fisheye::undistortPoints 源码

时间: 2024-02-06 17:02:58 浏览: 24
fisheye::undistortPoints 函数的源码如下: ```c++ void cv::fisheye::undistortPoints(InputArray distorted, OutputArray undistorted, InputArray K, InputArray D, InputArray R, InputArray P) { CV_INSTRUMENT_REGION(); CV_Assert(distorted.isMat() && distorted.depth() == CV_32F && distorted.channels() == 1); CV_Assert((K.empty() || K.type() == CV_64F) && (D.empty() || D.type() == CV_64F) && (R.empty() || R.type() == CV_64F) && (P.empty() || P.type() == CV_64F)); CV_Assert(!K.empty() && K.size() == Size(3, 3) && !D.empty() && D.total() >= 4 && (R.empty() || R.size() == Size(3, 3)) && (P.empty() || P.size() == Size(3, 3))); Mat src = distorted.getMat(), intrinsics = K.getMat(), distCoeffs = D.getMat(), rotation = R.getMat(), newCamMat = P.getMat(); int npoints = src.checkVector(2); CV_Assert(npoints >= 0); undistorted.create(npoints, 1, CV_32FC2); Mat dst = undistorted.getMat(); Mat_<double> A, Ar, I = Mat_<double>::eye(3, 3); intrinsics.convertTo(A, CV_64F); if (!rotation.empty()) rotation.convertTo(Ar, CV_64F); else A.copyTo(Ar); Mat_<double> Dk; distCoeffs.convertTo(Dk, CV_64F); Mat_<double> R_, P_; if (!rotation.empty()) rotation.convertTo(R_, CV_64F); else R_ = I; if (!newCamMat.empty()) newCamMat.convertTo(P_, CV_64F); else { P_.create(3, 3); A.copyTo(P_(Range(0, 3), Range(0, 3))); P_(0, 2) = src.cols * 0.5; P_(1, 2) = src.rows * 0.5; } Mat_<double> mx(1, npoints), my(1, npoints); double* _mx = mx[0], *_my = my[0]; double fx = A(0, 0), fy = A(1, 1); double ifx = 1. / fx, ify = 1. / fy; double cx = A(0, 2), cy = A(1, 2); double k1 = Dk(0, 0), k2 = Dk(1, 0), k3 = Dk(4, 0), k4 = Dk(5, 0), k5 = Dk(6, 0), k6 = Dk(7, 0); const Point2f* srcf = src.ptr<Point2f>(); for (int i = 0; i < npoints; i++) { double x = srcf[i].x, y = srcf[i].y; double x0 = x = (x - cx) * ifx; double y0 = y = (y - cy) * ify; double r2 = x * x + y * y; double theta = atan(sqrt(r2)); double theta2 = theta * theta, theta4 = theta2 * theta2, theta6 = theta4 * theta2, theta8 = theta4 * theta4; double theta_d = theta * (1 + k1 * theta2 + k2 * theta4 + k3 * theta6 + k4 * theta8); double inv_r = 1 / sqrt(r2); double cdist = x * x + y * y == 0 ? 1 : theta_d * inv_r; double x_d = x * cdist, y_d = y * cdist; if (dst.depth() == CV_32F) { _mx[i] = static_cast<float>(x_d * fx + cx); _my[i] = static_cast<float>(y_d * fy + cy); } else { _mx[i] = x_d * fx + cx; _my[i] = y_d * fy + cy; } } Mat mx_mat(1, npoints, CV_64F, mx.ptr<double>()); Mat my_mat(1, npoints, CV_64F, my.ptr<double>()); Mat XY; merge(mx_mat, my_mat, XY); if (!rotation.empty() || !newCamMat.empty()) cv::transform(XY, XY, P_); else if (D.total() >= 5) { Mat_<double> scaled_XY(XY.size()); cv::undistortPoints(XY, scaled_XY, A, Dk, Mat(), A); XY = scaled_XY; } Mat X = XY.col(0); Mat Y = XY.col(1); double* _X = X.ptr<double>(); double* _Y = Y.ptr<double>(); double* _dst = dst.ptr<double>(); if (!rotation.empty()) { Mat_<double> R = cv::Mat_<double>(3, 3, CV_64F, Ar.data()); for (int i = 0; i < npoints; i++) { double x = _X[i], y = _Y[i], z = sqrt(max(1. - x * x - y * y, 0.)); double Xr = _X[i], Yr = _Y[i], Zr = z; _X[i] = R(0, 0) * Xr + R(0, 1) * Yr + R(0, 2) * Zr; _Y[i] = R(1, 0) * Xr + R(1, 1) * Yr + R(1, 2) * Zr; double Z = R(2, 0) * Xr + R(2, 1) * Yr + R(2, 2) * Zr; _dst[i * 2] = _X[i] * Z; _dst[i * 2 + 1] = _Y[i] * Z; } } else { for (int i = 0; i < npoints; i++) { double x = _X[i], y = _Y[i], z = sqrt(max(1. - x * x - y * y, 0.)); _dst[i * 2] = x * z; _dst[i * 2 + 1] = y * z; } } } ``` 这个函数的作用是将鱼眼相机图像中的畸变点进行矫正,输出矫正后的点坐标。函数的输入参数包括畸变点坐标、相机内参矩阵、畸变系数、旋转矩阵和新的相机内参矩阵。函数的输出参数是矫正后的点坐标。 函数的具体实现过程如下: 1. 通过输入参数获取畸变点坐标、相机内参矩阵、畸变系数、旋转矩阵和新的相机内参矩阵。 2. 对相机内参矩阵和旋转矩阵进行类型转换。 3. 根据相机内参矩阵和畸变系数计算矫正后的点坐标。 4. 如果有旋转矩阵或新的相机内参矩阵,则对矫正后的点坐标进行相应的变换。 5. 输出矫正后的点坐标。

相关推荐

最新推荐

recommend-type

Crowd集成Fisheye实现单点登录功能

亲测Crowd2.8版本和Fisheye3.5.2版本的集成,图文讲解,绝对可用!其他相关问题,欢迎联系反馈!
recommend-type

fisheye使用说明文档

评估fisheye的可用性,让你更容易的选择使用使用这个工具,本说明可以让一切变得更容易
recommend-type

Crucible_FishEye使用说明

代码审查工具,中文版本,34页,详细说明了Crucible_FishEye的使用方法
recommend-type

RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz

REALTEK 8188FTV 8188eus 8188etv linux驱动程序稳定版本, 支持AP,STA 以及AP+STA 共存模式。 稳定支持linux4.0以上内核。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

:YOLOv1目标检测算法:实时目标检测的先驱,开启计算机视觉新篇章

![:YOLOv1目标检测算法:实时目标检测的先驱,开启计算机视觉新篇章](https://img-blog.csdnimg.cn/img_convert/69b98e1a619b1bb3c59cf98f4e397cd2.png) # 1. 目标检测算法概述 目标检测算法是一种计算机视觉技术,用于识别和定位图像或视频中的对象。它在各种应用中至关重要,例如自动驾驶、视频监控和医疗诊断。 目标检测算法通常分为两类:两阶段算法和单阶段算法。两阶段算法,如 R-CNN 和 Fast R-CNN,首先生成候选区域,然后对每个区域进行分类和边界框回归。单阶段算法,如 YOLO 和 SSD,一次性执行检
recommend-type

info-center source defatult

这是一个 Cisco IOS 命令,用于配置 Info Center 默认源。Info Center 是 Cisco 设备的日志记录和报告工具,可以用于收集和查看设备的事件、警报和错误信息。该命令用于配置 Info Center 默认源,即设备的默认日志记录和报告服务器。在命令行界面中输入该命令后,可以使用其他命令来配置默认源的 IP 地址、端口号和协议等参数。
recommend-type

c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf

校园超市商品信息管理系统课程设计旨在帮助学生深入理解程序设计的基础知识,同时锻炼他们的实际操作能力。通过设计和实现一个校园超市商品信息管理系统,学生掌握了如何利用计算机科学与技术知识解决实际问题的能力。在课程设计过程中,学生需要对超市商品和销售员的关系进行有效管理,使系统功能更全面、实用,从而提高用户体验和便利性。 学生在课程设计过程中展现了积极的学习态度和纪律,没有缺勤情况,演示过程流畅且作品具有很强的使用价值。设计报告完整详细,展现了对问题的深入思考和解决能力。在答辩环节中,学生能够自信地回答问题,展示出扎实的专业知识和逻辑思维能力。教师对学生的表现予以肯定,认为学生在课程设计中表现出色,值得称赞。 整个课程设计过程包括平时成绩、报告成绩和演示与答辩成绩三个部分,其中平时表现占比20%,报告成绩占比40%,演示与答辩成绩占比40%。通过这三个部分的综合评定,最终为学生总成绩提供参考。总评分以百分制计算,全面评估学生在课程设计中的各项表现,最终为学生提供综合评价和反馈意见。 通过校园超市商品信息管理系统课程设计,学生不仅提升了对程序设计基础知识的理解与应用能力,同时也增强了团队协作和沟通能力。这一过程旨在培养学生综合运用技术解决问题的能力,为其未来的专业发展打下坚实基础。学生在进行校园超市商品信息管理系统课程设计过程中,不仅获得了理论知识的提升,同时也锻炼了实践能力和创新思维,为其未来的职业发展奠定了坚实基础。 校园超市商品信息管理系统课程设计的目的在于促进学生对程序设计基础知识的深入理解与掌握,同时培养学生解决实际问题的能力。通过对系统功能和用户需求的全面考量,学生设计了一个实用、高效的校园超市商品信息管理系统,为用户提供了更便捷、更高效的管理和使用体验。 综上所述,校园超市商品信息管理系统课程设计是一项旨在提升学生综合能力和实践技能的重要教学活动。通过此次设计,学生不仅深化了对程序设计基础知识的理解,还培养了解决实际问题的能力和团队合作精神。这一过程将为学生未来的专业发展提供坚实基础,使其在实际工作中能够胜任更多挑战。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

:YOLO目标检测算法的挑战与机遇:数据质量、计算资源与算法优化,探索未来发展方向

![:YOLO目标检测算法的挑战与机遇:数据质量、计算资源与算法优化,探索未来发展方向](https://img-blog.csdnimg.cn/7e3d12895feb4651b9748135c91e0f1a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5rKJ6YaJ77yM5LqO6aOO5Lit,size_20,color_FFFFFF,t_70,g_se,x_16) # 1. YOLO目标检测算法简介 YOLO(You Only Look Once)是一种