Halcon学习(二十二)摄像机标定(函数详解)

Halcon学习（二十二）摄像机标定（函数详解）

TmpCtrl_AllMarkRows := []

TmpCtrl_AllMarkColumns := []

TmpCtrl_StartPoses := []

TmpCtrl_ReferenceIndex := 0

StartParameters :=

[0.008,0,5.2e-006,5.2e-006,640,512,1280,1024]

for Index := 0 to |ImageFiles|-1 by 1

read_image (Image, ImageFiles[Index])

find_caltab (Image, TmpObj_PlateRegion,

'E:/calibration_description/caltab_123mm.descr', 3, 112, 5) find_marks_and_pose (Image, TmpObj_PlateRegion,

'E:/calibration_description/caltab_123mm.descr', StartParameters, 128, 10, 18, 0.9, 15, 100, TmpCtrl_MarkRows, TmpCtrl_MarkColumns, TmpCtrl_EstimatedPose)

TmpCtrl_AllMarkRows := [TmpCtrl_AllMarkRows, TmpCtrl_MarkRows]

TmpCtrl_AllMarkColumns := [TmpCtrl_AllMarkColumns, TmpCtrl_MarkColumns]

TmpCtrl_StartPoses := [TmpCtrl_StartPoses,

TmpCtrl_EstimatedPose]

endfor

caltab_points ('E:/calibration_description/caltab_123mm.descr', TmpCtrl_X, TmpCtrl_Y, TmpCtrl_Z)

camera_calibration (TmpCtrl_X, TmpCtrl_Y, TmpCtrl_Z, TmpCtrl_AllMarkRows, TmpCtrl_AllMarkColumns, StartParameters, TmpCtrl_StartPoses, 'all', CameraParameters, TmpCtrl_FinalPoses, TmpCtrl_Errors)

tuple_select_range (TmpCtrl_FinalPoses,

7*TmpCtrl_ReferenceIndex, 7*TmpCtrl_ReferenceIndex + 6, CameraPose)

set_origin_pose (CameraPose, 0.0, 0.0, 0.001, CameraPose) stop ()一、读入图像，函数如下

list_files ('E:/calibration_image', 'files', ImageFiles)

for Index := 0 to |ImageFiles|-1 by 1

read_image(Image, ImageFiles[Index])

endfor

注释：'E:/calibration_image':为图像路径，图像文件索引是从0开始的，所以|ImageFiles|（文件数量）减去1。

算子：read_image(:Image :FileName):读取名称为FileName的图像Image。

二、提取图像Images中标定板上的圆形标志来确定标定板的

有效区域，算子如下：

find_caltab（Image:Caltab:CalTabDescrFile，SizeGauss，MarkThresh，MinDiamMarks:）

确定标定板上圆形标志点的二维坐标，并得到摄像机外部参数的初始值，算子如下：

find_marks_and_pose （Image，

CalTabRegion: :CalTabDescrFile ，StartCamParam ，StartThresh，DeltaThresh，MinThresh，Alpha，MinContLength，MaxDiamMarks:Rcoord，Ccoord，

StartPose）

注释：函数find_caltab在图像中寻找标定板是基于标定板的特征——在一个亮的区域中存在黑色标定点。首先使用高斯滤波器进行图像平滑。参数SizeGauss确定高斯滤波器的尺寸。SizeGauss值越大进行图像平滑的幅度就越大，这在图像噪声比较大时是必要的。在进行图像平滑操作后，为了寻找

标定板的位置，我们进行一个阈值分割，可以参考灰度直方图，灰度值范围由最小值MarkThresh到最大值255，因此，MarkThresh必须小于标定板上白色区域的灰度值，并且最好大于图像中其他大范围较亮的区域的灰度值。在阈值分割得到的多个区域中，其中包含孔的数量最符合标定板上标定点数量的凸状区域被选中。为了减少噪声影响，直径小于MinDiamMarks的孔将被除去。标志点的数量可以从标定板描述文件（CalTabDescrFile）中读出。

函数find_marks_and_pose提取标定板上各个标志点,并精确得到它们在图像坐标系中的坐标。上面我们已经通过函数find_caltab找到了标定板的区域,这时我们首先在输入图像Image的这个区域(CalTabRegion)中应用边缘检测。这个边缘检测通过参数Alpha进行控制。Alpha的值越大

,边缘检测的灵敏度也就越高,这将使边缘检测时找到更多的细节,但同时对噪声的抑制能力下降。在边缘图像中,提取出封闭的轮廓线。为了更准确的寻找轮廓线,对边缘的振幅进行一个阀值操作。所有振幅高的点(标定点的边界)都被选中。首先,这个阀值设置为StartTh

resh。如果寻找封闭轮廓线或估计位姿失败,这个阀值接连地减DeltaThresh 直到阀值降低到最小值MinThresh。