使用AprilTag标记进行相机校准

简介: AprilTags被广泛用作物体检测、定位应用的视觉标记,并作为相机校准的目标。AprilTags类似于QR码,但旨在编码更少的数据,因此可以更快地解码,这对于实时机器人应用程序非常有用。使用 AprilTags 作为校准模式的优点包括更好的特征点检测以及一致、可重复的检测。

​一、前言
AprilTags被广泛用作物体检测、定位应用的视觉标记,并作为相机校准的目标。AprilTags类似于QR码,但旨在编码更少的数据,因此可以更快地解码,这对于实时机器人应用程序非常有用。使用 AprilTags 作为校准模式的优点包括更好的特征点检测以及一致、可重复的检测。

二、使用功能界面进行相机校准
步骤 1:生成校准模式
下载并准备标签图像
可以使用 Web 浏览器或运行以下代码从此处下载所有受支持系列的预生成标记:

使用标记图像生成校准目标,以实现特定的标记排列。图案图像包含在 中,可用于打印图案。该示例使用 tag36h11 系列,该系列在检测性能和误报检测的鲁棒性之间提供了合理的权衡。
1.png

在此模式上使用 函数会导致检测将各个标记的角位置组合在一起。函数可用于将此排列转换为列主排列,如棋盘格。
2.png

准备图像以进行校准,准备校准图像时需要注意的几点。
3.png

第 2 步:检测并本地化 AprilTags
函数用于检测和定位捕获图像中的标签,并以棋盘方式排列它们,以用作校准过程中的关键点。

步骤 3:为校准模式生成世界点
生成的AprilTag模式使得标签采用棋盘格方式,在这里,正方形的大小被标签的大小所取代,电路板的大小是从上一步获得的。测量标签一侧外黑边之间的标签大小。

4.png

步骤 4:估计相机参数
使用图像和世界点对应关系,可视化校准的准确性和外部相机参数。在捕获的图像中显示校准图案的平面。

5.png
6.png

检查检测到的图像点和重新投影点的位置,这些点是使用估计的相机参数获得的。
7.png

使用其他校准模式,虽然此示例在校准模式中使用 AprilTags 标记,但相同的工作流程也可以扩展到其他平面模式。

如果有一种方法可以获得这些关键点,校准工作流程的其余部分将保持不变。

三、将AprilTag校准模式支持集成到相机校准器应用程序中
为方便使用,上述工作流程也可以集成到相机校准器应用程序中。整个工作流程保持不变,步骤如下:
1.使用四月标签添加图像;2. 导入 AprilTags 的自定义模式检测器类。检测器必须执行以下操作;3. 估计相机参数。

目录
相关文章
|
6月前
|
人工智能 算法 定位技术
基于等照度线和窗口匹配的图像修补算法
基于等照度线和窗口匹配的图像修补算法
|
1月前
|
存储 算法
标定系列二、9点标定以及5点圆心标定过程(代码详解)
标定系列二、9点标定以及5点圆心标定过程(代码详解)
|
1月前
|
编解码 机器人
标定系列一、手眼标定基础介绍
标定系列一、手眼标定基础介绍
|
1月前
|
传感器 人工智能 搜索推荐
用 ChatGPT 4.0 实现获取并保存 RealSense 相机的深度图像,处理colorizer,histogram equalization配置,解决深度图像颜色分布异常问题
用 ChatGPT 4.0 实现获取并保存 RealSense 相机的深度图像,处理colorizer,histogram equalization配置,解决深度图像颜色分布异常问题
37 0
用 ChatGPT 4.0 实现获取并保存 RealSense 相机的深度图像,处理colorizer,histogram equalization配置,解决深度图像颜色分布异常问题
|
4月前
|
传感器 机器学习/深度学习 存储
使用激光雷达(LiDAR)和相机进行3D物体跟踪
使用激光雷达(LiDAR)和相机进行3D物体跟踪
|
9月前
|
传感器
使用校准相机测量平面物体
使用校准相机测量平面物体。
83 0
|
4月前
Halcon&测量] 模糊测量
Halcon&测量] 模糊测量
45 0
|
4月前
|
算法
[Halcon&标定] 相机自标定
[Halcon&标定] 相机自标定
63 1
|
7月前
|
机器学习/深度学习 传感器 算法
【视频处理】通过调用图像来重建新影片及计算颜色通道的平均灰度值,并检测帧与前一帧之间的差异(Matlab代码实现)
【视频处理】通过调用图像来重建新影片及计算颜色通道的平均灰度值,并检测帧与前一帧之间的差异(Matlab代码实现)
|
7月前
|
机器学习/深度学习 传感器 算法
【图像误差测量】测量 2 张图像之间的差异,并测量图像质量(Matlab代码实现)
【图像误差测量】测量 2 张图像之间的差异,并测量图像质量(Matlab代码实现)