红外相机和RGB相机外参标定 - 无需标定板方案

1. 动机

在之前的文章中红外相机和RGB相机标定：实现两种模态数据融合_红外相机标定-CSDN博客，介绍了如何利用标定板实现外参标定；但实测下来发现2个问题：

（1）红外标定板尺寸问题，由于标定板小，只能在离相机较近的位置采集图像，距离远就无法识别棋盘格，这就导致标定后，远处的物体存在标定误差

（2）换用大标定板有费用高，标定不灵活的问题。

针对上述问题，本方案不再使用标定板提取特征点，而是从实际部署场景中手动选取特征点。

2. 数据准备

2.1 数据保存格式要求

采集的IR和RGB图片放在同一个文件夹下，必须满足以下命名规范，比如红外数据是IR_{ir_idx}.png ，可见光相机是RGB_{rgb_idx}.png ，ir_idx和rgb_idx必须一一对应，否则数据无效。文件后缀统一为png，红外图像前缀IR_，RGB图像前缀RGB_。

可参考的采集代码样例如下：

python 复制代码

#!/usr/bin/env python3
import cv2 , time
import numpy as np
 
ir_dev = "/dev/video6"
rgb_dev = "/dev/video0"
# define a video capture object 
ir_vid = cv2.VideoCapture(ir_dev) 
rgb_vid = cv2.VideoCapture(rgb_dev) 
 
count = 0
while(True):     
    # Capture the video frame by frame 
    st_time = time.time()
    ret, ir_frame = ir_vid.read()
    ret, rgb_frame = rgb_vid.read()

    cv2.imshow('IR frame', ir_frame ) 
    cv2.imshow('RGB frame', rgb_frame ) 
 
    key = cv2.waitKey(1) & 0xFF 
    if key == ord('q'): 
        break
    if key == ord('s'): #按s键保存数据
        cv2.imwrite(f"IR_{count}.png", vis_ir_frame)
        cv2.imwrite(f"RGB_{count}.png", vis_rgb_frame)
        count += 1

ir_vid.release() 
rgb_vid.release() 
# Destroy all the windows 
cv2.destroyAllWindows()

2.2 数据采集要求

保存图片时，相机必须静止，这主要是剔除两个相机时间不同步带来的干扰。选择角点信息明显的场景进行采集，比如下图中的标牌、盒子等有尖角的物体，就比较容易手工选择关键点

3. 手动选择关键点

（1）修改config.yml文件

如下所示，根据实际情况修改即可

python 复制代码

config:
    #IR2RGB：将IR图像映射到RGB图像上，融合后的尺寸和RGB图保持一致；RGB2IR：将RGB图像映射到IR图像上，融合后的尺寸和IR图保持一致；
    calib_mode: "IR2RGB" 
    rgb_camera:
        #相机内参，如何相机没有畸变或者还没有标定，就用[1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]
        camera_matrix: [3977.513242,0.000000,967.216738,0.000000,3978.987031,595.814879,0.0,0.0,1.0]
        #镜头畸变，如何相机没有畸变或者还没有标定，就用[0.0, 0.0, 0.0, 0.0, 0.0]
        distortion: [-0.355658,-0.008383,0.010103,0.000312,0.000000] 
    ir_camera:
        #相机内参，如何相机没有畸变或者还没有标定，就用[1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]
        camera_matrix: [1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]
        #镜头畸变，如何相机没有畸变或者还没有标定，就用[0.0, 0.0, 0.0, 0.0, 0.0]
        distortion: [0.0, 0.0, 0.0, 0.0, 0.0]

注意文件中的camera_matrix和distortion均是标准的opencv格式，可用以下代码进行检验

python 复制代码

import cv2

camera_matrix= np.array([3977.513242,0.000000,967.216738,0.000000,3978.987031,595.814879,0.0,0.0,1.0]).reshape((3,3))
distortion= np.array([-0.355658,-0.008383,0.010103,0.000312,0.000000])

raw_rgb_img = cv2.imread("your_rgb.png")
rgb_img = cv2.undistort(raw_rgb_img, camera_matrix, distortion)

cv2.imshow("raw", raw_rgb_img)
cv2.imshow("calib", rgb_img)
cv2.waitKey()

（2）运行程序，设置待标定图片路径，如下图所示，点击红色区域按钮

++图片路径不要有中文，否则程序会推出。++

（3）设置完成后，会自动加载第一帧数据，如下图所示，整个界面分为"红外区域"、"RGB区域"、"列表区域"

各个区域的操作如下表所示

|------------|-----------|------------------|
| 区域 | 操作 | 功能 |
| 红外区域/RGB区域 | 鼠标滚轮 | 放大/缩小图片 |
| 红外区域/RGB区域 | 鼠标左键 | 在图像上加点 |
| 红外区域/RGB区域 | 鼠标右键 | 弹出菜单，保存数据或删除上一个点 |
| 红外区域/RGB区域 | 鼠标中键+移动鼠标 | 移动图像 |
| 数据列表区 | 鼠标左键 | 切换图片 |