双目标定(三)

借助Matlab标定

Matlab APP

在MATLAB的APP中找到Stereo Camrea Calibrator,打开。
图片路径

点击Add Images,选择双目照片,camera1和camera2的存放路径必须分开。每个棋盘格的长度是25mm(我是采用的OpenCV官方的标定图纸,9*6,每个格子是标准的25mm)
标定脚本

点击确定,导入图像成功后,点击Calibrate,开始标定。标定结束后点击Show Rectified可以显示矫正图。
Matlab矫正视图

成功生成矫正图,但是我们发现有一组差距明显过大,可以在柱状图的长条上面选中误差最大的一组,按delete键删除,将自动重新生成新的矫正参数和矫正图。
撇去误差

可以选择Export Camera Parameters到出双目参数或MATLAB标定脚本,单独运行标定脚本会得到如下的标定结果输出:

Matlab标定结果

Standard Errors of Estimated Stereo Camera Parameters
            -----------------------------------------------------

Camera 1 Intrinsics  //相机1内参
-------------------
Focal length (pixels):   [  452.8131 +/- 3.8144      452.8235 +/- 3.8139  ]
Principal point (pixels):[  303.0163 +/- 1.0834      228.0770 +/- 0.6888  ]
Radial distortion:       [   -0.0241 +/- 0.0168        0.4826 +/- 0.1491  ]

Camera 1 Extrinsics  //相机1外参
-------------------
Rotation vectors:    //外参旋转矩阵
                         [   -0.0851 +/- 0.0021       -0.2526 +/- 0.0028        1.2113 +/- 0.0004  ]
                         [   -0.0063 +/- 0.0039       -0.2043 +/- 0.0036       -0.4643 +/- 0.0005  ]
                         [    0.1201 +/- 0.0033       -0.2520 +/- 0.0033       -0.7513 +/- 0.0006  ]
                         [    0.2224 +/- 0.0035       -0.2507 +/- 0.0032       -1.5631 +/- 0.0006  ]
                         [    0.4167 +/- 0.0037       -0.2458 +/- 0.0029       -2.1221 +/- 0.0007  ]
                         [   -0.1193 +/- 0.0026       -0.4083 +/- 0.0029       -0.1314 +/- 0.0006  ]
                         [    0.0427 +/- 0.0036       -0.2686 +/- 0.0035       -0.0184 +/- 0.0005  ]
                         [    0.0529 +/- 0.0021       -0.2863 +/- 0.0027        0.0821 +/- 0.0004  ]
                         [    0.0338 +/- 0.0022       -0.0208 +/- 0.0017        0.0326 +/- 0.0003  ]
                         [    0.0824 +/- 0.0019        0.0539 +/- 0.0017       -0.5268 +/- 0.0003  ]
                         [    0.0899 +/- 0.0020        0.0557 +/- 0.0018       -0.8509 +/- 0.0003  ]
                         [    0.1354 +/- 0.0022        0.0859 +/- 0.0019       -1.2999 +/- 0.0004  ]
                         [    0.1641 +/- 0.0022        0.0955 +/- 0.0019       -1.4819 +/- 0.0004  ]
                         [   -0.0260 +/- 0.0039       -0.1834 +/- 0.0037       -0.0204 +/- 0.0005  ]

Translation vectors (millimeters):  //外参平移矩阵
                         [   20.4809 +/- 0.9833     -119.1858 +/- 0.6280      412.9415 +/- 3.4706  ]
                         [  -56.4057 +/- 1.8157      -19.9519 +/- 1.1488      754.6843 +/- 6.3684  ]
                         [  -49.6146 +/- 1.7748       31.7953 +/- 1.1268      738.4469 +/- 6.2787  ]
                         [   14.8648 +/- 1.7827      128.2739 +/- 1.1357      744.9940 +/- 6.3494  ]
                         [   96.5079 +/- 1.8262      160.2178 +/- 1.1637      766.2099 +/- 6.4916  ]
                         [  -68.2884 +/- 1.6775      -47.8024 +/- 1.0592      697.6522 +/- 5.9128  ]
                         [  -81.0138 +/- 1.7026      -50.3143 +/- 1.0771      707.6428 +/- 5.9961  ]
                         [ -105.4409 +/- 0.9096      -74.2982 +/- 0.5760      376.4898 +/- 3.1783  ]
                         [ -104.7996 +/- 1.0105      -62.6256 +/- 0.6406      420.0483 +/- 3.5660  ]
                         [ -140.0403 +/- 0.9986        4.3986 +/- 0.6411      423.0394 +/- 3.5417  ]
                         [ -134.8034 +/- 1.0358       52.9123 +/- 0.6590      437.2303 +/- 3.6528  ]
                         [  -95.4044 +/- 1.0746      107.3640 +/- 0.6767      452.7615 +/- 3.7488  ]
                         [  -81.0545 +/- 1.0732      126.3488 +/- 0.6716      451.4306 +/- 3.7314  ]
                         [  -30.1682 +/- 1.8434      -66.5197 +/- 1.1667      767.4144 +/- 6.4651  ]

Camera 2 Intrinsics  //相机2内参
-------------------
Focal length (pixels):   [  453.6927 +/- 3.8129      453.9168 +/- 3.8269  ]
Principal point (pixels):[  311.4093 +/- 1.4798      237.1017 +/- 0.6553  ]
Radial distortion:       [    0.0171 +/- 0.0078       -0.0338 +/- 0.0208  ]
//相机2相对于相机1的位置和方向
Position And Orientation of Camera 2 Relative to Camera 1
---------------------------------------------------------
Rotation of camera 2:         [    0.0076 +/- 0.0012       -0.0140 +/- 0.0024       -0.0024 +/- 0.0002  ]
Translation of camera 2 (millimeters):[  -70.2056 +/- 0.0697        0.1296 +/- 0.0516        0.6029 +/- 0.4883  ]

向OpenCV中写入标定结果并测试。参见双目测距(四)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342