摄像机定标opencv程序

1、#include cvut.h#include #include #include using namespace cvut;using namespace std;#pragma comment(lib,cxcore.lib)#pragma comment(lib,cv.lib)#pragma comment(lib,highgui.lib)void main() ifstream fin(calibdata.txt); /*定标所用图像文件的路径*/ofstream fout(caliberation_result.txt); /* 保存定标结果的文件 */读取每一幅图像，从中提取出角点，

2、然后对角点进行亚像素精确化cout开始提取角点；int image_count=0; /* 图像数量 */CvSize image_size; /* 图像的尺寸 */CvSize board_size = cvSize(5,7); /* 定标板上每行、列的角点数 */CvPoint2D32f*image_points_buf=newCvPoint2D32fboard_size.width*board_size.height; /* 缓存每幅图像上检测到的角点 */Seq image_points_seq; /* 保存检测到的所有角点 */ string filename; while (get

3、line(fin,filename) image_count+; int count;Image view(filename); if (image_count = 1) image_size.width = view.size().width; image_size.height = view.size().height;/*提取角点*/if (0 = cvFindChessboardCorners( view.cvimage, board_size, image_points_buf, &count, CV_CALIB_CB_ADAPTIVE_THRESH ) coutcan not fi

4、nd chessboard corners!n;exit(1); else Image view_gray(view.size(),8,1); rgb2gray(view,view_gray);/*亚像素精确化*/ cvFindCornerSubPix( view_gray.cvimage, image_points_buf, count, cvSize(11,11), cvSize(-1,-1), cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 30, 0.1 )； image_points_seq.push_back(image_poin

5、ts_buf,count);/*在图像上显示角点位置*/ cvDrawChessboardCorners( view.cvimage, board_size, image_points_buf, count, 1);view.show(calib); cvWaitKey(); view.close(); delete image_points_buf; cout角点提取完成！ n;摄像机定标cout开始定标;CvSize square_size = cvSize(10,10); /*实际测量得到的定标板上每个棋盘格的大小*/Matrix object_points(1,board_size.w

6、idth*board_size.height*image_count,3); /*保存定标板上角点的三维坐标*/Matrix image_points(1,image_points_seq.cvseq-total,2); /*保存提取的所有 角点 */Matrix point_counts(1,image_count,1); /* 每幅图像中角点的数量 */Matrix intrinsic_matrix(3,3,1); /* 摄像机内参数矩阵 */Matrix distortion_coeffs(1,4,1); /* 摄像机的 4 个畸变系数：k1,k2,p1,p2 */Matrix rota

7、tion_vectors(1,image_count,3); /* 每幅图像的旋转向量 */Matrix translation_vectors(1,image_count,3); /* 每幅图像的平移向量 */*初始化定标板上角点的三维坐标*/int i,j,t;for (t=0;timage_count;t+) for (i=0;iboard_size.height;i+) for (j=0;jboard_size.width;j+) /*假设定标板放在世界坐标系中z=0的平面上*/object_points(0,t*board_size.height*board_size.width+i

8、*board_size.width+j,0) i*square_size.width;object_points(0,t*board_size.height*board_size.width+i*board_size.width+j,1) j*square_size.height;object_points(0,t*board_size.height*board_size.width+i*board_size.width+j,2) 0;/*将角点的存储结构转换成矩阵形式*/for (i=0;itotal;i+) image_points(0,i,0) = image_points_seqi.x

9、;image_points(0,i,1) = image_points_seqi.y;/*初始化每幅图像中的角点数量，这里我们假设每幅图像中都可以看到完整的定标板*/for (i=0;iimage_count;i+)point_counts(0,i) = board_size.width*board_size.height;/*开始定标*/cvCalibrateCamera2(object_points.cvmat,image_points.cvmat,point_counts.cvmat,image_size,intrinsic_matrix.cvmat,distortion_coeffs.

10、cvmat,rotation_vectors.cvmat,translation_vectors.cvmat,0);cout定标完成！ n;对定标结果进行评价cout开始评价定标结果n;double total_err = 0.0; /*所有图像的平均误差的总和*/double err = 0.0; /*每幅图像的平均误差*/Matrix image_points2(1,point_counts(0,0,0),2); /* 保存重新计算得到的投影点 */coutt每幅图像的定标误差：n;fout每幅图像的定标误差：n;for (i=0;iimage_count;i+) /*通过得到的摄像机内外

11、参数，对空间的三维点进行重新投影计算，得到新的投影点*/cvProjectPoints2(object_points.get_cols(i*point_counts(0,0,0),(i+1)*point_counts(0,0,0)-1).cvmat,rotation_vectors.get_col(i).cvmat,translation_vectors.get_col(i).cvmat, intrinsic_matrix.cvmat, distortion_coeffs.cvmat, image_points2.cvmat, 0,0,0,0);/*计算新的投影点和旧的投影点之间的误差*/er

12、rcvNorm(image_points.get_cols(i*point_counts(0,0,0),(i+1)*point_counts(0,0,0)-1).cvm at,image_points2.cvmat, CV_L1);total_err += err/=point_counts(0,0,0);couttt 第i+1幅图像的平均误差:err像素n;foutt 第i+1幅图像的平均误差：err像素n;coutt 总体平均误差：total_err/image_count像素n;fout总体平均误差：total_err/image_count像素nn;cout评价完成！ n;保存定标结果

13、cout开始保存定标结果;Matrix rotation_vector(3,1); /* 保存每幅图像的旋转向量 */Matrix rotation_matrix(3,3); /* 保存每幅图像的旋转矩阵 */fout相机内参数矩阵：n;foutintrinsic_matrixn;fout畸变系数：n;foutdistortion_coeffsn;for (i=0;iimage_count;i+) fout”第i+1幅图像的旋转向量：n;foutrotation_vectors.get_col(i);/*对旋转向量进行存储格式转换*/for (j=0;j3;j+) rotation_vector(j,0,0) = rota