1.相機標定

根據張正友校正算法，利用棋盤格數據校正對車載相機進行校正，計算其內參矩陣，外參矩陣和畸變系數。

標定的流程是：

• 準備棋盤格數據，即用于標定的圖片
• 對每一張圖片提取角點信息
• 在棋盤上繪制提取到的角點（非必須，只是為了顯示結果）
• 利用提取的角點對相機進行標定
• 獲取相機的參數信息

1.1. 標定的圖片

標定的圖片需要使用棋盤格數據在不同位置、不同角度、不同姿態下拍攝的圖片，最少需要3張，當然多多益善，通常是10-20張。該項目中我們使用了20張圖片，如下圖所示：

把這些圖片存放在項目路徑中的camera_cal文件夾中。

1.2. 相機校正

下面我們對相機進行校正，OPenCV中提供了對相機進行校正的代碼，在本項目中直接使用opencv中的API進行相機的校正，如下所示:

# 1. 參數設定:定義棋盤橫向和縱向的角點個數并指定校正圖像的位置 nx = 9 ny = 6 file_paths = glob.glob("./camera_cal/calibration*.jpg") # 2. 計算相機的內外參數及畸變系數 def cal_calibrate_params(file_paths):object_points = [] # 三維空間中的點：3Dimage_points = [] # 圖像空間中的點：2d# 2.1 生成真實的交點坐標：類似(0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)的三維點objp = np.zeros((nx * ny, 3), np.float32)objp[:, :2] = np.mgrid[0:nx, 0:ny].T.reshape(-1, 2) # 2.2 檢測每幅圖像角點坐標for file_path in file_paths:img = cv2.imread(file_path)# 將圖像轉換為灰度圖gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 自動檢測棋盤格內4個棋盤格的角點（2白2黑的交點）rect, corners = cv2.findChessboardCorners(gray, (nx, ny), None)# 若檢測到角點，則將其存儲到object_points和image_pointsif rect == True:object_points.append(objp)image_points.append(corners)# 2.3 獲取相機參數ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, gray.shape[::-1], None, None)return ret, mtx, dist, rvecs, tvecs

在這里有幾個API給大家介紹下：

尋找棋盤圖中的棋盤角點

rect, corners = cv2.findChessboardCorners(image, pattern_size, flags)

參數：

• Image: 輸入的棋盤圖，必須是8位的灰度或者彩色圖像

• Pattern_size:棋盤圖中每行每列的角點個數（內角點）。

• flags: 用來定義額外的濾波步驟以有助于尋找棋盤角點。所有的變量都可以單獨或者以邏輯或的方式組合使用。取值主要有：

  CV_CALIB_CB_ADAPTIVE_THRESH ：使用自適應閾值（通過平均圖像亮度計算得到）將圖像轉換為黑白圖，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之前，先使用cvNormalizeHist來均衡化圖像亮度。

  CV_CALIB_CB_FILTER_QUADS ：使用其他的準則（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。

返回：

• Corners:檢測到的角點

• rect: 輸出是否找到角點，找到角點返回1，否則返回0

• 檢測完角點之后我們可以將將測到的角點繪制在圖像上，使用的API是：

  cv2.drawChessboardCorners(img, pattern_size, corners, rect)

  參數：

  • Img: 預繪制檢測角點的圖像
  • pattern_size : 預繪制的角點的形狀
  • corners: 角點矩陣
  • rect： 表示是否所有的棋盤角點被找到，可以設置為findChessboardCorners的返回值

  注意：如果發現了所有的角點，那么角點將用不同顏色繪制（每行使用單獨的顏色繪制），并且把角點以一定順序用線連接起來，如下圖所示：

• 利用定標的結果計算內外參數

ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, image_size, None, None)

參數：

• Object_points:世界坐標系中的點，在使用棋盤的場合，我們令z的坐標值為0，而x,y坐標用里面來度量，選用英寸單位，那么所有參數計算的結果也是用英寸表示。最簡單的方式是我們定義棋盤的每一個方塊為一個單位。
• image_points:在圖像中尋找到的角點的坐標，包含object_points所提供的所有點
• image_size: 圖像的大小，以像素為衡量單位

返回：

• ret: 返回值

• mtx: 相機的內參矩陣，大小為3*3的矩陣

• dist: 畸變系數，為5*1大小的矢量

• rvecs: 旋轉變量

• tvecs: 平移變量

1.3 圖像去畸變

效果預覽：
? ? ? ? ? ? ? ? ? ? ? ? 處理前:??處理后：

上一步中我們已經得到相機的內參及畸變系數，我們利用其進行圖像的去畸變，最直接的方法就是調用opencv中的函數得到去畸變的圖像：

def img_undistort(img, mtx, dist):dst = cv2.undistort(img, mtx, dist, None, mtx)return dst

我們看下求畸變的API:

dst = cv2.undistort(img, mtx, dist, None, mtx)

參數：

• Img: 要進行校正的圖像
• mtx: 相機的內參
• dist: 相機的畸變系數

返回：

• dst: 圖像校正后的結果

---

總結：

標定的圖片?

不同角度和方向拍攝的棋盤格圖片數據

相機校正

檢測棋盤格數據的角點：

cv2.findChessboardCorners（）

計算相機的內參數和外參數：cv2.calibrateCamera（）

圖像去畸變

cv2.undistort()

---

代碼總覽：

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt #遍歷文件夾 import glob from moviepy.editor import VideoFileClip"""參數設置""" nx = 9 ny = 6 #獲取棋盤格數據 file_paths = glob.glob("./camera_cal/calibration*.jpg")# 繪制對比圖 def plot_contrast_image(origin_img, converted_img, origin_img_title="origin_img", converted_img_title="converted_img",converted_img_gray=False):fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 20))ax1.set_title = origin_img_titleax1.imshow(origin_img)ax2.set_title = converted_img_titleif converted_img_gray == True:ax2.imshow(converted_img, cmap="gray")else:ax2.imshow(converted_img)plt.show()#相機矯正使用opencv封裝好的api #目的:得到內參、外參、畸變系數 def cal_calibrate_params(file_paths):#存儲角點數據的坐標object_points = [] #角點在真實三維空間的位置image_points = [] #角點在圖像空間中的位置#生成角點在真實世界中的位置objp = np.zeros((nx*ny,3),np.float32)#以棋盤格作為坐標，每相鄰的黑白棋的相差1objp[:,:2] = np.mgrid[0:nx,0:ny].T.reshape(-1,2)#角點檢測for file_path in file_paths:img = cv2.imread(file_path)#將圖像灰度化gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#角點檢測rect,coners = cv2.findChessboardCorners(gray,(nx,ny),None)#角點檢測結果的繪制# imgcopy = img.copy()# cv2.drawChessboardCorners(imgcopy,(nx,ny),coners,rect)# plot_contrast_image(img,imgcopy)#若檢測到角點，則進行保存 即得到了真實坐標和圖像坐標if rect == True :object_points.append(objp)image_points.append(coners)# 相機較真ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, gray.shape[::-1], None, None)return ret, mtx, dist, rvecs, tvecs# 圖像去畸變：利用相機校正的內參，畸變系數 def img_undistort(img, mtx, dist):dis = cv2.undistort(img, mtx, dist, None, mtx)return disif __name__ == "__main__":ret, mtx, dist, rvecs, tvecs =cal_calibrate_params(file_paths)if np.all(mtx!=None):img = cv2.imread("test/test1.jpg")undistort_img = img_undistort(img,mtx,dist)plot_contrast_image(img,undistort_img)print("done")else:print("failed")

總結

以上是生活随笔為你收集整理的智慧交通day03-车道线检测实现03：相机校正和图像校正的实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。