相机标定实验

相机标定

文章目录

  • 相机标定
  • 1 ROS标定
    • 1.1安装标定程序
    • 1.2 下载标定板
    • 1.3 标定
    • 1.4 标定结果
  • 2 Kalibr相机标定
    • 2.1 下载官方提供的标定板
    • 2.2 自定义标定板
    • 2.3 cam数据录制
    • 2.4 标定
    • 2.5 输出结果
  • 3 MATLAB标定
    • 3.1 打开工具
    • 3.2 添加标定板图片
    • 3.3 设置标定参数
    • 3.4 生成标定结果
    • 3.5 标定结果

1 ROS标定

​ 这里使用了OpenCV camera calibration

1.1安装标定程序

sudo apt install ros-$ROS_DISTRO-camera-calibration

# https://github.com/ros-perception/image_pipeline/tree/melodic源码安装

​ 选择对应的ROS版本,新建一个工作空间,把camera-calibration拖进去编译即可。

在这里插入图片描述

1.2 下载标定板

​ 可以自己生成生成标定板网站,也可以直接用这个

1.3 标定

  • 打开相机标定节点并指定话题
rosrun camera_calibration cameracalibrator.py --size 9x6 --square 0.02 image:=/camera2/camera/color/image_raw

–size 9x6 表示棋盘格按照角点(两个黑色块相接的地方)为9列6行

–square 0.02 表示每个黑白块的边长为2cm

image:=/camera/rgb/image_raw 设置接收的rgb图像话题

更多参数参考:http://wiki.ros.org/camera_calibration

  • calibration file应该类似如下
image_width: 640
image_height: 480
# The camera name is fixed. The color camera is rgb_camera, the depth/IR camera name is ir_camera
camera_name: rgb_camera
camera_matrix:
  rows: 3
  cols: 3
  data: [517.301, 0, 326.785, 0, 519.291, 244.563, 0, 0, 1]
distortion_model: plumb_bob
distortion_coefficients:
  rows: 1
  cols: 5
  data: [-0.41527, 0.31874, -0.00197, 0.00071, 0]
rectification_matrix:
  rows: 3
  cols: 3
  data: [0.999973, 0.00612598, -0.00406652, -0.00610201, 0.999964, 0.00588094, 0.0041024, -0.00585596, 0.999974 ]
projection_matrix:
  rows: 3
  cols: 4
  data: [517.301, 0, 326.785, -25.3167, 0, 519.291, 244.563, 0.282065, 0, 0, 1, 0.0777703]

1.4 标定结果

​ 生成压缩包/tmp/calibrationdata.tar.gz',其中的 ost.yaml就是标定结果。

[image]

width:800

height:600

[narrow_stereo]

camera matrix
375.192406 0.000000 400.541492
0.000000 376.253860 317.513124
0.000000 0.000000 1.000000

distortion
0.131676 -0.094047 0.004399 -0.004491 0.000000

rectification
1.000000 0.000000 0.000000
0.000000 1.000000 0.000000
0.000000 0.000000 1.000000

projection
786.365845 0.000000 -8.585413 0.000000
0.000000 862.199036 -9.969647 0.000000
0.000000 0.000000 1.000000 0.000000

2 Kalibr相机标定

Kalibr安装参考官网,下载好依赖即可,安装过程可能会出现内存不足情况,且编译时间很久。

2.1 下载官方提供的标定板

标定板下载–Aprilgrid 6x6 0.8x0.8 m (A0 page)

标定前, 注意测量格子的尺寸信息填入yaml文件

在这里插入图片描述

target_type: 'aprilgrid' #gridtype
tagCols: 6               #number of apriltags---6列
tagRows: 6               #number of apriltags---6行
tagSize: 0.088           # size of apriltag, edge to edge [m]--a
tagSpacing: 0.3     #ratio of space between tags to tagSize--a/b
codeOffset: 0            #code offset for the first tag in the aprilboard

2.2 自定义标定板

可以使用下面命令自定义一个Aprilgrid标定板(前提安装好kalibr

rosrun kalibr kalibr_create_target_pdf --type apriltag --nx [NUM_COLS] --ny [NUM_ROWS] --tsize [TAG_WIDTH_M] --tspace [TAG_SPACING_PERCENT]

报错:kalibr_create_target_pdf: command not found,因为执行ROS命令没有加rosrun kalibr

# 这样子实际大小在一张A4左右
rosrun kalibr kalibr_create_target_pdf --type apriltag --nx 6 --ny 6 --tsize 0.025 --tspace 0.3

参考

2.3 cam数据录制

ros topic的频率降低到4hz左右进行采集

ROS 提供了改变 topic 发布频率的节点throttle, 指令如下

# 使用方法rosrun topic_tools throttle messages <intopic> <msgs_per_sec> [outtopic]

rosrun topic_tools throttle messages /mynteye/left/image_raw 4.0 /left

rosrun topic_tools throttle messages /mynteye/right/image_raw 4.0 /right

录制数据

rosbag record -O stereo_calibra.bag /left /right-

2.4 标定

官网给了这个示例,可以先跑下这个看看对不对

source ros_ws/kalibr/devel/setup.bash

# 径向和切向畸变
rosrun kalibr kalibr_calibrate_cameras --bag stereo_calibra.bag --topics /left /right --models pinhole-radtan pinhole-radtan --target april_6x6_80x80cm_A0.yaml

# 或者采用 pinhole-equi 模型,对畸变大的相机效果不错----全景畸变
rosrun kalibr kalibr_calibrate_cameras --bag stereo_calibra.bag --topics /left /right --models pinhole-equi pinhole-equi --target april_6x6_80x80cm_A0.yaml

该工具必须提供以下输入:

  • –bag filename.bag
    包含数据的 ROS 包
  • –topics TOPIC_0 … TOPIC_N
    包中所有相机主题的列表。匹配 --models 的顺序
  • –models MODEL_0 … MODEL_N
    要安装的相机/畸变模型列表。与 --topics 的顺序匹配(请参阅支持的型号)
  • –target target.yaml
    校准目标配置(请参阅校准目标)

关于支持的相机型号模型

Kalibr支持以下投影模型

  • pinhole camera model (pinhole)1-针孔相机模型
    (intrinsics vector: [fu fv pu pv])
  • omnidirectional camera model (omni)2-全向相机模型
    (intrinsics vector: [xi fu fv pu pv])
  • double sphere camera model (ds)3
    (intrinsics vector: [xi alpha fu fv pu pv])
  • extended unified camera model (eucm)4
    (intrinsics vector: [alpha beta fu fv pu pv])

The intrinsics vector contains all parameters for the model:

  • fu, fv: focal-length焦距
  • pu, pv: principal point主点
  • xi: mirror parameter (only omni)镜像参数
  • xi, alpha: double sphere model parameters (only ds)双球模型参数
  • alpha, beta: extended unified model parameters (only eucm)

Distortion models畸变模型

  • radial-tangential (radtan)*-径向切向畸变
    (distortion_coeffs: [k1 k2 r1 r2])
  • equidistant (equi)**
    (distortion_coeffs: [k1 k2 k3 k4])
  • fov (fov)5
    (distortion_coeffs: [w])
  • none (none)
    (distortion_coeffs: [])

请注意,主题 (–topics) 和相机/畸变模型 (–model) 的顺序必须匹配并确定输出中的内部相机编号。

可以使用以下方式运行校准:

kalibr_calibrate_cameras --bag [filename.bag] --topics [TOPIC_0 ... TOPIC_N] --models [MODEL_0 ... MODEL_N] --target [target.yaml]

由于对焦距的初始猜测错误,在处理前几张图像后,优化可能会出现偏差。在这种情况下,只需尝试重新启动校准,因为初始猜测是基于随机选择的图像。

使用 help 参数可以获得有关选项的更多信息:

kalibr_calibrate_cameras --h

示例包文件的示例命令(在此处下载):

# 就是要给出配置文件yaml和bag的路径!
rosrun kalibr kalibr_calibrate_cameras \
 	--target april_6x6.yaml \
 	--models pinhole-radtan pinhole-radtan \
 	--topics /cam0/image_raw /cam1/image_raw \
 	--bag cam_april.bag \
 	--bag-freq 10.0

2.5 输出结果

大车没电了,下次补下

3 MATLAB标定

参考

3.1 打开工具

  • 命令行窗口输入 cameraCalibrator

  • 或在APP中找到图像处理和计算机视觉,点击Camera Calibrator

在这里插入图片描述

3.2 添加标定板图片

若标定图为棋盘格:

在这里插入图片描述

更改参数,因为这里是20mm的标定板

在这里插入图片描述

3.3 设置标定参数

CAMERA MODEL 栏中

  • Camera Model:选择 Standard

  • Options

    • 选择 2 Coefficients3 Coefficients 一般用于鱼眼相机,工业相机一般不选择此项

    • 勾选 Tangential Distortion,用以计算切向畸变

    • 不勾选 Skew,若勾选,标定相机内参结果将出现参数 s ,即内参的第一行是 [fx, s, u0] ,这将会与我们使用的 OpenCV 进行测距的参数不同

然后点击校准

在这里插入图片描述

3.4 生成标定结果

拖拽红线,让误差尽可能小,抛弃哪些大于红线的图像

在这里插入图片描述

最后输出标定结果

在这里插入图片描述

3.5 标定结果

   Camera Intrinsics	# 相机内参
                    IntrinsicMatrix: [3×3 double]
                    焦距 FocalLength: [fx、fy]	
                     PrincipalPoint: [cx、cy]	
                               Skew: 0	# 倾斜系数,描述了图像的x轴和y轴之间的角度偏差,一般情况下为0
                   RadialDistortion: [k1、k2] #径向畸变参数
               TangentialDistortion: [p1、p2] # 切向畸变参数,
                          ImageSize: [600 800]
   Camera Extrinsics	# 相机外参
                   RotationMatrices: [3×3×52 double]
                 TranslationVectors: [52×3 double]
   Accuracy of Estimation
              MeanReprojectionError: xxx	# 平均重投影误差


最终校准结果

   Camera Intrinsics
                    IntrinsicMatrix: [3×3 double]
                        FocalLength: [371.4645 372.0877]
                     PrincipalPoint: [402.1875 313.9287]
                               Skew: 0
                   RadialDistortion: [0.1160 -0.0816]
               TangentialDistortion: [0.0026 -0.0053]
                          ImageSize: [600 800]
   Camera Extrinsics
                   RotationMatrices: [3×3×19 double]
                 TranslationVectors: [19×3 double]
   Accuracy of Estimation
              MeanReprojectionError: 0.1345
                 ReprojectionErrors: [54×2×19 double]
                  ReprojectedPoints: [54×2×19 double]
   Calibration Settings
                        NumPatterns: 19
                        WorldPoints: [54×2 double]
                         WorldUnits: 'millimeters'
                       EstimateSkew: 0
    NumRadialDistortionCoefficients: 2
       EstimateTangentialDistortion: 1
estimationErrors = 
  cameraCalibrationErrors - 属性:

    IntrinsicsErrors: [1×1 intrinsicsEstimationErrors]
    ExtrinsicsErrors: [1×1 extrinsicsEstimationErrors]

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/437725.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【网络原理】初识网络原理

目录 &#x1f384;网络发展史&#x1f338;独立模式&#x1f338;网络互连&#x1f33b;局域网LAN&#x1f33c;基于网线直连&#x1f33c;基于集线器组建&#x1f33c;基于交换机组建&#x1f33c;基于交换机和路由器组建 &#x1f33b;广域网WAN &#x1f333;网络通信基础&…

如何在小程序中绑定身份证

在小程序中绑定身份证信息是一项常见的需求&#xff0c;特别是在需要进行实名认证或者身份验证的场景下。通过绑定身份证信息&#xff0c;可以提高用户身份的真实性和安全性&#xff0c;同时也为小程序提供了更多的个性化服务和功能。下面就介绍一下怎么在小程序中绑定居民身份…

position定位学习

加了绝对定位的盒子不能通过margin:0 auto水平居中 脱标元素不会产生外边距合并问题

vue svelte solid 虚拟滚动性能对比

前言 由于svelte solid 两大无虚拟DOM框架&#xff0c;由于其性能好&#xff0c;在前端越来越有影响力。 因此本次想要验证&#xff0c;这三个框架关于实现表格虚拟滚动的性能。 比较版本 vue3.4.21svelte4.2.12solid-js1.8.15 比较代码 这里使用了我的 stk-table-vue(np…

Vue3实现页面跳转功能

目标&#xff1a; 首页&#xff1a; 点击About后&#xff1a; 第一步&#xff1a;安装 Vue Router和创建你先 npm install vue-router4第二步&#xff1a;在router.js中设置路由 import { createRouter, createWebHistory } from vue-router; import Home from ./views/Home…

HTML超详细简介

HTML是什么 超文本标记语言&#xff08;HyperText Mark-up Language &#xff09;用来设计网页的标记语言用该语言编写的文件&#xff0c;以 .html或 .htm为后缀由浏览器解释执行不区分大小写&#xff0c;建议小写 HTML标签 HTML用于描述功能的符号成为“标签”标签都封装在…

b站小土堆pytorch学习记录—— P25-P26 网络模型的使用和修改、保存和读取

文章目录 一、修改1.方法2.代码 二、保存和读取1.方法2.代码&#xff08;1&#xff09;保存&#xff08;2&#xff09;加载 3.陷阱 一、修改 1.方法 add_module(name: str, module: Module) -> None name 是要添加的子模块的名称。 module 是要添加的子模块。 调用 add_m…

部署SpringBoot项目

方案一&#xff1a;纯手工部署 1&#xff0c;购买一台云服务器 这里我使用腾讯云&#xff0c;推荐Centos8/Centos7.6 2&#xff0c;安装springBoot项目所需要的环境 1&#xff0c;数据库单独安装在另一台服务器上&#xff0c;只需要修改IP地址即可 2&#xff0c;安装jdk yum…

泛型 --java学习笔记

什么是泛型 定义类、接口、方法时&#xff0c;同时声明了一个或者多个类型变量&#xff08;如&#xff1a;<E>&#xff09;&#xff0c;称为泛型类、泛型接口&#xff0c;泛型方法、它们统称为泛型 可以理解为扑克牌中的癞子&#xff0c;给它什么类型它就是什么类型 如…

如何将中科方德桌面操作系统加入Windows域

往期文章&#xff1a;自定义SSH客户端连接时的显示信息 | 统信UOS | 麒麟KYLINOS Hello&#xff0c;大家好啊&#xff0c;今天我非常高兴地给大家带来一篇关于如何将中科方德桌面操作系统加入Windows域的教程文章。对于使用中科方德桌面操作系统的用户来说&#xff0c;将其加入…

TSINGSEE配电房/配电站/变电站远程视频智能监管、无人值守方案

一、背景需求分析 随着社会的快速发展和科技进步&#xff0c;电力作为现代社会的核心驱动力&#xff0c;其稳定运行与安全管理变得愈发重要。特别是在配电房这一关键环节中&#xff0c;实施高效的远程视频智能监管方案&#xff0c;不仅能够有效提升电力供应的可靠性&#xff0…

模拟实现std::string类(包含完整、分文件程序)

std库中的string是一个类&#xff0c;对string的模拟实现&#xff0c;既可以复习类的特性&#xff0c;也可以加深对std::string的理解。 &#x1f308;一、搭建框架 ☀️1.新命名空间 本质上string是一个储存在库std里面的类&#xff0c;现在需要模拟实现一个string类&#…

Linux:kubernetes(k8s)探针ReadinessProbe的使用(9)

本章yaml文件是根据之前文章迭代修改过来的 先将之前的pod删除&#xff0c;然后使用下面这个yaml进行生成pod apiVersion: v1 # api文档版本 kind: Pod # 资源对象类型 metadata: # pod相关的元数据&#xff0c;用于描述pod的数据name: nginx-po # pod名称labels: # pod的标…

好物周刊#46:在线工具箱

https://github.com/cunyu1943 村雨遥的好物周刊&#xff0c;记录每周看到的有价值的信息&#xff0c;主要针对计算机领域&#xff0c;每周五发布。 一、项目 1. twelvet 一款基于 Spring Cloud Alibaba 的权限管理系统&#xff0c;集成市面上流行库&#xff0c;可以作用为快…

【电路笔记】-NPN晶体管

NPN晶体管 文章目录 NPN晶体管1、概述2、双极NPN晶体管配置3、NPN晶体管中的α和β关系4、示例5、共发射极配置1、概述 NPN 晶体管是三端三层器件,可用作放大器或电子开关。 在前面的文章中,我们看到标准双极晶体管或 BJT 有两种基本形式。 NPN(负-正-负)配置和PNP(正-负…

稀碎从零算法笔记Day11-LeetCode:有效的字母异位词

题型&#xff1a;字符串、哈希表、排序 链接&#xff1a;242. 有效的字母异位词 - 力扣&#xff08;LeetCode&#xff09; 来源&#xff1a;LeetCode 题目描述 给定两个字符串 s 和 t &#xff0c;编写一个函数来判断 t 是否是 s 的字母异位词。 注意&#xff1a;若 s 和 …

电子签名签章:重塑企业办公方式,开启智能合约新时代!

在现代社会&#xff0c;随着科技的发展&#xff0c;纸质文件逐渐被电子文件所取代&#xff0c;传统的签名方式也面临着数字化的转型。电子签名签章云服务就是在这样的背景下应运而生的一种新型技术服务&#xff0c;它结合了云计算、大数据、人工智能等前沿技术&#xff0c;为用…

尤雨溪:Vue 未来展望新的一轮

十年&#xff0c;一个既漫长又短暂的时光跨度&#xff0c;对于技术世界来说&#xff0c;更是沧海桑田的瞬间。在这十年里&#xff0c;Vue.js 从无到有&#xff0c;从默默无闻到蜚声全球&#xff0c;不仅改变了前端开发的面貌&#xff0c;更成为了无数开发者手中的得力工具。 在…

程序逻辑控制

1.java的三大结构 可以说java的这三大结构包括其中的语句跟c语言上的基本上都是一样的。现在就当重新复习一遍吧&#xff01; 1.顺序结构 2.分支结构 if语句 跟c语言的语法一模一样。就直接看文案了。 switch语句 java中的switch语句跟c语言中的switch几乎相同&#xff0c;…

2024【问题解决】Github 2024无法克隆git clone自从签了2F2安全协议之后

项目场景:ping通Github但没法clone–502 问题描述 提示:ping通Github但没法clone--502: 例如:git clone https://gitclone.com/l.git/*** $ git clone https://github.com/darrenpig/Yocto Cloning into Yocto_tutorial... fatal: unable to access https://gitclone.co…