11
나는 스테레오 캠 장치를 함께 사용하여 좋은 불일치 맵을 생성하는 데 문제가 있습니다. 여기에 두 개의 정류 이미지의 예 내가 그들과 함께 생산 된 상이지도는 다음과 같습니다 당신이 볼 수 있듯이OpenCV에서 StereoBM을 사용하는 불일치 맵
는, 결과는 아주 나쁜 있습니다. StereoBM의 설정을 변경해도 그다지 변하지 않습니다.
셋업
- 카메라는 둘다 동일 모델이며, USB로 컴퓨터에 연결합니다.
- 그들은 움직이지 않도록 단단한 나무 보드에 고정됩니다. 내가 할 수있는 최선의 방법으로 그들을 정렬했지만, 물론 완벽하지는 않습니다. 그들은 움직일 수 없기 때문에 교정 중 및 교정 후 위치가 동일합니다.
- OpenCV를 사용하여 스테레오 쌍을 보정하고 OpenCV의
StereoBM클래스를 사용하여 디스 패리티 맵을 생성합니다. - 아마도 그다지 관련이 없지만 파이썬으로 코딩하고 있습니다. 내가 지금까지 전문가가되는,하지만 난 문제를 추측하고있어 교정이나에 내가 처음이 일을하고있어
상상, 그렇게 할 수
문제 스테레오 정류, 디스 패리티 맵의 계산보다. 나는 StereoBM에 대한 설정의 모든 순열을 시험해 보았습니다. 그리고 다른 결과를 얻었지만, 모두 위의 불일치 맵과 같습니다 : 흑백 패치.
이 개념은 내가 이해할 수있는 것처럼 스테레오 수정이 각 그림의 모든 점을 정렬하여 직선 (내 경우 수평선)으로 연결되도록해야한다는 사실에 의해 뒷받침됩니다. 두 교정 된 사진을 서로 옆에서 조사해 본다면 이것이 사실이 아니라는 것이 즉시 분명합니다. 대응점은 왼쪽보다 오른쪽 그림에서 훨씬 높습니다. 하지만 교정이나 정류가 문제인지는 잘 모르겠습니다.
코드
실제 코드가 객체에 싸여있다 - 당신은 그것의 전체를보고 관심이 경우, 그것은 on GitHub 사용할 수 있습니다.
import cv2
import numpy as np
## Load test images
# TEST_IMAGES is a list of paths to test images
input_l, input_r = [cv2.imread(image, cv2.CV_LOAD_IMAGE_GRAYSCALE)
for image in TEST_IMAGES]
image_size = input_l.shape[:2]
## Retrieve chessboard corners
# CHESSBOARD_ROWS and CHESSBOARD_COLUMNS are the number of inside rows and
# columns in the chessboard used for calibration
pattern_size = CHESSBOARD_ROWS, CHESSBOARD_COLUMNS
object_points = np.zeros((np.prod(pattern_size), 3), np.float32)
object_points[:, :2] = np.indices(pattern_size).T.reshape(-1, 2)
# SQUARE_SIZE is the size of the chessboard squares in cm
object_points *= SQUARE_SIZE
image_points = {}
ret, corners_l = cv2.findChessboardCorners(input_l, pattern_size, True)
cv2.cornerSubPix(input_l, corners_l,
(11, 11), (-1, -1),
(cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS,
30, 0.01))
image_points["left"] = corners_l.reshape(-1, 2)
ret, corners_r = cv2.findChessboardCorners(input_r, pattern_size, True)
cv2.cornerSubPix(input_r, corners_r,
(11, 11), (-1, -1),
(cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS,
30, 0.01))
image_points["right"] = corners_r.reshape(-1, 2)
## Calibrate cameras
(cam_mats, dist_coefs, rect_trans, proj_mats, valid_boxes,
undistortion_maps, rectification_maps) = {}, {}, {}, {}, {}, {}, {}
criteria = (cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS,
100, 1e-5)
flags = (cv2.CALIB_FIX_ASPECT_RATIO + cv2.CALIB_ZERO_TANGENT_DIST +
cv2.CALIB_SAME_FOCAL_LENGTH)
(ret, cam_mats["left"], dist_coefs["left"], cam_mats["right"],
dist_coefs["right"], rot_mat, trans_vec, e_mat,
f_mat) = cv2.stereoCalibrate(object_points,
image_points["left"], image_points["right"],
image_size, criteria=criteria, flags=flags)
(rect_trans["left"], rect_trans["right"],
proj_mats["left"], proj_mats["right"],
disp_to_depth_mat, valid_boxes["left"],
valid_boxes["right"]) = cv2.stereoRectify(cam_mats["left"],
dist_coefs["left"],
cam_mats["right"],
dist_coefs["right"],
image_size,
rot_mat, trans_vec, flags=0)
for side in ("left", "right"):
(undistortion_maps[side],
rectification_maps[side]) = cv2.initUndistortRectifyMap(cam_mats[side],
dist_coefs[side],
rect_trans[side],
proj_mats[side],
image_size,
cv2.CV_32FC1)
## Produce disparity map
rectified_l = cv2.remap(input_l, undistortion_maps["left"],
rectification_maps["left"],
cv2.INTER_NEAREST)
rectified_r = cv2.remap(input_r, undistortion_maps["right"],
rectification_maps["right"],
cv2.INTER_NEAREST)
cv2.imshow("left", rectified_l)
cv2.imshow("right", rectified_r)
block_matcher = cv2.StereoBM(cv2.STEREO_BM_BASIC_PRESET, 0, 5)
disp = block_matcher.compute(rectified_l, rectified_r, disptype=cv2.CV_32F)
cv2.imshow("disparity", disp)
잘못 여기서 뭐하는거야 : 여기에 실제로 (난 그냥이 사진보다 더를 사용하여 보정, 실제 코드에 물론)을 실행 무슨의 단순화 된 예는?