表4.1 左摄像头标定结果
参数 焦距 主点 倾斜系数 畸变
像素误差 参数 焦距 主点 倾斜系数 畸变
像素误差
结果
[937.38 917.06]±[10.68 8.93] [409.05 279.03]±[11.63 14.39] [0.00]±[0.00]
[-0.18643 1.69505 0.01121 0.02210 0.00000]±[0.06598 0.00447 0.00000] [0.15528 0.19454]
0.59557
0.00555
表4.2 右摄像头标定结果
结果
[927.22 907.05]±[11.02 8.93] [337.29 280.35]±[13.06 15.06] [0.00]±[0.00]
[-0.01803 -0.43391 0.00965 0.01415 0.00000]±[0.05957 0.00484 0.00000] [0.42602 0.53865]
0.36702
0.00597
如图4.6和4.7分布表示标定时棋盘标定板和两个摄像机的位置关系：
图4.6棋盘标定板与左摄像机位置关系
图4.7棋盘标定板与右摄像机位置关系
立体标定结果
读取左右摄像机的标定参数，进行立体标定后，其结果如表4.3所示：
表4.3 立体摄像头标定结果
摄像头 左摄像头
参数 焦距 主点 倾斜系数 畸变
右摄像头
焦距 主点 倾斜系数 畸变
双目摄像头
旋转矢量
转化矢量
结果
[919.29 901.54]±[6.88 6.35] [402.30 258.05]±[11.24 10.12] [0.00]±[0.00] [-0.01803 0.00000]
[919.29 901.54]±[6.88 6.35] [402.30 258.05]±[11.24 10.12] [0.00]±[0.00] [-0.23197 0.00000]
[0.04887 0.01864 0.01890]±[0.01496 0.01610 0.00116]
[101.42 4.24 -11.01]±[0.65 0.77 5.33]
2.36790
-0.00265
0.01769
0.00000]±[0.06621 0.79331 0.00399 0.00376
-0.43391
0.00965
0.01415
0.00000]±[0.05957 0.36702 0.00597 0.00484
双摄像机与棋盘标定板的位置关系如图4.8所示：
图4.8双摄像机与棋盘标定板的位置关系
4.3.3校正
为了在立体匹配时，左右摄像机图像的平面是行对准的，需要对图像进行校正，而图像校正，使用OpenCV3.0图像库里的bouguet算法比较适合，采用bouguet算法比利用摄像机标定参数，对图像进行校正[16]，其过程如图4.9所示：
图4.9图像校正过程
实现过程如下：分别读取立体标正后的标定参数，之后使用OpenCV3.0自带的库进行消除畸变和图像校正
矫正的结果分别对比4.10和4.11可知，如图4.10和4.11分别为左摄像机和右摄像机校正前后的图像对比：
图4.10左右摄像机校正前
图4.11左右摄像机校正后
4.3.4立体匹配
经过校正后的图像左右平面为行对准的，之后即可使用不同的立体匹配算法对左右图像进行立体匹配，为了之后做算法的效率和匹配精度的性能分析，本文在算法运行的同时，通过打印时间戳的方法获取其运行时长。并通过操作系统监控其对内存、cpu的占用情况。
基于图像分割的置信传播立体匹配算法匹配
相关推荐：
loading