一般在高精度測量時需要做以下幾個標定，一光學畸變標定（如果您不是用的軟體鏡頭，一般都必須標定），二投影畸變的標定，也就是因為您安裝位置誤差代表的影象畸變校正，三物像空間的標定，也就是具體算出每個畫素對應物空間的尺寸。
前兩者應該都可以通過「張正友」標定方法進行解決；對於空間的標定，基本上都是通過獲得比對現實中的已經知道長度的物體，獲得畫素當量到長度的轉化。
現實拍攝的物體，或多或少會有噪音干擾，在標定的過程中還需要影象處理演算法進行糾正。
比如我獲得這樣的。這幅的獲取，基於我自己改造的影象處理支架，對於普通的實驗來說，已經比較純淨了。由於使用的是鋼尺，反光比較厲害。為了便於標定，我將10厘公尺和20厘公尺兩個地方用綠色膠帶纏繞住。
下一步，就是要獲得關鍵區域。通過gopre的分析，原始影象在yuv域下，比較方便分割
編寫**分割，閾值分析
這個時候還是有噪音的，但是已經比較理想了。最合適的方法就是投影分析。由於gocvhelper中的投影分析本來是對字元投影進行分割的，所以需要適當地修正。
void projection4ruler(mat
src, int& down1,int& up2 ,int direction)
vdate.push_back(itmp);
}}else
}//過濾掉所有噪音
//尋找第乙個下邊沿和第二個上邊沿
down1 = 1;
up2 = src.cols - 1;
for (int
i=0;i
}for (int
i= down1;i}}
尋找並且標註出來，非常準確。
圖上(1767 - 771 = 996)對於10厘公尺，那麼，那麼1個畫素相當於0.1公釐（這個整數只是巧合）
多次測量，驗證演算法的穩定性，並運用於實際專案。 小結
基於演算法庫和成熟的思路，能夠加速解決問題速度。
比較好的視覺環境也很重要。
附全部**
//gocvhelper的demo程式
#include "stdafx.h"
#include
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "gocvhelper.h"
using namespace std;
using namespace cv;
using namespace go;
#define vp
vector
<:point> //用vp符號代替 vector
void projection4ruler(mat
src, int& down1,int& up2 ,int direction)
vdate.push_back(itmp);
}}else
}//過濾掉所有噪音
//尋找第乙個下邊沿和第二個上邊沿
down1 = 1;
up2 = src.cols - 1;
for (int
i=0;i
}for (int
i= down1;i
}}
int _tmain(int argc, _tchar* argv)
來自為知筆記(wiz)
基於opencv的攝像頭的標定
四個座標系分別為 世界座標系 ow 攝像機座標系 oc 影象物理座標系 o1，單位mm 影象畫素座標系 o，位於視野平面的左上角，單位pix 空間某點p到其像點p的座標轉換過程主要是通過這四套座標系的三次轉換實現的，首先將世界座標系進行平移和轉換得到攝像機座標系，然後根據三角幾何變換得到影象物理座標...
監控攝像頭鏡頭可視距離和角度
監控攝像機鏡頭看清人臉的距離與監控角度 一 常見鏡頭視角角度 規格角度 2.1 mm 小鏡頭1 3 150 2.5mm 小鏡頭1 3 130 2.8mm 小鏡頭1 3 115 2.8mm 固定光圈 1 3 115 3.6mm 1 3 96 4mm 1 3 78 6mm 1 3 53 8mm 1 3 ...
webrtc QOS方法七（攝像頭採集幀率調整）
檢查cpu占有率 編碼解碼時間，都沒有異常。按理來說效能是可以達到30fps的實時通訊能力的。1 首先確認到底是不是攝像頭採集出來的幀率就低，還是系統排程慢，導致採集幀率低。ffmpeg的命令列如下 ffmpeg list devices true f dshow i dummy 顯示要採集攝像頭裝...