北条麻妃无码在线播放,av乱伦网址,特级成人毛片,日本中文不卡在线,人人摸人人摸人人摸,3www.男人的天堂,激情无码青青草,男男精品一区二区三区

點(diǎn)擊下方卡片，關(guān)注“新機(jī)器視覺(jué)”公眾號(hào)

視覺(jué)/圖像重磅干貨，第一時(shí)間送達(dá)

轉(zhuǎn)自 | 渝西圖像練習(xí)生

您需要的基礎(chǔ)知識(shí)：1.相機(jī)成像原理2.計(jì)算機(jī)標(biāo)定3.Matlab python編程基礎(chǔ)

先給大家看看總目錄

一、設(shè)計(jì)任務(wù)

1.1任務(wù)要求
1.2任務(wù)分析

二、設(shè)計(jì)原理

2.1相機(jī)的成像原理
2.2深度的測(cè)量原理

三、方案及各個(gè)功能模塊的設(shè)計(jì)

3.1硬件部分設(shè)計(jì)

3.1.1標(biāo)定板的制作
3.1.2標(biāo)定圖像的制作

3.2軟件部分設(shè)計(jì)

3.2.1程序總流程圖設(shè)計(jì)
3.2.2拍攝圖像部分流程圖設(shè)計(jì)
3.2.3相機(jī)標(biāo)定的流程圖設(shè)計(jì)
3.2.4測(cè)量的流程圖設(shè)計(jì)
3.2.5計(jì)算距離的流程圖設(shè)計(jì)

3.3部分重要代碼分析

3.3.1拍攝部分
3.3.2相機(jī)內(nèi)參標(biāo)定部分
3.3.3測(cè)量部分

四、結(jié)果分析及總結(jié)

4.1程序運(yùn)行結(jié)果

4.1.1拍攝部分
4.1.2相機(jī)標(biāo)定部分
4.1.3測(cè)量部分：

4.2結(jié)果分析

4.2.1相機(jī)部分
4.2.2標(biāo)定部分
4.2.3測(cè)量部分

4.3總結(jié)

五、附錄

5.1相機(jī)拍照部分代碼
5.2相機(jī)標(biāo)定部分代碼
5.3測(cè)量部分代碼

一、設(shè)計(jì)任務(wù)

1.1 任務(wù)要求

攝像機(jī)標(biāo)定使用自制標(biāo)定板，使用工業(yè)攝像機(jī)或手機(jī)攝像頭進(jìn)行標(biāo)定。將標(biāo)定的攝像機(jī)內(nèi)參和外參進(jìn)行保存。設(shè)計(jì)測(cè)量方案，使用標(biāo)定過(guò)的攝像機(jī)對(duì)包含垂直邊緣的物品（直尺刻度線，矩形物體邊緣等）進(jìn)行距離或邊長(zhǎng)的測(cè)量。標(biāo)定過(guò)程和測(cè)量過(guò)程，均需要保持?jǐn)z像機(jī)與測(cè)量平面之間的距離固定，物品高度不能過(guò)高，否則影響測(cè)量結(jié)果。完成以下設(shè)計(jì)任務(wù)：

系統(tǒng)整體方案設(shè)計(jì)，包括

1. 設(shè)計(jì)測(cè)量方案，測(cè)量對(duì)象的確定；

2. 系統(tǒng)總體結(jié)構(gòu)框圖（或流程圖）。

結(jié)合Halcon（或open CV）軟件，寫(xiě)出各功能模塊的實(shí)現(xiàn)及相應(yīng)的代碼。

1. 標(biāo)定板制作
2. 攝像機(jī)標(biāo)定
3. 對(duì)設(shè)計(jì)方案中垂直于測(cè)量矩形框的直邊進(jìn)行提取，并測(cè)量直邊之間的距離，從而得到平面測(cè)量對(duì)象的尺寸
4. 對(duì)測(cè)量值與實(shí)際尺寸誤差進(jìn)行一定的分析和改進(jìn)5. 多次測(cè)量，計(jì)算出測(cè)量的平均值和標(biāo)準(zhǔn)差

1.1 任務(wù)分析

本次任務(wù)主程序可以分為三塊：相機(jī)拍攝，相機(jī)標(biāo)定，測(cè)量三大塊。

其中，相機(jī)拍攝為相機(jī)標(biāo)定主要任務(wù)，是獲取圖像，存儲(chǔ)的是圖像的參數(shù)；

相機(jī)標(biāo)定的主要任務(wù)是獲取相機(jī)的內(nèi)參；

在測(cè)量里面，我們需要用

標(biāo)定板來(lái)確定相機(jī)的外參，

然后由于我們?cè)跍y(cè)量圖像外參的時(shí)候，

默認(rèn)將標(biāo)定板作為參考坐標(biāo)系，

所以只要將相機(jī)成像平面中的點(diǎn)投影到Z=0時(shí)的成像平面就可以了。

大致方案如下所示：

二、設(shè)計(jì)原理

2.1 相機(jī)成像原理

我們熟知的攝像機(jī)是由光線透過(guò)透鏡折射，反射到成像平面形成的，

本質(zhì)是利用二維圖像獲取三維信息的過(guò)程。

所以我們可以通過(guò)成像的狀況來(lái)反映三維世界中的信息。

但是，現(xiàn)實(shí)模型總會(huì)與理想模型存在一些偏差，

這里的偏差主要就是相機(jī)內(nèi)參與畸變系數(shù)所導(dǎo)致的。

由于每一個(gè)相機(jī)都是利用的透鏡成像原理，所以很容易產(chǎn)生桶形畸變或者是枕形畸變。

所以一個(gè)三維的圖像到OpenCV顯示的畫(huà)面需要經(jīng)歷三個(gè)變化，這三個(gè)變化對(duì)應(yīng)的參數(shù)分別是相機(jī)位姿參數(shù)，畸變技術(shù)，相機(jī)內(nèi)參。

具體的內(nèi)容，請(qǐng)參看我之前的推文：

相機(jī)標(biāo)定究竟在標(biāo)定什么？？？

2.2 深度的測(cè)量原理

這里我使用的是一個(gè)單目攝像機(jī)。

如果不移動(dòng)相機(jī)，我們是無(wú)法獲取三維平面內(nèi)的尺度信息和深度信息的。

但是我們可以獲取三維平面內(nèi)的比例關(guān)系。

這時(shí)候我們需要知道更多的參數(shù)。在這次的任務(wù)里面，我們需要的參數(shù)有兩個(gè)：

一個(gè)是相機(jī)的位姿參數(shù)，一個(gè)是成像平面。

知道了這兩個(gè)參數(shù)，我們就可以將攝像機(jī)內(nèi)二維平面內(nèi)的點(diǎn)投射到三維的坐標(biāo)中去，再利用三維坐標(biāo)輕松算出點(diǎn)與點(diǎn)之間的距離。

默認(rèn)將世界坐標(biāo)系的原點(diǎn)放在標(biāo)定板第一個(gè)角點(diǎn)上。

所以，我們只需要將成像平面設(shè)置為Z=0，即XOY面就可以了，這時(shí)我們便獲得了需要計(jì)算深度信息的所有參數(shù)。

三、方案整理及各個(gè)功能模塊的設(shè)計(jì)

3.1 硬件部分設(shè)計(jì)

3.1.1標(biāo)定板的制作

可能大家不知道Matlab還可以制作標(biāo)定板吧

cb=(checkerboard(300,4,5)>0.5); figure,imshow(cb);

得到的標(biāo)定板如下：

將其打印下來(lái)，或者放在ipad/pc上，

（這個(gè)時(shí)候要知道ipad和電腦的尺寸）

3.1.2 標(biāo)定圖像的制作

為了方便測(cè)量，我選用了一個(gè)紅色的長(zhǎng)方形來(lái)做測(cè)量的模塊。如下圖所示：

實(shí)際長(zhǎng)度在118.4-118.5毫米。

3.2 軟件部分

3.2.1 程序總流程圖設(shè)計(jì)

3.2.2 相機(jī)標(biāo)定流程

相機(jī)標(biāo)定主要是對(duì)棋盤(pán)角點(diǎn)的尋找，然后再儲(chǔ)存角點(diǎn)，

（這里就需要角點(diǎn)檢測(cè)的知識(shí)，如果不太懂，大家可以去百度一下）

如果儲(chǔ)存到了足夠多的角點(diǎn)的話，就退出程序的循環(huán)，進(jìn)行標(biāo)定。

3.2.3 計(jì)算距離流程

之前為什么要用紅色物體作為被測(cè)物體

是因?yàn)榧t色在HSV模式下更容易被分離出來(lái)

3.3 重要代碼部分

拍攝部分

if key == ord('s'):    cv.imwrite(filepath +img_name + str(a)+'.png',frame) # 按s截取圖像    a = a + 1 # 改變截取圖像的名稱 if key == ord('q'):       break # 如果檢測(cè)到按鍵為esc，就退出攝像

相機(jī)參數(shù)標(biāo)定部分

ret, corners = cv2.findChessboardCorners(gray, (7, 5), None)        # 如果找出角點(diǎn)，把角點(diǎn)加入坐標(biāo)系內(nèi)        if ret == True:            objpoints.append(objp * 30)            # 參照criteria進(jìn)行亞像素檢驗(yàn)            corners2 = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria)            imgpoints.append(corners2)            # 將角點(diǎn)顯示出來(lái)            img = cv2.drawChessboardCorners(img, (7, 5), corners2, ret)            cv2.imwrite(sys.path[0] + "/標(biāo)定結(jié)果/" + "result" + str(a) + ".png", img)            a = a + 1

findChessboardCorners是一個(gè)檢測(cè)標(biāo)定板角點(diǎn)的函數(shù)，

如果檢測(cè)到了角點(diǎn)，

就以criteria的規(guī)則進(jìn)行亞像素檢驗(yàn)，

然后再將所有的角點(diǎn)儲(chǔ)存下來(lái)，

將檢測(cè)到的角點(diǎn)顯示并且將顯示角點(diǎn)的圖像保存下來(lái)。

測(cè)量部分

f Find:            # 獲取更精確的角點(diǎn)位置(亞像素精度)            exact_corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria)            # 獲取外參，其中rvec是旋轉(zhuǎn)矩陣，tvec是平移矩陣            _, rvec, tvec, inliers = cv2.solvePnPRansac(world_point, exact_corners, IntrinsicMatrix, distC            # 獲取兩個(gè)平面(像素平面與實(shí)際平面)的映射關(guān)系,其中RMat是相機(jī)平面到Z=0軸的投影            Mat = cv2.findHomography(D_2_point, exact_corners)[0]            RMat = cv2.findHomography(exact_corners, D_2_point)[0]
            # print(np.transpose(np.dot(Mat,[[24.575*3,0],[0,24.575*3],[1,1]])))            # 這里打印的是一個(gè)投影的值            # 根據(jù)3D坐標(biāo)，獲取投影的二維坐標(biāo)            imgpts, jac = cv2.projectPoints(axis, rvec, tvec, IntrinsicMatrix, distCoeffs)            # 可視化角點(diǎn)，畫(huà)出圖像            img = draw(image, corners, imgpts)            # cv2.imshow('img', img)            return [Mat, RMat, corners, imgpts]

同樣的，這里依然進(jìn)行攝像機(jī)標(biāo)定，

不過(guò)這里進(jìn)行的是攝像機(jī)外參的標(biāo)定，

通過(guò)投影的方法找到相機(jī)的內(nèi)參和外參，

再返回一個(gè)相機(jī)位姿矩陣。

contours, hierarchy = cv2.findContours(image_2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)for contour in contours:    arclength = cv2.arcLength(contour, True)    # print(arclength)    a.append(arclength) # 長(zhǎng)度保存在數(shù)組中maxlen = max(a)for contour in contours:    arclength = cv2.arcLength(contour, True)    if arclength == maxlen:        dot = cv2.approxPolyDP(contour,5,True)        dot = np.int0(dot)        cv2.drawContours(image, [dot], 0, (0, 0, 0), 1)