OpenCV 鱼眼相机标定指南

在计算机视觉领域，鱼眼摄像头因其广阔的视野和独特的成像特性而受到广泛应用。然而，由于鱼眼相机的畸变性质，进行精确的相机标定成为了一项重要的工作。本文将介绍如何使用 OpenCV 在 Python 中进行鱼眼相机的标定，并附带相关代码示例。

鱼眼相机标定的基本概念

鱼眼相机标定的主要目的是确定相机的内在参数和外在参数，以便消除图像中的畸变。这里，我们主要关注内参矩阵（包括焦距和主点）和畸变系数。鱼眼标定通常需要使用标定板（如棋盘格）来获取多组图像。

标定步骤
  1. 收集棋盘格图像：拍摄多张包含棋盘格的图像，尽量在不同角度和距离下拍摄，以获取丰富的视角信息。
  2. 检测角点：使用 OpenCV 的 findChessboardCorners 函数检测棋盘格的角点。
  3. 角点从图像空间转换到世界空间：定义棋盘格的真实世界坐标。
  4. 进行标定：使用 OpenCV 的 calibrateCamera 函数进行标定，获取相机的内参和畸变系数。
  5. 校正图像：使用获得的参数校正图像。

代码示例

以下是一个基本的鱼眼相机标定的代码示例，其中包含了上述步骤。

1. 安装必要的库
pip install opencv-python opencv-contrib-python numpy
  • 1.
2. 收集图像

确保准备好用于标定的棋盘格图像，存放在一个文件夹内。例如，将它们存储在 images 文件夹下。

3. Python代码

下面的代码展示了如何进行鱼眼相机的标定：

import numpy as np
import cv2
import glob

# 设置棋盘格尺寸
CHECKERBOARD = (7, 7)
# 设置每个格子的实际尺寸（单位：cm）
SQUARE_SIZE = 2.5

# 准备对象点和图像点
objp = np.zeros((CHECKERBOARD[0] * CHECKERBOARD[1], 3), np.float32)
objp[:, :2] = np.mgrid[0:CHECKERBOARD[0], 0:CHECKERBOARD[1]].T.reshape(-1, 2) * SQUARE_SIZE
objpoints = []  # 3D点
imgpoints = []  # 2D点

# 加载图像
images = glob.glob('images/*.jpg')

for img in images:
    image = cv2.imread(img)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 查找棋盘格角点
    ret, corners = cv2.findChessboardCorners(gray, CHECKERBOARD, None)
    
    if ret:
        objpoints.append(objp)
        imgpoints.append(corners)

# 进行标定
ret, mtx, dist, rvecs, tvecs = cv2.fisheye.calibrate(objpoints, imgpoints, gray.shape[::-1], None, None)

# 打印标定结果
print("Camera matrix : \n", mtx)
print("Distortion coefficients : \n", dist)

# 校正图像
for img in images:
    image = cv2.imread(img)
    h, w = image.shape[:2]
    new_camera_mtx, roi = cv2.fisheye.estimateNewCameraMatrixForUndistortRectify(mtx, dist, (w, h), np.eye(3), balance=0)
    undistorted = cv2.fisheye.undistortImage(image, mtx, dist, None, new_camera_mtx)
    
    # 显示校正后的图像
    cv2.imshow("Undistorted", undistorted)
    cv2.waitKey(0)

cv2.destroyAllWindows()
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
代码详解
  1. 设置棋盘格尺寸：定义棋盘格的行列数以及每个格子的实际大小。
  2. 加载图像：使用 glob 模块加载所有棋盘格图像。
  3. 查找角点：使用 findChessboardCorners 函数检测图像中的角点。
  4. 标定过程：使用 fisheye.calibrate 方法进行标定，获得相机内参和畸变系数。
  5. 图像校正：生成新的相机矩阵，通过 undistortImage 校正图像，并使用 OpenCV 显示结果。
结果示例

在成功标定后，可以通过展示未校正和校正后图像的比较，来更直观地了解标定效果。

PC Camera User PC Camera User 拍摄棋盘格图像 图像捕获完成 上传图像进行处理 检测棋盘格角点 进行鱼眼相机标定 返回内参和畸变系数 请求图像校正 返回校正后的图像

总结与展望

鱼眼相机标定是计算机视觉中的一项基础且重要的任务，能够帮助我们在图像处理和物体识别中得到更好的结果。通过使用 OpenCV，我们能够相对轻松地完成这一过程。正如本文示例所示，只需几个步骤即可完成相机的标定和图像的校正。

未来，我们可以探索更高级的标定方法，例如使用深度学习来进一步优化标定过程，或提高标定的精度和速度。这些研究将有助于增强鱼眼相机在各类应用中的可用性和可靠性。希望本文能够为大家提供鱼眼相机标定的初步认识，并激励您更深入地探索这一领域。