[프로젝트] Checkboard Image calibration 미니 프로젝트 (with python코드)

https://github.com/woodong11/Checkboard_Calibration

GitHub - woodong11/Checkboard_Calibration: 폴더 안에 들어있는 체크보드 이미지들을 이용해 python으로 calib

 

 

calibration으로 여러장의 체크보드 이미지로 intrinsic parameter, distortion coefficient, rveves, tveces를 구하는 코드입니다.

이런식으로 현재 폴더 안에 image 폴더를 만들어 주고 이미지들을 넣은 다음 실행해줍니다.

(확장자명이 다르다면 코드상에서 변경 가능합니다)

 

 

<예시 이미지>

원본이미지

코너 좌표를 찍고 calibration한 이미지, undistortion한 이미지

 

 

<python 코드>

import cv2
import numpy as np
import glob
from matplotlib import pyplot as plt


# 코너의 가로, 세로, 사이즈, 불러올 이미지 정하기
checkboard_x = 6
checkboard_y = 8
checkboard_size = 30
folder_path = './image'                         # 이미지들이 들어있는 폴더 경로
image_list = glob.glob(folder_path + '/*.jpg')  # 확장자명에 따라 변경하기

# 정확도 향상, 체크보드 그리드 포인트 생성
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
obj_points = []     # 실제 3D 포인트
img_points = []     # 실제 2D 포인트
obj_grid = np.zeros((1, checkboard_x*checkboard_y, 3), np.float32)
obj_grid[0, :, :2] = np.mgrid[0:6,0:8].T.reshape(-1, 2)



#이미지 가져오기
for image_path in image_list:
    img = cv2.imread(image_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 이미지에서 체크보드 패턴 찾기
    ret, corners = cv2.findChessboardCorners(gray,
                                                (checkboard_x,checkboard_y),
                                                cv2.CALIB_CB_ADAPTIVE_THRESH 
                                            + cv2.CALIB_CB_FAST_CHECK 
                                            + cv2.CALIB_CB_NORMALIZE_IMAGE)

    if ret == True:
        obj_grid = obj_grid * checkboard_size
        obj_points.append(obj_grid)
        corners2 = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria)    # 코너 좌표 정확도 높이기
        img_points.append(corners2)
        img = cv2.drawChessboardCorners(img, (6,8), corners2, ret)

# calibration 실행
ret, camera_matrix, dist_coef, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None)

# undistort을 보여줄 새로운 매트릭스 정의
h, w = img.shape[:2]
new_matrix, roi = cv2.getOptimalNewCameraMatrix(camera_matrix, dist_coef, (w, h), 1, (w, h))

# undistort 하기
img_undst = cv2.undistort(img,camera_matrix, dist_coef, None, new_matrix)

# 카메라 보정 오차 계산
mean_error = 0
for i in range(len(obj_points)):
    img_points2, _ = cv2.projectPoints(obj_points[i], rvecs[i], tvecs[i], camera_matrix, dist_coef)
    error = cv2.norm(img_points[i], img_points2, cv2.NORM_L2) / len(img_points2)    
    mean_error += error

# calibration 결과 출력
print("Camera Intrinsic matrix:\n", camera_matrix, end = "\n\n")
print("Distortion coefficients:\n", dist_coef, end= "\n\n")
print("Total Error\n", mean_error / len(obj_points), end="\n\n")
# 이미지에서 검출된 대상이 카메라를 중심으로 어떤 각도로 회전되었는지를 나타내는 벡터. 각각 x, y, z 축을 중심으로 회전하는 각도
print("rvecs:\n", rvecs, end= "\n\n")   
# 월드 좌표계에서 좌표계에서 카메라의 위치를 나타냄
print("tvecs:\n", tvecs, end= "\n\n") 


# 결과 사진 출력
fig, axis = plt.subplots(1, 2, figsize=(10, 5))
axis[0].imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
axis[1].imshow(cv2.cvtColor(img_undst, cv2.COLOR_BGR2RGB))
axis[0].set_title('Image calibration')
axis[1].set_title('undistorted Image')
plt.show()