Files

T

mzxwww c50be9a48d Document IDE setup and repository commit rules

- note that compile_commands.json must be regenerated locally
- add a commit-rule table and a warning to back up calibration photos
- fix the intrinsics example to read configs/camera.yaml

2026-09-15 23:33:23 +08:00

5.9 KiB

Raw Blame History

27RM

RoboMaster 视觉工程（MindVision 相机 + OpenCV）。

构建

xmake                 # 产出三个程序（见下）
xmake run 27RM        # 跑主程序

VSCode + clangd

compile_commands.json 含本机绝对路径，不入库，克隆后自己生成一次：

xmake project -k compile_commands .vscode

（.vscode/settings.json 里已配置 clangd.arguments: ["--compile-commands-dir=.vscode"]）

程序清单

程序	用途
`27RM`	自瞄主程序
`capture_calib`	相机标定图采集工具
`calibrate`	标定计算工具（照片 → 内参/畸变 → `configs/camera.yaml`）

配置

configs/
└── camera.yaml     # 相机内参 + 畸变 + 标定元信息（由 calibrate 生成，需入库）

代码里这样用（inc/camera_calib.hpp）：

#include "camera_calib.hpp"

CameraCalib calib;
if (!calib.load("configs/camera.yaml")) return -1;      // 启动时加载一次

cv::Mat undist;
calib.undistort(frame, undist);                          // 每帧去畸变

// 装甲板四角点（左下、左上、右上、右下）→ 位姿
std::array<cv::Point2f, 4> corners{lb, lt, rt, rb};
if (auto pose = calib.solvePose(corners, ArmorSize::small())) {
    double yaw, pitch;
    CameraCalib::poseToYawPitch(pose->tvec, yaw, pitch);
    // pose->distance_mm / pose->reproj_error_px 可用于过滤坏帧
}

程序必须在工程根目录运行（configs/ 是相对路径），或自行传绝对路径。

相机标定流程

本工程标定板规格：10 × 7 内角点、方格 20.0 mm（卡尺实测值，不是打印标称值）相机：MV-SUA131GC（1/3" CMOS，3.75μm 像元）+ MV-LD-M12-2.8MM-C 镜头，输出 1280×1024 ⚠️ M12 镜头调焦会改变有效焦距，标定和使用时必须保持对焦环位置一致

1. 采集标定图

# 用 MindVision 相机（机器人上那台）
./build/linux/x86_64/debug/capture_calib --square 20.0

# 或改用 USB 摄像头
./build/linux/x86_64/debug/capture_calib --usb 0 --square 20.0

按键：

键	功能
空格	保存当前帧（默认要求检测到棋盘格）
`f`	强制保存（未检测到也存）
`d`	删除上一张
`c`	开关实时角点检测显示
`g`	灰度预览（排查过曝/反光）
`q` / ESC	退出

拍摄要求：

标定板出现在画面中心、四角、边缘（2.8mm 广角镜头边缘畸变最大）
姿态多样：正对、倾斜、旋转、俯仰
清晰不糊、光照均匀、无反光、板子贴平硬板
20~30 张，保存于 calib_images/（已加入 .gitignore，不会入库）

2. 计算内参

./build/linux/x86_64/debug/calibrate --dir calib_images --square 20.0   # 只算顶层
./build/linux/x86_64/debug/calibrate --dir calib_all --square 20.0      # 全部 31 张（推荐）
./build/linux/x86_64/debug/calibrate --square 20.0 --show               # 逐张查看角点与重投影

工具会输出重投影误差 RMS、内参 K、畸变系数、每张图误差排行，并写入 camera_calib.yml。

重投影误差	评价
< 0.3 px	很好
0.3 ~ 0.5 px	可接受
> 0.5 px	建议重拍

当前标定结果（calib_all/ 31 张，20mm 方格）： fx=657.47, fy=658.25, cx=625.64, cy=509.00，RMS 0.483 px 距离验证：卷尺 700mm vs 程序 687~697mm，误差 < 2% ✓

⚠️ 标定图必须同时具备「三种多样性」

维度	作用	不满足的后果
画面位置（九宫格覆盖）	约束畸变系数	边缘畸变解不出来，RMS 偏高
倾角（正对/上下倾/左右倾/大角度）	约束焦距与主点	参数耦合，精度下降
距离（近/中/远，板子占画面 40%/20%/8%）	约束尺度 ⭐	fx 无法确定：所有图同距离时，"焦距×距离"可整体缩放而图像不变，优化器会落到错误值，且 RMS 依然很低（最阴险的坑）

实测教训：一套 19 张、覆盖 9/9 但距离相近的图，标出的 fx=883（实际 659，偏差 34%），距离误差直接 +32%；与旧的 12 张（距离 24~65cm）合并后 fx 回到 657，误差 <2%。距离多样性是 fx 的锚点，不可省。

3. 使用内参

推荐直接用封装好的 CameraCalib（见上方「配置」一节），它已经处理了配置路径、去畸变缓存和位姿门限。若要手动读：

cv::Mat K, D;
cv::FileStorage fs("configs/camera.yaml", cv::FileStorage::READ);
fs["camera_matrix"] >> K;
fs["dist_coeffs"] >> D;

之后用 cv::undistort / cv::solvePnP 做去畸变与位姿解算。

4. 距离验证（改完参数一定要做）

~/yolo-env/bin/python ~/rm_vision/verify_distance.py 图片.jpg --square 20.0 --distance 647

用卷尺量出真实距离，与程序算出的距离对比：误差 < 2% 说明标定可用。

提交规则（.gitignore）

内容	是否入库	原因
`src/` `inc/` `xmake.lua` `README.md`	✅ 入库	源码与构建脚本
`configs/camera.yaml`	✅ 必须入库	相机内参，全队共用
`calib_images/` `calib_all/`	❌ 不入库	标定照片，20MB+ 且随时重拍
`.jpg` `.png` `.bmp` `.avi` `*.mp4`	❌ 不入库	图片视频一律不入库
`build/` `.xmake/` `Camera/` `*.log`	❌ 不入库	编译产物、SDK 运行时日志
`.vscode/compile_commands.json`	❌ 不入库	xmake 生成，含本机绝对路径

确有少量配图（例如 README 插图）要提交时，用强制添加：

git add -f docs/xxx.png

⚠️ 标定图请自己留备份

照片不入库 = 只有本机一份。重装系统前记得把 calib_images/ 拷到网盘或 U 盘，否则将来想重新标定（换镜头、调焦后）就没有原始数据了。标定结果在 configs/camera.yaml 里，但结果无法替代原始照片。

5.9 KiB Raw Blame History Unescape Escape