ROS标定海康威视摄像头

news2024/11/20 1:52:18

ROS视摄像头标定----海康威视

引言:

​ 摄像头标定是为了确保视觉系统能够准确反映现实世界中的对象,并消除图像中的畸变效果。在本实验中,我们使用了ROS中的功能包进行摄像头标定。标定的原理包括畸变校正和摄像头参数估计。通过移动标定板并捕获不同角度和距离的图像,我们可以获取摄像头的内参和外参。这些参数将使得图像处理和三维构建更加准确和可靠。通过本实验,我们将深入了解标定的流程,并熟悉使用ROS功能包进行标定的方法。这将为我们提供可靠的摄像头数据,为后续的机器人视觉任务奠定基础。

希望你在本次学习过后,能够有一定的收获!!!

推荐歌曲—不在联系-程响

​ 冲啊!!!! ٩(͡๏̯͡๏)۶ ٩(͡๏̯͡๏)۶ ٩(͡๏̯͡๏)۶

文章目录

  • ROS视摄像头标定----海康威视
    • 一、实验前言
    • 二、准备工作
      • 实验器材
      • 实验环境
    • 三、安装功能包
    • 四、标定流程
    • 五、心得总结

一、实验前言

在进行相关的实验之前,让我们先来了解一下相关的内容!!!

为什么要进行标定

  1. 准确性: 通过标定摄像头,可以确保视觉系统捕获的图像准确反映现实世界中的对象。这对于机器人的导航、物体识别和操作等任务至关重要。
  2. 畸变校正: 几乎所有的摄像头镜头都会引入某种形式的畸变,特别是广角镜头。畸变会使得图像呈现出凹凸不平的效果,通过标定过程可以识别并校正这种畸变。
  3. 世界坐标系映射: 在进行物体抓取或场景理解时,必须将图像坐标转换为现实世界的三维坐标。标定过程能够建立图像像素与实际物理世界坐标之间的关系。

标定的原理

视摄像头标定的原理主要涉及两大部分:畸变校正和摄像头参数估计。

  1. 畸变校正: 摄像头镜头畸变主要分为径向畸变和切向畸变。

    • 径向畸变是最常见的一种畸变类型,随着离镜头中心的距离增加变得越来越显著,主要表现为图像的拉伸或压缩。
    • 切向畸变通常发生因为摄像头镜片没有完全平行于成像平面,造成的图像位置偏移。

    畸变参数的估算通过标定过程进行,使用这些参数,可以准确地校正图像,消除畸变效果。

  2. 摄像头参数估计: 主要分为内参和外参。

    • 内参包括焦距(f)、主点坐标(c_x,c_y)以及畸变系数,这些参数反映了摄像头自身特性。
    • 外参反映了摄像头相对于某个世界坐标系的位置和方向。外参对于确定摄像头视角、进行多摄像头系统同步和世界坐标系映射尤为重要。

标定过程

ROS典型的视摄像头标定过程使用棋盘格标定板,捕获不同角度和距离的棋盘格图像,利用这些图像计算摄像头的内外参数。通过这一过程,可以完成摄像头的标定,进而用于准确地图像处理和三维构建。

综上所述,摄像头标定是确保视觉系统在实际应用中发挥出良好性能的基础。正确的标定过程可以显著提升机器人视觉任务的准确度和可靠性。

接下来然我们进行相应的实验内容。

二、准备工作

实验器材

  1. 一个摄像头–啥摄像头都可以,只要对应的电脑能够读取(我这边采用海康威视
  2. 一台可以开启并且正常运行的电脑
  3. 一个标定板 (我这边就拿手机放标定板图片作为标定目标)

如为对应的实验器材图片

  • 海康威视摄像头

    在这里插入图片描述

  • 标定板图片

    在这里插入图片描述

实验环境

  1. ROS版本 —> Melodic Morenia
  2. ubuntu版本—> 18.04 LTS

三、安装功能包

在ROS中安装camera_calibration功能包是非常简单的。可以通过以下步骤来安装camera_calibration功能包:

  1. 打开终端窗口。
  2. 输入以下命令以更新软件包列表:
   sudo apt-get update
  1. 然后,输入以下命令以安装camera_calibration功能包:
   sudo apt-get install ros-melodic-camera-calibration
  1. 系统将提示您输入密码以进行安装。输入密码并按下Enter键。

  2. 系统将自动下载并安装camera_calibration功能包以及其相关依赖项。请耐心等待安装完成。

安装完成后,就可以在ROS中使用camera_calibration功能包进行相机标定实验。

并且我们也可以阅相关文档或实验报告,按照给定的指导进行后续操作和使用camera_calibration功能包进行相机标定。

就比如安装完后,我们可以进行摄像头的测试,检测摄像头是否正确连接对应的功能包是否安装正确

  1. 启动ROS

    roscore
    
  2. 启动摄像头驱动节点:

    roslaunch usb_cam usb_cam-test.launch
    

    在这里插入图片描述

  3. 查看话题

    rostopic list  #列出 topic 确保相机正在通过ROS发布图像
    ———————输出—————————
    /image_view/output
    /image_view/parameter_descriptions
    /image_view/parameter_updates
    /rosout
    /rosout_agg
    /usb_cam/camera_info
    /usb_cam/image_raw
    /usb_cam/image_raw/compressed
    /usb_cam/image_raw/compressed/parameter_descriptions
    /usb_cam/image_raw/compressed/parameter_updates
    /usb_cam/image_raw/compressedDepth
    /usb_cam/image_raw/compressedDepth/parameter_descriptions
    /usb_cam/image_raw/compressedDepth/parameter_updates
    /usb_cam/image_raw/theora
    /usb_cam/image_raw/theora/parameter_descriptions
    /usb_cam/image_raw/theora/parameter_updates                        
    

四、标定流程

  1. 启动摄像头驱动节点:

    rosrun usb_cam usb_cam_node
    roslaunch usb_cam usb_cam-test.launch
    
  2. 查看图像话题是否发布:

rostopic list  #列出 topic 确保相机正在通过ROS发布图像

在这里插入图片描述

  1. 新开一个终端,运行标定节点:
rosrun camera_calibration cameracalibrator.py --size 7x9 --square 0.1 image:=/usb_cam/image_raw camera:=/head_camera --no-service-check

此命令运行标定结点的python脚本,其中 :
(1)–size 7x9 为棋盘内部角点的个数,方格几列几行(需要减1),比如我的标定板方格是8X10,则siez为7x9。
(2)–square 0.1为每个棋盘格的边长
(3)image:=/usb_cam/image_raw 为当前订阅的图像来自名为/usb_cam/image_raw的topic
(4)camera:=/head_camera为摄像机名(我试过写camera:=/camera也可以,目前还不知道是什么原因…)
(5)加上–no-service-check是因为一开始运行后出现下面的错误,参考官网加上此参数后就可正常显示:

('Waiting for service', '/camera/set_camera_info', '...')
Service not found

这将打开标定窗口,如下图所示:

在这里插入图片描述

  1. 移动标定板:

为了达到良好的标定效果,需要在摄像机周围移动标定板,并完成以下基本需求:
(1)移动标定板到画面的最左、右,最上、下方。
(2)移动标定板到视野的最近和最远处。
(3)移动标定板使其充满整个画面。
(4)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,窗口的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,也可以理解为标定板离摄像头的远近。skew为标定板在视野中的倾斜位置。每次移动之后,请保持标定板不动直到窗口出现高亮提示。
直到条形变为绿色。当calibration按钮亮起时,代表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,标定界面会变成灰色,无法进行操作,属于正常情况。

在这里插入图片描述

  1. 获得标定结果:
    在标定完成后,终端会输出校正结果。如下所示:
    在这里插入图片描述

如下为对应的字段解析

  • distortion为畸变系数矩阵。
  • camera matrix:摄像头的内部参数矩阵
  • distortion:畸变系数矩阵
  • rectification:矫正矩阵,一般为单位阵
  • projection:外部世界坐标到像平面的投影矩阵
  • K:相机内参矩阵
  1. 保存查看结果

    点击SAVE按钮。

    如果对标定结果满意,点击COMMIT按钮将结果保存到默认文件夹
    并且我们可以将它修改为对应的yaml文件,便于以后使用

    在这里插入图片描述

五、心得总结

通过本次实验,我对ROS视摄像头标定的过程有了更深刻的理解和实践经验。以下是我的一些心得和总结:

  1. 理论与实践相结合:在理论学习中了解到的标定原理,如畸变校正和摄像头参数估计,在实践操作中得到了具体应用。亲手进行标定过程,使我能够更直观地理解参数如何影响图像质量,并实际观察到校正畸变后图像的改善。
  2. 细节至关重要:实验过程中,我认识到了准确操作和细节处理的重要性。如确保标定板的清晰度、多角度和多位置的捕捉对提高标定精度有显著影响。此外,学会解读标定过程中的图形界面反馈,以及如何通过这些反馈改善数据采集,是成功标定的关键。
  3. 实验环境的重要性:良好的环境条件对于实验结果具有一定影响。例如,稳定的照明可以减少图像中的噪声,并提高角点检测的准确性。
  4. 耐心与仔细观察:在标定过程中,一定要保持耐心。多次调整标定板至不同位置和角度直到所有指示条都变为绿色,才能确保收集到足够用于计算的数据点。

最后感谢大佬友情链接:

  • ROS摄像头标定_rosrun camera_calibration cameracalibrator.py-CSDN博客

  • ROS下采用camera_calibration进行单目相机标定_rosrun camera_calibration cameracalibrator.py-CSDN博客

  • 基于ros的机器视觉–摄像头标定_sudo apt-get install ros-kinetic-camera-calibratio-CSDN博客

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1624364.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

美国服务器vs香港服务器,哪个网站部署打开更快一些?

网站打开速度受多种因素影响,包括服务器地理位置、网络质量、带宽等。用户距离服务器越近,访问速度越快。对于中国大陆用户而言,香港的服务器可能会提供更快的网站访问体验,因为香港距离大陆较近,且网络连接通常较好。…

ssm079基于SSM框架云趣科技客户管理系统+jsp

客户管理系统设计与实现 摘 要 现代经济快节奏发展以及不断完善升级的信息化技术,让传统数据信息的管理升级为软件存储,归纳,集中处理数据信息的管理方式。本客户管理系统就是在这样的大环境下诞生,其可以帮助管理者在短时间内处…

【ZYNQ】zynq启动模式及程序固化

一、前言 由于zynq含有arm cpu ,其启动模式由ps主导,与纯逻辑的fpga不相同,此处做一个记录。 二、zynq启动模式 关于zynq的启动模式详细内容可以参考官方文档:ug585-Zynq 7000 SoC Technical Reference Manual,第六章。 2.1 启…

centos 7 yum install -y nagios

centos 7 systemctl disable firewalld --now vi /etc/selinux/config SELINUXdisabled yum install -y epel-release httpd nagios yum install -y httpd nagios systemctl enable httpd --now systemctl enable nagios --now 浏览器 IP/nagios 用户名:…

GPT的全面历史和演变:从GPT-1到GPT-4

人工智能新篇章:GPT-4与人类互动的未来! 本文探讨了生成式预训练 Transformer (GPT) 的显着演变,提供了从开创性的 GPT-1 到复杂的 GPT-4 的旅程。 每次迭代都标志着重大的技术飞跃,深刻影响人工智能领域以及我们与技术的互动。 我…

Codeforces Round 939 D. Nene and the Mex Operator 【构造、思维、状压】

D. Nene and the Mex Operator 题意 给定一个长度为 n n n 的正整数数组 a a a,定义操作: 选定一个区间 [ l , r ] [l, r] [l,r],将区间内的数字替换成: m e x ( a l , a l 1 , . . . , a r ) mex(a_l,a_{l1},...,a_r) mex(…

探索适合你的6个兼职副业之路

在当下这个多元化的社会,寻找一份适合自己的兼职副业已成为许多人的追求。市场上的选择繁多,从线上调查到电子商务,每一种副业都有其独特的魅力和挑战。下面,我将为大家介绍六种热门的兼职副业选择,希望能够帮助你找到…

深度学习检测算法YOLOv5的实战应用

在当前的检测项目中,需要一个高效且准确的算法来处理大量的图像数据。经过一番研究和比较,初步选择了YOLOv5作为算法工具。YOLOv5是一个基于深度学习的检测算法,以其快速和准确而闻名。它不仅能够快速处理图像数据,还能提供较高的…

Springboot+Vue项目-基于Java+MySQL的网上点餐系统(附源码+演示视频+LW)

大家好!我是程序猿老A,感谢您阅读本文,欢迎一键三连哦。 💞当前专栏:Java毕业设计 精彩专栏推荐👇🏻👇🏻👇🏻 🎀 Python毕业设计 &…

【Python数据库】Redis

文章目录 [toc]数据插入数据查询数据更新数据删除查询存在的所有key 个人主页:丷从心 系列专栏:Python数据库 学习指南:Python学习指南 数据插入 from redis import Redisdef insert_data():redis_cli Redis(hostlocalhost, port6379, db…

软件工程中的耦合和内聚

耦合 在软件工程中,耦合是一个重要的概念,用于描述模块或组件之间的相互依赖程度。 从非直接耦合到内容耦合的耦合性依次升高,所以非直接耦合是我们最想见到的结果,内容耦合是我们最不想见到的结果。 非直接耦合数据耦合标记耦…

车企的数智化“内功”,大模型帮修炼

文|白 鸽 编|王一粟 时隔4年回归的北京车展,遇上了中国智能汽车的热潮。 开年价格战的持续洗礼,不仅让一众中国车企都慌得一批,也让全球巨头特斯拉也面临一季度销量大跌局面。 与此同时,智能汽车还在…

阿斯达年代记下载注册+短信验证教程分享

阿斯达年代记:三强争霸》预计将于4月24日盛大发布,标志着一款新颖的MMORPG游戏面世,它跨越安卓、苹果和PC三大平台,实现数据互通,满足多元化玩家群体的需求。无论是追求移动便捷的手游爱好者,还是偏爱高性能…

Redis系列5:深入分析Cluster 集群模式

1 背景 前面我们学习了Redis高可用的两种架构模式:主从模式、哨兵模式。 解决了我们在Redis实例发生故障时,具备主从自动切换、故障转移的能力,终保证服务的高可用。 但是这些其实远远不够,随着我们业务规模的不断扩展&#xff0…

Golang GMP解读

概念梳理 1. 1 线程 通常语义中的线程,指的是内核级线程,核心点如下: 是操作系统最小调度单元;创建、销毁、调度交由内核完成,cpu 需完成用户态与内核态间的切换;可充分利用多核,实现并行. …

指标+AI:迈向智能化,让指标应用更高效

近日,以“DataAI,构建新质生产力”为主题的袋鼠云春季发布会圆满落幕,大会带来了一系列“AI”的数字化产品与最新行业沉淀,旨在将数据与AI紧密结合,打破传统的生产力边界,赋能企业实现更高质量、更高效率的…

Java集合框架-Collection-List-vector(遗留类)

目录 一、vector层次结构图二、概述三、底层数据结构四、常用方法五、和ArrayList的对比 一、vector层次结构图 二、概述 Vector类是单列集合List接口的一个实现类。与ArrayList类似,Vector也实现了一个可以动态修改的数组,两者最本质的区别在于——Vec…

hertzbeat 源码阅读记录

关于自定义标签的说明 EmailValid.java HostValid PhoneNumValid 枚举值说明:

TCP协议数据传输过程及报文分析

目录 TCP数据的传输过程 建立连接(三次握手) 第一次握手 第二次握手 第三次握手 总结 数据传输 断开连接(四次挥手) 第一次挥手 第二次挥手 第三次挥手 第四次挥手 总结 最后 TCP数据的传输过程 TCP(Tra…