opencvremap（opencvremap未经处理的异常）

本篇文章给大家谈谈opencvremap，以及opencvremap未经处理的异常对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、嵌入式移植opencv后load无法加载.xml文件,但也没有错误提示，
• 2、opencv常用函数
• 3、COLMAP简易教程(命令行模式)
• 4、OpenCV实现双目测距
• 5、未定义标识符amount怎么解决
• 6、求鱼眼镜头全景图像校正算法的matlab代码

嵌入式移植opencv后load无法加载.xml文件,但也没有错误提示，

1、OPENCV在进行嵌入式移植后耐液卜需要读取XML文件。

一开始利用最常用程序读取：

[plain] view plain copy

cv::FileStorage fs(xml_filename, cv::FileStorage::READ);

if ( !fs.isOpened() )

{

}

fs["QMatrix"]  m_Calib_Mat_Q;

fs["remapX1"]  m_Calib_Mat_Remap_X_L;

fs["remapY1"]  m_Calib_Mat_Remap_Y_L;

fs["remapX2"]  m_Calib_Mat_Remap_X_R;

fs["remapY2"] 埋举 m_Calib_Mat_Remap_Y_R;

[cpp] view plain copy

/prespan style="font-size:14px;"出错无法读取。/spanp/ppspan style="font-size:14px;"经过一系列过程换为：/span/ppspan style="font-size:14px;"/span/ppre name="code" class="plain"CvMat *readbyname,*m_Calib_Mat_Remap_X_L1,*m_Calib_Mat_Remap_Y_L1,*m_Calib_Mat_Remap_X_R1,*m_Calib_Mat_Remap_Y_R1;

CvFileNode *mat_node;//文件结点

CvFileStorage *fs_read=NULL;//文件存储

fprintf(stderr, "1115");

fs_read=cvOpenFileStorage("matX1.xml",0,CV_STORAGE_READ);

readbyname = (CvMat *)cvReadByName(fs_read,NULL,"matX1",NULL);

mat_node = cvGetFileNodeByName(fs_read,NULL,"matX1");

m_Calib_Mat_Remap_X_L1 = (CvMat *)cvRead(fs_read,mat_node);

cvReleaseFileStorage(fs_read);

cvReleaseMat(m_Calib_Mat_Remap_X_L1);

cvReleaseMat(m_Calib_Mat_Remap_Y_L1);

cvReleaseMat(m_Calib_Mat_Remap_X_R1);

cvReleaseMat(m_Calib_Mat_Remap_Y_R1);

cvReleaseMat(readbyname);

可以成功读取。

过程中，一开始出错可能是XML内容本身有问题，造成无法读取，可以昌穗将所要的数据分开多个XML数据，分开读取，这样可以避免多个数据的读取错误。

[img]

opencv常用函数

原文链接：

1、cvLoadImage：将图像文件加载至内存；

2、cvNamedWindow：在屏幕上创建一个窗口；

3、cvShowImage：在一个已创建好的窗口中显示图像；

4、cvWaitKey：使程序暂停，等待用户触发一个按键操作；

5、cvReleaseImage：释放图像文件所分配的内存；

6、cvDestroyWindow：销毁显示图像文件的窗口；

7、cvCreateFileCapture：通过参数设置确定要读入的AVI文件；

8、cvQueryFrame：用来将下一帧视频文件载入内存；

9、cvReleaseCapture：释放CvCapture结构开辟的内存空间；

10、cvCreateTrackbar：创建一个滚动条；

11、cvSetCaptureProperty：设置CvCapture对象的各种属性；

12、cvGetCaptureProperty：查询CvCapture对象的各种属性；

13、cvGetSize：当前图像结构的大小；

14、cvSmooth：对图像进行平滑处理；

15、cvPyrDown：图像金字塔，降采样，图像缩小为原来四分之一；

16、cvCanny：Canny边缘检测；

17、cvCreateCameraCapture：从摄像设备中读入数据；

18、cvCreateVideoWriter：创建一个写入设备以便逐帧将视频流写入视频文件；

19、cvWriteFrame：逐帧将视频流写入文件；

20、cvReleaseVideoWriter：释放CvVideoWriter结构开辟的内存空间；

21、CV_MAT_ELEM：从矩阵中得到一个元素；

22、cvAbs：计算数组中所有元素的绝对值；

23、cvAbsDiff：计算两个数组差值的绝对值；

24、cvAbsDiffS：计算数组和标量差值的绝对值；

25、cvAdd：两个数组的元素级的加运算；

26、cvAddS：一个数组和一个标量的元素级的相加运算；

27、cvAddWeighted：两个数组的元素级的加权相加运算(alpha运算)；

28、cvAvg：计算数组中所有元素的平均值段并；

29、cvAvgSdv：计算数组中所有元素的绝对值和标准差；

30、cvCalcCovarMatrix：计算一组n维空间向量的协方差；

31、cvCmp：对两个数组中的所有元素运用设置的比较操作；

32、cvCmpS：对数组和标量运用设置的比较操作；

33、cvConvertScale：用可选的缩放值转换数组元素类型；

34、cvCopy：把数组中的值复制到另一个数组中；

35、cvCountNonZero：计算数组中非0值的个数；

36、cvCrossProduct：计算两个三维向量的向量积(叉积)；

37、cvCvtColor：将数组的通道从一个颜色空间转换另外一个颜色空间；

38、cvDet：计算方阵的行列式；

39、cvDiv：用另外一个数组对一个数组进行元素级的除法运算；

40、cvDotProduct：计算两个向量的点积；

41、cvEigenVV：计算方阵的特征值和特征向量；

42、cvFlip：围绕选定轴翻转；

43、cvGEMM：矩阵乘法；

44、cvGetCol：从一个数组的列中复制元素；

45、cvGetCols：从数据的相邻的多列中握橘迹复制元素；

46、cvGetDiag：复制数组中对角线上的所有元素；

47、cvGetDims：返回数组的维数；

48、cvGetDimSize：返回一个数组的所有伍衡维的大小；

49、cvGetRow：从一个数组的行中复制元素值；

50、cvGetRows：从一个数组的多个相邻的行中复制元素值；

51、cvGetSize：得到二维的数组的尺寸，以CvSize返回；

52、cvGetSubRect：从一个数组的子区域复制元素值；

53、cvInRange：检查一个数组的元素是否在另外两个数组中的值的范围内；

54、cvInRangeS：检查一个数组的元素的值是否在另外两个标量的范围内；

55、cvInvert：求矩阵的逆；

56、cvMahalonobis：计算两个向量间的马氏距离；

57、cvMax：在两个数组中进行元素级的取最大值操作；

58、cvMaxS：在一个数组和一个标量中进行元素级的取最大值操作；

59、cvMerge：把几个单通道图像合并为一个多通道图像；

60、cvMin：在两个数组中进行元素级的取最小值操作；

61、cvMinS：在一个数组和一个标量中进行元素级的取最小值操作；

62、cvMinMaxLoc：寻找数组中的最大最小值；

63、cvMul：计算两个数组的元素级的乘积(点乘)；

64、cvNot：按位对数组中的每一个元素求反；

65、cvNormalize：将数组中元素进行归一化；

66、cvOr：对两个数组进行按位或操作；

67、cvOrs：在数组与标量之间进行按位或操作；

68、cvReduce：通过给定的操作符将二维数组简为向量；

69、cvRepeat：以平铺的方式进行数组复制；

70、cvSet：用给定值初始化数组；

71、cvSetZero：将数组中所有元素初始化为0；

72、cvSetIdentity：将数组中对角线上的元素设为1，其他置0；

73、cvSolve：求出线性方程组的解；

74、cvSplit：将多通道数组分割成多个单通道数组；

75、cvSub：两个数组元素级的相减；

76、cvSubS：元素级的从数组中减去标量；

77、cvSubRS：元素级的从标量中减去数组；

78、cvSum：对数组中的所有元素求和；

79、cvSVD：二维矩阵的奇异值分解；

80、cvSVBkSb：奇异值回代计算；

81、cvTrace：计算矩阵迹；

82、cvTranspose：矩阵的转置运算；

83、cvXor：对两个数组进行按位异或操作；

84、cvXorS：在数组和标量之间进行按位异或操作；

85、cvZero：将所有数组中的元素置为0；

86、cvConvertScaleAbs：计算可选的缩放值的绝对值之后再转换数组元素的类型；

87、cvNorm：计算数组的绝对范数， 绝对差分范数或者相对差分范数；

88、cvAnd：对两个数组进行按位与操作；

89、cvAndS：在数组和标量之间进行按位与操作；

90、cvScale：是cvConvertScale的一个宏，可以用来重新调整数组的内容，并且可以将参数从一种数据类型转换为另一种；

91、cvT：是函数cvTranspose的缩写；

92、cvLine：画直线；

93、cvRectangle：画矩形；

94、cvCircle：画圆；

95、cvEllipse：画椭圆；

96、cvEllipseBox：使用外接矩形描述椭圆；

97、cvFillPoly、cvFillConvexPoly、cvPolyLine：画多边形；

98、cvPutText：在图像上输出一些文本；

99、cvInitFont：采用一组参数配置一些用于屏幕输出的基本个特定字体；

100、cvSave：矩阵保存；

101、cvLoad：矩阵读取；

102、cvOpenFileStorage：为读/写打开存储文件；

103、cvReleaseFileStorage：释放存储的数据；

104、cvStartWriteStruct：开始写入新的数据结构；

105、cvEndWriteStruct：结束写入数据结构；

106、cvWriteInt：写入整数型；

107、cvWriteReal：写入浮点型；

108、cvWriteString：写入字符型；

109、cvWriteComment：写一个XML或YAML的注释字串；

110、cvWrite：写一个对象；

111、cvWriteRawData：写入多个数值；

112、cvWriteFileNode：将文件节点写入另一个文件存储器；

113、cvGetRootFileNode：获取存储器最顶层的节点；

114、cvGetFileNodeByName：在映图或存储器中找到相应节点；

115、cvGetHashedKey：为名称返回一个惟一的指针；

116、cvGetFileNode：在映图或文件存储器中找到节点；

117、cvGetFileNodeName：返回文件的节点名；

118、cvReadInt：读取一个无名称的整数型；

119、cvReadIntByName：读取一个有名称的整数型；

120、cvReadReal：读取一个无名称的浮点型；

121、cvReadRealByName：读取一个有名称的浮点型；

122、cvReadString：从文件节点中寻找字符串；

123、cvReadStringByName：找到一个有名称的文件节点并返回它；

124、cvRead：将对象解码并返回它的指针；

125、cvReadByName：找到对象并解码；

126、cvReadRawData：读取多个数值；

127、cvStartReadRawData：初始化文件节点序列的读取；

128、cvReadRawDataSlice：读取文件节点的内容；

129、cvGetModuleInfo：检查IPP库是否已经正常安装并且检验运行是否正常；

130、cvResizeWindow：用来调整窗口的大小；

131、cvSaveImage：保存图像；

132、cvMoveWindow：将窗口移动到其左上角为x,y的位置；

133、cvDestroyAllWindow：用来关闭所有窗口并释放窗口相关的内存空间；

134、cvGetTrackbarPos：读取滑动条的值；

135、cvSetTrackbarPos：设置滑动条的值；

136、cvGrabFrame：用于快速将视频帧读入内存；

137、cvRetrieveFrame：对读入帧做所有必须的处理；

138、cvConvertImage：用于在常用的不同图像格式之间转换；

139、cvErode：形态腐蚀；

140、cvDilate：形态学膨胀；

141、cvMorphologyEx：更通用的形态学函数；

142、cvFloodFill：漫水填充算法，用来进一步控制哪些区域将被填充颜色；

143、cvResize：放大或缩小图像；

144、cvPyrUp：图像金字塔，将现有的图像在每个维度上都放大两倍；

145、cvPyrSegmentation：利用金字塔实现图像分割；

146、cvThreshold：图像阈值化；

147、cvAcc：可以将8位整数类型图像累加为浮点图像；

148、cvAdaptiveThreshold：图像自适应阈值；

149、cvFilter2D：图像卷积；

150、cvCopyMakeBorder：将特定的图像轻微变大，然后以各种方式自动填充图像边界；

151、cvSobel：图像边缘检测，Sobel算子；

152、cvLaplace：拉普拉斯变换、图像边缘检测；

153、cvHoughLines2：霍夫直线变换；

154、cvHoughCircles：霍夫圆变换；

155、cvRemap：图像重映射，校正标定图像，图像插值；

156、cvWarpAffine：稠密仿射变换；

157、cvGetQuadrangleSubPix：仿射变换；

158、cvGetAffineTransform：仿射映射矩阵的计算；

159、cvCloneImage：将整个IplImage结构复制到新的IplImage中；

160、cv2DRotationMatrix：仿射映射矩阵的计算；

161、cvTransform：稀疏仿射变换；

162、cvWarpPerspective：密集透视变换(单应性)；

163、cvGetPerspectiveTransform：计算透视映射矩阵；

164、cvPerspectiveTransform：稀疏透视变换；

165、cvCartToPolar：将数值从笛卡尔空间到极坐标(极性空间)进行映射；

166、cvPolarToCart：将数值从极性空间到笛卡尔空间进行映射；

167、cvLogPolar：对数极坐标变换；

168、cvDFT：离散傅里叶变换；

169、cvMulSpectrums：频谱乘法；

170、cvDCT：离散余弦变换；

171、cvIntegral：计算积分图像；

172、cvDistTransform：图像的距离变换；

173、cvEqualizeHist：直方图均衡化；

174、cvCreateHist：创建一新直方图；

175、cvMakeHistHeaderForArray：根据已给出的数据创建直方图；

176、cvNormalizeHist：归一化直方图；

177、cvThreshHist：直方图阈值函数；

178、cvCalcHist：从图像中自动计算直方图；

179、cvCompareHist：用于对比两个直方图的相似度；

180、cvCalcEMD2：陆地移动距离(EMD)算法；

181、cvCalcBackProject：反向投影；

182、cvCalcBackProjectPatch：图块的方向投影；

183、cvMatchTemplate：模板匹配；

184、cvCreateMemStorage：用于创建一个内存存储器；

185、cvCreateSeq：创建序列；

186、cvSeqInvert：将序列进行逆序操作；

187、cvCvtSeqToArray：复制序列的全部或部分到一个连续内存数组中；

188、cvFindContours：从二值图像中寻找轮廓；

189、cvDrawContours：绘制轮廓；

190、cvApproxPoly：使用多边形逼近一个轮廓；

191、cvContourPerimeter：轮廓长度；

192、cvContoursMoments：计算轮廓矩；

193、cvMoments：计算Hu不变矩；

194、cvMatchShapes：使用矩进行匹配；

195、cvInitLineIterator：对任意直线上的像素进行采样；

196、cvSampleLine：对直线采样；

197、cvAbsDiff：帧差；

198、cvWatershed：分水岭算法；

199、cvInpaint：修补图像；

200、cvGoodFeaturesToTrack：寻找角点；

201、cvFindCornerSubPix：用于发现亚像素精度的角点位置；

202、cvCalcOpticalFlowLK：实现非金字塔的Lucas-Kanade稠密光流算法；

203、cvMeanShift：mean-shift跟踪算法；

204、cvCamShift：camshift跟踪算法；

205、cvCreateKalman：创建Kalman滤波器；

206、cvCreateConDensation：创建condensation滤波器；

207、cvConvertPointsHomogenious：对齐次坐标进行转换；

208、cvFindChessboardCorners：定位棋盘角点；

209、cvFindHomography：计算单应性矩阵；

210、cvRodrigues2：罗德里格斯变换；

211、cvFitLine：直线拟合算法；

212、cvCalcCovarMatrix：计算协方差矩阵；

213、cvInvert：计算协方差矩阵的逆矩阵；

214、cvMahalanobis：计算Mahalanobis距离；

215、cvKMeans2：K均值；

216、cvCloneMat：根据一个已有的矩阵创建一个新矩阵；

217、cvPreCornerDetect：计算用于角点检测的特征图；

218、cvGetImage：CvMat图像数据格式转换成IplImage图像数据格式；

219、cvMatMul：两矩阵相乘；

COLMAP简易教程(命令行模式)

完整的 multi view stereo pipeline 会有以下步骤

1. structure from motion(SfM)== camera parameters, sparse point cloud

2. multi view stereo(MVS)==depth map, dense point cloud

3. surface reconstruction(SR)==poisson or delauny reconstruction, mesh

4. texture mapping(TM)==get mesh with texture

COLMAP整体流程如下图所示

COLMAP 兼容好几种不同的相机模型，我们在使用时可以对相机模型进行限制以获得最好的效果。如果提前不知道相机内参，最好使用包含畸变系数的模型，默认为  SIMPLE_RAIDIAL  。

如果已知相机没有畸变或畸变影枣郑响很小，建议使用  SIMPLE_PINHOLE  模型。

可供选择的模答族型分别为

不同模型含义及参数如下表所示，详见 Camera Models

Pinhole_camera_model

camera_calibration_and_3d_reconstruction

运动恢复结构流程如下图所示

运动恢复结构的目的是求解相机参数，需要把所有输入图片放到一个文件夹下。按如下步骤依次进行。

相机内参已知的情况下我们可以直接通过命令行参数 ImageReader.camera_params 传给COLMAP。

a. 相机内参已知

其中  camera_params  为 std::string 类型，不同的模型有对应的表示方式。参数及含义参考上面表格中的各种相机模型。

b. 相机内参未知

其中  database_path  设置工程数据文件的保存路径

image_path  设置输入图像所在文件夹路径

camera_model  设置相机模型

max_image_size  设置为大于图像最大边所对应的分辨率的值

其中  database_path  设置为特征点检测时工程数据文件保存的路径。

模型转换与参数读取

在进行稀疏重建之后，model 默认会被导出到 bin 文件中，因为这样比较紧凑，节省空间，可以使用 COLMAP 的模型转换功能将其转换成 txt 文件。注意下面的指令中  input_path  和  output_path  是文件所在文件夹的路径，而不是单个文件路径。

a. 相机内参 cameras.txt  格式如下

b. 相机外参，包含旋转和平移，以及每张图片中特征清岩弊点在图像中的二维坐标及其对应的三维稀疏点索引 images.txt  格式如下，注意这里的旋转保存为单位四元数形式，与 Eigen::Quaterniond 格式相同

c. 稀疏三维点云中三维空间点的信息  points3D.txt 格式如下

如果需要进一步 rectify, 可以把参数输入到 OpenCV 的  stereoRectify()  函数中，之后 initUndistortRectifyMap() , 最后使用 remap()  函数进行重映射 从而得到矫正的结果。

利用前面的步骤求得的相机参数进行稠密重建，由 PatchMatch 求解单视角对应的深度图和法向图，同时根据需要对深度图和法相图进行滤波。

对于纹理不是特别丰富的场景，建议增加 windows_radius 以及降低 filter_min_ncc 来提升深度值求解的准确度。

OpenCV实现双目测距

原理很简单，利用了厅悄相似三角形计算距离，所以双目测距的主要任务在于前期摄像头的定标、双目图像点的特征匹配上。

摄像头定标一般都需要一个放在摄像头前的特制的标定参照物（棋盘纸），摄像头获取该物体的图像，并由此计算摄像头的内外参数。标定参照物上的每一个特征点相对于世界坐标系的位置在制作时应精确测定，世界坐标系可选为参照物的物体坐标系。在得到这些已知点在图像上的投影位置后，可计算出摄像头的内外参数。

如上公式所示，摄像扮镇渣头由于光学透镜的特性使得成像存在着径向畸变，可由三个参数k1,k2,k3确定；由于装配方面的误差，传感器与光学镜头之间并非完全平行，因此成像存在切向畸变，可由两个参数p1,p2确定。

cvStereoRectify 执行双目校正

initUndistortRectifyMap 分别生成两个图像校正所需的像素映射矩阵

cvremap 分别对旅贺两个图像进行校正

预处理： 图像归一化，减少亮度差别，增强纹理

stereoBM生成视差图

匹配过程： 滑动sad窗口，沿着水平线进行匹配搜索，由于校正后左右图片平行，左图的特征可以在右图对应行找到最佳匹配

再过滤： 去除坏的匹配点 通过uniquenessratio

输出视差图disparity：如果左右匹配点比较稠密，匹配点多，得到的图像与原图相似度比较大， 如果匹配点比较稀疏，得到的点与原图 相似度比较小

根据提取的特征点上用上述双目测距的相似三角算法得出距离。

未定义标识符amount怎么解决

opencv中遇到“未定义的标识符”问题总结

原因：是由于OpenCV2升级到OpenCV3导致的，总之问题不大。

一：在OpenCV2代码升级为Opencv3时，代码报错“未定义的标识符配纤没”，一般是遇到以下3种情形：

例如：CV_WINDOW_AUTOSIZE未声明的标识符 原因：OpenCV3中取消了Opencv1中残留的CV_式的宏定义前缀，使用新的命名规范 解决方法：直接去掉CV_前缀 A.namedWindow()函数中，CV_WINDOW_AUTOSIZE改为WINDOW_AUTOSIZE B.threshold()函数中，CV_THRESH_BINARY改为THRESH_BINARY C.line函竖咐数中，CV_FILED改为FILLED D.remap()函数中培纳CV_INTER_LINEAR改为INTER_LINEAR

求鱼眼镜头全景图像校正算法的matlab代码

（一） opencv里面摄像机标定计算内参数矩阵用的是张正友标定法，非常经典，MATLAB标定工具箱也是用的该方法。具体的标定过程可以参见张正友的原文： 。或者参考博文：

（二） 基于opencv的摄像机标定用的主要函数有：

cvFindChessboardCorners：提取一幅图片上的所有角点。

cvFindCornerSubPix：亚像素精确化。

cvDrawChessboardCorners：显示角点。

cvCalibrateCamera2：标定摄像机参数，求出内参数矩阵，畸变系数，旋转向量和平移向量。

校正主要用的函数有2个：

cvInitUndistortMap：根据cvCalibrateCamera2计算出来的内参数矩阵和畸变系数计算畸变映射。

cvRemap：根据畸变映射校正图像。

（三）详细的过程及参考书籍：

1、《基于OpenCV的计算机视觉技术实现》 陈胜勇，刘盛编著 科学出版社,2008；(该书用OpenCV 1.0库，第14章详细介绍如何用opencv进行摄像机标定，包括摄像机标定的原理，opencv相关库函数详细的介绍以及例子)

2、《学习OpenCV（中文版）》拍桐 于仕琪译 清华大学出版社,2009；(OpenCV 2.0库，第11、12章详细介绍如何进行摄纳李像机标定以及三维重建)

3、OpenCV的标定参数中，对于镜头畸变采用的方法是Brown博士在71年发表的文章中提到的。

（四）MATLAB标定也在这里提一下：

，该网站有很详细的使用说明

matlab标定工具箱来进行标定，它也是基于张正友的平面标定方法的，有误差分析、标定结果三维重建、重投影计算角点等功能 。

Matlab中的镜头畸变参数采用基于Heikkil博士提出的方法，将非线性干扰因素引入到内外参数的求解过程。标定的过程需要手动选取四个角点，标定图片拍摄的多的话，比较麻烦。

（五）实验袭茄坦结果

自己买了个手机鱼眼镜头，拍摄了16幅标定板图片。注意拍摄的角度不要和成像平面平行。

示例程序049--摄像机标定和鱼眼校正

关于opencvremap和opencvremap未经处理的异常的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。