ChessboardLocalization 棋盘定位

ChessboardLocalization 算子用于对含有黑白棋盘格的标定板 2D 图像进行角点识别以及空间定位，从而得到棋盘格内角点的像素列表，以及棋盘格原点在RGB镜头3D坐标系下的位姿（位置和姿态）。

“棋盘格原点“对应内角点的四个边缘点的某个点，具体的对应方式可以参照文档下述的案例。

每一张标定图像中必须要包含黑白格所有的内角点。在内角点清晰可见的基础上，最边缘的黑白格被遮挡一部分不影响结果识别。

拍摄标定板图像时，相机和标定板要保持静止，并且两者距离不能过远，否则容易导致角点像素模糊。

该算子一般用于手眼标定。手眼标定过程中标定图像不应低于6张，建议15张或更多。拍摄完一张标定板图像后，相机和标定板之间的距离以及相对位姿需要重新调整。调整范围需要尽量覆盖到实际工作场景中的整个3D空间。

算子参数

棋盘行数/number_rows：棋盘格标定板的格子行数。默认值：6。
棋盘列数/number_colors：棋盘格标定板的格子列数。默认值：9。（行列区分见功能演示）
棋盘格尺寸毫米/square_size_in_millimeter：棋盘格标定板的每个小格的长度。默认值：30。单位：mm。
相机标定文件/calib_file：相机RGB镜头的出厂标定参数文件路径。参数文件包括外参（ RGB 镜头到 3D 镜头的转换矩阵），内参以及畸变参数。当 calib_info 的输入端口有连接时，则该参数无效。当 calib_info 的输入端口没有连接时，则必须给该参数赋值。
坐标/pose：设置棋盘格原点 pose 在 3D 视图中的可视化属性。
- 打开 Pose 可视化。
- 关闭 Pose 可视化。
- 设置 Pose 的尺寸大小。取值范围：[0.001,10]。默认值：0.1。
图像/image：设置 result 在 2D 视图中的可视化属性。
- 打开 result 可视化。
- 关闭 result 可视化。

输入：

输出：

使用 ChessboardLocalization 算子对含有标定板的 2D 图像进行角点识别以及空间定位。得出棋盘格标定板的像素列表，同时得出棋盘格原点在 3D 空间中的位置和姿态。

步骤1：算子准备

添加 Trigger、Load（2个）、ChessboardLocalization 算子至算子图。

步骤2：设置算子参数

设置 Load 算子参数：
- 类型 → Image
- 文件 → → 选择图像文件名（ example_data/ChessboardLocalization/rgb.png )
- 图像 → 可视
设置 Load 算子参数：
- 算子名称 →LoadPointCloud
- 类型 → PointCloud
- 文件 → → 与加载的图像匹配的点云（ example_data/ChessboardLocalization/cloud.pcd )
- 点云 → 可视
设置 ChessboardLocalization 算子参数：
- 棋盘行数 → 6（实际工作中根据所拍摄的标定板的实际数据更改）
- 棋盘列数 → 9（实际工作中根据所拍摄的标定板的实际数据更改）
- 棋盘格尺寸毫米 → 30 （实际工作中根据所拍摄的标定板的实际数据更改）
  
  相机标定文件 → example_example_data/ty_chessboard_calib.txt (实际工作中赋值实际所用相机的rgb参数文件赋值)
- 坐标 → 可视
- 图像 → 可视

步骤3：连接算子

Calibration_ChessboardLocalization

步骤4：运行

点击 RVS 的运行按钮，触发 Trigger 完成第一次的运行。

运行结果

结果如下图所示。得出棋盘格标定板的像素列表，同时得出棋盘格原点在 3D 空间中的位置和姿态。

说明：受限于成像误差、出厂标定参数误差以及计算误差，下图所得的棋盘格原点位姿同真实值有一些偏移，其真实值应该同棋盘格左上角内角点重合。所以我们在进行手眼标定计算时，一般使用多组标定图像来进行回归运算减少误差。
将 ChessboardLocalization 算子的 棋盘行数、棋盘列数 数值对换。重新运行，结果如下图所示（两幅图的 3d 观察视角保持一致）。容易发现，红色的 x 轴始终沿着目标设定的 棋盘列数 方向。上图运行时 棋盘列数 ：9，下图运行时 棋盘列数 ： 6。

Calibration_ChessboardLocalZation_result2