Halcon标定文件的生成及标定板规格

1、Halcon标定文件的生成   Halcon标定文件的生成   图一    Halcon标定文件的生成，需要有以下几个步骤：1.创建一个标定数据模板，由create_calib_data算来完成。2.指定相机的类型，初始化相机内部参数，由set_calib_data_cam_param算子来完成。3.指定标定板的描述文件，由set_calib_data_calib_object算子完成。4.收集观察数据，有算子set_calib_data_observ_points完成。也就是收集标定板上圆点的中心坐标，跟各个校正板的位置姿

2、态。5.配置校正过程。由算子set_calib_data完成。6.将数据整合进行标定计算。calibrate_cameras7.获得标定参数。get_calib_data8.记录标定参数，write_cam_parStartCamPar := 0.016,   0,    0.0000074,    0.0000074,   326,   247,    652,    494解释一下这个数组的意思。面阵相机有14或

3、18个参数（根据想相机的畸变模式），对于线阵相机有17个参数。这些参数可以分开为内部相机参数、外部相机参数。面阵相机（division模式）：Focus（焦距）:远焦镜头镜头焦距的长度Kappa:扭曲系数Sx，Sy：两像素间距Cx，Cy：中心点坐标Whith，Height：图像的宽高面阵相机（polynomia模式）：Focus（焦距）:远焦镜头镜头焦距的长度K1, K2, K3, P1,P2:扭曲系数Sx，Sy：两像素间距Cx，Cy：中心点坐标Whith，Height：图像的宽高线阵相机不做具体介绍Halcon标定板规格 2011-12-23 12:56 68人阅读 评论(1) 收藏 举报

4、图一： 30*30 规格的标定板的规格 黑色圆点行数：   7 黑色圆点列数：   7 外边框长度：     30mm*30mm 内边框长度：     28.125mm*28.125mm   即：黑色边框线宽为一个圆点半径（0.9375） 黑色圆点半径：   0.9375mm 圆点中心间距：   3.75mm 裁剪宽度： 

5、60;     30.75mm*30.75mm     即：由黑色边框向外延伸0.375mm 边角：           由黑色外边框向内缩进一个中心边距的长度40*40 规格的标定板的规格 黑色圆点行数：   7 黑色圆点列数：   7 外边框长度：     40mm*40mm 内边框长

6、度：     37.5mm*37.5mm   即：黑色边框线宽为一个圆点半径（0.125） 黑色圆点半径：   0.125mm 圆点中心间距：   5mm 裁剪宽度：       21mm*21mm     即：由黑色边框向外延伸0.5mm 边角：         &#

7、160; 由黑色外边框向内缩进一个中心边距的长度50*50 规格的标定板的规格 黑色圆点行数：   7 黑色圆点列数：   7 外边框长度：     50mm*50mm 内边框长度：     46.875mm*46.875mm   即：黑色边框线宽为一个圆点半径（1.5625） 黑色圆点半径：   1.5625mm 圆点中心间距：   6.25mm 

8、;裁剪宽度：       51.25mm*51.25mm     即：由黑色边框向外延伸0.625mm 边角：           由黑色外边框向内缩进一个中心边距的长度60*60 规格的标定板的规格 黑色圆点行数：   7 黑色圆点列数：   7 外边框长度：     60mm

9、*60mm 内边框长度：     56.25mm*56.25mm   即：黑色边框线宽为一个圆点半径（1.875） 黑色圆点半径：   1.875mm 圆点中心间距：   7.5mm 裁剪宽度：       61.5mm*61.5mm     即：由黑色边框向外延伸0.75mm 边角：     &#

10、160;     由黑色外边框向内缩进一个中心边距的长度Halcon如何制作标定板 分类： Halcon 2011-12-23 12:51 151人阅读 评论(2) 收藏 举报   图1 上图即为我自行制作的标定板的图样。下面我具体介绍一下，如何制作halcon的标准标定板方法一：用halcon软件自动生成的.ps文件来制作标定板。    这个也是最简单有效的方法。    打开halcon 的HDevelop软件，调用算子：gen_caltab( : : XNum,YNum,

11、MarkDist,DiameterRatio,CalTabDescrFile,CalTabPSFile : )XNum                  每行黑色标志圆点的数量。YNum                  每列黑色标志圆点的数量。MarkDis

12、t                    两个就近黑色圆点中心之间的距离。DiameterRatio            黑色圆点半径与圆点中心距离的比值。CalTabDescrFile 标定板描述文件的文件路径（.descr）。CalTabPSFile   

13、0;         标定板图像文件的文件路径（.ps），如图1然后复位（F2），点击运行（F5）通过软件Gsview打开，按1:1比例打印，OK！备注一个30*30的标准标定板的halcon源代码。gen_caltab(7,7,0.00375,0.5,'F:/halcon程序/gencaltab/30_30.descr','F:/halcon程序/gencaltab/40_40.ps')规格的标定板的规格    黑色圆点行数：  

14、7    黑色圆点列数：   7    外边框长度：     30mm*30mm    内边框长度：     28.125mm*28.125mm   即：黑色边框线宽为一个圆点半径（0.9375）    黑色圆点半径：   0.9375mm    圆点中心间距：   3.75mm 

15、;   裁剪宽度：       30.75mm*30.75mm     即：由黑色边框向外延伸0.375mm    边角：           由黑色外边框向内缩进一个中心边距的长度方法二：用halcon软件自动生成的.descr文件来制作标定板。打开halcon 的HDevelop软件，调用算子：gen_caltab生成一个.descr的文件，用

16、写字板打开（注意要用写字板，记事本打开会有一些数据不可见，一般windowsXP在C:Program FilesWindows NTAccessories就有写字板软件wordpad.exe）打开后的文件基本如下：       以40*40为例：# Plate Description Version 2 # HALCON Version 10.0 -  Mon Dec 19 11:08:07 2011# Description of the standard calibration plate   标准标

17、定板的描述# used for the CCD camera calibration in HALCON   # (generated by gen_caltab)                       （由）gen_caltab算子生成# # 7 rows x 7 columns     &

18、#160;     7行*7列# Width, height of calibration plate meter: 0.04, 0.04标定板的宽和高：0.04米，0.04米# Distance between mark centers meter: 0.005标志圆点中心间距：0.005米# Number of marks in y-dimension (rows)r 7Y方向标志圆点的数量。# Number of marks in x-dimension (columns)c 7X方向标志圆点的数量。#   offset of

19、coordinate system in z-dimension meter (optional):z 0Z坐标偏移# Rectangular border (rim and black frame) of calibration plate标定板的矩形边框（边缘和黑色边框）#   rim of the calibration plate (min x, max y, max x, min y) meter:o -0.0205 0.0205 0.0205 -0.0205标定板的剪切边缘【-0.0205 0.0205 0.0205 -0.0205】（以标定板中心为坐标圆点）#

20、   outer border of the black frame (min x, max y, max x, min y) meter:i -0.02 0.02 0.02 -0.02 黑色边框的外边缘【-0.02 0.02 0.02 -0.02】#   triangular corner mark given by two corner points (x,y, x,y) meter#   (optional):t -0.02 -0.015 -0.015 -0.02三角形标志【-0.02 -0.015 -0.015 -0.02】#

21、   width of the black frame meter:w 0.00125黑色边框线的宽度：0.00125米。# calibration marks:  x y radius meter一下是各个矫正板黑色圆点在标定板上的坐标（共7*7个）# calibration marks at y = -0.015 m-0.015 -0.015 0.00125-0.01 -0.015 0.00125-0.005 -0.015 0.001250 -0.015 0.001250.005 -0.015 0.001250.01 -0.015 0.001250.015 -

22、0.015 0.00125 # calibration marks at y = -0.01 m-0.015 -0.01 0.00125-0.01 -0.01 0.00125-0.005 -0.01 0.001250 -0.01 0.001250.005 -0.01 0.001250.01 -0.01 0.001250.015 -0.01 0.00125 # calibration marks at y = -0.005 m-0.015 -0.005 0.00125-0.01 -0.005 0.00125-0.005 -0.005 0.001250 -0.005 0.001

23、250.005 -0.005 0.001250.01 -0.005 0.001250.015 -0.005 0.00125 # calibration marks at y = 0 m-0.015 0 0.00125-0.01 0 0.00125-0.005 0 0.001250 0 0.001250.005 0 0.001250.01 0 0.001250.015 0 0.00125 # calibration marks at y = 0.005 m-0.015 0.005 0.00125-0.01 0.005 0.00125-0.005 0.005 0.001250

24、0.005 0.001250.005 0.005 0.001250.01 0.005 0.001250.015 0.005 0.00125 # calibration marks at y = 0.01 m-0.015 0.01 0.00125-0.01 0.01 0.00125-0.005 0.01 0.001250 0.01 0.001250.005 0.01 0.001250.01 0.01 0.001250.015 0.01 0.00125 # calibration marks at y = 0.015 m-0.015 0.015 0.00125-0.01 0.0

25、15 0.00125-0.005 0.015 0.001250 0.015 0.001250.005 0.015 0.001250.01 0.015 0.001250.015 0.015 0.00125 标定板的材料也有一定的要求，请参看如何进行图形校正。基于HALCON的模板匹配方法总结 2012-02-09 10:17 27人阅读 评论(0) 收藏 举报  基于HALCON的模板匹配方法总结         很早就想总结一下前段时间学习HALCON的心得，但由于其他的事情总是抽不出时间。去年

26、有过一段时间的集中学习，做了许多的练习和实验，并对基于HDevelop的形状匹配算法的参数优化进行了研究，写了一篇基于HDevelop的形状匹配算法参数的优化研究文章，总结了在形状匹配过程中哪些参数影响到模板的搜索和匹配，又如何来协调这些参数来加快匹配过程，提高匹配的精度，这篇paper放到了中国论文在线了，需要可以去下载。德国MVTec公司开发的HALCON机器视觉开发软件，提供了许多的功能，在这里我主要学习和研究了其中的形状匹配的算法和流程。HDevelop开发环境中提供的匹配的方法主要有三种，即Component-Based、Gray-Value-Based、Shape-Based,分

27、别是基于组件（或成分、元素）的匹配，基于灰度值的匹配和基于形状的匹配。这三种匹配的方法各具特点，分别适用于不同的图像特征，但都有创建模板和寻找模 板的相同过程。这三种方法里面，我主要就第三种基于形状的匹配，做了许多的实验，因此也做了基于形状匹配的物体识别，基于形状匹配的视频对象分割和基于 形状匹配的视频对象跟踪这些研究，从中取得较好的效果，简化了用其他工具，比如VC+来开发的过程。在VC下往往针对不同的图像格式，就会弄的很头疼，更不用说编写图像特征提取、模板建立和搜寻模板的代码呢，我想其中间过程会很复杂，效果也不一定会显著。下面我就具体地谈谈基于HALCON的形状匹配算法的研究和心得总结。1.

28、       Shape-Based matching的基本流程HALCON提 供的基于形状匹配的算法主要是针对感兴趣的小区域来建立模板，对整个图像建立模板也可以，但这样除非是对象在整个图像中所占比例很大，比如像视频会议中人 体上半身这样的图像，我在后面的视频对象跟踪实验中就是针对整个图像的，这往往也是要牺牲匹配速度的，这个后面再讲。基本流程是这样的，如下所示： 首先确定出ROI的矩形区域，这里只需要确定矩形的左上点和右下点的坐标即可，gen_rectangle1()这个函数就会帮助你生成一个矩形，利用area_center()找到这

29、个矩形的中心； 然后需要从图像中获取这个矩形区域的图像，reduce_domain()会得到这个ROI；这之后就可以对这个矩形建立模板，而在建立模板之前，可以先对这个区域进行一些处理，方便以后的建模，比如阈值分割，数学形态学的一些处理等等； 接下来就可以利用create_shape_model()来创建模板了，这个函数有许多参数，其中金字塔的级数由Numlevels指定，值越大则找到物体的时间越少，AngleStart和AngleExtent决定可能的旋转范围，AngleStep指定角度范围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Opti

30、mization来减少模板点的数量是很有用的；MinConstrast将模板从图像的噪声中分离出来，如果灰度值的波动范围是10，则MinConstrast应当设为10；Metric参数决定模板识别的条件，如果设为use_polarity，则图像中的物体和模板必须有相同的对比度；创建好模板后，这时还需要监视模板，用inspect_shape_model()来完成，它检查参数的适用性，还能帮助找到合适的参数；另外，还需要获得这个模板的轮廓，用于后面的匹配，get_shape_model_contours()则会很容易的帮我们找到模板的轮廓； 创建好模板后，就可以打开另一幅图像，来进行模板匹配了。这

31、个过程也就是在新图像中寻找与模板匹配的图像部分，这部分的工作就由函数find_shape_model()来承担了，它也拥有许多的参数，这些参数都影响着寻找模板的速度和精度。这个的功能就是在一幅图中找出最佳匹配的模板，返回一个模板实例的长、宽和旋转角度。其中参数SubPixel决定是否精确到亚像素级，设为interpolation，则会精确到，这个模式不会占用太多时间，若需要更精确，则可设为least_square,lease_square_high，但这样会增加额外的时间，因此，这需要在时间和精度上作个折中，需要和实际联系起来。比较重要的两个参数是MinSocre和Greediness，前一个

32、用来分析模板的旋转对称和它们之间的相似度，值越大，则越相似，后一个是搜索贪婪度，这个值在很大程度上影响着搜索速度，若为0，则为启发式搜索，很耗时，若为1，则为不安全搜索，但最快。在大多数情况下，在能够匹配的情况下，尽可能的增大其值。 找到之后，还需要对其进行转化，使之能够显示，这两个函数vector_angle_to_rigid()和affine_trans_contour_xld()在这里就起这个作用。前一个是从一个点和角度计算一个刚体仿射变换，这个函数从匹配函数的结果中对构造一个刚体仿射变换很有用，把参考图像变为当前图像。其详细的流程图和中间参数，如下图所示：（无法上传）2.       基于形状匹配的参数关系与优化     在HALCON的说明资料里讲到了这些参数的作用以及关系，在上面提到的文章中也作了介绍，这里主要是重复说明一下这些参数的作用，再强调一下它们影响匹配速度的程度；在为了提高速度而设置参数之前，有必要找出那些在所有测试图像中匹配成功的设置，这时需考虑以下情况：     必须保证物体在图像边缘处截断，也就是保证轮廓的清晰，这些可以通过形态学的一些方法来处理；   &