代码和数据集来自“氛围鲜艳的公众号”
链接： https://pan.Baidu.com/s/1 byrj 57 medhwwp 45 xxvbdpa提取代码： b3m6
双目摄像机校准的过程：
1 .调节两个摄像头的角度，在标定板上拍10组左右的照片。
2 )通过悲伤魔镜的思想得到两个摄像机的内外参矩阵和畸变矩阵，为两个摄像机的畸变矫正做准备。
3、在现实中，不可能完全控制两个摄像机完全平行地拍摄一个物体，所以只能通过矫正建立平行的条件，根据两个摄像机的几个参数计算深度z。
4 )通过计算照片中物体各点距离摄像机镜头的深度，构建该物体的三维立体图。
总之，双目照相机可以拍摄一个物体的更多细节，然后，从该细节在照片中的不同角度的位置，获得该细节的空间坐标信息，最终恢复照片中物体在三维空间中的图像。
缺点：双目摄像机只能针对用两个镜头拍摄的物体细节提取空间信息。 也就是说，对于由两个照相机拍摄到的物体的细微部分不交叉的部分，产生3D空间复原误差。
思考：如果是更多维的摄像头，还原的效果不是更好吗？
现在知道的只是，多功能摄像机可以更快地恢复速度。
双目摄像机的应用：
1 )视差距离测量
2，3d构建
代码：
以下是双目摄像机的标定代码和校正双目摄像机失真的代码。
下一步：用双目摄像机拍摄真实物体，利用双目参数进行三维立体投影。
# include opencv2(opencv.HPP # include fstream # include iostream # includevectorusingnamespacestd； 使用命名空间cv； voidgetimgspoints (vectormatimgs，vectorvectorPoint2f imgsPoints，Size board_size ) for ) intI=0； i imgs.size (； I ) {Mat img1=imgs[i]； 马特格雷1； cvtcolor(img1，gray1，COLOR_BGR2GRAY )； vectorPoint2f img1_points； findchessboardcorners(gray1，board_size，img1_points )； //计算方格标定板角点find4quadcornersubpix(gray1，img1_points，size (5，5 ) )； //方格标定板转角坐标imgs points.push _ back (img1_ points )； }}int main ()//要读取所有图像的vectorMat imgLs； vectorMat imgRs； 字符串img lname； 字符串名称； ifstreamfinl (sterocalibdatal.txt )； ifstreamfinr (sterocalibdatar.txt )； while(getline(finl，imgLName ) getline (finr，imgRName ) ) mati mgl=im read (img lname )； matimgr=imread(imgrname )； imgls.push_back(imgl； imgRS.push_back(imgr； } size board _ size=size (9，6 )； //方格标定板内角点的数量(行、列) vectorvectorPoint2f imgLsPoints； vectorvectorPoint2f imgRsPoints； getimgspoints(imgls，imgLsPoints，board_size )； getimgspoints(imgRS，imgRsPoints，board_size )； //棋盘格各内角点的空间三维坐标sizesquaresize=size (10，10 )； //棋盘格每个方格的实际尺寸vectorvectorpoint3fobjectpoints； for(intI=0； i imgLsPoints.size (； I ) {vectorPoint3f tempPointSet； for(intj=0； j board_size.height； j ) for(intk=0； k board_size.width； k ) {Point3f realPoint； //假设标定板为世界坐标系的z平面，z=0realpoint.x=j * squaresize.width； real point.y=k * squaresize.height； realPoint.z=0； temppoint set.push _ back (realpoint )； } object points.push _ back (temppoint set )； //图像大小Size imageSize； imageSize.width=imgLs[0].cols； imageSize.height=imgLs[0].rows； Mat Matrix1、dist1、Matrix2、dist2、rvecs、tvecs； calibratecamera(objectpoints，imgLsPoints，imageSize，Matrix1，dist1，rvecs，tvecs，0 )； calibratecamera(objectpoints，imgRsPoints，imageSize，Matrix2，dist2，rvecs，tvecs，0 )； //双目贴近标定的Mat R、t、e、f； stereocalibrate(objectpoints，imgLsPoints，imgRsPoints，Matrix1，dist1，Matrix2，dist2，imageSize，r，t，e，f，cond ) sereo rectify (矩阵1、dist1、矩阵2、dist2、imageSize、r、t、R1、R2、P1、P2、q、0 )； //计算校正映射矩阵Mat map11、map12、map21、map22； initundistortrectifymap (矩阵1、dist1、R1、P1、imageSize、CV_16SC2、map11、map12 )； initundistortrectifymap (矩阵2、dist2、R2、P2、imageSize、CV_16SC2、map21、map22 )； for(intI=0； i imgLs.size (； I ) (/进行校正图Mat img1r、img2r； remap(imgls[I]，img1r，map11，map12，INTER_LINEAR )； remap(imgRS[I]，img2r，map21，map22，INTER_LINEAR )； //子画面图像Mat result； hconcat(img1r，img2r，result )； //同一内角点的y轴是否与line(result，point )-1，imgLsPoints[i][0].y )，point ) result.cols，imglspoints[I] )一致维客(0； }return 0； }所需的文件：
结果：
数据集：
steroCalibDataL.txt保存用左照相机拍摄的照片
steroCalibDataR.txt保存右摄像机拍摄的照片