本文共 2965 字，大约阅读时间需要 9 分钟。

这里很好的一点就是给出了标定结果的各个参数的含义，这个很多都没讲

转载自：

ROS摄像机的标定

2016-04-11 21:06:07 8418

分类专栏：

本文主要为ROS camera_calibration 单目相机标定教程的翻译

原文： 仅供英文苦手的同学参考使用

1.准备工作

首先，请在下载标定板。教程中使用的是8X6，边长为108mm的棋盘标定板。由于标定过程使用的是棋盘内部的角点进行，所以实际上我们使用的是9格X7格的棋盘标定板

请确保标定环境拥有一个5m×5m的无遮挡环境

1.1.编译

运行以下指令

$ rosdep install camera_calibration

$ rosmake camera_calibration

1.2.订阅摄像头信息

使用

$ rostopic list

来查阅当前发布的topic信息，请确认topic的列表中存在

/camera/camera_info/camera/image_raw

如果不存在，请检查你的摄像头驱动是否正确安装

TIP：如果当前电脑连接了多个摄像头，或者你使用了自己编写的一些摄像头驱动，显示的信息可能会有一些不同

2.运行标定结点

2.1.运行结点

输入

$ rosrun camera_calibration cameracalibrator.py --size 8x6 --square 0.108 image:=/camera/image_raw camera:=/camera

来运行标定结点的python脚本，其中

–size 8x6 为当前标定板的大小 –square 0.108为每个棋盘格的边长 根据标定板的不同，可以按照需求更改这两个参数 image:=/camera/image_raw标定当前订阅图像来源自名为/camera/image_raw的topic camera:=/camera为摄像机名

之后，将会出现如下图所示的UI

如果没有出现如图所示的UI，请使用

--no-service-check

来检查服务结点是否工作

如果没有看到如图所示的彩色点，请确认–size参数是否正确，尤其注意是否将size设置为了棋盘格数而非其标定角点的数目

2.1.1多个标定板

从Damondback版本开始，ROS就支持使用多个标定板来进行标定了，如果你使用多个标定板进行标定，请输入复数个–size和–square参数来说明各个标定板的大小

2.2.移动标定板

为了达到良好的标定效果，你需要在摄像机周围移动标定板，并完成以下基本需求：

• 移动标定板到画面的最左、右，最上、下方
• 移动标定板到视野的最近和最远处
• 移动标定板使其充满整个画面
• 保持标定板倾斜状态并使其移动到画面的最左、右，最上、下方
  当标定板移动到画面的最左、右方时，此时，UI的x会达到最小或满值
  同理，y指示标定板的在画面的上下位置，size表示标定板在视野中的距离
  每次移动之后，请保持标定板不动直到UI出现高亮提示
  当calibration按钮亮起时，代表你已经有足够的数据进行摄像头的标定，此时请按下calibration并等待一分钟左右

2.3取得标定结果

完成标定之后，你可以使用UI的滚动条来改变矫正后图像的尺寸，0.0表示//todo

D =  [-0.33758562758914146, 0.11161239414304096, -0.00021819272592442094, -3.029195446330518e-05]K =  [430.21554970319971, 0.0, 306.6913434743704, 0.0, 430.53169252696676, 227.22480030078816, 0.0, 0.0, 1.0]R =  [1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0]P =  [1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0]# oST version 5.0 parameters[image]width640height480[narrow_stereo/left]camera matrix430.215550 0.000000 306.6913430.000000 430.531693 227.2248000.000000 0.000000 1.000000distortion-0.337586 0.111612 -0.000218 -0.000030 0.0000rectification1.000000 0.000000 0.0000000.000000 1.000000 0.0000000.000000 0.000000 1.000000projection1.000000 0.000000 0.000000 0.0000000.000000 1.000000 0.000000 0.0000000.000000 0.000000 1.000000 0.000000

3.创建yml参数文件

使用camera_calibration_parsers来创建一个标定参数的yaml文件

运行 $ rosrun camera_calibration_parsers convert in-file out-file 完成yaml转换

4.标定参数的意义

ROS中的camera_calibration包，其代码实现主要使用了OpenCV中的calibration模块

一般来说，它包含以下内容

image_width: 2448image_height: 2050camera_name: prosilicacamera_matrix:  rows: 3  cols: 3  data: [4827.94, 0, 1223.5, 0, 4835.62, 1024.5, 0, 0, 1]distortion_model: plumb_bobdistortion_coefficients:  rows: 1  cols: 5  data: [-0.41527, 0.31874, -0.00197, 0.00071, 0]rectification_matrix:  rows: 3  cols: 3  data: [1, 0, 0, 0, 1, 0, 0, 0, 1]projection_matrix:  rows: 3  cols: 4  data: [4827.94, 0, 1223.5, 0, 0, 4835.62, 1024.5, 0, 0, 0, 1, 0]

image_width、image_height代表图片的长宽

camera_name为摄像头名 camera_matrix规定了摄像头的内部参数矩阵 distortion_model指定了畸变模型 distortion_coefficients指定畸变模型的系数 rectification_matrix为矫正矩阵，一般为单位阵 projection_matrix为外部世界坐标到像平面的投影矩阵