相机标定
相机标定：简单的说，就是获得相机参数的过程。参数如：相机内参数矩阵，投影矩阵，旋转矩阵和平移矩阵等
什么叫相机参数？
简单的说，将现实世界中的人、物，拍成一张图像（二维）。人或物在世界中的三维坐标，和图像上对应的二维坐标间的关系。表达两种不同维度坐标间的关系用啥表示？用相机参数。
相机的成像原理
先来看一下，相机的成像原理：
如图所示，这是一个相机模型。将物体简化看成一个点。来自物体的光，通过镜头，击中图像平面（图像传感器），以此成像。d0是物体到镜头的距离，di是镜头到图像平面的距离，f是镜头的焦距。三者满足以下关系。
现在，简化上面的相机模型。
将相机孔径看成无穷小，只考虑中心位置的射线，这样就忽视了透镜的影响。然后由于d0远远大于di，将图像平面放在焦距处，这样物体在图像平面上成像为倒立的影像（没有透镜的影响，只考虑从中心的孔径进入的光线）。这个简化的模型就是小孔摄像机模型。然后，我们在镜头前，将图像平面放在焦距距离的位置，就可以简单获得一个笔直的图像（不倒立）。当然，这只是理论上的，你不可能将图像传感器从相机里拿出来，放在镜头前面。实际应用中，小孔摄像机应该是将成像后的图像倒过来，以获得正立的图像。
到此，我们获得了一个简化的模型，如下图：
h0是物体的高，hi是图像上物体的高，f是焦距（距离），d0是图像到镜头的距离。四者满足如下关系：
物体在图像中的高度hi，和d0成反比。也就是说，离镜头越远，物体在图像中越小，离得越近越大（好吧，这句话是废话）。
但通过这个式子，我们便能够预测三维中的物体，在图像（二维）中的位置。那么怎么预测？
相机标定
如下图所示，根据上面简化的模型，考虑三维世界中的一个点，和其在图像（二维）中的坐标关系。
（X，Y，Z）为点的三维坐标，（x，y）为其通过相机成像后在图像（二维）上的坐标。u0和v0是相机的中心点（主点)，该点位于图像平面中心（理论上是这样。但实际的相机会有几个像素的偏差）
现在只考虑y方向上，由于需要将三维世界中的坐标，转换为图像上的像素（图像上的坐标，实际上是像素的位置），需要求y方向上焦距
等于多少个像素（用像素值表示焦距），Py表示像素的高，焦距f（米或毫米）。垂直像素表示的焦距为
根据式子（1），只考虑y方向。我们三维世界中得点，在图像（二维）中y的坐标。
同理，得到x的坐标。
现在，将上图中的坐标系的原点O，移动到图像的左上角。由于（x，y）是关于（u0，v0）的偏移，上面表示图像（二维）中点的坐标的式子不变。将式子以矩阵的形式重写，得。
其中，等式左边的第一个矩阵，叫做“相机内参数矩阵”，第二个矩阵叫（投影矩阵）。
更为一般的情况，开始时的参考坐标系不位于主点（中心点），需要额外两个参数“旋转向量”和“平移向量”来表示这个式子，这两个参数在不同视角中是不一样的。整合后，上述式子重写为。
校正畸变
通过相机标定，获得了相机参数后，可以计算两个映射函数（x坐标和y坐标），它们分别给出了没有畸变的图像坐标。将畸变的图像重新映射成为没有畸变的图像。
代码：
做相机标定时，一般用标定板(棋盘）拍摄一组图像，利用这些图像提取角点，通过角点在图像中得坐标和三维世界中的坐标（通常自定义3维坐标），计算相机参数。
1 std::vector<cv::Point2f>imageConers;
2 //提取标定图像角点，保存角点坐标（二维）
3 cv::findChessboardCorners(image,
4 boardSize, //角点数目如（6,4）六行，四列
5 imageConers);
函数calibrateCamera完成相机标定工作。
1 cv::calibrateCamera(objectPoints,//三维坐标
2 imagePoints, //二维坐标
3 imageSize,//图像大小
4 camerMatirx,//相机内参数矩阵
5 disCoeffs,//投影矩阵
6 rvecs, //旋转
7 tvecs,//平移
8 flag //标记opencv提供几种参数，可以参看在线的opencv document
9 );
计算畸变参数，去畸变
1 //计算畸变参数
2 cv::initUndistortRectifyMap(camerMatirx, disCoeffs,
3 cv::Mat(), cv::Mat(), image.size(), CV_32FC1,
4 map1, //x映射函数
5 map2 //y映射函数
6 );
7 //应用映射函数
8 cv::remap(image, //畸变图像
9 undistorted, //去畸变图像
10 map1, map2, cv::INTER_LINEAR);
现在整合代码。
- 示例：
标头.h
1 #include<opencv2\core\core.hpp>
2 #include<opencv2\highgui\highgui.hpp>
3 #include<opencv2\imgproc\imgproc.hpp>
4 #include<opencv2\calib3d\calib3d.hpp>
5 #include <opencv2/features2d/features2d.hpp>
6 #include<string>
7 #include<vector>
8 class CameraCalibrator
9 {
10 private:
11 //世界坐标
12 std::vector < std::vector<cv::Point3f >> objectPoints;
13 //图像坐标
14 std::vector <std::vector<cv::Point2f>> imagePoints;
15 //输出矩阵
16 cv::Mat camerMatirx;
17 cv::Mat disCoeffs;
18 //标记
19 int flag;
20 //去畸变参数
21 cv::Mat map1, map2;
22 //是否去畸变
23 bool mustInitUndistort;
24
25 ///保存点数据
26 void addPoints(const std::vector<cv::Point2f>&imageConers, const std::vector<cv::Point3f>&objectConers)
27 {
28 imagePoints.push_back(imageConers);
29 objectPoints.push_back(objectConers);
30 }
31 public:
32 CameraCalibrator() :flag(0), mustInitUndistort(true){}
33 //打开棋盘图片，提取角点
34 int addChessboardPoints(const std::vector<std::string>&filelist,cv::Size &boardSize)
35 {
36 std::vector<cv::Point2f>imageConers;
37 std::vector<cv::Point3f>objectConers;
38 //输入角点的世界坐标
39 for (int i = 0; i < boardSize.height; i++)
40 {
41 for (int j = 0; j < boardSize.width; j++)
42 {
43 objectConers.push_back(cv::Point3f(i, j, 0.0f));
44 }
45 }
46 //计算角点在图像中的坐标
47 cv::Mat image;
48 int success = 0;
49 for (int i = 0; i < filelist.size(); i++)
50 {
51 image = cv::imread(filelist[i],0);
52 //找到角点坐标
53 bool found = cv::findChessboardCorners(image, boardSize, imageConers);
54 cv::cornerSubPix(image,
55 imageConers,
56 cv::Size(5, 5),
57 cv::Size(-1, -1),
58 cv::TermCriteria(cv::TermCriteria::MAX_ITER + cv::TermCriteria::EPS,
59 30, 0.1));
60 if (imageConers.size() == boardSize.area())
61 {
62 addPoints(imageConers, objectConers);
63 success++;
64 }
65 //画出角点
66 cv::drawChessboardCorners(image, boardSize, imageConers, found);
67 cv::imshow("Corners on Chessboard", image);
68 cv::waitKey(100);
69 }
70 return success;
71 }
72
73 //相机标定
74 double calibrate(cv::Size&imageSize)
75 {
76 mustInitUndistort = true;
77 std::vector<cv::Mat>rvecs, tvecs;
78 //相机标定
79 return cv::calibrateCamera(objectPoints, imagePoints, imageSize,
80 camerMatirx, disCoeffs, rvecs, tvecs, flag);
81 }
82 ///去畸变
83 cv::Mat remap(const cv::Mat &image)
84 {
85 cv::Mat undistorted;
86 if (mustInitUndistort)
87 {
88 //计算畸变参数
89 cv::initUndistortRectifyMap(camerMatirx, disCoeffs,
90 cv::Mat(), cv::Mat(), image.size(), CV_32FC1, map1, map2);
91 mustInitUndistort = false;
92 }
93 //应用映射函数
94 cv::remap(image, undistorted, map1, map2, cv::INTER_LINEAR);
95 return undistorted;
96 }
97 //常成员函数，获得相机内参数矩阵、投影矩阵数据
98 cv::Mat getCameraMatrix() const { return camerMatirx; }
99 cv::Mat getDistCoeffs() const { return disCoeffs; }
100 };
源.cpp
1 #include"标头.h"
2 #include<iomanip>
3 #include<iostream>
4 int main()
5 {
6 CameraCalibrator Cc;
7 cv::Mat image;
8 std::vector<std::string> filelist;
9 cv::namedWindow("Image");
10 for (int i = 1; i <= 22; i++)
11 {
12 ///读取图片
13 std::stringstream s;
14 s << "D:/images/chessboards/chessboard" << std::setw(2) << std::setfill('0') << i << ".jpg";
15 std::cout << s.str() << std::endl;
16
17 filelist.push_back(s.str());
18 image = cv::imread(s.str(),0);
19 cv::imshow("Image", image);
20 cv::waitKey(100);
21 }
22 //相机标定
23 cv::Size boardSize(6, 4);
24 Cc.addChessboardPoints(filelist, boardSize);
25 Cc.calibrate(image.size());
26
27 //去畸变
28 image = cv::imread(filelist[1]);
29 cv::Mat uImage=Cc.remap(image);
30 cv::imshow("原图像", image);
31 cv::imshow("去畸变", uImage);
32 //显示相机内参数矩阵
33 cv::Mat cameraMatrix = Cc.getCameraMatrix();
34 std::cout << " Camera intrinsic: " << cameraMatrix.rows << "x" << cameraMatrix.cols << std::endl;
35 std::cout << cameraMatrix.at<double>(0, 0) << " " << cameraMatrix.at<double>(0, 1) << " " << cameraMatrix.at<double>(0, 2) << std::endl;
36 std::cout << cameraMatrix.at<double>(1, 0) << " " << cameraMatrix.at<double>(1, 1) << " " << cameraMatrix.at<double>(1, 2) << std::endl;
37 std::cout << cameraMatrix.at<double>(2, 0) << " " << cameraMatrix.at<double>(2, 1) << " " << cameraMatrix.at<double>(2, 2) << std::endl;
38
39 cv::waitKey(0);
40 }
实验结果：
看以看到，相机内参数矩阵为
172.654 、0、157.829
0、184.195、118.635
0 、0 、1
