Aruco 标记，模块功能已移至 objdetect 模块

详细描述

ArUco 标记检测，模块功能已移至 objdetect 模块

另请参见

ArucoDetector, CharucoDetector, Board, GridBoard, CharucoBoard

类
结构体	cv::aruco::EstimateParameters
	姿态估计参数。 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(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	此函数与 calibrateCameraAruco 相同，但没有校准误差估计。
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(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	使用 Charuco 角点校准相机。
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 相同，但没有校准误差估计。
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)
	绘制一个 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)
	给定部分 ChArUco 板角点，估计其姿态。
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)
	插值计算 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 定义了该系统的中心和坐标轴方向。X 轴（红色）- 第一个坐标，Y 轴（绿色）- 第二个坐标，Z 轴（蓝色）- 第三个坐标。

已弃用

使用 Board::matchImagePoints 和 cv::solvePnP

另请参见

estimatePoseSingleMarkers()

枚举器
ARUCO_CCW_CENTER  Python: cv.aruco.ARUCO_CCW_CENTER	标记坐标系以标记中心为原点。 标记在其自身坐标系中的四个角点（逆时针顺序）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原点。 标记在其自身坐标系中的四个角点（顺时针顺序）的坐标为：(0, 0, 0), (markerLength, 0, 0), (markerLength, markerLength, 0), (0, markerLength, 0)。 这些图案点方便与棋盘/ChArUco 板配合使用。

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 标记校准相机。

参数

corners	所有帧中检测到的标记角点的向量。角点应具有 detectMarkers 返回的相同格式（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，以便可以拆分 corners 和 ids
board	标记 板 布局
imageSize	仅用于初始化相机内参矩阵的图像尺寸。
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 中的部分或全部。
distCoeffs	输出畸变系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) ，包含 4、5、8 或 12 个元素
rvecs	为每个板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 个旋转向量与相应的第 k 个平移向量（参见下一个输出参数描述）将板图案从模型坐标空间（其中指定了对象点）带到世界坐标空间，即第 k 个图案视图中板图案的实际位置（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	为内参估计的标准差输出向量。偏差值顺序为：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\)。如果某个参数未估计，其偏差为零。
stdDeviationsExtrinsics	为外参估计的标准差输出向量。偏差值顺序为：\((R_1, T_1, \dotsc , R_M, T_M)\)，其中 M 是图案视图的数量，\(R_i, T_i\) 是拼接的 1x3 向量。
perViewErrors	为每个图案视图估计的平均重投影误差输出向量。
flags	flags 校准过程的不同标志（详见 calibrateCamera）。
criteria	迭代优化算法的终止条件。

此函数使用 Aruco 板 校准相机。该函数接收从板的多个视图中检测到的标记列表。该过程类似于 calibrateCamera() 中的棋盘校准。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，但没有校准误差估计。

这是一个重载成员函数，为方便起见而提供。它与上述函数的区别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 角点校准相机。

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 板 布局
imageSize	输入图像尺寸
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 中的部分或全部。
distCoeffs	输出畸变系数向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\) ，包含 4、5、8 或 12 个元素
rvecs	为每个板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 个旋转向量与相应的第 k 个平移向量（参见下一个输出参数描述）将板图案从模型坐标空间（其中指定了对象点）带到世界坐标空间，即第 k 个图案视图中板图案的实际位置（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	为内参估计的标准差输出向量。偏差值顺序为：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\)。如果某个参数未估计，其偏差为零。
stdDeviationsExtrinsics	为外参估计的标准差输出向量。偏差值顺序为：\((R_1, T_1, \dotsc , R_M, T_M)\)，其中 M 是图案视图的数量，\(R_i, T_i\) 是拼接的 1x3 向量。
perViewErrors	为每个图案视图估计的平均重投影误差输出向量。
flags	flags 校准过程的不同标志（详见 calibrateCamera）。
criteria	迭代优化算法的终止条件。

此函数使用 Charuco 板 的一组角点校准相机。该函数接收从板的多个视图中检测到的角点及其标识符列表。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 相同，但没有校准误差估计。

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	用于角点亚像素处理的输入图像。
markerCorners	detectMarkers 函数返回的检测到的标记角点列表。
markerIds	markerCorners 中标记 ID 的列表。
squareMarkerLengthRate	正方形边长与标记边长的比率：squareMarkerLengthRate = squareLength/markerLength。实际单位并非必需。
diamondCorners	检测到的菱形角点的输出列表（每个菱形 4 个角点）。顺序与标记角点相同：左上、右上、右下和左下。格式类似于 detectMarkers 返回的角点（例如 std::vector<std::vector<cv::Point2f> >）。
diamondIds	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	可选的相机校准矩阵。
distCoeffs	可选的相机畸变系数。
dictionary	指示标记类型的标记字典。

此函数从先前检测到的 ArUco 标记中检测菱形标记。菱形在 diamondCorners 和 diamondIds 参数中返回。如果提供了相机校准参数，则菱形搜索基于重投影。如果未提供，则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	image,
		const Ptr< Dictionary > &	dictionary,
		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 > &	dictionary,
		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>

绘制一个 ChArUco Diamond 标记。

参数

dictionary	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。
squareLength	棋盘方格的像素尺寸。
markerLength	标记的像素尺寸。
img	带有标记的输出图像。此图像的尺寸将是 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 ChArUco 标记的图像，可供打印。

已弃用

使用 CharucoBoard::generateImage()

drawPlanarBoard()

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

estimatePoseBoard()

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

estimatePoseCharucoBoard()

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>

给定部分 ChArUco 板角点，估计其姿态。

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 板的布局。
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
rvec	对应于板的旋转向量的输出向量（例如 cv::Mat）（参见 cv::Rodrigues）。
tvec	对应于板的平移向量的输出向量（例如 cv::Mat）。
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 板的姿态。该函数检查输入角点是否足以有效执行姿态估计。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

另请参见

使用 cv::drawFrameAxes 获取对象点的世界坐标系轴

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>

插值计算 ChArUco 板角点的位置。

参数

markerCorners	已检测到标记角点的向量。对于每个标记，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。
markerIds	corners 中每个标记的标识符列表
image	角点细化所需的输入图像。请注意，标记未被检测到，应在 corners 和 ids 参数中发送。
board	ChArUco 板的布局。
charucoCorners	插值棋盘角点
charucoIds	插值棋盘角点标识符
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
minMarkers	必须检测到的相邻标记数量才能返回一个 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 板的棋盘角点的 2D 位置。如果提供了相机参数，则该过程基于近似姿态估计，否则基于局部单应性。仅返回可见角点。对于每个角点，其相应的标识符也返回在 charucoIds 中。该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