通信工程毕设可以做网站吗seo高级优化方法

函数的官方解释

函数原型

void cv::stereoRectify 	(   InputArray  cameraMatrix1,InputArray  distCoeffs1,InputArray  cameraMatrix2,InputArray  distCoeffs2,Size        imageSize,InputArray  R,InputArray  T,OutputArray R1,OutputArray R2,OutputArray P1,OutputArray P2,OutputArray Q,int         flags = CALIB_ZERO_DISPARITY,double      alpha = -1,Size        newImageSize = Size(),Rect *      validPixROI1 = 0,Rect *      validPixROI2 = 0 ) 	

函数作用是得到矫正的双目图像所需的变换矩阵和投影矩阵，然后可以传给 initUndistortRectifyMap 函数生成矫正图像到原始图像的像素坐标的映射，最后使用 remap 函数得到校正的双目图像。
上面说的校正的双目图像特点是：1. 双目相机的成像平面为同一平面；2. 左右目图像同一极线平行且极线上所有点的 y 坐标相等。

参数说明：

输入参数：

cameraMatrix1：左目相机内参矩阵
distCoeffs1：左目相机畸变参数
cameraMatrix2：右目相机内参矩阵
distCoeffs2：右目相机畸变参数
imageSize：图像大小
R：左目相机坐标系到右目相机坐标系的旋转变换，即 $R_{rl}$
T：左目相机坐标系到右目相机坐标系的平移变换，即 $t_{rl}$

flags：如果设置为 CALIB_ZERO_DISPARITY，函数会将两个相机的 principal point 设成一样。否则就会平移图像最大化有用的图像区域。
alpha：自由缩放参数。如果设置为 -1 或者不设置，函数执行默认缩放。否则参数应为 0-1 。0：矫正图像会放大和平移使得最终图像中只有有效像素；1：图像会缩小和平移使得原始图像中所有像素都可见。
newImageSize：矫正后的图像分辨率。默认（0，0），设置为原始图像大小。设置为高的分辨率可以保持原始图像的更多细节，特别是畸变较大的时候。
validPixROI1：一个最多地包含有效像素的长方形。（左目图像）
validPixROI2：一个最多地包含有效像素的长方形。（右目图像）

输出参数：

R1：矫正旋转矩阵。将第一个相机坐标系下未矫正的点变换到第一个相机矫正坐标系下，即 R_{左矫正坐标系}{左未矫正坐标系}
R2：矫正旋转矩阵。将第二个相机坐标系下未矫正的点变换到第二个相机矫正坐标系下，即 R_{右矫正坐标系}{右未矫正坐标系}
P1：3x4左相机投影矩阵。将左矫正坐标系下的点投影到左矫正坐标系图像平面坐标系。
P2：3x4右相机投影矩阵。将左矫正坐标系下的点投影到右矫正坐标系图像平面坐标系。
Q：4x4的视差深度映射矩阵。

对于水平双目相机（大部分的双目相机），其中 P1, P2, Q 定义如下：

$$\begin{array}{rl}\text{P2}& =\left[\begin{array}{cccc}f& 0& c{x}_2& T_x\cdot f\\ 0& f& cy& 0\\ 0& 0& 1& 0\end{array}\right],\\ \text{P2}& =\left[\begin{array}{cccc}f& 0& c{x}_2& T_x\cdot f\\ 0& f& cy& 0\\ 0& 0& 1& 0\end{array}\right],\\ \text{Q}& =\left[\begin{array}{cccc}1& 0& 0& -c{x}_1\\ 0& 1& 0& -cy\\ 0& 0& 0& f\\ 0& 0& -\frac{1}{T_x}& \frac{c{x}_1-c{x}_2}{T_x}\end{array}\right]\end{array}$$

函数代码测试

我们使用EuRoC MAV数据集的双目相机参数对这个函数做测试：

#include <opencv2/core.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <Eigen/Core>
#include <Eigen/Geometry>using namespace cv;
using namespace std;int main(int argc, char **argv)
{if(argc != 3){cerr << "Error: please input 2 images." << endl;return -1;}// Euroc 数据集双目相机内参Mat Kl = ( Mat_<float>(3,3) << 458.654, 0., 367.215, 0., 457.296, 248.375, 0., 0., 1.);Mat Kr = ( Mat_<float>(3,3) << 457.587, 0., 379.999, 0., 456.134, 255.238, 0., 0., 1.);Mat Dl = ( Mat_<float>(1,4) << -0.28340811, 0.07395907, 0.00019359, 1.76187114e-05 );       // 畸变参数Mat Dr = ( Mat_<float>(1,4) << -0.28368365,  0.07451284, -0.00010473, -3.55590700e-05 );// 双目相机相对位姿Mat R_rl = ( Mat_<double>(3,3) <<    9.99997256e-01,   2.31206719e-03,   3.76008102e-04, -2.31713572e-03,   9.99898049e-01,   1.40898358e-02,-3.43393121e-04,  -1.40906685e-02,   9.99900663e-01 );Mat t_rl = ( Mat_<double>(3,1) << -0.11007381,  0.00039912, -0.0008537 );       // 变换的数据类型需要时double的，不然之后执行opencv的函数会报错Mat img_src_l = imread(argv[1], IMREAD_UNCHANGED);    // 读取左右目图像Mat img_src_r = imread(argv[2], IMREAD_UNCHANGED);cout << "read images finished. " << endl;int width = img_src_l.cols, height = img_src_l.rows;Mat Rl, Rr, Pl, Pr, Q;Mat undistmap1l, undistmap2l, undistmap1r, undistmap2r;stereoRectify( Kl, Dl, Kr, Dr, Size(width, height), R_rl, t_rl, Rl, Rr, Pl, Pr, Q, cv::CALIB_ZERO_DISPARITY, 0 );cout << "stereo rectify finished. " << endl;initUndistortRectifyMap( Kl, Dl, Rl, Pl, cv::Size(width,height), CV_16SC2, undistmap1l, undistmap2l );initUndistortRectifyMap( Kr, Dr, Rr, Pr, cv::Size(width,height), CV_16SC2, undistmap1r, undistmap2r );// 将 R_21 和 t_21 转换为两个校正相机坐标系的变换cout << "R_rl before rectification: " << endl << R_rl << endl;R_rl = Rr * R_rl * Rl.t();cout << "R_rl after rectification: " << endl << R_rl << endl;cout << "t_rl before rectification: " << endl << t_rl.t() << endl;t_rl = Rr * t_rl;cout << "t_rl after rectification: " << endl << t_rl.t() << endl;// 打印投影矩阵cout << "Pl: " << endl << Pl << endl;cout << "Pr: " << endl << Pr << endl;// 得到校正图像Mat img_rtf_l, img_rtf_r;remap( img_src_l, img_rtf_l, undistmap1l, undistmap2l, cv::INTER_LINEAR );remap( img_src_r, img_rtf_r, undistmap1r, undistmap2r, cv::INTER_LINEAR );Mat img_src, img_rtf;hconcat(img_src_l, img_src_r, img_src);hconcat(img_rtf_l, img_rtf_r, img_rtf);cvtColor(img_src, img_src, COLOR_GRAY2BGR);cvtColor(img_rtf, img_rtf, COLOR_GRAY2BGR);// 绘制平行线for(int i = 1, iend = 8; i < iend; i++){int h = height/iend * i;line(img_src, Point2i(0, h), Point2i(width*2, h), Scalar(0,0,255));line(img_rtf, Point2i(0, h), Point2i(width*2, h), Scalar(0,0,255));}imshow("image_src", img_src);imshow("image_rtf", img_rtf);waitKey(0);return 0;
}

校正前后 左目相机到右目相机的旋转矩阵：

R_rl before rectification: 
[0.999997256, 0.00231206719, 0.000376008102;-0.00231713572, 0.999898049, 0.0140898358;-0.000343393121, -0.0140906685, 0.999900663]
R_rl after rectification: 
[0.999999999522207, -2.395107227679009e-12, 6.39099232960692e-12;-2.39902704968578e-12, 1.000000000493077, -4.695780200869464e-11;6.390414450718838e-12, -4.698293904886045e-11, 1.00000000036201]

校正后的旋转矩阵几乎与单位矩阵相等，说明两个相机的成像平面平行。

校正前后 左目相机到右目相机的平移向量：

t_rl before rectification: 
[-0.11007381, 0.00039912, -0.0008537]
t_rl after rectification: 
[-0.1100778440394819, -1.899859817072477e-16, 5.956099065901966e-16]

校正后两个相机的位置仅在x方向上存在偏移，又因为两个相机成像平面平行，所以两个相机的成像平面为为同一平面。

校正后的投影矩阵：

Pl: 
[436.2345881250716, 0, 364.4412384033203, 0;0, 436.2345881250716, 256.9516830444336, 0;0, 0, 1, 0]
Pr: 
[436.2345881250716, 0, 364.4412384033203, -48.01976295625924;0, 436.2345881250716, 256.9516830444336, 0;0, 0, 1, 0]

左侧 3x3 的矩阵为内参矩阵。
因为参数 flags 设置为 CALIB_ZERO_DISPARITY，所以校正后的两个相机的 principal point 相等，进而内参矩阵相等。

在校正前后双目图像中绘制与 x 轴平行的直线：

校正后左右目图像同一极线平行且极线上所有点的 y 坐标相等。