hangxzzz / bi_calibration

Python双目标定

普通相机图像测距

代码运行环境： Python 3.6.3
下载本仓库并安装相关包：

git clone https://github.com/techkang/postgraduate
cd postgraduate
pip3 install -r requirements.txt

1.文件目录

├── result（存放相关结果）
│   └── ...
├── code （代码）
│   ├── calibration.py (单目标定、校正） │   ├── draw.py （推导视差公式时绘图的代码） │   ├── main.py （单、双目标定、校正及测距） │   └── stereo_calibration.py （双目标定、校正） ├── left （测试图片）
│   ├── left01.jpg
│   ├── ...
│   └── left14.jpg
├── README.md
├── right （测试图片）
│ ├── right01.jpg
│ ├── ...
│ └── right14.jpg
└── requirements.txt

2.单目相机标定

运行代码

cd code
python3 calibration.py [file]

其中，file 是可选参数，默认为 01,表示对 left 文件夹中 left01.jpg 图像进行标定。可以指定其他值对left文件夹中的图片进行标定（注意0不能省略）。

运行结果

以 left01.jpg 为例，原图和修正后的图像如下：

3.双目相机标定

运行代码

cd code
python3 stereo_calibration.py [file]

其中，file 是可选参数，默认为 01,表示对 left 文件夹中 left01.jpg 图像和 right 文件夹中的 right01.jpg 图像进行标定。可以指定其他值对left和right文件夹中的图片进行标定（注意0不能省略）。

运行结果

运行程序，输出对指定图片双目标定的结果，同时将结果保存在result/stereo_calibresult/文件夹下。本节代码未能按照预期的结果运行，输出照片发生了明显的旋转。以 left01.jpg 和 right01.jpg 为例，输出结果如图所示：

经过分析，发现 OpenCV 一般不能很好的标定双目图像，故使用 MATLAB 先标定图像，例如 left01 和 right01 的 R (旋转矩阵)和 T (平移矩阵)如下：

	R		T
1	-0.0032	-0.0057	-83.0973
0.0033	0.9999	0.0096	1.0605
0.0057	-0.0097	0.9999	0.0392

在程序中修改代码，手动指定 R 和 T 的值，运行程序，输出校正后的图像如下：

4.视差测距

本函数可以同时实现单目标定、双目标定和校正，以及测距。

运行代码

cd code
python3 mian.py [--key=value]

其中，[--key=value]是可选参数，可选择的值、含义及其默认值如下：

sample = '01'  # 测试图片
disp_calib = False  # 是否展示单目校正结果
stereo_calib = True  # 是否进行双目校正
disp_stereo_calib = False  # 是否展示双目校正结果
disparity = True  # 是否利用视差估算距离
R = dict({'01': np.array([[1, -0.0032, -0.005], [0.0033, 0.9999, 0.0096],
                          [0.0057, -0.0097, 0.9999]])})  # 由 MATLAB 标定的旋转矩阵
T = dict({'01': np.array([-83.0973, 1.0605, 0.0392])})  # 由 MATLAB 标定的平移矩阵
matlab = True  # 在双目校正时是否使用 matlab 标定的值
num = 3  # StereoSGBM_create 函数参数：最小可能的差异值
blockSize = 5  # StereoSGBM_create 函数参数：匹配的块大小。

例如，输入命令python3 main.py --disp_calib=True，可以在测距的同时，还会输出单目测距的结果。如果保持默认值，则会对 left01 和 right01 图像进行测距，不输出单目校正和双目校正的结果，使用由 MATLAB 标定的旋转矩阵和平移矩阵。

运行结果

按照默认参数，输出结果如图：

点击左图，可以在命令行中输出该点的深度，然而，无论是从输出结果，还是右边的视差图，都离预期结果相差较远。点击左图时发现，经常有些点为负值。右图视差图中，标定板的视差应该相近，为一个平滑的渐变颜色，然而视差图没有体现出这一点。