康耐视 VisionPro CogCalibCheckerboardTool(校准)工具
vision
pytorch/vision: 一个基于 PyTorch 的计算机视觉库,提供了各种计算机视觉算法和工具,适合用于实现计算机视觉应用程序。
项目地址:https://gitcode.com/gh_mirrors/vi/vision
免费下载资源
·
CogCalibCheckerboardTool工具的作用就是校正应用程序以保证其返回的结果具有有意义
校准的基本方法与过程
- 架设好图像采集系统,固定相机、镜头、光源等器件
- 选择合适的标定片,放置到视野下,采集1张清晰的图像
- 将标定板照片,导入校准工具(CogCalibCheckerboard),设置参数计算标定
基本作用:
- 实现像素和真实单位(mm)之间的转换
- 可以纠正线性或者非线性转换畸变,非线性转换说明存在光学或者透视扭曲
有三种常见的扭曲类型需要说明:纵横,透视,放射
标定片/标定片类别
基础版
校准版
可选项,校准板可以有一个原点,以两个交叉矩形表示,如果找到,该点将成为原始校准空间,的原点,如果没有找到,原始校准空间的原点是最接近校准图像中心的顶点
无基准符号,校正原点在视野中心最近的格子顶点或点中心作为原点
DataMatrix代码基准
CogCalibCheckerboardTool 还支持带有多个DataMatrix代码基准标记的棋盘格校准板。这些板使用DataMatrix代码标记板上多个网格顶点的位置以及板的网格间距(连续对应点或线之间的距离)。下图显示了多个DataMatrix基准标记如何用于在棋盘校准板上标记四个顶点(在这种情况下,是一个2mm网格间距的板):
- 校准板要求:
- 黑白瓷块必须以交叉图案方式排列
- 黑白瓷块必须具有同样的尺寸
- 瓷块必须为矩形,其纵横比范围是0.90 到1.10
- 材质:
- 所采集的图像:
- 所采集的图像必须包括至少9个完整瓷块
- 所采集的图像中的瓷块必须至少为15×15像素
- 总而言之,增加校准图像中可见的瓷块数量(通过减小校准板上瓷块的尺寸) 提高校准的精确度
添加图像与工具
参数介绍
校正模式
考虑线性畸变
自由度
特性搜寻器
基准符号
尺寸(棋盘格现实的尺寸)
抓取矫正图像
计算矫正
计算前后的坐标
替换需要测量的图片
校准之后会缓存坐标点,之前的校准图片就不需要了
添加卡尺工具
设置输出图片
测量
注意:由之前的测量出来的像素,变成真实的尺寸
DataMatrix
总结
- 校正需要传递两次图片
- 校准工具做了什么?
获得两组点:
采集的图像中的顶点
原始校准空间中的顶点,基于提供的瓷块尺寸信息
- 然后该工具计算非线性转换,表示两个图像中对应点之间的映射关系
- 该工具使用该校准转换来弯曲运行期间图像以便消除在校准过程中探测到的扭曲
GitHub 加速计划 / vi / vision
15.85 K
6.89 K
下载
pytorch/vision: 一个基于 PyTorch 的计算机视觉库,提供了各种计算机视觉算法和工具,适合用于实现计算机视觉应用程序。
最近提交(Master分支:3 个月前 )
518ee93d
11 天前
7d077f13
12 天前
更多推荐
已为社区贡献10条内容
所有评论(0)