攝像機標定--矯正畸變

以前作過攝像機標定的研究，不過如今忘了好多，昨天下午又撿起來，好好複習一下（主要是學習opencv一書內容）。

攝像機標定基本知識：

攝像機標定偏差包括內參（4個）、畸變參數（徑向和切向共5個）、外參（平移和旋轉共6個）。

偏差參數分析：攝像機模型採用針孔模型成像模型，因爲中心軸安裝問題，這就形成了精度偏差，就是所謂的相機內參數偏差，使用一個3X3的矩陣表示(A) [fx 0 cx; 0 fy cy; 0 0 1].，有四個未知參數；另因爲針孔成像採光效率不高，使用了透鏡，這就形成的畸變偏差：

徑向畸變：這是因爲透鏡先天條件緣由（透鏡形狀），成像儀中心（光學中心）的畸變爲0，隨着向邊緣移動，畸變越厲害。這裏有3個參數，k1,k2,k3其中k3是可選參數。

切向畸變：這是攝像機安裝過程形成的，如當透鏡不徹底平行於圖像平面的時候產生的。

旋轉和平移主要針對外參數，旋轉3個角度和平移3個方向6個參數。

棋盤就不介紹了。主要是提取角點，便於後面計算，opencv函數都有函數。書上p423有原理介紹，感興趣的朋友能夠參考書上內容。

opencv實現過程及主要函數介紹：

1.首先得到數據源（視頻或圖像），我讀取的一段本身錄的視頻；

2.初始化單幀棋盤數據，如6X4，並對棋盤操做提取角點；

用到的函數說明： 

CVAPI(int) cvFindChessboardCorners( const void* image, CvSize pattern_size,
                                    CvPoint2D32f* corners,
                                    int* corner_count CV_DEFAULT(NULL),
                                    int flags CV_DEFAULT(CV_CALIB_CB_ADAPTIVE_THRESH+CV_CALIB_CB_NORMALIZE_IMAGE) );

這個函數式找到內角點位置：

• image

• 輸入的棋盤圖，必須是8位的灰度或者彩色圖像。

• pattern_size

• 棋盤圖中每行和每列角點的個數。

• corners

• 檢測到的角點

• corner_count

• 輸出，角點的個數。若是不是NULL，函數將檢測到的角點的個數存儲於此變量。

• flags

• 各類操做標誌，能夠是0或者下面值的組合：

  • CV_CALIB_CB_ADAPTIVE_THRESH - 使用自適應閾值（經過平均圖像亮度計算獲得）將圖像轉換爲黑白圖，而不是一個固定的閾值。

  • CV_CALIB_CB_NORMALIZE_IMAGE - 在利用固定閾值或者自適應的閾值進行二值化以前，先使用cvNormalizeHist來均衡化圖像亮度。

  • CV_CALIB_CB_FILTER_QUADS - 使用其餘的準則（如輪廓面積，周長，方形形狀）來去除在輪廓檢測階段檢測到的錯誤方塊。

void cvFindCornerSubPix(const CvArr* image,CvPoint2D32f* corners,int count,CvSize win,CvSize zero_zone,CvTermCriteria criteria)

函數 cvFindCornerSubPix 經過迭代來發現具備子象素精度的角點位置：

image

輸入的圖像，必須是8位的灰度或者彩色圖像。

corners

輸入角點的初始座標，也存儲精確的輸出座標。

count

角點數目

win

搜索窗口的一半尺寸。若是win=（5,5）那麼使用（5*2+1）×（5*2+1）=11×11大小的搜索窗口

zero_zone

死區的一半尺寸，死區爲不對搜索區的中央位置作求和運算的區域。它是用來避免自相關矩陣出現的某些可能的奇異性。當值爲（-1，-1）表示沒有死區。

criteria

求角點的迭代過程的終止條件。即角點位置的肯定，要麼迭代數大於某個設定值，或者是精確懂達到某個設定值。criteria能夠是最大迭代數目，或者是設定的精確度，也能夠是它們的組合。

3.攝像機標定求參數，咱們目前求內參和畸變參數進行圖像校訂；

用到的函數說明：

void cvCalibrateCamera2( const CvMat* object_points, const CvMat* image_points, const CvMat*point_counts, CvSize image_size, CvMat* intrinsic_matrix, CvMat* distortion_coeffs, CvMat* rotation_vectors=NULL, CvMat* translation_vectors=NULL, int flags=0 );

標定函數，求攝像機內參和外參數：

• object_points

• 定標點的世界座標，爲3xN或者Nx3的矩陣，這裏N是全部視圖中點的總數。

• image_points

• 定標點的圖像座標，爲2xN或者Nx2的矩陣，這裏N是全部視圖中點的總數。

• point_counts

• 向量，指定不一樣視圖裏點的數目，1xM或者Mx1向量，M是視圖數目。

• image_size

• 圖像大小，只用在初始化內參數時。

• intrinsic_matrix

• 輸出內參矩陣(A)，若是指定CV_CALIB_USE_INTRINSIC_GUESS和（或）CV_CALIB_FIX_ASPECT_RATION，fx、 fy、 cx和cy部分或者所有必須被初始化。

• distortion_coeffs

• 輸出大小爲4x1或者1x4的向量，裏面爲形變參數[k1, k2, p1, p2]。

• rotation_vectors

• 輸出大小爲3xM或者Mx3的矩陣，裏面爲旋轉向量（旋轉矩陣的緊湊表示方式，具體參考函數cvRodrigues2）

• translation_vectors

• 輸出大小爲3xM或Mx3的矩陣，裏面爲平移向量。

• flags

• 不一樣的標誌，能夠是0，或者下面值的組合：

  • CV_CALIB_USE_INTRINSIC_GUESS - 內參數矩陣包含fx，fy，cx和cy的初始值。不然，(cx, cy)被初始化到圖像中心（這兒用到圖像大小），焦距用最小平方差方式計算獲得。注意，若是內部參數已知，沒有必要使用這個函數，使用cvFindExtrinsicCameraParams2則可。

  • CV_CALIB_FIX_PRINCIPAL_POINT - 主點在全局優化過程當中不變，一直在中心位置或者在其餘指定的位置（當CV_CALIB_USE_INTRINSIC_GUESS設置的時候）。

  • CV_CALIB_FIX_ASPECT_RATIO - 優化過程當中認爲fx和fy中只有一個獨立變量，保持比例fx/fy不變，fx/fy的值跟內參數矩陣初始化時的值同樣。在這種狀況下， (fx, fy)的實際初始值或者從輸入內存矩陣中讀取（當CV_CALIB_USE_INTRINSIC_GUESS被指定時），或者採用估計值（後者狀況中fx和fy可能被設置爲任意值，只有比值被使用）。

  • CV_CALIB_ZERO_TANGENT_DIST – 切向形變參數(p1, p2)被設置爲0，其值在優化過程當中保持爲0。

4.矯正，利用上步求得的參數對圖像進行矯正。

用到的函數說明，有兩種方法進行矯正，下面都介紹一下：

a.使用cvInitUndistortMap()和cvRemap()來處理，前者用來計算畸變映射，後者把求得的映射應用到圖像。

void cvInitUndistortMap( const CvMat* intrinsic_matrix, const CvMat* distortion_coeffs, CvArr* mapx, CvArr* mapy );

這個函數計算畸變映射，其中intrinsic_matrix攝像機內參數矩陣(A) [fx 0 cx; 0 fy cy; 0 0 1].distortion_coeffs形變係數向量[k1, k2, p1, p2，k3]，大小爲5x1或者1x5。mapx爲x座標的對應矩陣。mapy爲y座標的對應矩陣。

void cvRemap( const CvArr* src, CvArr* dst,const CvArr* mapx, const CvArr* mapy,int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,CvScalar fillval=cvScalarAll(0) );

對圖像進行普通幾何變換,求得矯正圖像：

     src
     輸入圖像.
dst
輸出圖像.
  mapx
x座標的映射 (32fC1 image).
mapy
y座標的映射 (32fC1 image).
flags
插值方法和如下開關選項的組合:
  CV_WARP_FILL_OUTLIERS - 填充邊界外的像素. 若是輸出圖像的部分象素落在變換後的邊界外，那麼它們的值設定爲 fillval。

函數cvInitUndistortMap預先計算非形變對應－正確圖像的每一個像素在形變圖像裏的座標。這個對應能夠傳遞給cvRemap函數（跟輸入和輸出圖像一塊兒）。

b.使用cvUndistort2()這個函數一次完成全部事項，不推薦。

CVAPI(void) cvUndistort2( const CvArr* src, CvArr* dst,
  const CvMat* camera_matrix,
  const CvMat* distortion_coeffs,
  const CvMat* new_camera_matrix CV_DEFAULT(0) );

函數說明：

    其中,src爲輸入圖像，dst爲輸出圖像.，camera_matrix攝像機內參數矩陣(A) [fx 0 cx; 0 fy cy; 0 0 1]，distortion_coeffs形變係數向量[k1, k2, p1, p2，k3]，大小爲5x1或者1x5。

建議仍是使用第一種算法，由於計算畸變映射是一個耗時的操做，當畸變映射不變的時候，使用第一種效率更高。

本人實驗效果以下：

        
                                               

代碼這裏就不留了，opencv也有相似的源碼，有須要的朋友留下聯繫方式能夠發給大家，共勉！