stereoParameters

对象,用于存储立体摄像系统参数

描述

stereoParameters对象存储的两个摄像头的内在和外在参数及其几何关系。

创建

您可以创建一个stereoParameters对象使用stereoParameters这里描述的函数。您还可以创建stereoParameters对象,使用estimateCameraParameters带着中号-by-2逐numImages-by-2输入的图像点,其中的阵列中号为每个图案中关键点坐标的个数。

描述

stereoParams = stereoParameters (cameraParameters1cameraParameters2rotationOfCamera2translationOfCamera2创建stereoParameters对象,该对象包含立体摄像机系统的参数,并设置CameraParameters1CameraParameters2RotationOfCamera2,TranslationOfCamera2属性。

stereoParams = stereoParameters (paramStruct创建一个相同的stereoParameters来自现有对象的stereoParameters中存储参数的paramStruct

输入参数

展开全部

立体参数,指定为立体参数结构。得到一个paramStruct从现有的stereoParameters对象,使用toStruct功能。

属性

展开全部

两台相机的内在和外在参数

相机1的参数,指定为cameraParameters目的。该对象包含一个照相机的内在,外在,和透镜畸变的参数。

摄像机2的参数,指定为cameraParameters目的。该对象包含一个照相机的内在,外在,和透镜畸变的参数。

两个摄像机之间的几何关系

相机2相对于相机1的旋转,指定为一个3×3矩阵。

相对于照相机1照相机2的翻译,指定为3元素向量。

基本矩阵,存储为3×3矩阵。基本矩阵将两个立体摄像机联系起来,因此,方程必须成立:

[ P 2 1 ] * F ü ñ d 一个 Ë ñ Ť 一个 中号 一个 Ť [R 一世 X * [ P 1 1 ] = 0

P1以像素为单位在图像1中的点,对应于点,P2,在图像2。

本质矩阵,存储为3×3矩阵。基本矩阵的涉及两个立体相机,使得下面的等式必须成立:

[ P 2 1 ] * Ë 小号 小号 Ë ñ Ť 一世 一个 中号 一个 Ť [R 一世 X * [ P 1 1 ] = 0

P1,图1中的点对应于P2在图像2.这两点的点在归一化的图像坐标,其中原点在摄像机的光学中心表示。该Xÿ像素坐标由焦距归一化FXFÿ

估计参数的精度

所有图像对上重投影点和检测点之间的平均欧氏距离,以像素为单位。

对于摄像机参数推断设定

的该估计的两个相机的外部参数,存储为整数校正图案的数量。

在校准模式关键点的世界坐标,指定为中号-by-2阵列。中号表示在图案的关键点的数量。

世界点数单位,指定为字符向量。字符向量描述度量单位。

对象函数

toStruct 将立体参数对象转换为结构体

例子

全部折叠

指定图像校准。

leftImages = imageDatastore(完整文件(toolboxdir('视力'),'visiondata'...'校准'“立体”“左”));rightImages = imageDatastore (fullfile (toolboxdir ('视力'),'visiondata'...'校准'“立体”“对”));

检测棋盘。

[imagePoints,boardSize] =...detectCheckerboardPoints(leftImages.Files,rightImages.Files);

指定棋盘的关键点的世界坐标。广场的大小是毫米。

squareSize = 108;worldPoints = generateCheckerboardPoints(boardSize,squareSize);

校准立体摄像系统。两种相机的分辨率相同。

I = readimage (leftImages, 1);图象尺寸=[(我,1),大小(我,2)];params = estimateCameraParameters (imagePoints worldPoints,...“图象尺寸”,图片大小);

可视化的校准精度。

showReprojectionErrors (params);

可视化相机外部参数。

数字;showExtrinsics(PARAMS);

参考文献

[1]张,Z.“灵活的新技术的摄像机标定”。IEEE交易模式分析与机器智能.Vol。22,第11期,2000,第1330至1334年。

[2] Heikkila,J,和O. Silven。“四步相机校准步骤与隐图像校正”。IEEE国际计算机视觉与模式识别。1997.

扩展功能

介绍了R2014a