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: 3cols: 3data: [517.301, 0, 326.785, 0, 519.291, 244.563, 0, 0, 1]
distortion_model: plumb_bob
distortion_coefficients:rows: 1cols: 5data: [-0.41527, 0.31874, -0.00197, 0.00071, 0]
rectification_matrix:rows: 3cols: 3data: [0.999973, 0.00612598, -0.00406652, -0.00610201, 0.999964, 0.00588094, 0.0041024, -0.00585596, 0.999974 ]
projection_matrix:rows: 3cols: 4data: [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:800height:600[narrow_stereo]camera matrix
375.192406 0.000000 400.541492
0.000000 376.253860 317.513124
0.000000 0.000000 1.000000distortion
0.131676 -0.094047 0.004399 -0.004491 0.000000rectification
1.000000 0.000000 0.000000
0.000000 1.000000 0.000000
0.000000 0.000000 1.000000projection
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

将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 /leftrosrun 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 Coefficients，3 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0RadialDistortion: [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 EstimationMeanReprojectionError: xxx	# 平均重投影误差

最终校准结果

   Camera IntrinsicsIntrinsicMatrix: [3×3 double]FocalLength: [371.4645 372.0877]PrincipalPoint: [402.1875 313.9287]Skew: 0RadialDistortion: [0.1160 -0.0816]TangentialDistortion: [0.0026 -0.0053]ImageSize: [600 800]Camera ExtrinsicsRotationMatrices: [3×3×19 double]TranslationVectors: [19×3 double]Accuracy of EstimationMeanReprojectionError: 0.1345ReprojectionErrors: [54×2×19 double]ReprojectedPoints: [54×2×19 double]Calibration SettingsNumPatterns: 19WorldPoints: [54×2 double]WorldUnits: 'millimeters'EstimateSkew: 0NumRadialDistortionCoefficients: 2EstimateTangentialDistortion: 1
estimationErrors = cameraCalibrationErrors - 属性:IntrinsicsErrors: [1×1 intrinsicsEstimationErrors]ExtrinsicsErrors: [1×1 extrinsicsEstimationErrors]