使用Matlab中Opencv的攝像機校准參數重新計算圖像點

Question

我已經在這里使用OpenCv代碼獲得了相機校准參數，例如相機矩陣，失真系數，（旋轉+平移）矢量和圖像點。

他們用來計算2D屏幕坐標的公式由下式給出：

通過對攝像機矩陣，旋轉+平移向量和Matlab中的對象點坐標（X，Y，Z，1）進行硬編碼，我無法獲得與圖像點相同的坐標值。 我在這里錯過了什么？ 我是否還需要考慮失真系數以獲得精確或正確的圖像點？

Matlab代碼：

% Define all the parameters camera matrix , sample image point, object point,   rotation and translation vectors%
cameraMatrix =  [5.9354 0 3.1950; 0 5.9354 2.3950 ; 0 0 1]
rotationMatrix = [2.5233 1.6803  3.0728];
translationMatrix = [1.2682 1.9657 8.0141];
X = [0; 0; 0; 1];

rotationMatrix = transpose(rotationMatrix);
translationMatrix = transpose(translationMatrix);

%convert the rotation vector into rotation matrix using Rodrigues func.%
rotMat = rodrigues(rotationMatrix);

R_T = horzcat(rotMat, translationMatrix)

%Convert to 2D points%
imgPts = cameraMatrix * R_T * X

lastElement = imgPts(end);

ScreenImgPts = imgPts / lastElement

對象點由棋盤方形大小（30mm）的平方大小定義，即[0,0,0,1]，[30,0,0,1]等。

但是經過我的計算和比較存儲在xml文件中的圖像點是不一樣的。 我的結果如下

1. 4.1343 3.8508 [0,0,0,1]
2. 3.8373 1.0331 [30,0,0,1]
3. 3.8002 0.6812 [60,0,0,1]

第一點，第二點和第三點的輸出（圖像點）應為：

1. 4.13546326e + 002 3.85645935e + 002
2. 3.91346527e + 002 3.85897003e + 002
3. 3.69121155e + 002 3.86479431e + 002

此處給出了所有參數的輸出文件

Answer 1

問題非常簡單，我將所有重要參數（相機矩陣，旋轉+平移）的值四舍五入到第4位，而在值的末尾有一個明確存在的指數（e）。 因此四舍五入導致不正確的值。

這是具有更正值的代碼

% Define all the parameters camera matrix , sample image point, object point, rotation and translation vectors%
cameraMatrix =  [5.9354136482375827e+002 0. 3.1950000000000000e+002; 0. 5.9354136482375827e+002 2.3950000000000000e+002 ; 0 0 1;]

%Rotatoin and translation vector of different planes (snapshot)%
rotationVector = [2.5233190617669338e-001 1.6802568443347082e-001  3.0727563215131681e+000];
translationVector = [1.2682348793063555e+002 1.9656574525587070e+002 8.0141048598043449e+002];

% rotationVector = [2.3492892819146791e-001 1.6451261910667694e-001 3.0787833660290516e+000];
% translationVector = [1.2806533156889765e+002 1.9877886039281353e+002 8.0447195879431570e+002];

% rotationVector = [2.1721 1.6300 3.0619];
% translationVector = [1.2661 1.9511 8.0681];

distCoeffs = [1.0829115704079707e-001 -1.0278232972256371e+000 0 0 1.7962320082487011e+000]; % k1, k2, p1, p2, k3 %

k1 = distCoeffs(1);
k2 = distCoeffs(2);
p1 = 0;
p2 = 0;
k3 = distCoeffs(end);


% X = [0 0 0; 30 0 0]

rotationVector = transpose(rotationVector);
translationVector = transpose(translationVector);


%convert the rotation vector into rotation matrix using Rodrigues func.%
rotMat = rodrigues(rotationVector)

R_T = horzcat(rotMat, translationVector)

%Convert to 2D points%
% imgPts = cameraMatrix * R_T * X
% 
% lastElement = imgPts(end)
% 
% ScreenImgPts = imgPts / lastElement

%%%%%%%%%%%%%% Adding calculation for distortion parameters%%%%%%%%%%

objectPoints = [0 0 0; 30 0 0; 60 0 0; 90 0 0; 120 0 0; 150 0 0;180 0 0; 
0 30 0; 30 30 0; 60 30 0; 90 30 0; 120 30 0; 150 30 0; 180 30 0;
0 60 0; 30 30 0; 60 60 0; 90 60 0; 120 60 0; 150 60 0; 180 60 0;
0 90 0; 30 30 0; 60 90 0; 90 90 0; 120 90 0; 150 90 0; 180 90 0;
0 120 0; 30 120 0; 60 120 0; 90 120 0; 120 120 0; 150 120 0; 180 120 0;]

Xelement = [];
screenCoords = [];
NormXY = [];

for i = 1:35
    Xelement = (objectPoints(i,:))
    NormXY(:,1) = (rotMat * transpose(Xelement)) + translationVector
    lastElement = NormXY(end)
    NormXY = NormXY / lastElement
    x = NormXY(1)
    y = NormXY(2)

    r2 = power(x,2) + power(y,2)
    r4 = power(r2,2)
    r6 = power(r2,3)

     xcorr = x * (1 + k1*r2 + k2*r4 + k3*r6)
     ycorr = y * (1 + k1*r2 + k2*r4 + k3*r6)

      XY = [xcorr ;ycorr;1]
      screenCoords(:,i) = cameraMatrix * XY


end

Answer 2

是的，你需要考慮失真。 此外，如果您在MATLAB中工作，可能更容易使用內置在Camera Calibrator App中的 MATLAB。