互動(dòng)攝像機(jī)校準(zhǔn)應(yīng)用

根據(jù)經(jīng)典校準(zhǔn)技術(shù)，用戶必須首先收集所有數(shù)據(jù)，并在運(yùn)行cv :: calibrateCamera功能時(shí)獲取攝像機(jī)參數(shù)。如果平均重新投影誤差很大或者如果估計(jì)參數(shù)似乎是錯(cuò)誤的，選擇或收集數(shù)據(jù)的過程以及cv :: calibrateCamera的重新開始。

交互式校準(zhǔn)過程假設(shè)在每個(gè)新的數(shù)據(jù)部分用戶可以看到結(jié)果和錯(cuò)誤估計(jì)之后，他也可以刪除最后的數(shù)據(jù)部分，最后，當(dāng)校準(zhǔn)的數(shù)據(jù)集足夠大時(shí)，自動(dòng)數(shù)據(jù)選擇的開始過程。

主要應(yīng)用特點(diǎn)

示例應(yīng)用程序?qū)ⅲ?/p>

• 確定每個(gè)元素的失真矩陣和置信區(qū)間
• 確定每個(gè)元素的相機(jī)矩陣和置信區(qū)間
• 從相機(jī)或視頻文件輸入
• 從XML文件讀取配置
• 將結(jié)果保存到XML文件中
• 計(jì)算重新投影誤差

• 剔除銳角圖形，防止不適合的雅可比塊出現(xiàn)

• 自動(dòng)切換校準(zhǔn)標(biāo)志（如果需要，修正高寬比和失真矩陣的元素）
• 使用多個(gè)標(biāo)準(zhǔn)進(jìn)行校準(zhǔn)時(shí)自動(dòng)檢測
• 自動(dòng)捕獲靜態(tài)圖案（用戶不需要按任意鍵捕捉框架，只需不要移動(dòng)圖案一秒鐘）

支持的模式：

• 黑白棋盤
• 不對稱圓形圖案
• 雙重不對稱圓形圖案
• chAruco（帶有Aruco標(biāo)記的棋盤）

參數(shù)說明

應(yīng)用程序有兩組參數(shù)：primary（通過命令行傳遞）和advance（通過XML文件傳遞）。

主要參數(shù)：

所有這些參數(shù)都通過命令行傳遞給應(yīng)用程序。

- [參數(shù)] = [默認(rèn)值]：說明

• -v = [filename]：從文件名獲取視頻，默認(rèn)輸入 - id = 0的相機(jī)
• -ci = [0]：從指定ID的相機(jī)獲取視頻
• -flip = [false]：輸入框的垂直翻轉(zhuǎn)
• -t = [圈子]：校準(zhǔn)模式（圓，棋盤，雙圓，chAruco）
• -sz = [16.3]：校準(zhǔn)板上兩個(gè)最近圓圈或正方形中心之間的距離
• -dst = [295] daulCircles模式的白色和黑色部分之間的距離
• -w = [width]：圖案的寬度（角或圓）
• -h = [height]：圖案的高度（角或圓）
• -of = [camParams.xml]：輸出文件名
• -ft = [true]：校準(zhǔn)標(biāo)志的自動(dòng)調(diào)整
• -vis = [grid]：捕獲的板可視化（網(wǎng)格，窗口）
• -d = [0.8]：捕獲之間的延遲（以秒為單位）
• -pf = [defaultConfig.xml]：高級應(yīng)用程序參數(shù)文件

高級參數(shù)：

默認(rèn)情況下，高級參數(shù)值存儲在defaultConfig.xml中

<？xml  version = “1.0”？>
< opencv_storage >
< charuco_dict > 0 </ charuco_dict >
< charuco_square_lenght > 200 </ charuco_square_lenght >
< charuco_marker_size > 100 </ charuco_marker_size >
< calibration_step > 1 </ calibration_step >
< max_frames_num > 30 </ max_frames_num >
< min_frames_num > 10 </ min_frames_num >
< solver_eps > 1 e-7 </ solver_eps >
< solver_max_iters > 30 </ solver_max_iters >
< fast_solver > 0 </ fast_solver >
< frame_filter_conv_param > 0.1 </ frame_filter_conv_param >
< camera_resolution > 1280 720 </ camera_resolution >
</ opencv_storage >

• charuco_dict：特殊字典的名稱，用于生成chAruco模式
• charuco_square_lenght：chAruco板上的square的大?。ㄒ韵袼貫閱挝唬?/li>
• charuco_marker_size：chAruco板上的Aruco標(biāo)記大?。ㄒ韵袼貫閱挝唬?/li>
• calibration_step：啟動(dòng)cv :: calibrateCamera之間的幀間隔
• max_frames_num：如果校準(zhǔn)幀數(shù)大于此值，則過濾器開始工作。校準(zhǔn)數(shù)據(jù)集的過濾尺寸等于max_frames_num后
• min_frames_num：如果幀數(shù)大于此值，則該值將打開自動(dòng)標(biāo)志調(diào)整，未失真視圖和質(zhì)量評估
• solver_eps：在cv :: calibrateCamera中的Levenberg-Marquardt求解器的精度
• solver_max_iters：求解器的迭代極限
• fast_solver：如果此值為非零，并且在解算器中使用Lapack，則使用QR分解代替SVD。QR比SVD快，但可能不太精確
• frame_filter_conv_param：在雙向幀過濾器的線性卷積中使用的參數(shù)
• camera_resolution：用于校準(zhǔn)的相機(jī)的分辨率

注意： charuco_dict，charuco_square_lenght和charuco_marker_size用于chAruco模式生成（有關(guān)詳細(xì)信息，請參閱Aruco模塊描述：Aruco教程）

默認(rèn)chAruco模式：

雙圈圖案

為了使這個(gè)模式，你需要標(biāo)準(zhǔn)的OpenCV圓形圖案和二進(jìn)制反轉(zhuǎn)。當(dāng)一個(gè)圖案中的所有水平線的線條在另一個(gè)圖案中是相似線條的連續(xù)時(shí)，按順序?qū)蓚€(gè)圖案放置在一個(gè)平面上。測量圖形之間的距離如下圖所示，將其作為dst命令行參數(shù)傳遞。還測量最近圓的中心之間的距離，并將該值作為sz命令行參數(shù)傳遞。

這種模式對生產(chǎn)和測量的質(zhì)量非常敏感。

數(shù)據(jù)過濾

當(dāng)校準(zhǔn)數(shù)據(jù)集大小時(shí)，max_frames_num將開始工作數(shù)據(jù)過濾。它嘗試從數(shù)據(jù)集中刪除“壞”幀。過濾器將刪除最大值loss_function 的幀

RMS是針對幀i計(jì)算的平均重新投影誤差，reduceGridQuality是無幀i的場景覆蓋質(zhì)量評估，等于frame_filter_conv_param。

校準(zhǔn)過程

開始校準(zhǔn)只需運(yùn)行應(yīng)用程序。將圖案放置在相機(jī)前方，并以某種姿勢固定圖案。之后等待捕獲（將顯示消息，如“Frame #i capture”）。主屏幕將顯示當(dāng)前焦距和重投影誤差。將模式移動(dòng)到下一個(gè)位置并重復(fù)過程。嘗試均勻地覆蓋圖像平面，并且不會在圖像平面的銳角上顯示圖案。

如果校準(zhǔn)似乎成功（置信區(qū)間和平均重新投影誤差小，幀覆蓋質(zhì)量和模式視圖數(shù)量足夠大）應(yīng)用程序?qū)@示如下屏幕上的消息。

熱鍵：

• 退出應(yīng)用程序
• s - 將當(dāng)前數(shù)據(jù)保存到XML文件
• r - 刪除最后一幀
• d - 刪除所有幀
• u - 啟用/禁用應(yīng)用無失真
• v - 切換可視化模式

結(jié)果

因此，您將獲得相機(jī)參數(shù)和置信區(qū)間。

輸出XML文件示例：

<？xml  version = “1.0”？>
< opencv_storage >
< calibrationDate > “Thu 07 Apr 2016 04:23:03 PM MSK” </ calibrationDate >
< framesCount > 21 </ framesCount >
< cameraResolution >
  1280 720 </ cameraResolution >
< cameraMatrix  type_id = “opencv-matrix” >
  < rows > 3 </ rows >
  < cols > 3 </ cols >
  < dt > d </ dt >
  < data >
    1.2519588293098975 e +03 0. 6.6684948780852471 e +02 0。
    1.2519588293098975 e +03 3.6298123112613683 e +02 0. 0. 1。</ data > </ cameraMatrix >
< cameraMatrix_std_dev  type_id = “opencv-matrix” >
  < rows > 4 </ rows >
  < cols > 1 </ cols >
  < dt > d </ dt >
  < data >
    0. 1.2887048808572649 e +01 2.8536856683866230 e +00
    2.8341737483430314 e +00 </ data > </ cameraMatrix_std_dev >
< dist_coeffs  type_id = “opencv-matrix” >
  < rows > 1 </ rows >
  < cols > 5 </ cols >
  < dt > d </ dt >
  < data >
    1.3569117181595716 e-01 -8.2513063822554633 e-01 0. 0。
    1.6412101575010554 e +00 </ data > </ dist_coeffs >
< dist_coeffs_std_dev  type_id = “opencv-matrix” >
  < rows > 5 </ rows >
  < cols > 1 </ cols >
  < dt > d </ dt >
  < data >
    1.5570675523402111 e-02 8.7229075437543435 e-02 0. 0。
    1.8382427901856876 e-01 </ data > </ dist_coeffs_std_dev >
< avg_reprojection_error > 4.2691743074130178 e-01 </ avg_reprojection_error >
</ opencv_storage >