准备双目摄像头:

python双目视觉三维重建代码 双目视觉matlab_立体匹配

准备标定板

标定的开始阶段最需要用到的标定板,可以直接从opencv官网上能下载到: 
http://docs.opencv.org/2.4/_downloads/pattern.png

具体如下:

python双目视觉三维重建代码 双目视觉matlab_ci_02

然后,建议固定到盒子上,方便等下拍照。

采集图片

建议左右摄像头,同时拍照,分别保存起来,可以参考  opencv 双目摄像头拍照

保存大约20到30张图片,MATLAB2016的这个工具十分挑剔,如果角度不好的话,将使用不了,因此在采集图像时,最好多的采集一些,拍的时候要拍到全部;注意事项:是测量好屏幕上每个方格的大小,这个标定的时候会用到,比如20mm。

一、 标定步骤

1.  调出标定工具箱

在命令行输入stereoCameraCalibrator,出现如下界面:

python双目视觉三维重建代码 双目视觉matlab_ci_03

2.      勾选相应的选项

然后将上面的“Skew”、“Tangential Distortion”以及“2 Coefficients”等选项选上,将“3 Coefficients”选项去掉,如下:

python双目视觉三维重建代码 双目视觉matlab_ci_04

3.      载入图像

然后点击 Add images(添加图像),出现如下界面:

python双目视觉三维重建代码 双目视觉matlab_ci_05

Camera 1 代表左摄像头,Camera 2 代表右摄像头,分别选择存放着左右图像的文件夹,需要特别注意的是棋盘格的边长应该根据打印的实际大小填写 (例如20mm),单位可以选择

然后点击OK,程序会自动检测采集的图像到底有多少可以使用,可以说MATLAB2016的这个工具十分挑剔,如果角度不好的话,将使用不了,因此在采集图像时,最好多的采集一些。(此处只是为了说明标定步骤,所以使用的图像较少)。

                                    

python双目视觉三维重建代码 双目视觉matlab_转置_06

4.      标定

点击

python双目视觉三维重建代码 双目视觉matlab_立体匹配_07

按钮,开始标定: 

python双目视觉三维重建代码 双目视觉matlab_立体匹配_08

5.      校准

从下图可以看到,平均的标定误差以及 标定过程中误差较大的的图像对。

python双目视觉三维重建代码 双目视觉matlab_ci_09

python双目视觉三维重建代码 双目视觉matlab_ci_10

点击选择不想接受的误差直方图,可以直接在左边的图像对中找到对应的图像,右键选择“Remove and Recalibrate”:

python双目视觉三维重建代码 双目视觉matlab_转置_11

       可以重复上述步骤,直到认为误差满足标定需求为止。

6.      导出参数

点击

python双目视觉三维重建代码 双目视觉matlab_ci_12

选择Export camera parameters, 并点击“OK”。

python双目视觉三维重建代码 双目视觉matlab_转置_13

二、      参数读取

标定结束后,会得到如下标定参数:

python双目视觉三维重建代码 双目视觉matlab_立体匹配_14

CameraParameters1与CameraParameters2为左右摄像头的内部参数,RotationOfCamera2与TranslationOfCamera2为两个摄像头的旋转、平移参数。

1.    两个摄像头的平移和旋转参数

平移参数可直接使用;但旋转参数需进行转置才能使用。

2.   摄像机内参矩阵

双击框框这里:

python双目视觉三维重建代码 双目视觉matlab_ci_15

CameraParameters1与CameraParameters2中包含如下文件: 

python双目视觉三维重建代码 双目视觉matlab_立体匹配_16

IntrinsicMatrix存放的是摄像头的内参,只与摄像机的内部结构有关,需要先转置再使用。

例如:左相机的参数,点击CameraParameters1

python双目视觉三维重建代码 双目视觉matlab_ci_17

IntrinsicMatrix 存放的是摄像头的内参

RadialDistortion TangentialDistortion 中存放的是畸变参数

先看一下 IntrinsicMatrix 参数,双击一下 IntrinsicMatrix 

python双目视觉三维重建代码 双目视觉matlab_立体匹配_18

这个和OpenCV中是转置的关系,注意不要搞错。 

对应 

python双目视觉三维重建代码 双目视觉matlab_转置_19

即:

 420.758142829981      -0.457820850080972     344.440839504749
     0                               423.157176819330          242.870587685168    
     0                                    0                                              1  

3.      畸变参数

RadialDistortionTangentialDistortion 中存放的是畸变参数,

RadialDistortion 为 径向畸变,摄像头由于光学透镜的特性使得成像存在着径向畸变,可由K1,K2,K3确定。

TangentialDistortion 切向畸变,由于装配方面的误差,传感器与光学镜头之间并非完全平行,因此成像存在切向畸变,可由两个参数P1,P2确定。

不过在使用时,需要注意参数的排放顺序,即K1K2P1P2K3。切记不可弄错,否则后续的立体匹配会出现很大的偏差。

例如, 左相机为例:

                                    

python双目视觉三维重建代码 双目视觉matlab_立体匹配_20

RadialDistortion :0.016004928431323 , 0.041062484186359  对应 K1,K2  ; K3默认为0

 TangentialDistortion :0.005480700176874 , 0.003979285309815   对应  P1P2

所以在opencv中使用时,K1K2P1P2K3顺序 :

0.016004928431323 , 0.041062484186359 , 0.005480700176874 , 0.003979285309815  ,0

希望对你有帮助。