。
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))
	此函数与 calibrateCameraCharuco 功能相同，但不进行标定误差估计。
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 菱形标记。
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 菱形标记。
void	cv::aruco::drawPlanarBoard (const Ptr< Board > &board, Size outSize, OutputArray img, int marginSize, int borderBits)
	绘制平面棋盘
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)
	给定一些角点，对 ChArUco 棋盘进行姿态估计。
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)
	获取棋盘目标点和图像点
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 棋盘角点的位姿。
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 >())
	细化检测到的标记
bool	cv::aruco::testCharucoCornersCollinear (const Ptr< CharucoBoard > &board, InputArray charucoIds)

枚举类型文档

PatternPositionType

枚举 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。X 轴（红色） - 第一坐标，Y 轴（绿色） - 第二坐标，Z 轴（蓝色） - 第三坐标。

已弃用

使用 Board::matchImagePoints 和 cv::solvePnP

另请参阅

estimatePoseSingleMarkers()

枚举值
ARUCO_CCW_CENTER  Python: cv.aruco.ARUCO_CCW_CENTER	标记坐标系以标记的中心为中心。 标记在其自身坐标系中四个角点（逆时针方向）的坐标为：(-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	标记坐标系以标记的左上角为中心。 标记在其自身坐标系中四个角点（顺时针方向）的坐标为：(0, 0, 0), (markerLength, 0, 0), (markerLength, markerLength, 0), (0, markerLength, 0)。 这些图案点便于与棋盘/ChArUco 棋盘一起使用。

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标记标定相机。

参数

corners	所有帧中检测到的标记角点的向量。角点的格式应与 detectMarkers 返回的格式相同（参见 detectMarkers）。
ids	corners 中每个标记的标识符列表
counter	每帧中标记的数量，以便可以分割 corners 和 ids
board	标记 Board 布局
imageSize	图像大小，仅用于初始化内参相机矩阵。
cameraMatrix	输出 3x3 浮点相机矩阵 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) 。如果指定了 CV_CALIB_USE_INTRINSIC_GUESS 和/或 CV_CALIB_FIX_ASPECT_RATIO，则在调用函数之前必须初始化 fx、fy、cx、cy 中的一些或全部。
distCoeffs	输出失真系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) ，包含 4、5、8 或 12 个元素
rvecs	为每个棋盘视图估计的旋转向量（参见 Rodrigues ）的输出向量（例如 std::vector<cv::Mat>>）。也就是说，每个第 k 个旋转向量与其对应的第 k 个平移向量（参见下一个输出参数描述）一起将棋盘图案从模型坐标空间（在其中指定目标点）带到世界坐标空间，即棋盘图案在第 k 个图案视图中的真实位置 (k=0.. M -1)。
tvecs	为每个图案视图估计的平移向量的输出向量。
stdDeviationsIntrinsics	为内参估计的标准偏差的输出向量。偏差值的顺序：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\) 如果未估计其中一个参数，则其偏差等于零。
stdDeviationsExtrinsics	为外参估计的标准偏差的输出向量。偏差值的顺序：\((R_1, T_1, \dotsc , R_M, T_M)\) ，其中 M 是图案视图的数量，\(R_i, T_i\) 是连接的 1x3 向量。
perViewErrors	为每个图案视图估计的平均重投影误差的输出向量。
flags	flags 校准过程的不同标志（有关详细信息，请参见 calibrateCamera）。
criteria	迭代优化算法的终止条件。

此函数使用 Aruco Board 校准相机。该函数接收来自 Board 的多个视图中检测到的标记列表。此过程类似于 calibrateCamera() 中的棋盘格校准。该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>

此函数与calibrateCameraAruco相同，但不进行标定误差估计。

这是一个重载的成员函数，为了方便起见而提供。它与上面的函数的不同之处仅在于它接受的参数。

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角点标定相机。

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 Board 布局
imageSize	输入图像大小
cameraMatrix	输出 3x3 浮点相机矩阵 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\) 。如果指定了 CV_CALIB_USE_INTRINSIC_GUESS 和/或 CV_CALIB_FIX_ASPECT_RATIO，则在调用函数之前必须初始化 fx、fy、cx、cy 中的一些或全部。
distCoeffs	输出失真系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) ，包含 4、5、8 或 12 个元素
rvecs	为每个棋盘视图估计的旋转向量（参见 Rodrigues ）的输出向量（例如 std::vector<cv::Mat>>）。也就是说，每个第 k 个旋转向量与其对应的第 k 个平移向量（参见下一个输出参数描述）一起将棋盘图案从模型坐标空间（在其中指定目标点）带到世界坐标空间，即棋盘图案在第 k 个图案视图中的真实位置 (k=0.. M -1)。
tvecs	为每个图案视图估计的平移向量的输出向量。
stdDeviationsIntrinsics	为内参估计的标准偏差的输出向量。偏差值的顺序：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\) 如果未估计其中一个参数，则其偏差等于零。
stdDeviationsExtrinsics	为外参估计的标准偏差的输出向量。偏差值的顺序：\((R_1, T_1, \dotsc , R_M, T_M)\) ，其中 M 是图案视图的数量，\(R_i, T_i\) 是连接的 1x3 向量。
perViewErrors	为每个图案视图估计的平均重投影误差的输出向量。
flags	flags 校准过程的不同标志（有关详细信息，请参见 calibrateCamera）。
criteria	迭代优化算法的终止条件。

此函数使用 Charuco 棋盘的一组角点来标定相机。该函数接收来自棋盘的多个视角的检测到的角点列表及其标识符。该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>

此函数与 calibrateCameraCharuco 功能相同，但不进行标定误差估计。

已弃用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

detectCharucoDiamond()

void cv::aruco::detectCharucoDiamond	(	InputArray	图像,
		InputArrayOfArrays	标记角点,
		InputArray	标记ID,
		浮点数	方块标记长度比率: squareMarkerLengthRate = 方块长度/标记长度。不需要真实的单位。,
		OutputArrayOfArrays	菱形角点,
		OutputArray	菱形ID,
		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 菱形标记。

参数

图像	进行角点亚像素计算所需的输入图像。
标记角点	来自 detectMarkers 函数的检测到的标记角点列表。
标记ID	markerCorners 中标记 ID 列表。
方块标记长度比率: squareMarkerLengthRate = 方块长度/标记长度。不需要真实的单位。	方块与标记长度之间的比率：squareMarkerLengthRate = 方块长度/标记长度。
菱形角点	检测到的菱形角点输出列表（每个菱形4个角点）。顺序与标记角点中的顺序相同：左上、右上、右下和左下。与 detectMarkers 返回的角点格式类似（例如 std::vector<std::vector<cv::Point2f> >）。
菱形ID	diamondCorners 中菱形的 ID。每个菱形的 ID 实际上是 Vec4i 类型，因此每个菱形有 4 个 ID，它们是构成菱形的 Aruco 标记的 ID。
cameraMatrix	可选相机标定矩阵。
distCoeffs	可选相机畸变系数。
字典	指示标记类型的标记字典。

此函数根据先前检测到的 ArUco 标记检测菱形标记。菱形在 diamondCorners 和 diamondIds 参数中返回。如果提供相机标定参数，则菱形搜索基于重投影。如果没有，菱形搜索基于单应性。单应性比重投影更快，但精度较低。

已弃用

使用 CharucoDetector::detectDiamonds

detectMarkers()

void cv::aruco::detectMarkers	(	InputArray	图像,
		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

drawCharucoDiamond()

void cv::aruco::drawCharucoDiamond	(	const Ptr< Dictionary > &	字典,
		Vec4i	ids,
		int	方块长度（像素）,
		int	标记长度（像素）,
		OutputArray	图像,
		int	marginSize = 0,
		int	borderBits = 1 )

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

#include <opencv2/aruco/charuco.hpp>

绘制 ChArUco 菱形标记。

参数

字典	指示标记类型的标记字典。
ids	ChArUco 标记中每个 ArUco 标记的 4 个 ID 列表。
方块长度（像素）	棋盘格方块大小（像素）。
标记长度（像素）	标记大小（像素）。
图像	带有标记的输出图像。此图像的大小将为 3*squareLength + 2*marginSize。
marginSize	标记在输出图像中的最小边距（像素）。
borderBits	标记边框的宽度。

此函数返回 ChArUco 标记的图像，可以打印。

已弃用

使用 CharucoBoard::generateImage()

drawPlanarBoard()

void cv::aruco::drawPlanarBoard	(	const Ptr< Board > &	board,
		Size	输出图像大小,
		OutputArray	图像,
		int	marginSize,
		int	borderBits )

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

#include <opencv2/aruco.hpp>

绘制平面棋盘

已弃用

使用 Board::generateImage

estimatePoseBoard()

int cv::aruco::estimatePoseBoard	(	InputArrayOfArrays	corners,
		InputArray	ids,
		const Ptr< Board > &	board,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		InputOutputArray	旋转向量,
		InputOutputArray	平移向量,
		布尔值	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

estimatePoseCharucoBoard()

bool cv::aruco::estimatePoseCharucoBoard	(	InputArray	charucoCorners,
		InputArray	charucoIds,
		const Ptr< CharucoBoard > &	board,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		InputOutputArray	旋转向量,
		InputOutputArray	平移向量,
		布尔值	useExtrinsicGuess = false )

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

#include <opencv2/aruco.hpp>

给定一些角点，对 ChArUco 棋盘进行姿态估计。

参数

charucoCorners	检测到的 Charuco 角点的向量
charucoIds	charucoCorners 中每个角点的标识符列表
board	ChArUco 棋盘布局。
cameraMatrix	输入 3x3 浮点相机矩阵 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
distCoeffs	畸变系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) 包含 4、5、8 或 12 个元素
旋转向量	输出向量（例如 cv::Mat），对应于棋盘的旋转向量（参见 cv::Rodrigues）。
平移向量	输出向量（例如 cv::Mat），对应于棋盘的平移向量。
useExtrinsicGuess	定义是否使用 **rvec** 和 **tvec** 的初始猜测。

此函数根据一些检测到的角点估计 ChArUco 棋盘位姿。该函数检查输入角点是否足够且有效以执行位姿估计。如果位姿估计有效，则返回 true，否则返回 false。

已弃用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

另请参阅

使用 cv::drawFrameAxes 获取物体点的世界坐标系轴

estimatePoseSingleMarkers()

void cv::aruco::estimatePoseSingleMarkers	(	InputArrayOfArrays	corners,
		浮点数	标记长度（像素）,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		OutputArray	rvecs,
		OutputArray	tvecs,
		OutputArray	objPoints = noArray(),
		const Ptr< EstimateParameters > &	estimateParameters = makePtr< EstimateParameters >() )

Python
	cv.aruco.estimatePoseSingleMarkers(	角点, 标记长度, 相机内参矩阵, 畸变系数[, rvecs[, tvecs[, objPoints[, estimateParameters]]]]	) ->	旋转向量rvecs，平移向量tvecs，目标点objPoints

#include <opencv2/aruco.hpp>

已弃用

使用 cv::solvePnP

getBoardObjectAndImagePoints()

void cv::aruco::getBoardObjectAndImagePoints	(	const Ptr< Board > &	board,
		InputArrayOfArrays	检测到的角点 detectedCorners,
		InputArray	检测到的ID detectedIds,
		OutputArray	目标点 objPoints,
		OutputArray	图像点 imgPoints )

Python
	cv.aruco.getBoardObjectAndImagePoints(	棋盘, 检测到的角点, 检测到的ID[, 目标点[, 图像点]]	) ->	目标点 objPoints，图像点 imgPoints

#include <opencv2/aruco.hpp>

获取棋盘目标点和图像点

已弃用

使用 Board::matchImagePoints

interpolateCornersCharuco()

int cv::aruco::interpolateCornersCharuco	(	InputArrayOfArrays	标记角点,
		InputArray	标记ID,
		InputArray	图像,
		const Ptr< CharucoBoard > &	board,
		OutputArray	charucoCorners,
		OutputArray	charucoIds,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		int	最小标记数 minMarkers = 2 )

Python
	cv.aruco.interpolateCornersCharuco(	标记角点, 标记ID, 图像, 棋盘[, charuco角点[, charucoID[, 相机内参矩阵[, 畸变系数[, 最小标记数]]]]]	) ->	返回值retval，charuco角点 charucoCorners，charucoID charucoIds

#include <opencv2/aruco/charuco.hpp>

插值 ChArUco 棋盘角点的位姿。

参数

标记角点	已检测到的标记角点的向量。对于每个标记，都提供其四个角点 (例如 std::vector<std::vector<cv::Point2f> >)。对于 N 个检测到的标记，此数组的维度应为 Nx4。角点的顺序应为顺时针方向。
标记ID	corners 中每个标记的标识符列表
图像	用于角点细化的输入图像。请注意，不会检测标记，而应在 corners 和 ids 参数中发送。
board	ChArUco 棋盘布局。
charucoCorners	插值的棋盘角点
charucoIds	插值的棋盘角点标识符
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 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) 包含 4、5、8 或 12 个元素
最小标记数 minMarkers	必须检测到的相邻标记数量，才能返回 charuco 角点

此函数接收检测到的标记，并使用检测到的 Aruco 标记返回 ChArUco 棋盘的棋盘角点的二维位置。如果提供相机参数，则该过程基于近似的姿态估计，否则基于局部单应性。仅返回可见的角点。对于每个角点，其对应的标识符也会在 charucoIds 中返回。该函数返回插值的角点数量。

已弃用

使用 CharucoDetector::detectBoard

refineDetectedMarkers()

void cv::aruco::refineDetectedMarkers	(	InputArray	图像,
		const Ptr< Board > &	board,
		输入输出数组 InputOutputArrayOfArrays	检测到的角点 detectedCorners,
		InputOutputArray	检测到的ID detectedIds,
		输入输出数组 InputOutputArrayOfArrays	拒绝的角点 rejectedCorners,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		浮点数	最小重复距离 minRepDistance = 10.f,
		浮点数	纠错率 errorCorrectionRate = 3.f,
		布尔值	检查所有顺序 checkAllOrders = true,
		OutputArray	恢复的索引 recoveredIdxs = noArray(),
		const Ptr< DetectorParameters > &	参数 parameters = makePtr< DetectorParameters >() )

Python
	cv.aruco.refineDetectedMarkers(	图像, 棋盘, 检测到的角点, 检测到的ID, 拒绝的角点[, 相机内参矩阵[, 畸变系数[, 最小重复距离[, 纠错率[, 检查所有顺序[, 恢复的索引[, 参数]]]]]]]	) ->	检测到的角点 detectedCorners，检测到的ID detectedIds，拒绝的角点 rejectedCorners，恢复的索引 recoveredIdxs

#include <opencv2/aruco.hpp>

细化检测到的标记

已弃用

使用类 ArucoDetector::refineDetectedMarkers

testCharucoCornersCollinear()

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

Python
	cv.aruco.testCharucoCornersCollinear(	棋盘, charucoIds	) ->	返回值 retval

#include <opencv2/aruco.hpp>

已弃用

使用 CharucoBoard::checkCharucoCornersCollinear