cv2.findChessboardCorners() 无法检测出角点
Kartoffelchen opened this issue · comments
您好，首先非常感谢你的repo，非常不错。
我的问题是，无法检测棋盘格的角点，不知道为什么。我是在做一个相机仿真的应用，已经仿真渲染出来了棋盘格的图片了，计划在这个仿真的图片上进行相机校准，但是不知道为什么，就是无法识别仿真的棋盘格的角点。我也猜想是不是仿真图片的颜色不对导致的，这方面会不会呢？比如棋盘格黑色和白色的差别不是那么大，所以中间处理的时候会有问题？不知道您有没有遇到过这种情况，无法检测角点。
这时已掌握用的渲染的图片：
需要根据棋盘格的长宽方向的内角点数 更改传入cv2.findChessboardCorners()的参数 例如图中应该是9*9 即cv2.findChessboardCorners(img,(9,9)) 具体参照opencv的官方文档（另外建议棋盘格的长宽最好不要一样）
好的。多谢，我试试
您好，重新测试了一些数据，前面的问题基本都解决了，不过我有了一个新的问题。
对于包含畸变地像及模型，是不是能够有这样的可能，可以有不同的相机内参与畸变系数的组合，都符合相机标定的结果？因为我是做仿真，所以可以自由设定相机内参和畸变系数，在我的测试中，对于没有畸变的数据，标定的相机内参和设定值都非常接近；然而对于有畸变的数据，标定的内参和畸变系数都和我设定的相差较大，所以我就在想，是不是一个相机可以有不同的内参和畸变的组合能够描述它？不知道您有没有想过或者遇到过这个问题呢？
相机的内参是确定的，取决于实际的焦距和光轴位置。畸变是通过假定的多项式函数来拟合，各项系数就是畸变向量，当然可以有不同的结果（来使得拟合的误差足够小）。因为求解畸变向量的过程是通过非线性优化，不同的初值和迭代过程都会使得结果不同，也必然存在误差，一般通过重投影误差来衡量。所以对于有畸变的数据，也需要足够多的图片达到比较好的标定效果，例如各种角度、距离，并覆盖到图像的各个区域等等。