相机标记[置顶] OpenCV for Ios 学习笔记(6)

相机标记[置顶] OpenCV for Ios 学习笔记(6)－标记检测3

时光紧张，先记一笔，后续优化与完善。

标记位置的精细化

//根据相机的旋转，整调标记的姿态
//marker:捕获到的标记
            std::rotate(marker.points.begin(), marker.points.begin() + 4 - nRotations, marker.points.end());

在捕获到标记后并且根据标记编码筛选后，我们该应重新定义它们的角。这步有助于面下估计标记的3d态形。

std::vector<cv::Point2f> preciseCorners(4 * goodMarkers.size());
        //找到全部标记的角点
        for (size_t i=0; i<goodMarkers.size(); i++)
        {
            const Marker& marker = goodMarkers[i];
            
            for (int c = 0; c <4; c++)
            {
                preciseCorners[i*4 + c] = marker.points[c];
            }
        }
        //类型
        /* 
         CV_TERMCRIT_ITER 用大最迭代次数作为止终条件
         CV_TERMCRIT_EPS 用精度作为迭代条件
         CV_TERMCRIT_ITER+CV_TERMCRIT_EPS 用大最迭代次数或者精度作为迭代条件，决定于哪个条件先满意
         */
        //迭代的大最次数
        //特定的阀值
        cv::TermCriteria termCriteria = cv::TermCriteria(cv::TermCriteria::MAX_ITER | cv::TermCriteria::EPS, 30, 0.01);
        
        //输入图像
        //输入的角点，也作为输出更确精的角点
        //亲近的小大（Neighborhood size）
        //Aperture parameter for the Sobel() operator
        //像素迭代（扩大）的方法
        cv::cornerSubPix(grayscale, preciseCorners, cvSize(5,5), cvSize(-1,-1), termCriteria);
        
        // 保存最新的点顶
        for (size_t i=0; i<goodMarkers.size(); i++)
        {
            Marker& marker = goodMarkers[i];
            
            for (int c=0;c<4;c++)
            {
                marker.points[c] = preciseCorners[i*4 + c];
            }
        }

我们到得的图像该应像这样：

但是须要意注一点，我们在标记测检的初期的阶段没有用应cornerSubPix数函是因为它的复杂性－调用这个数函处置大批点顶时会消耗大批的处置时光，因此我们只在处置有效标记时用应。

描写标记的3维态形

总所周知，增强实现技巧是将实现界世与虚拟物体完善融合。为了将物体呈现到3维间空中，我们必须晓得它于对相我们正在行进帧捕获的相机的姿态。因此，我们将会在笛卡尔坐标系中用应欧几里得转换来示表这个姿态。

标记在3维间空的位置和它本身的投影矩阵有以下关联：

P = A * [R|T] * M;

其中:

每日一道理
共和国迎来了她五十诞辰。五十年像一条长河，有急流也有缓流；五十年像一幅长卷，有冷色也有暖色；五十年像一首乐曲，有低音也有高音；五十年像一部史诗，有痛苦也有欢乐。长河永远奔流，画卷刚刚展开，乐曲渐趋高潮，史诗还在续写。我们的共和国正迈着坚定的步伐，跨入新时代。

M示表一个3维的点

[R|T] 示表一个[3|4]的欧几里得矩阵

A示表一个相机矩阵或者固有的矩阵数参

P示表M在屏幕间空中的投影

在我们实现标记标记测检，并且到得它在2维间空的4个角点（屏幕间空投影），下一步我们就要取获A矩阵和M向量数参并算计欧几里得矩阵变换。

Camera Calibration and 3D Reconstruction

相机准校

每一个相机都有具特独的数参,如焦距、主点,和镜头畸变模型。

找出相机内涵数参的程过就是相机准校。因为相机准校描述了透视变换和在输出图像上的镜头畸变，因此对增强实现用应至关重要。为了得取最好的用户体验，增强实现中的物体也该应用应同相的透视投影。

为了准校相机，我们须要一个特别的图案(棋盘或者白色景背上的色黑圆圈)。面下是实现相机准校的一个较好的法算：

用应棋盘格来行进摄像机标定

为了示展相机准校，我们建创CameraCalibration类：

/**
 * 一个相机准校类，存储相机的内涵数参和畸变向量
 */

class CameraCalibration
{
public:
  CameraCalibration();
  CameraCalibration(float fx, float fy, float cx, float cy);
  CameraCalibration(float fx, float fy, float cx, float cy, float distorsionCoeff[4]);
  
  void getMatrix34(float cparam[3][4]) const;

  const Matrix33& getIntrinsic() const;
  const Vector4&  getDistorsion() const;
  
private:
  Matrix33 m_intrinsic;
  Vector4  m_distorsion;
};

体具实现：

待传

接链：

http://docs.opencv.org/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html

注：该学习条记重要翻译自Mastering OpenCV with Practical Computer Visi

文章结束给大家分享下程序员的一些笑话语录：程序员打油诗　　
　　写字楼里写字间，写字间里程序员;
　　程序人员写程序，又拿程序换酒钱。
　　酒醒只在网上坐，酒醉还来网下眠;
　　酒醉酒醒日复日，网上网下年复年。
　　但愿老死电脑间，不愿鞠躬老板前;
　　奔驰宝马贵者趣，公交自行程序员。
　　别人笑我忒疯癫，我笑自己命太贱;
　　不见满街漂亮妹，哪个归得程序员。