OpenCV立体匹配/校准
我最初在OpenCV论坛上发布了这篇文章,但不幸的是,我没有得到太多的意见/回复,所以我在这里发布,希望有人能提供一些建议 我用的是大黄蜂XB3立体相机,它有3个镜头。我花了大约三周的时间阅读论坛、教程、学习OpenCV的书籍和实际的OpenCV文档,了解如何使用立体声校准和立体声匹配功能。总之,我的问题是,我生成了一个很好的视差贴图,但非常差的点云,看起来倾斜/挤压,不能代表实际场景 到目前为止我所做的: 使用OpenCV立体声校准和立体声匹配示例: 使用棋盘图像校准我的立体相机OpenCV立体匹配/校准,opencv,camera-calibration,stereo-3d,Opencv,Camera Calibration,Stereo 3d,我最初在OpenCV论坛上发布了这篇文章,但不幸的是,我没有得到太多的意见/回复,所以我在这里发布,希望有人能提供一些建议 我用的是大黄蜂XB3立体相机,它有3个镜头。我花了大约三周的时间阅读论坛、教程、学习OpenCV的书籍和实际的OpenCV文档,了解如何使用立体声校准和立体声匹配功能。总之,我的问题是,我生成了一个很好的视差贴图,但非常差的点云,看起来倾斜/挤压,不能代表实际场景 到目前为止我所做的: 使用OpenCV立体声校准和立体声匹配示例: 使用棋盘图像校准我的立体相机 1) 原始场
1) 原始场景图像:
2) 使用相机校准后的矩阵校正从相机获得的原始图像:
:
3) 使用立体匹配(SGBM)从校正后的图像生成视差图像
: 4) 将这些差异投影到三维点云
到目前为止,我为解决我的问题所做的工作:
- 我试过第一张和第二张照片,然后是第二张和第三张镜头和 最后是1号和2号
- 我已经通过改变参数重新校准了我的棋盘捕获 距离(近/远)
- 我使用了20多对立体声进行校准
- 使用不同的棋盘大小:我使用了一个9x6的棋盘图像 校准,现在改为使用8x5
- 我尝试使用块匹配以及SGBM变体,并获得
相对相似的结果。获取
到目前为止,SGBM的效果更好 - 我已经改变了视差范围,改变了悲伤的窗口大小等
几乎没有改善
stereoCalibrate(objectPoints, imagePoints[0], imagePoints[1],
cameraMatrix[0], distCoeffs[0],
cameraMatrix[1], distCoeffs[1],
imageSize, R, T, E, F,
TermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 100, 1e-5),
//CV_CALIB_FIX_ASPECT_RATIO +
//CV_CALIB_ZERO_TANGENT_DIST +
//CV_CALIB_SAME_FOCAL_LENGTH +
CV_CALIB_RATIONAL_MODEL
//CV_CALIB_FIX_K3 + CV_CALIB_FIX_K4 + CV_CALIB_FIX_K5
);
此外,我认为提及我如何从视差到点云可能是有用的。我正在使用OpenCV的cv::reprojectImageTo3D,然后将数据写入PCL点云结构。以下是相关代码:
cv::reprojectImageTo3D( imgDisparity16S, reconstructed3D, Q, false, CV_32F);
for (int i = 0; i < reconstructed3D.rows; i++)
{
for (int j = 0; j < reconstructed3D.cols; j++)
{
cv::Point3f cvPoint = reconstructed3D.at<cv::Point3f>(i, j);
//Filling in a PCL structure
pcl::PointXYZRGB point;
point.x = cvPoint.x;
point.y = cvPoint.y;
point.z = cvPoint.z;
point.rgb = rectified_imgRight.at<cv::Vec3b>(i,j)[0]; //Grey information
point_cloud_ptr->points.push_back (point);
}
}
point_cloud_ptr->width = (int) point_cloud_ptr->points.size();
point_cloud_ptr->height = 1;
pcl::io::savePCDFileASCII("OpenCV-PointCloud.pts", *point_cloud_ptr);
感谢您的阅读,我真诚地感谢您在这一点上提出的任何建议。我在使用OpenCV(v.2.4.6)3D重建功能时发现了类似的问题。 有些人,比如Martin Peris,又自己实现了。 遗憾的是,有时我发现两种实现中的数据都存在问题。 所以,我想我在这些情况下的问题是由于一个糟糕的外部摄像机参数描述。也许,这也是你的情况 附言:为了摆脱背景,你需要对它进行分段。或者,至少在重建工作完成后检查大于阈值的深度值。handleMissingValues标志仅消除“无穷大”处的点
PS2。请告诉我们你是否解决了这个问题。我认为这对所有人来说都是有价值的。Thnx我不允许发布超过2个链接。这是剩下的一个:3)使用立体匹配(SGBM)从校正后的图像生成视差图像:4)将这些视差投影到3D点云:和:问题:您对相机坐标系中的点云满意吗?如果是这样,您可以使用点灰度校准文件获得所需内容(无需使用棋盘校准)。校正后的图像没有镜头失真,因此给定一个视差值,将其转换为深度(z=Bf/d),然后使用已知焦距f将其反向投影到相机坐标。链接已断开,但internet achive拥有它。
Q: rows: 4
cols: 4
data: [ 1., 0., 0., -5.9767076110839844e+002, 0., 1., 0.,
-5.0785438156127930e+002, 0., 0., 0., 6.8683948509213735e+002, 0.,
0., -4.4965180874519222e+000, 0. ]