- 操作系统:ubuntu22.04
- OpenCV版本:OpenCV4.9
- IDE:Visual Studio Code
- 编程语言:C++11
算法描述
cv::ccalib::CustomPattern 是OpenCV的 ccalib 模块中的一个类,主要用于自定义标定板的检测和处理。这个模块提供了比传统的 calib3d 模块更高级的相机标定功能。
函数calibrate是 cv::ccalib::CustomPattern 类中的一个静态方法,用于基于自定义标定图案进行相机标定。它的作用与 OpenCV 中经典的 cv::calibrateCamera() 非常相似,但针对的是使用自定义标定板的情况。
该函数的作用是根据多个视角下检测到的 世界坐标系点(objectPoints) 和 图像坐标系点(imagePoints) 来计算相机的内参矩阵和畸变系数,并可选地返回每帧图像对应的旋转向量和位移向量。
它是一个封装了标定流程的方法,适用于那些通过 CustomPattern 检测得到角点或特征点的场景。
函数原型
double cv::ccalib::CustomPattern::calibrate
(
InputArrayOfArrays objectPoints,
InputArrayOfArrays imagePoints,
Size imageSize,
InputOutputArray cameraMatrix,
InputOutputArray distCoeffs,
OutputArrayOfArrays rvecs,
OutputArrayOfArrays tvecs,
int flags = 0,
TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 30, DBL_EPSILON)
)
参数
参数名 | 类型 | 描述 |
---|---|---|
objectPoints | InputArrayOfArrays | 各视图中 3D 空间点集合,通常为 std::vector<std::vectorcv::Point3f> 类型。每个子 vector 表示一张图的世界坐标点。 |
imagePoints | InputArrayOfArrays | 各视图中对应的 2D 图像点集合,通常为 std::vector<std::vectorcv::Point2f> 类型。每个子 vector 是检测到的图像上的角点。 |
imageSize | Size | 图像尺寸,如 Size(640, 480),用于初始化内参矩阵等。 |
cameraMatrix | InputOutputArray | 输出/输入的相机内参矩阵(3x3),可以传入已知值作为初始估计。 |
distCoeffs | InputOutputArray | 输出/输入的畸变系数(1x5 或 1x8),格式为 (k1, k2, p1, p2, [k3, [k4, k5, k6]])。 |
rvecs | OutputArrayOfArrays | 输出每个视图的旋转向量(可为 std::vectorcv::Mat 或 std::vectorcv::Vec3d>)。 |
tvecs | OutputArrayOfArrays | 输出每个视图的平移向量(同上)。 |
flags | int | 标志位,控制标定行为。常用选项如下: - CALIB_USE_INTRINSIC_GUESS: 使用提供的内参初始值 - CALIB_FIX_PRINCIPAL_POINT: 固定主点不优化 - CALIB_ZERO_TANGENT_DIST: 不优化切向畸变 - CALIB_FIX_K1~K6: 固定某些径向畸变系数 |
criteria | TermCriteria | 迭代优化终止条件,默认为最多迭代30次或精度达到浮点误差级别。 |
代码示例
#include <opencv2/ccalib.hpp>
#include <opencv2/opencv.hpp>
int main()
{
// 假设我们已经用 CustomPattern 检测到了多组 objectPoints 和 imagePoints
std::vector< std::vector< cv::Point3f > > objectPoints;
std::vector< std::vector< cv::Point2f > > imagePoints;
// 示例数据(实际应由 detectPattern 得到)
for ( int i = 0; i < 10; ++i )
{
std::vector< cv::Point3f > obj;
std::vector< cv::Point2f > img;
// 填充一些世界坐标和图像坐标
for ( int x = 0; x < 5; ++x )
for ( int y = 0; y < 5; ++y )
obj.push_back( cv::Point3f( x * 10, y * 10, 0 ) );
// 假设图像点是随机生成的
for ( int j = 0; j < 25; ++j )
img.push_back( cv::Point2f( rand() % 640, rand() % 480 ) );
objectPoints.push_back( obj );
imagePoints.push_back( img );
}
cv::Mat cameraMatrix = cv::Mat::eye( 3, 3, CV_64F ); // 初始化内参
cv::Mat distCoeffs = cv::Mat::zeros( 8, 1, CV_64F ); // 畸变系数
std::vector< cv::Mat > rvecs, tvecs;
cv::ccalib::CustomPattern pattern;
double error =
pattern.calibrate( objectPoints, imagePoints, cv::Size( 640, 480 ), cameraMatrix, distCoeffs, rvecs, tvecs, 0, cv::TermCriteria( cv::TermCriteria::COUNT + cv::TermCriteria::EPS, 30, 1e-6 ) );
std::cout << "Reprojection Error: " << error << std::endl;
std::cout << "Camera Matrix:\n" << cameraMatrix << std::endl;
std::cout << "Distortion Coefficients:\n" << distCoeffs << std::endl;
return 0;
}
运行结果
Reprojection Error: 243.176
Camera Matrix:
[145.5314351146498, 0, 319.4999999809153;
0, 111.8716131818644, 239.5000000023377;
0, 0, 1]
Distortion Coefficients:
[-0.02024007664987641;
5.558029159131296e-05;
0.0006431802159707427;
-0.0009573062145439125;
-3.54839696095315e-08]