双目测距系列（二）：鱼眼镜头双目标定及测距

双目测距系列（二）：鱼眼镜头双目标定及测距

前言

标定

角点正确找到后，就可以开始单目标定，其对应API为：

CV_EXPORTS_W double calibrate(InputArrayOfArrays objectPoints, InputArrayOfArrays imagePoints, const Size& image_size, InputOutputArray K, InputOutputArray D, OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, int flags = 0, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON));

单目标定结束后，接下来就是双目标定：

CV_EXPORTS_W double stereoCalibrate(InputArrayOfArrays objectPoints, InputArrayOfArrays imagePoints1, InputArrayOfArrays imagePoints2, InputOutputArray K1, InputOutputArray D1, InputOutputArray K2, InputOutputArray D2, Size imageSize, OutputArray R, OutputArray T, int flags = fisheye::CALIB_FIX_INTRINSIC, TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, DBL_EPSILON));

这里需要注意的是，双目标定可以基于前面单目标定出来的内参来直接算R和T，也可以将单目内参作为一个初始值来重新迭代计算出新的内参和R以及T。

对齐

摄像头内参和外参都有了之后，就可以开始调用下面的API来分别获得左、右摄像头新的旋转矩阵R和内参投影矩阵P。

CV_EXPORTS_W void stereoRectify(InputArray K1, InputArray D1, InputArray K2, InputArray D2, const Size &imageSize, InputArray R, InputArray tvec, OutputArray R1, OutputArray R2, OutputArray P1, OutputArray P2, OutputArray Q, int flags, const Size &newImageSize = Size(), double balance = 0.0, double fov_scale = 1.0);

紧接着是基于新的矩阵来生成左右摄像头的映射表left_mapx, left_mapy, right_mapx以及right_mapy。

CV_EXPORTS_W void initUndistortRectifyMap(InputArray K, InputArray D, InputArray R, InputArray P, const cv::Size& size, int m1type, OutputArray map1, OutputArray map2);

有了映射表mapx和mapy，在后面测距的时候就可以调用remap()来对新的测试图片进行校正。

匹配

匹配是相对最耗时的步骤，即使前面左右图像对齐后，只需要在行上来匹配。常用的匹配算法有SGBM，BM等等。相对来讲，SGBM兼顾了速度和准确度，因而用的比较多。

Ptr sgbm = StereoSGBM::create(0, 16, 3);sgbm->setPreFilterCap(63);sgbm->setBlockSize(pParas->sgbmWindowSize);int channel_cnt = left_rectify_img.channels();sgbm->setP1(8 * channel_cnt * pParas->sgbmWindowSize * pParas->sgbmWindowSize);sgbm->setP2(32 * channel_cnt * pParas->sgbmWindowSize * pParas->sgbmWindowSize);sgbm->setMinDisparity(0);sgbm->setNumDisparities(pParas->NumDisparities);sgbm->setUniquenessRatio(pParas->UniquenessRatio);sgbm->setSpeckleWindowSize(101);sgbm->setSpeckleRange(10);sgbm->setDisp12MaxDiff(-1);sgbm->setMode(StereoSGBM::MODE_SGBM);

opencv已经将匹配算法 封装的很好了，唯一需要注意的就是参数值得调节会带来不一样得匹配效果。常见的需要调节的参数有：

paras.sgbmWindowSize = 7; paras.NumDisparities = 16 * 20; paras.UniquenessRatio = 12;

测距

匹配完成就能得到视差图disparity map。 有了视差图，每个点的Z方向上深度值获取就变得简单了。通过下面公式： Z = B * fx / d B是两个摄像头之间的距离，其值等于外参平移矩阵X方向上的绝对值，即abs(T.at(0,0))。 fx则为左摄像头内参矩阵的第一个值m_fisheye_intrinsicsL.val[0] d则为每个像素在左右摄像头像素坐标系上X方向的差，由前面匹配步骤所得。

推荐阅读

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。