Halcon应用:相机标定之应用

提示:若没有查找的算子,可以评论区留言,会尽快更新

Halcon应用:相机标定之应用

前言

本篇博文主要用于记录学习Halcon中算子的应用场景,及其使用代码和图像展示。只讲通俗易懂使用方法,不讲原理,不讲原理,不讲原理,重要的事情说三遍。

相机标定 :在图像测量过程以及机器视觉应用中为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到,这个求解参数的过程就称之为相机标定。
大白话就是看到图像中的点位知道真实世界的点位

然而为了准确获得点位,就需要对相机进行标定,不然因为相机存在的误差会导致点位不准确


提示:以下是本篇文章正文内容,下面案例可供参考,注意参数坐标的使用,能帮助你理解算子

一、Halcon应用?

Halcon 是一个强大的图像处理工具,该工具是为了解决机器视觉项目任务而创建的。

二、应用实战

1、如何应用标定(快速)

上篇文章中,我们使用标定助手可以获得相机的内参和外参,我们先以助手的方式进行使用标定的结果,实现准确测量。

打开测量助手,读取你对相机标定的内外参文件
*.cal 内参文件 *.dat 外参文件

接着我们通过调整边缘参数,得到自己想要的结果,直线测量,需要点击直线绘制,在原图上,通过调整参数,精确得到测量结果
这几个参数调整,建议自行鼠标滑动,观察结果,更好理解

2、代码讲解(重要)

2.1 、我们还是以代码编写为主,助手只是便捷应用

image points to world plane

( : : CameraParam, WorldPose. Rows, Cols. Scale : X. Y)

把图像坐标转换到世界坐标,不过这个世界坐标的Z坐标默认为0的,只有X,Y坐标。

CameraParam:相机内参

WorldPose:相机的位姿,就是外参

Rows.

Cols:相机上的像素坐标

Scale:坐标系的单位尺寸

X,Y:输出的世界坐标系下面的坐标

以下图右下角两个点为例:

先通过阈值处理得到相应的区域点:

2.2、上代码:

c 复制代码
* gen_caltab (7, 7, 0.0125, 0.5, 'caltab.descr', 'caltab.ps')
CameraParameters :=[0.60791368,-3803.36,5.29333e-006,5.3e-006,448.399,475.255,980,788]
CameraPose :=[0.0385762,0.00199827,0.290272,2.13971,0.155591,177.26,0]
* 读取标定生成的标定板图像
read_image (Image, 'D:/HALCON_learn/理论/实战/实战2-相机标定/相机标定4.png')
rgb1_to_gray (Image, GrayImage)
threshold (GrayImage, Regions, 0, 109)
connection (Regions, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, ['area','row','column'], 'and', [282.81,319.53,231.91], [307.14,500,321.95])
area_center (SelectedRegions, Area, Row, Column)
image_points_to_world_plane (CameraParameters, CameraPose, Row, Column, 'mm', X, Y)
* 将坐标打印
X1:=3.51933
Y1:=-4.95336
X2:=16.1283
Y2:=-4.77367
distance_pp (X1, Y1, X2, Y2, Distance)
* Distance结果是12.6103
* 0.0125 相比较有0.1mm误差
* 这就是代码进行实现测量

至此:两点之间的实际物理距离就求解出来


如有问题,欢迎大家指出,谢谢!!!

相关推荐
何双新2 小时前
Odoo AI 智能查询系统
前端·人工智能·python
生命是有光的4 小时前
【机器学习】机器学习算法
人工智能·机器学习
Blossom.1184 小时前
把 AI 塞进「自行车码表」——基于 MEMS 的 3D 地形预测码表
人工智能·python·深度学习·opencv·机器学习·计算机视觉·3d
小鹿的工作手帐7 小时前
有鹿机器人:为城市描绘清洁新图景的智能使者
人工智能·科技·机器人
TechubNews8 小时前
香港数字资产交易市场蓬勃发展,监管与创新并驾齐驱
人工智能·区块链
DogDaoDao9 小时前
用PyTorch实现多类图像分类:从原理到实际操作
图像处理·人工智能·pytorch·python·深度学习·分类·图像分类
小和尚同志9 小时前
450 star 的神级提示词管理工具 AI-Gist,让提示词不再吃灰
人工智能·aigc
这张生成的图像能检测吗10 小时前
(论文速读)Prompt Depth Anything:让深度估计进入“提示时代“
深度学习·计算机视觉·深度估计
金井PRATHAMA10 小时前
大脑的藏宝图——神经科学如何为自然语言处理(NLP)的深度语义理解绘制新航线
人工智能·自然语言处理
大学生毕业题目10 小时前
毕业项目推荐:28-基于yolov8/yolov5/yolo11的电塔危险物品检测识别系统(Python+卷积神经网络)
人工智能·python·yolo·cnn·pyqt·电塔·危险物品