立体相机镜面重建(一)镜面标定

无论是单目、双目或者是多屏幕镜面重建,都需要事先对屏幕和相机的相对位置进行标定,求得相机到屏幕之间的相对变换关系。如果求得屏幕和相机之间的变换关系呢?接下来是标定流程。

(一)准备:

1)生成1920*1080像素的标定板

复制代码
// 生成棋盘格图像
void genChessBoardBmp()
{
    const int perBoardPixel = 70;
    const cv::Size boardSize(11, 9);
    const cv::Size resolution(1920,1080);
    {
        int basisHeight = (resolution.height - perBoardPixel * boardSize.height) / 2;
        int basisWidth = (resolution.width - perBoardPixel * boardSize.width) / 2;
        if (basisHeight < 0 || basisWidth < 0)
        {
            //cout << "Resolution doesn't match!" << endl;
        }
        cv::Mat image(1080,1920, CV_8UC1, cv::Scalar::all(255));
        int flag = 0;
        for (int j = 0; j < boardSize.height; j++)
        {
            for (int i = 0; i < boardSize.width; i++)
            {
                flag = (i + j) % 2;
                if (flag == 0)
                {
                    for (int n = j * perBoardPixel; n < (j + 1) * perBoardPixel; n++)
                        for (int m = i * perBoardPixel; m < (i + 1) * perBoardPixel; m++)
                            image.at<uchar>(n + basisHeight, m + basisWidth) = 0;
                }
            }
        }
        //cv::imshow("haha",image);
        std::string strSavePath = std::string("H") + std::to_string(boardSize.width) + "_V" + std::to_string(boardSize.height) + "_" +
            std::to_string(perBoardPixel) + ".bmp";
        cv::imwrite(strSavePath, image);
        //cv::waitKey(0);
    }
}

2)购买棋盘格或者圆点标定板

3)购买高精度平面镜子

4)购买一个屏幕

(二)标定过程:

(1)使用购买的棋盘格或者圆点标定板对单目相机标定,或者双目相机标定

(2)放置镜子,让相机采集到屏幕上的棋盘格图案。放置至少三个位置,采集至少三张图像。

(3)使用参考文章中的标定方法,通过三张采集图像计算得到屏幕到相机的旋转、平移变换矩阵。

(4)使用相机到虚像的旋转和平移矩阵,以及屏幕到相机的旋转、平移矩阵,计算剩下n张图像的镜面距离和法向。

(5)全局优化,优化(屏幕到相机的旋转和平移矩阵,每一个图像下的镜子法向和相机中心到镜子的距离)

(三)结果:

1.标定结果如下:

全局优化结果,第一列是图像编号,第二列是棋盘格点编号,第三列是投影误差,可以看到标定误差基本都在0.1个像素之内。

2.第0副屏幕、相机、镜子、虚像之间的关系显示:

B点的夹角是180度,表示,A,B,C是在一条直线上的。

距离一致

垂直法向一致

3.验证法向

可以看到acos求角平分线和法向之间的反余弦值,发现是吻合的。

(四)注意事项:

1.相机标定的时候,标定板的精度一定要高一点,如果不高,我发现在标定过程中,如果相机标定误差是镜面标定误差的3倍的时候,优化出来的镜子大小和相机到镜子之间的距离也会发现严重的失真,发生等比例缩放【笑哭】,一直找不到问题,后来发现是这个问题。

2.一定不要放弃。

参考文章:

Flexible geometrical calibration for fringe-reflection 3D measurement

fringe-reflection photogrammetry based on poses calibration with planar mirror reflection

相关推荐
小弥儿6 小时前
GitHub今日热榜 | 2026-08-26:AI 大脑与知识管理扎堆
人工智能·学习·开源·github
荷蒲6 小时前
【小白量化Qbuddy】利用AI学习中文Python
人工智能·python·学习
中科高级技工学校7 小时前
乌鲁木齐中医康复学习经历分享
大数据·学习
JavaPub-rodert9 小时前
具身智能行业技术全景:从感知、规划、控制到 VLA 与机器人学习
学习·机器人
知识分享小能手10 小时前
概理论与数理统计学习教程,从入门到精通,在数理统计中应用R软件(22)
开发语言·学习·r语言
陈年老古董11 小时前
CentOS编译安装Python3.11完整教程
linux·笔记·学习·centos·python3.11
戈文波Geir-Wenbo Ge11 小时前
深度七步:从学习到主宰
学习
clorinda11 小时前
OpenCV实战学习记录:图像拼接与答题卡识别
人工智能·opencv·学习
red_redemption11 小时前
自由学习记录(221)
学习·renderdoc
sel_911 小时前
【OPD论文导读(二)】OPD(On-Policy Distillation)全景调研:十篇论文讲透“在自己生成的内容上学习“这件事
人工智能·python·深度学习·学习·算法·语言模型