相机标定之畸变矫正与反畸变计算

　　相机标定问题已经是比较成熟的问题，OpenCV中提供了比较全面的标定、矫正等函数接口。但是如果我想通过一张矫正好的图像，想获得原始的畸变图，却没有比较好的方法，这里讨论了点的畸变和反畸变问题。

1.问题提出：给定一些已经经过矫正的二维点集，如何获得矫正前带畸变的二维点集？

2.理论基础：理论基础无它，就是相机的小孔成像模型和畸变参数模型，

　　这里需要注意，k1，k2等为径向畸变参数，p1，p2为切向畸变参数，s1，s2为薄棱镜畸变参数（常忽略），x'为理想的无畸变的图像像素坐标或者点(Points)坐标，x''是带透镜畸变参数的图像像素或点坐标，上述公式详尽表达了它们之间的关系。通俗点讲，x',y'是指通过针孔模型求出来的理想点的位置，x'',y''是其真实位置，所以要通过后面的畸变模型进行近似，获得x'',y''的值，但是在实际应用时，x'',y''通常是已知的，即我们通过相机获得了带畸变的图像，但是我们需要反算回去得到x',y'，OpenCV提供了这样的过程函数接口，可以直接使用。

　　而这里想做的是通过矫正图得到畸变图点，即通过x‘，y’得到x'',y''，所以只要通过上述公式进行求解就行了。

3.求解过程：

 　　直接给出相关程序：

void myDistortPoints(const std::vector<cv::Point2d> & src, std::vector<cv::Point2d> & dst,
    const cv::Mat & cameraMatrix, const cv::Mat & distortionCoeff)
{

    dst.clear();
    double fx = cameraMatrix.at<double>(0, 0);
    double fy = cameraMatrix.at<double>(1, 1);
    double ux = cameraMatrix.at<double>(0, 2);
    double uy = cameraMatrix.at<double>(1, 2);

    double k1 = distortionCoeff.at<double>(0, 0);
    double k2 = distortionCoeff.at<double>(0, 1);
    double p1 = distortionCoeff.at<double>(0, 2);
    double p2 = distortionCoeff.at<double>(0, 3);
    double k3 = distortionCoeff.at<double>(0, 4);
    double k4;//
    double k5;//
    double k6;//

    for (unsigned int i = 0; i < src.size(); i++)
    {
        const cv::Point2d & p = src[i];

　　　　　//获取的点通常是图像的像素点，所以需要先通过小孔相机模型转换到归一化坐标系下；
        double xCorrected = (p.x - ux) / fx;
        double yCorrected = (p.y - uy) / fy;

        double xDistortion, yDistortion;

　　　　  //我们已知的是经过畸变矫正或理想点的坐标；
        double r2 = xCorrected*xCorrected + yCorrected*yCorrected;

        double deltaRa = 1. + k1 * r2 + k2 * r2 * r2 + k3 * r2 * r2 * r2;
        double deltaRb = 1 / (1. + k4 * r2 + k5 * r2 * r2 + k6 * r2 * r2 * r2);
        double deltaTx = 2. * p1 * xCorrected * yCorrected + p2 * (r2 + 2. * xCorrected * xCorrected);
        double deltaTy = p1 * (r2 + 2. * yCorrected * yCorrected) + 2. * p2 * xCorrected * yCorrected;

　　　　 //下面为畸变模型；
        xDistortion = xCorrected * deltaRa * deltaRb + deltaTx;
        yDistortion = yCorrected * deltaRa * deltaRb + deltaTy;

　　　　 //最后再次通过相机模型将归一化的坐标转换到像素坐标系下；
        xDistortion = xDistortion * fx + ux;
        yDistortion = yDistortion * fy + uy;

        dst.push_back(cv::Point2d(xDistortion, yDistortion));
    }

}

4.存在的问题：经过上面的过程，我们就获得了在畸变原图中点的坐标，但是有一点值得注意的是，我们将获得的畸变图中的点经过OpenCV提供的UndistortPoints()函数进行矫正的时候，不能得到原始的点，即这里存在误差。这种误差是由于自己写的畸变模型和OpenCV提供的畸变函数模型不同导致的，有兴趣的可以查看OpenCV源码，你会发现后面关于 r 的平方和 r 的四次方，六次方在OpenCV中都是平方项，所以计算结果存在误差，这里有两个解决办法，第一是修改上述代码，统一改成平方项；第二就是自己实现UndistortPoints函数：

void myUndistortPoints(const std::vector<cv::Point2d> & src, std::vector<cv::Point2d> & dst,
    const cv::Mat & cameraMatrix, const cv::Mat & distortionCoeff)
{

    dst.clear();
    double fx = cameraMatrix.at<double>(0, 0);
    double fy = cameraMatrix.at<double>(1, 1);
    double ux = cameraMatrix.at<double>(0, 2);
    double uy = cameraMatrix.at<double>(1, 2);

    double k1 = distortionCoeff.at<double>(0, 0);
    double k2 = distortionCoeff.at<double>(0, 1);
    double p1 = distortionCoeff.at<double>(0, 2);
    double p2 = distortionCoeff.at<double>(0, 3);
    double k3 = distortionCoeff.at<double>(0, 4);
    double k4;
    double k5;
    double k6;

    for (unsigned int i = 0; i < src.size(); i++)
    {
        const cv::Point2d & p = src[i];

　　　　 //首先进行坐标转换；
        double xDistortion = (p.x - ux) / fx;
        double yDistortion = (p.y - uy) / fy;

        double xCorrected, yCorrected;

        double x0 = xDistortion;
        double y0 = yDistortion;

　　　　 //这里使用迭代的方式进行求解，因为根据2中的公式直接求解是困难的，所以通过设定初值进行迭代，这也是OpenCV的求解策略；
        for (int j = 0; j < 10; j++)
        {
            double r2 = xDistortion*xDistortion + yDistortion*yDistortion;

            double distRadialA = 1 / (1. + k1 * r2 + k2 * r2 * r2 + k3 * r2 * r2 * r2);
            double distRadialB = 1. + k4 * r2 + k5 * r2 * r2 + k6 * r2 * r2 * r2;

            double deltaX = 2. * p1 * xDistortion * yDistortion + p2 * (r2 + 2. * xDistortion * xDistortion);
            double deltaY = p1 * (r2 + 2. * yDistortion * yDistortion) + 2. * p2 * xDistortion * yDistortion;

            xCorrected = (x0 - deltaX)* distRadialA * distRadialB;
            yCorrected = (y0 - deltaY)* distRadialA * distRadialB;

            xDistortion = xCorrected;
            yDistortion = yCorrected;
        }

　　　　 //进行坐标变换；
        xCorrected = xCorrected * fx + ux;
        yCorrected = yCorrected * fy + uy;

        dst.push_back(cv::Point2d(xCorrected, yCorrected));
    }

}

　　上面的迭代求解过程是值得学习的地方，因为所求的x本身就被包含在r中，所以直接求解变得几乎不可能，而上面的迭代方法提供了一种解决方法，当迭代次数足够多时，求解接近精确值。

5.结果展示：下面给出通过设定好相机的畸变参数和内参矩阵，给定一幅带有点线的原图，通过3生成畸变图，然后再通过4反算原图的过程：

　　注：上面的线是在一个全黑的Mat矩阵中画点生成的。

转载于:https://www.cnblogs.com/mafuqiang/p/8134617.html

最后

以上就是成就早晨为你收集整理的相机标定之畸变矫正与反畸变计算相机标定之畸变矫正与反畸变计算的全部内容，希望文章能够帮你解决相机标定之畸变矫正与反畸变计算相机标定之畸变矫正与反畸变计算所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。