Halcon標定步驟

1.設置相機內部參數的初始值

StartCamPar := [0.016,0,0.0000074,0.0000074,326,247,652,494]
set_calib_data_cam_param (CalibDataID, 0, ‘area_scan_division’, StartCamPar)

1.1 相機型號

• （1）面陣
• （2）線陣

1.2 參數設置（這里只講面陣相機）

• （1）Division 畸變模型
  CameraParam:[Focus, Kappa, Sx, Sy, Cx, Cy, ImageWidth, ImageHeight]
• （2）Polynomial 畸變模型
  CameraParam:[Focus, K1, K2, K3, P1, P2, Sx, Sy, Cx, Cy, ImageWidth, ImageHeight]
  注：當鏡頭為遠心鏡頭時，Focus=0；

1.3 畸變類型的選擇

• Division 畸變模型只適用于精度要求不是很高，標定圖片數量較少的情況；Polynomial 畸變模型對鏡像
  畸變和切向畸變都校正，精度較高，花費時間長。

1.4 標定時個參數值的確定技巧

• Focus f:鏡頭的標稱焦距,( e.g, 0.016 m； 對于遠心鏡頭為0。）
• κ: 一般去0.0

Or:

• K1, K2, K3,P1, P2:可全部初始化為0

• Sx: 由CCD\CMOS確定建議取值如下:
  Full image (640480) Subsampling (320240)
  1/3"-Chip 0.0000055 m 0.0000110 m
  1/2"-Chip 0.0000086 m 0.0000172 m
  2/3"-Chip 0.0000110 m 0.0000220 m

• Sy: 由CCD\CMOS確定建議取值如下:
  for example:
  Full image (640480) Subsampling (320240)
  1/3"-Chip 0.0000055 m 0.0000110 m
  1/2"-Chip 0.0000086 m 0.0000172 m
  2/3"-Chip 0.0000110 m 0.0000220 m

• Cx and Cy: 光心坐標初始值，建議取值如下:
  for example:
  Full image (640480) Subsampling (320240)
  Cx 320.0 160.0
  Cy 240.0 120.0

• ImageWidth，ImageHeight:有實際圖片大小來初始化該值
  for example:
  Full image (640480) Subsampling (320240)
  ImageWidth 640 320
  ImageHeight 480 240

2.標定板初始化

CaltabName := 'caltab_30mm.descr'//標定板描述文件set_calib_data_calib_object (CalibDataID, 0, CaltabName)

3.創建數據模型

create_calib_data ('calibration_object', 1, 1, CalibDataID）

4.獲取標定圖片

相機拍攝不同位姿下圖片8-15張，拍攝圖片時標定板盡量覆蓋整個視場（標定板要根據工作距離、視場大小定制）；拍攝圖片上的圓直徑不得小于10個像素

#### 5.加載所有圖像，尋找標定板區域，確定圓心，將結果加載到組元中 for I := 1 to NumImages by 1 ... acquire image ...（獲取圖像） find_caltab (Image, Caltab, CaltabName, SizeGauss, MarkThresh, MinDiamMarks) find_marks_and_pose (Image, Caltab, CaltabName, StartCamPar, StartThresh, \DeltaThresh, MinThresh, Alpha, MinContLength, MaxDiamMarks, RCoord, CCoord, StartPose)// 從標定數據模型中獲取基于點的觀測數據（49個點的坐標，索引，粗略估計被測校準物體相對于被測相機的姿態） set_calib_data_observ_points (CalibDataID, 0, 0, I, RCoord, CCoord, 'all', StartPose) endfor

下面將Halcon中提取目標點的大致原理說一下：

• 首先find_caltab 算子對圖像高斯濾波（核大小為SizeGauss），接著閾值分割（與之大小為MarkThresh）將標定板的區域找出來， find_marks_and_pose 算子對區域中的圓進行分割，找到圓的個數，周長，坐標位置等應該和標定板描述文件中的一致，否則會自動調整StartThresh，使得StartThresh按照DeltaThresh步長減小到MinThresh，直到找到準確的圓心。

6.有了所有圖像中的圓心就可以標定了

* 返回平均投影誤差Errorscalibrate_cameras (CalibDataID, Errors)

7.示例：3d_coordinates 測量世界坐標中的傾斜物體

本地函數： get_measure_positions
(Image : PlateRegion : CalibDataID, PoseIndex : Distance, Phi, RowCenter, ColumnCenter)

** 提取標定板（二值化、計算連通量、利用形狀特征選擇區域，填充空洞） * 形狀特征有：每個連通區域的孔數；最小包圍矩形長度的一半；最小的包圍矩形的寬度的一半 threshold (Image, Region, 0, 120) connection (Region, ConnectedRegions) select_shape (ConnectedRegions, SelectedRegions, ['holes_num','rect2_len1','rect2_len2'], 'and', [1,120,120], [1,200,200]) fill_up (SelectedRegions, PlateRegion) * ** 從table（標定板表盤）的邊框構造測量矩形: * 生成區域XLD輪廓 * 計算XLD輪廓的“回歸線”的參數 gen_contour_region_xld (PlateRegion, Contours, 'center') segment_contours_xld (Contours, ContoursSplit, 'lines', 7, 4, 2) regress_contours_xld (ContoursSplit, RegressContours, 'no', 1) * 獲取兩邊的垂直邊框線（4選2） select_contours_xld (RegressContours, VerticalContours, 'direction', rad(45), rad(135), -0.5, 0.5) select_contours_xld (VerticalContours, LongContours, 'length', 150, 500, -0.5, 0.5) * ** 測量線由table的兩個垂直邊框線的中心點構成： * 從對象數組中的選擇對象（2選1） * 獲得XLD輪廓所有坐標 select_obj (LongContours, Contour, 1) get_contour_xld (Contour, Rows, Columns) RowBegin1 := Rows[0] ColBegin1 := Columns[0] RowEnd1 := Rows[|Rows| - 1] ColEnd1 := Columns[|Columns| - 1] select_obj (LongContours, Contour, 2) get_contour_xld (Contour, Rows, Columns) RowBegin2 := Rows[0] ColBegin2 := Columns[0] RowEnd2 := Rows[|Rows| - 1] ColEnd2 := Columns[|Columns| - 1] * ** 現在在圖像中進行實際測量： *從標定數據模型中獲取基于點的觀測數據（第21個點和第28個點的坐標） get_calib_data_observ_points (CalibDataID, 0, 0, PoseIndex - 1, Row, Column, PoseIndex, _Pose) Row1 := Row[find(PoseIndex,21)] Row2 := Row[find(PoseIndex,27)] Column1 := Column[find(PoseIndex,21)] Column2 := Column[find(PoseIndex,27)] * 計算兩條直線的交點（邊框垂直邊和標定板第21個點和第28個點的連接線的角點） * 計算兩個點的距離 * 直線的方向 intersection_lines (Row1, Column1, Row2, Column2, RowBegin1, ColBegin1, RowEnd1, ColEnd1, RowA, ColA, IsOverlapping) intersection_lines (Row1, Column1, Row2, Column2, RowBegin2, ColBegin2, RowEnd2, ColEnd2, RowB, ColB, IsOverlapping) distance_pp (RowA, ColA, RowB, ColB, Distance) line_orientation (RowA, ColA, RowB, ColB, Phi) RowCenter := (RowA + RowB) / 2 ColumnCenter := (ColA + ColB) / 2 return ()

主函數 main

* * 1.初始化程序 dev_close_window () dev_open_window (0, 0, 768, 576, 'black', WindowHandle) dev_update_off () dev_set_draw ('margin') dev_set_line_width (3) set_display_font (WindowHandle, 14, 'mono', 'true', 'false') * * 2.標定相機 * 為一個區域掃描相機生成一個相機參數數組，該參數數組設置為面陣相機的Division畸變模型模板： * CameraParam:[Focus, Kappa, Sx, Sy, Cx, Cy, ImageWidth, ImageHeight] CalTabDescrFile := 'caltab_big.descr' gen_cam_par_area_scan_division (0.008, 0, 0.0000086, 0.0000086, 384, 288, 768, 576, StartCamPar) * 創建haclon 標定數據模型（'calibration_object'為標定設置類型，CalibDataID 數據模型的句柄 ） * 在標定數據模型中設置相機的類型和初始參數（StartCamPar 為初始參數） * 定義在標定模型中的標定對象（CalTabDescrFile 描述文件名） create_calib_data ('calibration_object', 1, 1, CalibDataID) set_calib_data_cam_param (CalibDataID, 0, [], StartCamPar) set_calib_data_calib_object (CalibDataID, 0, CalTabDescrFile) * * 3.采圖 NumImages := 10 for I := 1 to NumImages by 1read_image (Image, 'calib/calib-3d-coord-' + I$'02d')dev_display (Image)Message := 'Find calibration plate in\nall calibration images (' + I + '/' + NumImages + ')'disp_message (WindowHandle, Message, 'window', 12, 12, 'black', 'true') ***** 找到halcon 標定板，并在標定數據模型中設置提取的點和輪廓 ******find_calib_object (Image, CalibDataID, 0, 0, I - 1, [], [])* 從標定數據模型中查詢存儲或計算的數據（O號相機數據，項目類型-'init_params'表示初始相機內部參數，StartCamPar 初始化數據）* 從標定數據模型中獲取基于點的觀測數據（49個點的坐標，索引，粗略估計“被測校準物體（標定板）”相對于被測相機的姿態）* 從校準數據模型中獲取基于輪廓的觀測數據（標定板輪廓，所觀察到的校準對象位姿的索引）get_calib_data (CalibDataID, 'camera', 0, 'init_params', StartCamPar)get_calib_data_observ_points (CalibDataID, 0, 0, I - 1, Row, Column, Index, Pose)get_calib_data_observ_contours (Contours, CalibDataID, 'caltab', 0, 0, I - 1)* 標出圓形坐標點-畫叉gen_cross_contour_xld (Cross, Row, Column, 6, 0.785398)dev_set_color ('green')dev_display (Contours)dev_set_color ('yellow')dev_display (Cross) endfor disp_continue_message (WindowHandle, 'black', 'true') stop () * *** 通過同時最小化處理 確定所有相機參數（Error：優化的反投影均方根誤差(RMSE)）*** calibrate_cameras (CalibDataID, Error) * 從標定數據模型中查詢存儲或計算的數據（0號相機的數據，項目類型-'params'表示優化后的相機內部參數，CamParam 輸出數據） get_calib_data (CalibDataID, 'camera', 0, 'params', CamParam) * ******** 4.Perform measurements 驗證（1D 尺寸測量） ******** * for I := 1 to NumImages by 1read_image (Image, 'calib/calib-3d-coord-' + I$'02d')* ** 一、現在，測量標定板的黑邊的長度：* I-索引號; PlateRegion-標定板區域；Distance-垂直邊框的距離；* Phi-公垂線的方向；RowCenter/ColumnCenter-table中心點坐標;* 生成一個矩形的XLD輪廓。get_measure_positions (Image, PlateRegion, CalibDataID, I, Distance, Phi, RowCenter, ColumnCenter)gen_rectangle2_contour_xld (Rectangle, RowCenter, ColumnCenter, Phi, Distance * 0.52, 8)*** 二、一維尺寸測量:* 1.設置測量區域:準備提取垂直于矩形的直邊（MeasureHandle——測量矩形對象句柄）* 2.找尋你設定檢測區域內的邊緣:提取垂直于矩形或環形弧的直邊* （Amplitude-指定的是一個縮放，通過邊界的坐標加上縮放的計算，可以計算出確切的距離就存在Distance里）* 3.刪除一個測量對象gen_measure_rectangle2 (RowCenter, ColumnCenter, Phi, Distance * 0.52, 8, 768, 576, 'nearest_neighbor', MeasureHandle) measure_pos (Image, MeasureHandle, 1, 40, 'all', 'all', RowEdge, ColumnEdge, Amplitude, Distance1)close_measure (MeasureHandle)Rows := [RowEdge[0],RowEdge[|RowEdge| - 1]]Columns := [ColumnEdge[0],ColumnEdge[|RowEdge| - 1]]gen_cross_contour_xld (Cross, Rows, Columns, 16, Phi)*** 三、轉換坐標：(相機坐標系->世界坐標系的轉化)* 查詢標定數據（所有標定對象的總體姿態或特定的標定對象姿態的數據 * 通過選擇DataName中的以下參數，您可以查詢在由calibrate_cameras執行標定期間，* 哪些標定對象位姿參數得到了(或已經得到了)優化）* 'pose'——優化標定對象位姿，相對于當前參考相機get_calib_data (CalibDataID, 'calib_obj_pose', [0,I - 1], 'pose', Pose)* 將兩個邊界點轉換為世界坐標系* 計算兩點的距離image_points_to_world_plane (CamParam, Pose, Rows, Columns, 'm', SX, SY)distance_pp (SY[0], SX[0], SY[1], SX[1], Width)* ** 四、顯示寬度測量結果dev_display (Image)dev_set_color ('white')dev_set_line_width (3)dev_display (Rectangle)dev_set_color ('green')dev_set_draw ('fill')dev_set_line_width (2)dev_display (Cross)dev_set_draw ('margin')* 寬度顯示disp_message (WindowHandle, 'Width = ' + (Width * 100)$'8.3f' + 'cm', 'window', 12, 12, 'black', 'true')disp_continue_message (WindowHandle, 'black', 'true')stop ()* ** 五、現在，測量標定標記（標定板上的標定點）的大小 * 提取圖像中的橢圓erosion_circle (PlateRegion, ROI, 17.5)reduce_domain (Image, ROI, ImageReduced)*使用Deriche, Lanser, Shen或Canny過濾器提取亞像素精確的邊緣edges_sub_pix (ImageReduced, Edges, 'canny', 1, 20, 60)select_contours_xld (Edges, SelectedEdges, 'contour_length', 20, 99999999, -0.5, 0.5)* Fit ellipses to extracted edges 將橢圓匹配到提取的邊緣* 由橢圓或橢圓弧構成的近似的XLD輪廓（輸出橢圓參數）fit_ellipse_contour_xld (SelectedEdges, 'fitzgibbon', -1, 2, 0, 200, 3, 2, Row, Column, Phi, Radius1, Radius2, StartPhi, EndPhi, PointOrder)MeanRadius1 := mean(Radius1)MeanRadius2 := mean(Radius2)DevRadius1 := deviation(Radius1)DevRadius2 := deviation(Radius2)** 將橢圓轉換為世界坐標，它們應該是圓，并將圓從米轉換為毫米，這樣我們就可以看到它們。contour_to_world_plane_xld (SelectedEdges, WorldCircles, CamParam, Pose, 'mm')* Fit ellipses to the circles in world coordinates 在世界坐標中將橢圓與圓匹配fit_ellipse_contour_xld (WorldCircles, 'fitzgibbon', -1, 2, 0, 200, 3, 2, Row, Column, Phi, RadiusW1, RadiusW2, StartPhi, EndPhi, PointOrder)MeanRadiusW1 := mean(RadiusW1)MeanRadiusW2 := mean(RadiusW2)DevRadiusW1 := deviation(RadiusW1)DevRadiusW2 := deviation(RadiusW2)* * 顯示橢圓測量結果dev_display (Image)dev_set_color ('yellow')dev_set_line_width (3)dev_display (SelectedEdges)Message := 'Measured dimensions of the ellipses'Message[0] := ' Mean Radius1; Mean Radius2; (Standard deviations [%])'Message[1] := 'Image coordinates: ' + MeanRadius1$'5.2f' + 'px; ' + MeanRadius2$'5.2f' + 'px (' + (DevRadius1 / MeanRadius1 * 100)$'4.2f' + ', ' + (DevRadius2 / MeanRadius2 * 100)$'4.2f' + ')'Message[2] := 'World coordinates: ' + (MeanRadiusW1 / 10)$'5.2f' + 'cm; ' + (MeanRadiusW2 / 10)$'5.2f' + 'cm (' + (DevRadiusW1 / MeanRadiusW1 * 100)$'4.2f' + ', ' + (DevRadiusW2 / MeanRadiusW2 * 100)$'4.2f' + ')'disp_message (WindowHandle, Message, 'window', 12, 12, 'black', 'true')if (I < 10)disp_continue_message (WindowHandle, 'black', 'true')stop ()endif endfor clear_calib_data (CalibDataID)

結果：
1.read_image

2.find_calib_object 填充標定數據模型

3.calibrate_cameras (CalibDataID, Error) 矯正所有相機參數

4.驗證相機標定結果：通過 1D mesuring

• 1）get_measure_positions 找到需要測量區域的位姿（位置和方向）
• 2）gen_measure_rectangle2 設置測量區域
• 3）measure_pos 找尋你設定檢測區域內的邊緣：提取垂直于矩形的所有直邊
• 4）image_points_to_world_plane 轉換坐標：(相機坐標系->世界坐標系的轉化)
  
  
  5）測量標記點的大小：
• Radius1 ,Radius2 橢圓長短 半徑

8.參考算子介紹

• HALCON 1D Measure 算子初識
• 一維測量中measure_pos和measure_pairs算子
  
  

總結

以上是生活随笔為你收集整理的Halcon学习笔记：Halcon标定步骤-3d_coordinates.hdev示例的全部內容，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。