正如标题所说,我的问题是关于OpenCv的calibrateCamera函数给出的返回值。
http://docs.opencv.org/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html
我在python中有一个函数实现,使用Black& White网格查找相机的内部参数和扭曲系数。
问题更多的是关于函数返回的retval。如果我理解正确,那就是"平均重投影误差。该数字可以很好地估计找到的参数的精度。这应该尽可能接近零。"正如
中提到的那样http://docs.opencv.org/doc/tutorials/calib3d/camera_calibration/camera_calibration.html
一个值接近于零的确切意味着什么意思?
例如,当我为我的Logitech网络摄像头执行此操作时:
RMS:0.702660793513
相机矩阵:
[[ 616.30868126 0. 339.02126978]
[ 0. 605.08224927 241.64607568]
[ 0. 0. 1. ]]
失真系数:
[ 0.19805527 -0.62915986 0.00924648 0.02618232 1.02491764]
在这种情况下,误差如何量化内在参数估计的质量?
修改
所以我去寻找答案并深入挖掘并检查此函数的cpp实现。
这是计算此错误值的函数:
static double computeReprojectionErrors(
const vector<vector<Point3f> >& objectPoints,
const vector<vector<Point2f> >& imagePoints,
const vector<Mat>& rvecs, const vector<Mat>& tvecs,
const Mat& cameraMatrix, const Mat& distCoeffs,
vector<float>& perViewErrors )
{
vector<Point2f> imagePoints2;
int i, totalPoints = 0;
double totalErr = 0, err;
perViewErrors.resize(objectPoints.size());
for( i = 0; i < (int)objectPoints.size(); i++ )
{
projectPoints(Mat(objectPoints[i]), rvecs[i], tvecs[i],
cameraMatrix, distCoeffs, imagePoints2);
err = norm(Mat(imagePoints[i]), Mat(imagePoints2), NORM_L2);
int n = (int)objectPoints[i].size();
perViewErrors[i] = (float)std::sqrt(err*err/n);
totalErr += err*err;
totalPoints += n;
}
return std::sqrt(totalErr/totalPoints);
}
这个错误是根据cv2.CalibrateCamera找到的tvecs和rvecs计算的,它重新投影用于查找那些平移和旋转向量的点,并计算重投影点与这些点的实际坐标之间的欧几里德距离。
我不认为这个错误在[0,1]中有界,而是取决于用于校准的坐标范围。因此,它取决于用于校准的图像的分辨率。
有人可以确认/反驳这个吗?
答案 0 :(得分:11)
calibrateCamera
返回均方根(RMS)重投影误差,通常在校准良好时应在0.1到1.0像素之间。
通过使用最终校准参数集objectPoints
,cameraMatrix
,distCoeffs
和{{1}将3D棋盘点(rvecs
)投影到图像平面中来完成计算。 }}并比较角落的已知位置(tvecs
)。
RMS误差为1.0意味着,平均而言,这些投影点中的每一个都远离其实际位置1.0 px。该误差不在[0,1]中,它可以被视为距离。