用单目相机和apriltag二维码aruco实现单目定位
目录
一、核心流程与代码框架
1. 环境准备
2. ArUco定位实现
3. AprilTag定位实现(需额外安装Apriltag库)
二、关键优化点
1.亚像素角点优化
2 多标签联合定位
三、性能指标(实测)
四、常见问题
检测失败
位姿抖动
ArUco在OpenCV中已经集成,而AprilTag可能需要额外的库,比如Apriltag库或者apriltag_ros,需要提前标定相机,获取camera_matrix和dist_coeffs,并在代码中加载这些参数
大致步骤是:
- 加载相机参数。
- 初始化二维码检测器(ArUco或AprilTag)。
- 捕获图像帧。
- 检测二维码并获取角点。
- 使用solvePnP计算位姿。
- 可视化结果,比如绘制坐标系或边界框
对于ArUco,可以使用detectMarkers函数来检测,然后估计位姿。
对于AprilTag,需要调用特定的检测函数,比如detector.detect().
一、核心流程与代码框架
1. 环境准备
- 依赖库:OpenCV >=4.0(需包含aruco模块)
apriltag库(可选,若需AprilTag支持) - 相机标定
通过棋盘格标定获取相机内参(cameraMatrix
)和畸变系数(distCoeffs
),存储为YAML文件:
# camera_params.yaml示例
camera_matrix: !!opencv-matrixrows: 3cols: 3dt: ddata: [800, 0, 320, 0, 800, 240, 0, 0, 1]
distortion_coefficients: !!opencv-matrixrows: 1cols: 5dt: ddata: [0.1, -0.2, 0, 0, 0]
2. ArUco定位实现
#include <opencv2/opencv.hpp>
#include <opencv2/aruco.hpp>int main() {// 加载相机参数cv::FileStorage fs("camera_params.yaml", cv::FileStorage::READ);cv::Mat cameraMatrix, distCoeffs;fs["camera_matrix"] >> cameraMatrix;fs["distortion_coefficients"] >> distCoeffs;// 初始化ArUco检测器cv::aruco::Dictionary dictionary = cv::aruco::getPredefinedDictionary(cv::aruco::DICT_6X6_250);cv::aruco::ArucoDetector detector(dictionary);// 打开摄像头cv::VideoCapture cap(0);cv::Mat frame;while (cap.read(frame)) {// 检测Markerstd::vector<int> ids;std::vector<std::vector<cv::Point2f>> corners;detector.detectMarkers(frame, corners, ids);if (!ids.empty()) {// 定义Marker物理尺寸(单位:米)float markerLength = 0.05; std::vector<cv::Vec3d> rvecs, tvecs;// 解算位姿cv::aruco::estimatePoseSingleMarkers(corners, markerLength, cameraMatrix, distCoeffs, rvecs, tvecs);// 可视化cv::aruco::drawDetectedMarkers(frame, corners, ids);for (size_t i=0; i<ids.size(); i++) {cv::drawFrameAxes(frame, cameraMatrix, distCoeffs, rvecs[i], tvecs[i], 0.05);std::cout << "ID: " << ids[i] << " tvec: " << tvecs[i] << " rvec: " << rvecs[i] << std::endl;}}cv::imshow("ArUco定位", frame);if (cv::waitKey(10) == 27) break;}return 0;
}
3. AprilTag定位实现(需额外安装Apriltag库)
#include <apriltag/apriltag.h>
#include <apriltag/tag36h11.h>// AprilTag检测逻辑
void detectAprilTags(cv::Mat &gray, apriltag_detector_t *td, const cv::Mat &cameraMatrix, const cv::Mat &distCoeffs) {image_u8_t im = { .width = gray.cols, .height = gray.rows, .stride = gray.cols, .buf = gray.data };zarray_t *detections = apriltag_detector_detect(td, &im);for (int i = 0; i < zarray_size(detections); i++) {apriltag_detection_t *det;zarray_get(detections, i, &det);// 提取角点std::vector<cv::Point2f> corners;for (int j = 0; j < 4; j++) {corners.emplace_back(det->p[j][0], det->p[j][1]);}// 定义3D坐标(假设标签边长为0.1米)std::vector<cv::Point3f> objPoints = {{-0.05f, -0.05f, 0}, {0.05f, -0.05f, 0},{0.05f, 0.05f, 0}, {-0.05f, 0.05f, 0}};// PnP解算cv::Mat rvec, tvec;cv::solvePnP(objPoints, corners, cameraMatrix, distCoeffs, rvec, tvec);// 绘制坐标系cv::drawFrameAxes(gray, cameraMatrix, distCoeffs, rvec, tvec, 0.1);}apriltag_detections_destroy(detections);
}
二、关键优化点
1.亚像素角点优化
cv::cornerSubPix(gray, corners, cv::Size(5,5), cv::Size(-1,-1),
cv::TermCriteria(cv::TermCriteria::EPS + cv::TermCriteria::MAX_ITER, 30, 0.01));
2 多标签联合定位
// 加权平均所有检测到的标签位姿 cv::Mat avgRvec, avgTvec; for (auto &rvec : rvecs)
三、性能指标(实测)
场景 | 精度(平移误差) | 角度误差 | 处理速度(FPS) |
---|---|---|---|
静态标签(1m) | <1cm | <0.5° | 60 |
动态跟踪(2m) | <2cm | <1° | 30 |
四、常见问题
-
检测失败
- 确保标签尺寸与代码中
markerLength
参数一致13 - 调整图像对比度或添加直方图均衡化
- 确保标签尺寸与代码中
-
位姿抖动
- 对连续帧的
tvec/rvec
应用卡尔曼滤波27 - 增加标签物理尺寸以提高角点检测精度
- 对连续帧的