Image processing OpenCV：立体声校正问题（使用本书中的示例代码）

所以我对OpenCV有问题。我使用了《学习OpenCV》一书中的示例代码。我得到了计算两个摄像机的所有内部和外部的代码，但是当我重新映射图像时，我得到的只是一个空白图像。我使用了两台相机的6幅图像，带有一个9x6的棋盘。输入文件交替使用左右图像（lr=i%2使我认为…）

下面是我的代码。最后我只添加了cvRemap（）函数

\undf\u GLIBCXX\u调试
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
使用名称空间std；
//
//给定棋盘图像列表，角数（nx，ny）
//在棋盘上，有一个标志：使用校准（0）或
//未校准（1：使用cvStereoCalibrate（），2：计算基础
//（矩阵）立体声。校准摄像头并显示屏幕
//校正结果和计算的视差图像。
//
静态空隙
StereoCalib（常量字符*图像列表，整数未校准）
{
IplImage*L_img1=cvLoadImage（“bad1.bmp”）；
IplImage*R_img1=cvLoadImage（“good1.bmp”）；
IplImage*固定=cvCloneImage（L\u img1）；
IplImage*固定=cvCloneImage（R\u img1）；
CvRect roi1，roi2；
int nx=0，ny=0；
int=1；
int未失真=1；
bool isVerticalStereo=false；//OpenCV可以处理左右方向
//或上下摄像机布置
常量int maxScale=1；
const float squareSize=1.f；//将其设置为实际的平方大小
文件*f=fopen（图像列表，“rt”）；
inti，j，lr，nframes=0，n，n=0；
向量图像名称[2]；
矢量目标点；
向量点[2]；
向量温度点[2]；
向量n点；
//向量活性[2]；
int是[2]={0，0}；
向量温度；
CvSize imageSize={0,0}；
//阵列和矢量存储：
双M1[3][3]、M2[3][3]、D1[5]、D2[5]；
双R[3][3]、T[3]、E[3][3]、F[3][3]；
双Q[4][4]；
CvMat _M1=CvMat（3，3，CV_64F，M1）；
CvMat _M2=CvMat（3,3，CV_64F，M2）；
CvMat _D1=CvMat（1,5，CV_64F，D1）；
CvMat _D2=CvMat（1,5，CV_64F，D2）；
CvMat _R=CvMat（3,3，CV_64F，R）；
CvMat _T=CvMat（3，1，CV_64F，T）；
CvMat _E=CvMat（3，3，CV_64F，E）；
CvMat _F=CvMat（3，3，CV_64F，F）；
CvMat _Q=CvMat（4，4，CV_64FC1，Q）；
char-buf[1024]；
如果（显示角）
CVD（“角落”，1）；
//在棋盘列表中阅读：
如果（！f）
{
fprintf（stderr，“无法打开文件%s\n”，imageList）；
睡眠（2000年）；
返回；
}
如果（！fgets（buf，sizeof（buf）-3，f）| sscanf（buf，“%d%d”、&nx，&ny）！=2）
返回；
n=nx*ny；
温度调整（n）；
温度点[0]。调整大小（n）；
温度点[1]。调整大小（n）；
对于（i=0；i++）
{
整数计数=0，结果=0；
lr=i%2；
向量&pts=temp_points[lr]；//points[lr]；
如果（！fgets（buf，sizeof（buf）-3，f））
打破
尺寸长度=标准长度（buf）；
而（len>0&&isspace（buf[len-1]））
buf[--len]='\0'；
if（buf[0]='#'）
继续；
IplImage*img=cvLoadImage（buf，0）；
如果（！img）
打破
imageSize=cvGetSize（img）；
imageNames[lr]。推回（buf）；
//在其中查找棋盘和角：
对于（int s=1；s1）
{
timg=cvCreateImage(
cvSize（内径->宽度*s，内径->高度*s），
img->深度，img->n通道
);
cvResize（img、timg、CV_INTER_CUBIC）；
}
结果=cvFindChessboardCorners(
timg，cvSize（纽约州纽约州纽约市），
&温度[0]，&计数，
CV_校准_CB_自适应_阈值|
CV_校准_CB_标准化_图像
);
如果（timg！=img）
cvReleaseImage（&timg）；
如果（结果| | s==maxScale）
对于（j=0；j0？1:0；
//断言（结果！=0）；
如果（结果）
{
//如果没有亚像素插值，校准将受到影响
cvFindCornerSubPix(
img，&temp[0]，计数，
cvSize（11,11），cvSize（-1，-1），
cvterm标准（CV_TERMCRIT_ITER+CV_TERMCRIT_EPS，30,0.01）
);
复制（临时开始（），临时结束（），临时开始（））；
}
cvReleaseImage（&img）；
if（lr）
{
如果（找到[0]==1&&is\u-found[1]==1）
{
断言（临时点[0].size（）==临时点[1].size（））；
int current_size=点[0]。大小（）；
点[0]。调整大小（当前大小+临时点[0]。大小（），cvPoint2D32f（0.0,0.0））；
点[1]。调整大小（当前大小+临时点[1]。大小（），cvPoint2D32f（0.0,0.0））；
    R: !!opencv-matrix
       rows: 3
       cols: 3
       dt: d
       data: [ 9.9997887582765532e-001, 4.2746998112201760e-003,
   -4.8964109286960510e-003, -4.1317666335754111e-003,
   9.9957553950354616e-001, 2.8838677686057253e-002,
   5.0176092857428471e-003, -2.8817837665560161e-002,
   9.9957208635962669e-001 ]
    T: !!opencv-matrix
       rows: 3
       cols: 1
       dt: d
       data: [ -8.3141294302865210e-001, -3.2181226087457654e-001,
   -4.5924165239318537e-001 ]
    R1: !!opencv-matrix
       rows: 3
       cols: 3
       dt: d
       data: [ 8.3000228682826938e-001, 3.1110786082949388e-001,
   4.6293423160308594e-001, -3.1818678207964091e-001,
   9.4578880995670123e-001, -6.5120647036789381e-002,
   -4.5809756119155060e-001, -9.3249267508025396e-002,
   8.8399728423766677e-001 ]
    R2: !!opencv-matrix
       rows: 3
       cols: 3
       dt: d
       data: [ 8.2904793019998391e-001, 3.2089684317297251e-001,
   4.5793530708249980e-001, -3.1381823995200708e-001,
   9.4482404014772625e-001, -9.3944906367255512e-002,
   -4.6281491084940990e-001, -6.5823621903907531e-002,
   8.8400769741835628e-001 ]
    P1: !!opencv-matrix
       rows: 3
       cols: 4
       dt: d
       data: [ -4.4953673002726404e+001, 0., -1.3375267505645752e+001, 0.,
   0., -4.4953673002726404e+001, 2.4430860614776611e+002, 0., 0., 0.,
   1., 0. ]
    P2: !!opencv-matrix
       rows: 3
       cols: 4
       dt: d
       data: [ -4.4953673002726404e+001, 0., -1.3375267505645752e+001,
   4.5081911684079330e+001, 0., -4.4953673002726404e+001,
   2.4430860614776611e+002, 0., 0., 0., 1., 0. ]

    M1: !!opencv-matrix
       rows: 3
       cols: 3
       dt: d
       data: [ 4.3107336978610317e+002, 0., 3.4686501809547735e+002, 0.,
   4.3107336978610317e+002, 1.9221944996848421e+002, 0., 0., 1. ]
    D1: !!opencv-matrix
       rows: 1
       cols: 5
       dt: d
       data: [ -1.6825480517169825e-001, 1.0756945282000266e-001, 0., 0., 0. ]
    M2: !!opencv-matrix
       rows: 3
       cols: 3
       dt: d
       data: [ 4.3107336978610317e+002, 0., 3.5310162800332756e+002, 0.,
           4.3107336978610317e+002, 1.8963116073129768e+002, 0., 0., 1. ]
    D2: !!opencv-matrix
       rows: 1
       cols: 5
       dt: d
       data: [ -1.9546177300030809e-001, 1.7624631189915094e-001, 0., 0., 0. ]