使用方形棋盘格进行相机标定

目录

• 姿态估计

上一篇教程： 创建标定图案
下一篇教程： 使用OpenCV进行相机标定

原作者	Victor Eruhimov
兼容性	OpenCV >= 4.0

本教程的目标是学习如何根据一组棋盘格图像对相机进行标定。

测试数据： 使用您 data/chess 文件夹中的图像。

• 在 cmake 配置中将 BUILD_EXAMPLES 设置为 ON，编译包含示例的 OpenCV。
• 转到 bin 文件夹，并使用 imagelist_creator 创建图像的 XML/YAML 列表。
• 然后，运行标定示例以获取相机参数。使用 3cm 的方格大小。

姿态估计

现在，让我们编写代码，该代码检测图像中的棋盘格并找到它与相机的距离。您可以将此方法应用于任何具有已知 3D 几何形状的对象；您可以在图像中检测到该对象。

测试数据： 使用 data 文件夹中的 chess_test*.jpg 图像。

• 创建一个空的控制台项目。加载测试图像

  Mat img = imread(argv[1], IMREAD_GRAYSCALE);
  

• 使用 findChessboard 函数检测图像中的棋盘格

  bool found = findChessboardCorners( img, boardSize, ptvec, CALIB_CB_ADAPTIVE_THRESH );
  

• 现在，编写一个函数，该函数生成一个 vector<Point3f> 数组，其中包含任何坐标系中棋盘格的 3D 坐标。为简单起见，让我们选择一个系统，其中棋盘格的一个角位于原点，并且棋盘位于平面 *z = 0*
• 从 XML/YAML 文件读取相机参数

  FileStorage fs( filename, FileStorage::READ );
  Mat intrinsics, distortion;
  fs["camera_matrix"] >> intrinsics;
  fs["distortion_coefficients"] >> distortion;
  

• 现在，我们可以通过运行 `solvePnP` 来查找棋盘格姿态

  vector<Point3f> boardPoints;
  // fill the array
  ...
  
  solvePnP(Mat(boardPoints), Mat(foundBoardCorners), cameraMatrix,
                       distCoeffs, rvec, tvec, false);
  

• 计算重投影误差，就像在标定示例中所做的那样（参见 opencv/samples/cpp/calibration.cpp，函数 computeReprojectionErrors）。

问题：您将如何计算从相机原点到任何一个角的距离？答案：由于我们的图像位于 3D 空间中，首先我们将计算相对相机姿态。这将给我们提供 3D 到 2D 的对应关系。接下来，我们可以应用简单的 L2 范数来计算任意点（角的端点）之间的距离。