当前位置：首页 > news >正文

深圳网站建设公司报价单大数据是干什么的

news 2025/12/20 8:59:49

深圳网站建设公司报价单,大数据是干什么的,官方网下载app下载,有园林案例的网站操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C11 算法描述 cv::fisheye::stereoRectify 是 OpenCV 中用于鱼眼镜头立体校正的函数。该函数计算两个相机之间的校正变换，使得从两个相机拍摄的图像…

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

cv::fisheye::stereoRectify 是 OpenCV 中用于鱼眼镜头立体校正的函数。该函数计算两个相机之间的校正变换，使得从两个相机拍摄的图像中的对应点在行上对齐。这一步骤对于后续的立体匹配和深度估计非常重要。

函数原型

void cv::fisheye::stereoRectify
(InputArray 	K1,InputArray 	D1,InputArray 	K2,InputArray 	D2,const Size & 	imageSize,InputArray 	R,InputArray 	tvec,OutputArray 	R1,OutputArray 	R2,OutputArray 	P1,OutputArray 	P2,OutputArray 	Q,int 	flags,const Size & 	newImageSize = Size(),double 	balance = 0.0,double 	fov_scale = 1.0 
)

参数

参数K1: 第一个相机的内参矩阵。
参数D1: 第一个相机的畸变参数。
参数K2: 第二个相机的内参矩阵。
参数D2: 第二个相机的畸变参数。
参数imageSize: 用于立体标定的图像尺寸。
参数R: 第一和第二个相机坐标系之间的旋转矩阵。
参数tvec: 相机坐标系之间的平移向量。
参数R1: 输出第一个相机的3x3校正变换（旋转矩阵）。
参数R2: 输出第二个相机的3x3校正变换（旋转矩阵）。
参数P1: 在新的（校正后的）坐标系统中，输出第一个相机的3x4投影矩阵。
参数P2: 在新的（校正后的）坐标系统中，输出第二个相机的3x4投影矩阵。
参数Q: 输出4×4的视差到深度映射矩阵（见 reprojectImageTo3D 函数）。
参数flags: 操作标志，可以是0或 fisheye::CALIB_ZERO_DISPARITY。如果设置了该标志，函数将使每个相机的主点在校正后的视图中具有相同的像素坐标。如果没有设置该标志，函数可能仍然会在水平或垂直方向上移动图像（取决于极线的方向），以最大化有用的图像区域。
参数newImageSize: 校正后的新图像分辨率。应将相同的大小传递给 initUndistortRectifyMap（参见OpenCV示例目录中的 stereo_calib.cpp）。当传递 (0,0) 时（默认值），它被设置为原始的 imageSize。将其设置为更大的值可以帮助你保留原始图像中的细节，特别是在存在较大径向畸变的情况下。
参数balance: 设置新的焦距范围在最小焦距和最大焦距之间。平衡值在 [0, 1] 范围内。
参数fov_scale: 新焦距的除数。

代码示例


#include <opencv2/opencv.hpp>
#include <iostream>int main() {// 相机内参矩阵 K1 和 K2cv::Mat K1 = (cv::Mat_<double>(3, 3) << 458.654, 0, 367.215, 0, 457.296, 248.375, 0, 0, 1);cv::Mat K2 = (cv::Mat_<double>(3, 3) << 458.654, 0, 367.215, 0, 457.296, 248.375, 0, 0, 1);// 畸变系数 D1 和 D2cv::Mat D1 = (cv::Mat_<double>(1, 4) << 0.0695303, -0.160713, -0.00480225, 0.000911994);cv::Mat D2 = (cv::Mat_<double>(1, 4) << 0.0695303, -0.160713, -0.00480225, 0.000911994);// 图像尺寸cv::Size imageSize(720, 576);// 旋转矩阵 R 和平移向量 tveccv::Mat R = (cv::Mat_<double>(3, 3) << 1, 0, 0, 0, 1, 0, 0, 0, 1); // 示例数据cv::Mat tvec = (cv::Mat_<double>(3, 1) << 0.1, 0.05, 0.02); // 示例数据// 输出的校正旋转矩阵cv::Mat R1, R2;// 输出的投影矩阵cv::Mat P1, P2;// 输出的重投影矩阵cv::Mat Q;// 进行立体校正cv::fisheye::stereoRectify(K1, D1, K2, D2,imageSize, R, tvec,R1, R2, P1, P2, Q,cv::CALIB_ZERO_DISPARITY,imageSize, 0.0, 1.0);// 打印结果std::cout << "R1: " << std::endl << R1 << std::endl;std::cout << "R2: " << std::endl << R2 << std::endl;std::cout << "P1: " << std::endl << P1 << std::endl;std::cout << "P2: " << std::endl << P2 << std::endl;std::cout << "Q: " << std::endl << Q << std::endl;return 0;
}

运行结果

R1: 
[0.8804509063256238, 0.4402254531628119, 0.1760901812651247;-0.4402254531628119, 0.8969404364876068, -0.04122382540495731;-0.1760901812651247, -0.04122382540495731, 0.9835104698380172]
R2: 
[0.8804509063256238, 0.4402254531628119, 0.1760901812651247;-0.4402254531628119, 0.8969404364876068, -0.04122382540495731;-0.1760901812651247, -0.04122382540495731, 0.9835104698380172]
P1: 
[463.3157037596288, 0, 216.7917896240862, 0;0, 463.3157037596288, 262.3111277744742, 0;0, 0, 1, 0]
P2: 
[463.3157037596288, 0, 216.7917896240862, 52.62254833641767;0, 463.3157037596288, 262.3111277744742, 0;0, 0, 1, 0]
Q: 
[1, 0, 0, -216.7917896240862;0, 1, 0, -262.3111277744742;0, 0, 0, 463.3157037596288;0, 0, -8.804509063256239, 0]