一、前言

在我的工業相機專欄里已經將相機標定涉及到的理論部分講解完畢，為什么要標定以及標定要求出什么參數呢，用一個Halcon 例程來幫助理解。
這個例程是比較經典的標定程序，基本將標定過程講的比較清楚，用的標定圖像是系統自帶的，如果想自己做可以在Halcon助手選項里拍照生成。

二、代碼

* 設置窗口和字體 ImgPath := '3d_machine_vision/calib/' dev_close_window () dev_open_window (0, 0, 640, 480, 'black', WindowHandle) dev_update_off () dev_set_draw ('margin') dev_set_line_width (3) set_display_font (WindowHandle, 22, 'mono', 'true', 'false') * * 相機標定過程 * * 生成面陣相機初始參數，參數均為相機已知參數 * （: : 焦距, 畸變因子, Sx, Sy, Cx, Cy, 圖像寬度, 圖像高度 : CameraParam存儲元組） * （Sx, Sy為傳感器芯片上兩個相鄰單元之間的水平豎直距離，也就是像素的大小，單位為m/像素；Cx, Cy為圖像原點的行列坐標，單位為像素；） gen_cam_par_area_scan_division (0.012, 0, 0.00000375, 0.00000375, 640, 480, 1280, 960, StartCamPar) *創建Halcon標定數據模型（標定類型，相機數量，標定物數量，模型句柄） *其作用在于指定相機標定類型，設置標定過程，存儲標定數據和結果。 create_calib_data ('calibration_object', 1, 1, CalibDataID) *設定相機初始參數（句柄，相機參數索引，相機類型，起始相機參數） *此段程序跑完的句柄見下圖。 set_calib_data_cam_param (CalibDataID, 0, [], StartCamPar) *設定標定板初始參數（句柄，標定板數量索引，標定板描述（文件名或者標定板所有點的三維坐標））此例生成三維坐標系坐標值（x,y,z），其中z為0；坐標原點在finder模式的中心Mark點中心，坐標系的z軸指向標定板，x軸指向右側，y軸指向下方，視角沿z軸。 set_calib_data_calib_object (CalibDataID, 0, 'calplate_80mm.cpd')//此文件可用記事本打開，里面記錄了標定板五個mark模式的點坐標和半徑。 calibration marks at y = -0.0290538 m -0.0374193548387097 -0.0290537554818005 0.000645161290322581

*讀圖，并生成落輪廓和點的特征參數值 NumImages := 7 for I := 1 to NumImages by 1 *讀圖，路徑在C盤用戶公共文檔里，% 2d是將數字按寬度為2，采用右對齊方式輸出，若數據位數不到2位，則左邊補空格，所以文件名為calib_0X。read_image (Image, ImgPath + 'calib_image_' + I$'02d')dev_display (Image)*尋找標定板并在模型中設定提取的點和輪廓信息*（圖像變量，句柄，相機的索引，標定板的索引，計數變量，參數名（使用六邊形標定板，設置額外的參數值，可以使圖像平滑等），參數值）*該算子將標定板每個點的輪廓和點坐標，索引和此圖像標定板相對于相機坐標系的位姿提取出來，保存在句柄中。*find_caltab在圖像中尋找標定板是基于標定板的特征——在一個亮的區域中存在黑色Mark點*算子對圖像高斯濾波（核大小為SizeGauss），接著閾值分割（與之大小為MarkThresh）將標定板的區域找出來.find_calib_object (Image, CalibDataID, 0, 0, I, [], [])*從標定數據模型中獲取基于輪廓的觀測數據*（輪廓變量，句柄，返回標定板查找模式的輪廓內含三個參數（marks（返回每一個輪廓，calib(返回查找模式的輪廓)，last_caltab（會返回上次成功的查找結果，但會忽略索引信息）），相機索引，標定板索引，變量）* 標定板查找器：有兩種模式，一種是特殊標記六邊形（即一個標記及其六個相鄰標記），其中四個或六個標記包含一個孔；另外是帶有矩形排列標記的校準板：校準板的邊緣在一角有一個三角形。這里是第一種，結果如下圖所示。get_calib_data_observ_contours (Caltab, CalibDataID, 'caltab', 0, 0, I)*從標定數據模型中獲取基于點的觀測數據get_calib_data_observ_points (CalibDataID, 0, 0, I, Row, Column, Index, StartPose)dev_set_color ('green')dev_display (Caltab)dev_set_color ('red')*畫出坐標的輪廓，輪廓以中心點的方式顯示（窗口句柄，中心點行坐標，列坐標，半徑）tuple_gen_const(: : Length, Const : Newtuple)（元組長度，常量初始值）disp_circle (WindowHandle, Row, Column, gen_tuple_const(|Row|,1.5)) endfor

關于find_calib的更多細節見鏈接：
Halcon相機標定

*最重要的算子：相機標定，通過同步的最小化過程確定所有相機參數； *計算相機內外參矩陣，原理見鏈接(https://blog.csdn.net/baidu_35536188/article/details/109772056) *（句柄，優化后的反投影的均方根誤差（RMSE），單位為像素，該誤差用來反映優化是否成功，越接近0表示效果越好） calibrate_cameras (CalibDataID, Errors) *獲取相機標定數據--內參值，將其存在CamParam上。 get_calib_data (CalibDataID, 'camera', 0, 'params', CamParam) *獲取標定板數據，將其第一幅圖的位姿存在Pose里。 get_calib_data (CalibDataID, 'calib_obj_pose', [0,1], 'pose', Pose)* To take the thickness of the calibration plate into account, the z-value * of the origin given by the camera pose has to be translated by the * thickness of the calibration plate. * Deactivate the following line if you do not want to add the correction. * *設置新的坐標原點。在Z軸坐標加0.02,主要是考慮標定板的厚度，該算子通過DX、DY和DZ給定的向量轉換3D poseIn的原點，并以poseNewOrigin形式返回結果。 set_origin_pose (Pose, 0, 0, 0.002, Pose) * measure the distance between the pitch lines

read_image (Image, ImgPath + 'ruler') dev_display (Image) * 準備提取垂直于矩形長軸的直邊。 矩形的中心在(Row,Column)，Phi為矩形主軸的角度，Lenth1和Lenth2為兩軸的長度，即矩形兩邊長度的一半。 * （矩形中心點的行坐標，列坐標，矩形的縱軸與水平的角度（弧度），矩形的半寬，矩形的半高，圖像的寬，高，要使用的插值類型，測量對象句柄） gen_measure_rectangle2 (690, 680, rad(-0.25), 480, 8, 1280, 960, 'bilinear', MeasureHandle) *提取垂直于矩形或環形弧的邊緣對 *（圖像，句柄，高斯平滑的西格瑪參數值，最小邊緣幅度，灰度值轉換的類型以確定邊緣如何成對，邊緣對第一條邊的中心的Row坐標，列坐標， 邊緣對第一條邊的邊緣幅度（帶符號），邊緣對第二條邊的中心的Row坐標，列坐標，邊緣幅度，邊緣對內部之間的距離，邊緣間距離） measure_pairs (Image, MeasureHandle, 0.5, 5, 'all', 'all', RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance) Row := (RowEdgeFirst + RowEdgeSecond) / 2.0 Col := (ColumnEdgeFirst + ColumnEdgeSecond) / 2.0 *顯示X點，如下圖所示。 disp_cross (WindowHandle, Row, Col, 20, rad(45)) *將圖像點轉換為世界坐標系的z=0平面 *（相機內參，位姿，行，列，單位，世界坐標系的X坐標點，Y坐標點） image_points_to_world_plane (CamParam, Pose, Row, Col, 'mm', X1, Y1) *計算兩點間的距離 distance_pp (X1[0:11], Y1[0:11], X1[1:12], Y1[1:12], Distance) *求平均距離和 tuple_mean (Distance, MeanDistance) *計算距離的標準差 tuple_deviation (Distance, DeviationDistance) disp_message (WindowHandle, 'Mean distance: ' + MeanDistance$'.3f' + 'mm +/- ' + DeviationDistance$'.3f' + 'mm', 'window', 30, 60, 'yellow', 'false')

三、總結

Halcon 的標定步驟總結如下：

gen_cam_par_area_scan_division：生成相機參數矩陣；

create_calib_data，set_calib_data_cam_param， set_calib_data_calib_object：創建標定數據模型，并設定相機和標定板的參數值，包括相機起始內參和標定板的坐標系。

find_calib_object,在多幅標定圖像中尋找標定板，并提取其輪廓和點特征，生成相對于相機坐標系的位姿矩陣（7維）。

calibrate_cameras，計算內外參，并計算誤差值。

讀實際要測量的圖，設定感興趣矩形區域，并通過邊緣檢測計算邊緣點坐標并標記出來，并根據計算出的內外參將二維坐標轉為3維坐標，計算出偏差。
綜合下來，感覺HALCON標定的過程還是比較清晰的，關鍵算子里面的程序還是需要理解一下。

總結

以上是生活随笔為你收集整理的Halcon例程（基于多个标定图的单目相机标定）详解—— Camera_calibration_multi_image.hdev的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。