Prerequisiti: OpenCV
Una fotocamera è parte integrante di diversi domini come la robotica, l’esplorazione dello spazio, ecc fotocamera sta giocando un ruolo importante. Aiuta a catturare ogni momento e utile per molte analisi. Per utilizzare la fotocamera come sensore visivo, dovremmo conoscere i parametri della fotocamera. La calibrazione della fotocamera non è altro che stimare i parametri di una fotocamera, i parametri relativi alla fotocamera sono necessari per determinare una relazione accurata tra un punto 3D nel mondo reale e la sua corrispondente proiezione 2D (pixel) nell’immagine catturata da quella fotocamera calibrata.
Dobbiamo considerare entrambi i parametri interni come la lunghezza focale,il centro ottico e i coefficienti di distorsione radiale dell’obiettivo ecc., e parametri esterni come rotazione e traduzione della macchina fotografica rispetto ad alcun sistema di coordinate di mondo reale.
Librerie richieste:
- La libreria OpenCV in python è una libreria di computer vision, utilizzata principalmente per l’elaborazione di immagini, l’elaborazione video e l’analisi, il riconoscimento facciale e il rilevamento, ecc.
- Numpy è un pacchetto di elaborazione di array generico. Fornisce un oggetto array multidimensionale ad alte prestazioni e strumenti per lavorare con questi array.
Calibrazione della fotocamera può essere fatto in un approccio step-by-step:
- Passo 1: Prima definire le coordinate del mondo reale dei punti 3D utilizzando la dimensione nota del motivo a scacchiera.
- Fase 2: Diversi punti di vista di immagine check-board viene catturato.
- Passo 3: findChessboardCorners() è un metodo in OpenCV e utilizzato per trovare le coordinate dei pixel (u, v) per ogni punto 3D in immagini diverse
- Passo 4: Quindi calibrateCamera() metodo viene utilizzato per trovare i parametri della fotocamera.
Ci vorrà il nostro calcolato (threedpoints, twodpoints, grayColor.shape, None, None) come parametri e restituisce l’elenco con elementi come matrice della fotocamera, coefficiente di distorsione, vettori di rotazione e vettori di traduzione.
La matrice della fotocamera aiuta a trasformare i punti degli oggetti 3D in punti immagine 2D e il coefficiente di distorsione restituisce la posizione della fotocamera nel mondo, con i valori dei vettori di rotazione e traduzione
Di seguito è riportato il programma completo dell’approccio sopra riportato:
import cv2 import numpy as np import os import glob CHECKERBOARD = (6, 9) criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) threedpoints = twodpoints = objectp3d = np.zeros((1, CHECKERBOARD * CHECKERBOARD, 3), np.float32) objectp3d = np.mgrid, 0:CHECKERBOARD].T.reshape(-1, 2) prev_img_shape = None images = glob.glob('*.jpg') for filename in images: image = cv2.imread(filename) grayColor = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners( grayColor, CHECKERBOARD, cv2.CALIB_CB_ADAPTIVE_THRESH + cv2.CALIB_CB_FAST_CHECK + cv2.CALIB_CB_NORMALIZE_IMAGE) if ret == True: threedpoints.append(objectp3d) corners2 = cv2.cornerSubPix( grayColor, corners, (11, 11), (-1, -1), criteria) twodpoints.append(corners2) image = cv2.drawChessboardCorners(image, CHECKERBOARD, corners2, ret) cv2.imshow('img', image) cv2.waitKey(0) cv2.destroyAllWindows() h, w = image.shape ret, matrix, distortion, r_vecs, t_vecs = cv2.calibrateCamera( threedpoints, twodpoints, grayColor.shape, None, None) print(" Camera matrix:") print(matrix) print("\n Distortion coefficient:") print(distortion) print("\n Rotation Vectors:") print(r_vecs) print("\n Translation Vectors:") print(t_vecs) Ingresso:
Uscita:
Camera matrix: ] Distortion coefficient: ] Rotation Vectors: , , ]), array(, , ]), array(, , ])] Translation Vectors: , , ]), array(, , ]), array(, , ])]