做网站要钱的吗,青岛做网站建设的公司排名,广西南宁网站建设排行榜,加快网站打开速度文章目录 相机 内参 外参5.1.2 畸变模型单目相机的成像过程5.1.3 双目相机模型5.1.4 RGB-D 相机模型 实践5.3.1 OpenCV 基础操作 【Code】OpenCV版本查看 5.3.2 图像去畸变 【Code】5.4.1 双目视觉 视差图 点云 【Code】5.4.2 RGB-D 点云 拼合成 地图【Code】 习题题… 文章目录 相机 内参 外参5.1.2 畸变模型单目相机的成像过程5.1.3 双目相机模型5.1.4 RGB-D 相机模型 实践5.3.1 OpenCV 基础操作 【Code】OpenCV版本查看 5.3.2 图像去畸变 【Code】5.4.1 双目视觉 视差图 点云 【Code】5.4.2 RGB-D 点云 拼合成 地图【Code】 习题题1√ 题2题3√ 题4题5题6题7 空间点 投影到 相机成像平面
前面内容总结 1、机器人如何表示自身位姿
视觉SLAM 观测主要是指 相机成像 的过程。
投影过程描述 针孔 畸变
相机 内参 外参 像素坐标系 与 成像平面之间相差了一个缩放 和一个原点的平移。
像素坐标系 原点 o ′ o^{\prime} o′ 位于 图像 左上角 u u u 轴 向右 与 x x x 轴 平行 v v v 轴 向下 与 y y y 轴 平行
设像素坐标在 u u u 轴 上缩放了 α \alpha α 倍 在 v v v 轴 上缩放了 β \beta β 倍。同时原点 平移了 [ c x , c y ] T [c_x, c_y]^T [cx,cy]T 则 点 p ′ p^{\prime} p′ 的坐标 与像素坐标 [ u , v ] T [u, v]^T [u,v]T 之间的关系 { u α X ′ c x 由式 5.2 α ⋅ f X Z c x 令 f x α f f x X Z c x v β Y ′ c y 由式 5.2 β ⋅ f Y Z c x 令 f y β f f y Y Z c y \begin{equation*} \begin{cases} u \alpha X^{\prime} c_x \overset{由式5.2}{} \alpha ·f\frac{X}{Z} c_x \overset{令f_x \alpha f}{} f_x\frac{X}{Z} c_x \\ v \beta Y^{\prime} c_y \overset{由式5.2}{} \beta·f\frac{Y}{Z} c_x \overset{令f_y \beta f}{} f_y\frac{Y}{Z} c_y \end{cases} \end{equation*} {uαX′cx由式5.2α⋅fZXcx令fxαffxZXcxvβY′cy由式5.2β⋅fZYcx令fyβffyZYcy 其中 f x α f , f y β f f_x \alpha f, f_y\beta f fxαf,fyβf f f f 的单位 为 米 α , β \alpha, \beta α,β 的单位为 像素/米 f x , f y f_x, f_y fx,fy 和 c x , c y c_x, c_y cx,cy 的单位为 像素。 [ u v 1 ] [ f x 0 c x 0 f y c y 0 0 1 ] [ X Z Y Z 1 ] 1 Z [ f x 0 c x 0 f y c y 0 0 1 ] [ X Y Z ] d e f 1 Z K P \begin{align*}\begin{bmatrix}u\\ v\\ 1\end{bmatrix} \begin{bmatrix}f_x 0 c_x\\ 0 f_y c_y\\ 0 0 1\end{bmatrix}\begin{bmatrix}\frac{X}{Z}\\ \frac{Y}{Z}\\ 1\end{bmatrix}\\ \frac{1}{Z}\begin{bmatrix}f_x 0 c_x\\ 0 f_y c_y\\ 0 0 1\end{bmatrix}\begin{bmatrix}X\\ Y\\ Z\end{bmatrix}\\ \overset{\mathrm{def}}{} \frac{1}{Z}\bm{KP} \end{align*} uv1 fx000fy0cxcy1 ZXZY1 Z1 fx000fy0cxcy1 XYZ defZ1KP
相机的内参数(Camera Intrinsics) 矩阵 K \bm{K} K K [ f x 0 c x 0 f y c y 0 0 1 ] \bm{K} \begin{bmatrix}f_x 0 c_x\\ 0 f_y c_y\\ 0 0 1\end{bmatrix} K fx000fy0cxcy1
标定自己确定相机的内参【相机生产厂商未告知相机内参的情形】
标定算法 单目棋盘格张正友标定法
相机在运动 —— P P P 的相机坐标 其世界坐标 P w \bm{P_\mathrm{w}} Pw 根据相机位姿转换到 相机坐标系下。 Z P u v Z [ u v 1 ] K ( R P w t ) K T P w Z\bm{P}_{uv}Z\begin{bmatrix} u \\v \\1\end{bmatrix}\bm{K(RP_{\mathrm{w}}t)KTP_\mathrm{w}} ZPuvZ uv1 K(RPwt)KTPw
相机的外参数(Camera Extrinsics):相机的位姿 R \bm{R} R t \bm{t} t 机器人 或 自动驾驶 外参 相机坐标系 到机器人本体坐标系 之间的 变换。 描述 相机安装在什么地方 5.1.2 畸变模型
径向畸变透镜形状引起的畸变(失真)。坐标点 距离原点的长度发生了变化。 桶形畸变图像放大率 随着 与光轴之间的距离 增加 而减小。 枕型畸变图像放大率 随着 与光轴之间的距离 增加 而增加。 穿过图像中心和光轴有交点的直线还能保持形状不变。 切向畸变相机在在组装过程中不能使 透镜和成像面 严格平行。水平夹角发行了变化。 通过5个畸变系数( k 1 , k 2 , k 3 , p 1 , p 2 k_1,k_2,k_3,p_1,p_2 k1,k2,k3,p1,p2)找到某个点在像素平面的正确位置 单目相机的成像过程 5.1.3 双目相机模型 z − f z b − u L u R b \frac{z-f}{z}\frac{b-u_Lu_R}{b} zz−fbb−uLuR 令 d u L − u R 令d u_L-u_R 令duL−uR 视差
则 z − f z b − d b \frac{z-f}{z}\frac{b-d}{b} zz−fbb−d 1 − f z 1 − d b 1-\frac{f}{z}1-\frac{d}{b} 1−zf1−bd f z d b \frac{f}{z}\frac{d}{b} zfbd z f b d z\frac{fb}{d} zdfb
由于计算量的原因双目深度估计需要使用 GPU 或 FPGA 来实时计算。
5.1.4 RGB-D 相机模型 RGB-D 相机 向探测目标 发射一束 光线(通常是红外光)。 RGB-D 不足 1、用红外光进行深度测量容易受到 日光或其他传感器发射的红外光干扰。不能在室外使用。 2、多个RGB-D相机之间也会相互干扰。 3、透射材质因为接收不到反射光无法测量。 h h h 对应 行数 w w w 对应 列数 OpenCV: 通道顺序为 BGR Eigen对于固定大小的矩阵使用起来效率更高。
实践
5.3.1 OpenCV 基础操作 【Code】
OpenCV版本查看
python3 -c import cv2; print(cv2.__version__)可能报错
/home/xixi/Downloads/slambook2-master/ch5/basicuse/basicuse.cpp:6:9: fatal error: opencv2/core/core.cpp: No such file or directory6 | #includeopencv2/core/core.cpp
OpenCV没安装好 gtk/gtk.h报错链接 到 OpenCV 安装包
mkdir build cd build
cmake ..
make -j4 # 之前 -j8有误改4试试
sudo make install——————————————————
mkdir build cd build
cmake ..
make
./basicuse ubuntu.png ## ubuntu.png 要放在 build文件夹里; 或者提供该图片的绝对路径或相对于build文件夹的相对路径CMakeLists.txt
cmake_minimum_required(VERSION 2.8)project(basicuse)# 添加C 11 标准支持 nullptr chrono
set( CMAKE_BUILD_TYPE Release )
set( CMAKE_CXX_FLAGS -stdc11 -O3 )# 寻找 OpenCV 库
find_package(OpenCV 4.2.0 REQUIRED)
#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})add_executable(basicuse basicuse.cpp)
# 链接OpenCV库
target_link_libraries(basicuse ${OpenCV_LIBS})basicuse.cpp
#includeiostream
#includechrono // 计时using namespace std;#include opencv2/core/core.hpp
#include opencv2/highgui/highgui.hpp// high-level graphical user interfaceusing namespace cv;int main(int argc, char **argv){// 读取argv[1] 指定的图像cv::Mat image;image cv::imread(argv[1]); // 从命令行的第一个参数中 读取图像位置// 判断图像是否 正确读取if (image.data nullptr){cerr 文件 argv[1] 不存在。 endl;return 0; }// 输出文件的基本信息cout 图像宽为 image.cols 高为 image.rows , 通道数为 image.channels() endl;cv::imshow(image, image);cv::waitKey(0); // 暂停程序等待一个按键输入cv::destroyAllWindows();return 0;
}#includeiostream
#includechrono // 计时using namespace std;#include opencv2/core/core.hpp
#include opencv2/highgui/highgui.hpp// high-level graphical user interfaceusing namespace cv;int main(int argc, char **argv){// 读取argv[1] 指定的图像cv::Mat image;image cv::imread(argv[1]); // 从命令行的第一个参数中 读取图像位置// 判断image的类型if (image.type() ! CV_8UC1 image.type() ! CV_8UC3) {// 图像类型不符合要求cout 请输入一张彩色图或灰度图. endl;return 0;}// 遍历图像, 请注意以下遍历方式亦可使用于随机像素访问// 使用 std::chrono 来给算法计时chrono::steady_clock::time_point t1 chrono::steady_clock::now();for (size_t y 0; y image.rows; y) {// 用cv::Mat::ptr获得图像的行指针unsigned char *row_ptr image.ptrunsigned char(y); // row_ptr是第y行的头指针for (size_t x 0; x image.cols; x) {// 访问位于 x,y 处的像素unsigned char *data_ptr row_ptr[x * image.channels()]; // data_ptr 指向待访问的像素数据// 输出该像素的每个通道,如果是灰度图就只有一个通道for (int c 0; c ! image.channels(); c) {unsigned char data data_ptr[c]; // data为I(x,y)第c个通道的值}}}chrono::steady_clock::time_point t2 chrono::steady_clock::now();chrono::durationdouble time_used chrono::duration_cast chrono::duration double (t2 - t1);cout 遍历图像用时 time_used.count() 秒。 endl;return 0;
}#includeiostream
#includechrono // 计时using namespace std;#include opencv2/core/core.hpp
#include opencv2/highgui/highgui.hpp// high-level graphical user interfaceusing namespace cv;int main(int argc, char **argv){// 读取argv[1] 指定的图像cv::Mat image;image cv::imread(argv[1]); // 从命令行的第一个参数中 读取图像位置// 关于 cv::Mat 的拷贝// 直接赋值并不会拷贝数据 浅拷贝 会 同时修改原始数据cv::Mat image_another image;// 修改 image_another 会导致 image 发生变化image_another(cv::Rect(0, 0, 100, 100)).setTo(0); // 将左上角100*100的块置零cv::imshow(image, image);cv::waitKey(0);// 使用clone函数来拷贝数据cv::Mat image_clone image.clone();image_clone(cv::Rect(0, 0, 100, 100)).setTo(255);cv::imshow(image, image);cv::imshow(image_clone, image_clone);cv::waitKey(0);// 对于图像还有很多基本的操作,如剪切,旋转,缩放等,限于篇幅就不一一介绍了,请参看OpenCV官方文档查询每个函数的调用方法.cv::destroyAllWindows();return 0;
}5.3.2 图像去畸变 【Code】
cv::Undistort()
CMakeLists.txt
cmake_minimum_required(VERSION 2.8)project(myOpenCV)# 添加C 11 标准支持 nullptr chrono
set( CMAKE_BUILD_TYPE Release )
set( CMAKE_CXX_FLAGS -stdc11 -O3 )# 寻找 OpenCV 库
find_package(OpenCV 4.2.0 REQUIRED)
#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})add_executable(myOpenCV undistortImage.cpp)
# 链接OpenCV库
target_link_libraries(myOpenCV ${OpenCV_LIBS})
undistortImage.cpp
#include opencv2/opencv.hpp
#include stringusing namespace std;string image_file ../distorted.png; // 请确保路径正确 int main(int argc, char **argv) {// 本程序实现去畸变部分的代码。尽管我们可以调用OpenCV的去畸变但自己实现一遍有助于理解。// 畸变参数double k1 -0.28340811, k2 0.07395907, p1 0.00019359, p2 1.76187114e-05;// 内参double fx 458.654, fy 457.296, cx 367.215, cy 248.375;cv::Mat image cv::imread(image_file, 0); // 图像是灰度图CV_8UC1int rows image.rows, cols image.cols;cv::Mat image_undistort cv::Mat(rows, cols, CV_8UC1); // 去畸变以后的图// 计算去畸变后图像的内容for (int v 0; v rows; v) {for (int u 0; u cols; u) {// 按照公式计算点(u,v)对应到畸变图像中的坐标(u_distorted, v_distorted)double x (u - cx) / fx, y (v - cy) / fy;double r sqrt(x * x y * y);double x_distorted x * (1 k1 * r * r k2 * r * r * r * r) 2 * p1 * x * y p2 * (r * r 2 * x * x);double y_distorted y * (1 k1 * r * r k2 * r * r * r * r) p1 * (r * r 2 * y * y) 2 * p2 * x * y;double u_distorted fx * x_distorted cx;double v_distorted fy * y_distorted cy;// 赋值 (最近邻插值)if (u_distorted 0 v_distorted 0 u_distorted cols v_distorted rows) {image_undistort.atuchar(v, u) image.atuchar((int) v_distorted, (int) u_distorted);} else {image_undistort.atuchar(v, u) 0;}}}// 画图去畸变后图像cv::imshow(distorted, image);cv::imshow(undistorted, image_undistort);cv::waitKey();return 0;
} 5.4.1 双目视觉 视差图 点云 【Code】 CMakeLists.txt
cmake_minimum_required(VERSION 2.8)project(stereoVision)# 添加C 11 标准支持 nullptr chrono
set( CMAKE_BUILD_TYPE Release )
set( CMAKE_CXX_FLAGS -stdc11 -O3 )# 寻找 OpenCV 库
find_package(OpenCV 4.2.0 REQUIRED)
#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})find_package(Pangolin REQUIRED)add_executable(stereoVision stereoVision.cpp)
target_link_libraries(stereoVision ${OpenCV_LIBS} ${Pangolin_LIBRARIES})stereoVision.cpp
#include opencv2/opencv.hpp
#include vector
#include string
#include Eigen/Core
#include pangolin/pangolin.h
#include unistd.husing namespace std;
using namespace Eigen;// 文件路径
string left_file ../left.png;
string right_file ../right.png;// 在pangolin中画图已写好无需调整
void showPointCloud(const vectorVector4d, Eigen::aligned_allocatorVector4d pointcloud);int main(int argc, char **argv) {// 内参double fx 718.856, fy 718.856, cx 607.1928, cy 185.2157;// 基线double b 0.573;// 读取图像cv::Mat left cv::imread(left_file, 0);cv::Mat right cv::imread(right_file, 0);cv::Ptrcv::StereoSGBM sgbm cv::StereoSGBM::create(0, 96, 9, 8 * 9 * 9, 32 * 9 * 9, 1, 63, 10, 100, 32); // 神奇的参数cv::Mat disparity_sgbm, disparity;sgbm-compute(left, right, disparity_sgbm);disparity_sgbm.convertTo(disparity, CV_32F, 1.0 / 16.0f);// 生成点云vectorVector4d, Eigen::aligned_allocatorVector4d pointcloud;// 如果你的机器慢请把后面的v和u改成v2, u2for (int v 0; v left.rows; v)for (int u 0; u left.cols; u) {if (disparity.atfloat(v, u) 0.0 || disparity.atfloat(v, u) 96.0) continue;Vector4d point(0, 0, 0, left.atuchar(v, u) / 255.0); // 前三维为xyz,第四维为颜色// 根据双目模型计算 point 的位置double x (u - cx) / fx;double y (v - cy) / fy;double depth fx * b / (disparity.atfloat(v, u));point[0] x * depth;point[1] y * depth;point[2] depth;pointcloud.push_back(point);}cv::imshow(disparity, disparity / 96.0);cv::waitKey(0);// 画出点云showPointCloud(pointcloud);return 0;
}void showPointCloud(const vectorVector4d, Eigen::aligned_allocatorVector4d pointcloud) {if (pointcloud.empty()) {cerr Point cloud is empty! endl;return;}pangolin::CreateWindowAndBind(Point Cloud Viewer, 1024, 768);glEnable(GL_DEPTH_TEST);glEnable(GL_BLEND);glBlendFunc(GL_SRC_ALPHA, GL_ONE_MINUS_SRC_ALPHA);pangolin::OpenGlRenderState s_cam(pangolin::ProjectionMatrix(1024, 768, 500, 500, 512, 389, 0.1, 1000),pangolin::ModelViewLookAt(0, -0.1, -1.8, 0, 0, 0, 0.0, -1.0, 0.0));pangolin::View d_cam pangolin::CreateDisplay().SetBounds(0.0, 1.0, pangolin::Attach::Pix(175), 1.0, -1024.0f / 768.0f).SetHandler(new pangolin::Handler3D(s_cam));while (pangolin::ShouldQuit() false) {glClear(GL_COLOR_BUFFER_BIT | GL_DEPTH_BUFFER_BIT);d_cam.Activate(s_cam);glClearColor(1.0f, 1.0f, 1.0f, 1.0f);glPointSize(2);glBegin(GL_POINTS);for (auto p: pointcloud) {glColor3f(p[3], p[3], p[3]);glVertex3d(p[0], p[1], p[2]);}glEnd();pangolin::FinishFrame();usleep(5000); // sleep 5 ms}return;
}视差图
byzanz-record -x 147 -y 76 -w 1386 -h 768 -d 15 --delay5 -c /home/xixi/myGIF/test.gif5.4.2 RGB-D 点云 拼合成 地图【Code】
通过物理方法 获得 像素深度信息
mkdir build cd build
cmake ..
make
./joinMapCMakeLists.txt
cmake_minimum_required(VERSION 2.8)project(joinMap)# 添加C 11 标准支持 nullptr chrono
set( CMAKE_BUILD_TYPE Release )
set( CMAKE_CXX_FLAGS -stdc11 -O3 )# 寻找 OpenCV 库
find_package(OpenCV 4.2.0 REQUIRED)
#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})# Sophus 库
find_package(Sophus REQUIRED)
include_directories(${Sophus_INCLUDE_DIRS})# Pangolin 库
find_package(Pangolin REQUIRED)
include_directories(${Pangolin_INCLUDE_DIRS})add_executable(joinMap joinMap.cpp)
target_link_libraries(joinMap ${OpenCV_LIBS} ${Pangolin_LIBRARIES} ${Sophus_LIBRARIES})
# 上面这句 一定要 链接到 SophusjoinMap.cpp
#include iostream
#include fstream
#include opencv2/opencv.hpp
#include boost/format.hpp // for formating strings
#include pangolin/pangolin.h
#include sophus/se3.husing namespace Sophus; // 原代码少了 这句
using namespace std;
typedef vectorSophus::SE3, Eigen::aligned_allocatorSophus::SE3 TrajectoryType;
typedef Eigen::Matrixdouble, 6, 1 Vector6d;// 在pangolin中画图已写好无需调整
void showPointCloud(const vectorVector6d, Eigen::aligned_allocatorVector6d pointcloud);int main(int argc, char **argv) {vectorcv::Mat colorImgs, depthImgs; // 彩色图和深度图TrajectoryType poses; // 相机位姿ifstream fin(../pose.txt);if (!fin) {cerr 请在有pose.txt的目录下运行此程序 endl;return 1;}for (int i 0; i 5; i) {boost::format fmt(../%s/%d.%s); //图像文件格式 // !! 这里的路径也要改colorImgs.push_back(cv::imread((fmt % color % (i 1) % png).str()));depthImgs.push_back(cv::imread((fmt % depth % (i 1) % pgm).str(), -1)); // 使用-1读取原始图像double data[7] {0};for (auto d:data)fin d;Sophus::SE3 pose(Eigen::Quaterniond(data[6], data[3], data[4], data[5]),Eigen::Vector3d(data[0], data[1], data[2]));poses.push_back(pose);}// 计算点云并拼接// 相机内参 double cx 325.5;double cy 253.5;double fx 518.0;double fy 519.0;double depthScale 1000.0;vectorVector6d, Eigen::aligned_allocatorVector6d pointcloud;pointcloud.reserve(1000000);for (int i 0; i 5; i) {cout 转换图像中: i 1 endl;cv::Mat color colorImgs[i];cv::Mat depth depthImgs[i];Sophus::SE3 T poses[i];for (int v 0; v color.rows; v)for (int u 0; u color.cols; u) {unsigned int d depth.ptrunsigned short(v)[u]; // 深度值if (d 0) continue; // 为0表示没有测量到Eigen::Vector3d point;point[2] double(d) / depthScale;point[0] (u - cx) * point[2] / fx;point[1] (v - cy) * point[2] / fy;Eigen::Vector3d pointWorld T * point;Vector6d p;p.head3() pointWorld;p[5] color.data[v * color.step u * color.channels()]; // bluep[4] color.data[v * color.step u * color.channels() 1]; // greenp[3] color.data[v * color.step u * color.channels() 2]; // redpointcloud.push_back(p);}}cout 点云共有 pointcloud.size() 个点. endl;showPointCloud(pointcloud);return 0;
}void showPointCloud(const vectorVector6d, Eigen::aligned_allocatorVector6d pointcloud) {if (pointcloud.empty()) {cerr Point cloud is empty! endl;return;}pangolin::CreateWindowAndBind(Point Cloud Viewer, 1024, 768);glEnable(GL_DEPTH_TEST);glEnable(GL_BLEND);glBlendFunc(GL_SRC_ALPHA, GL_ONE_MINUS_SRC_ALPHA);pangolin::OpenGlRenderState s_cam(pangolin::ProjectionMatrix(1024, 768, 500, 500, 512, 389, 0.1, 1000),pangolin::ModelViewLookAt(0, -0.1, -1.8, 0, 0, 0, 0.0, -1.0, 0.0));pangolin::View d_cam pangolin::CreateDisplay().SetBounds(0.0, 1.0, pangolin::Attach::Pix(175), 1.0, -1024.0f / 768.0f).SetHandler(new pangolin::Handler3D(s_cam));while (pangolin::ShouldQuit() false) {glClear(GL_COLOR_BUFFER_BIT | GL_DEPTH_BUFFER_BIT);d_cam.Activate(s_cam);glClearColor(1.0f, 1.0f, 1.0f, 1.0f);glPointSize(2);glBegin(GL_POINTS);for (auto p: pointcloud) {glColor3d(p[3] / 255.0, p[4] / 255.0, p[5] / 255.0);glVertex3d(p[0], p[1], p[2]);}glEnd();pangolin::FinishFrame();usleep(5000); // sleep 5 ms}return;
} byzanz-record -x 72 -y 64 -w 998 -h 605 -d 15 --delay5 -c /home/xixi/myGIF/test.gif习题 待做 找OpenCV里的标定 方法 整理链接里的内容 题1
相机内参标定
√ 题2
相机内参 K \bm{K} K 的物理意义可将世界坐标系某点 P P P 的归一化坐标 转成 像素坐标。 P u v K [ X / Z , Y / Z , 1 ] T \bm{P_{uv}K}[X/Z,Y/Z, 1]^T PuvK[X/Z,Y/Z,1]T
图像分辨率指图像中存储的信息量是每英寸图像内有多少个像素点分辨率的单位为PPI(Pixels Per Inch)通常叫做像素每英寸。 当分辨率变为原来的两倍时 显然对于同一位置以像素为单位的 c x c_x cx 和 c y c_y cy 均变为原来的2倍。而以 像素/每米 为单位的 α \alpha α 和 β \beta β 变成原来的 2 倍。 f f f 不变则 f x α f f_x \alpha f fxαf 和 f y β f f_y \beta f fyβf 也变为原来的 2 倍。 综上当相机的分辨率变为原来的2倍时 c x c_x cx c y c_y cy f x f_x fx f y f_y fy 均变为原来的 2 倍。
题3
鱼眼或全景相机 标定 链接1 链接2 ————————————
√ 题4
异同 工业相机常见的曝光方式: 1、全局曝光Global shutter也称全局快门、帧曝光
当光圈打开时工业相机中的图像传感器上所有像素点可以在同一时刻曝光当光圈关闭后所有像素同时结束曝光然后输出像素数据。全局曝光的工业相机可以一次拍摄物体的整体图像后再输出因此在拍摄高速运动物体时图像不会偏移能够达到无失真的效果。CCD(电荷耦合)元件 为这种曝光 方式
2、卷帘曝光Rolling shutter也称卷帘快门、行曝光
采用的是逐行扫描逐行曝光的方式当上一行的所有像素同时曝光后下一行的所有像素再同时曝光直至所有行曝光完成。当曝光不当或物体移动较快时会出现部分曝光(partial exposure)、斜坡图形(skew)、晃动(wobble) 等现象。这种Rolling shutter方式拍摄出现的现象称为“果冻效应”。大部分CMOS相机使用卷帘快门rolling shutter
3、基于卷帘曝光并结合全局曝光优势的全局复位释放曝光Global Reset Release ShutterGRR 优缺点 Global shutter适用于拍摄高速运动物体且在光线有明暗变化的时候Global shutter sensor不会有明暗瑕疵。 Global shutter需要对每个像素都要增加一个存储单元这样增加了sensor的生产难度以及成本。 Rolling Shutter sensor适用于拍摄运动速度相对较慢的物体或场景可获得更高的成像信噪比。 Rolling Shutter 在低噪、像素损失、高感、动态范围等有优势。 ————————
题5
RGB-D 相机标定
链接 链接2
题6
遍历图像的方法 链接 链接2
题7
OpenCV官方教程学习 官方文档
