Pegar código: medición de distancia binocular: 5 cámaras binoculares combinadas con YOLOv8_Love pescando el blog del mono torcido-blog CSDN
0. Proyección de imágenes
Puede usar matlab para hacer una proyección de imágenes binoculares, es decir, para hacer posicionamiento binocular.
Los amigos que están familiarizados con matlab pueden usar matlab para hacer una calibración de doble objetivo. Nunca he estado en contacto con él y no sé cómo exportar los resultados de la calibración, así que solo lo uso para la detección de imágenes y luego uso OpenCV. para la calibración, porque el desarrollo posterior también es OpenCV
Todas las imágenes están calibradas binocularmente y se puede ver que hay varios pares de imágenes con errores relativamente grandes.
Elimine estos pares de imágenes y verifique nuevamente la calibración
1. Calibración de objetivo único (método de calibración de Zhang Youzheng)
Obtenga cameraMatrix (valor de parámetro interno) y disCoeffs (matriz de distorsión) de las cámaras izquierda y derecha
2. Fijación de doble objetivo
Corrija los valores de los parámetros internos y la matriz de distorsión de las cámaras izquierda y derecha, y encuentre R (la matriz de rotación del sistema de coordenadas de la cámara derecha en relación con el sistema de coordenadas de la cámara izquierda), T (el vector de traducción del sistema de coordenadas de la cámara derecha) relativo al sistema de coordenadas de la cámara izquierda), E (esta matriz Eigen), F (matriz fundamental)
Obtenga además la matriz de mapeo requerida para la corrección de distorsión y la corrección estéreo, y la matriz de mapeo de diferencia de profundidad Q
Imagen original:
Después de la corrección de distorsión y la corrección estéreo:
Dibuje una línea horizontal para verificar si las filas están alineadas y verifique la calidad de la corrección
3. Obtenga el mapa de profundidad y use yolov8 para la detección de objetivos
Usando los resultados de la calibración binocular, la corrección de la distorsión y la corrección estéreo se realizan en las imágenes de la cámara izquierda y derecha. En este momento, las dos cámaras están coplanares y alineadas.
Utilice el algoritmo de coincidencia estéreo SGBM para obtener el mapa de disparidad y, además, obtenga la información de profundidad (mapa de profundidad) de cada píxel de la imagen.
yolov8 realiza la detección de objetos en la imagen de la cámara izquierda corregida, y el valor de profundidad del punto central del cuadro objetivo es la distancia
otro:
configuración de parámetros de banderas stereoRectify()
imagen original
banderas - establecer en CV_CALIB_ZERO_DISPARITY
banderas - establecer en 0
banderas - establecer en -1
