2025 年人形机器人视觉传感器畸变校正实操试卷及答案.docxVIP

2025年人形机器人视觉传感器畸变校正实操试卷及答案

考试时间：______分钟总分：______分姓名：______

一、

请编写Python代码，使用OpenCV库完成chessboard标定板（假设内尺寸为7x7）的角点检测。要求处理单张输入图像（图像路径已给出），使用`cv2.findChessboardCorners`函数，并将检测到的角点用蓝色圆圈（`cv2.circle`）绘制在原图上，并将绘制后的图像保存到指定路径。

二、

假设已完成多视角棋盘格标定，获得了以下相机内参和畸变系数：

```python

#内参矩阵K

K=np.array([[1000.0,0.0,320.0],

[0.0,1000.0,240.0],

[0.0,0.0,1.0]])

#畸变系数

D=np.array([0.1,-0.25,0.003,0.0001,-0.0002])

```

请编写Python代码，使用OpenCV库实现畸变校正功能。要求输入一张包含明显畸变的图像（图像路径已给出），利用上述`K`和`D`，调用`cv2.undistort`函数进行校正，并将校正后的图像保存到指定路径。

三、

在前两题的基础上，请编写Python代码，实现畸变校正前后的图像并排显示。要求将原始畸变图像和校正后的图像水平排列显示在同一个窗口中，窗口标题为DistortionBeforeandAfter。

四、

假设你正在进行相机标定，使用的是棋盘格标定板。请简述在使用`cv2.calibrateCamera`函数进行标定时，你需要准备哪些关键输入数据？并说明`cv2.calibrateCamera`函数的主要输出参数及其含义。

五、

在实际的人形机器人应用中，为什么进行视觉传感器畸变校正是非常重要的？请结合至少两个具体的机器人应用场景，说明畸变校正带来的好处。

试卷答案

一、

```python

importcv2

importnumpyasnp

importglob

#假设棋盘格内角点数为7x7

chessboard_size=(7,7)

#假设提供了棋盘格图像的路径列表

#image_paths=glob.glob(path_to_chessboard_images/*.jpg)

#假设单张图像路径为image_paths[0]

image_path=path_to_single_chessboard_image.jpg

output_path=chessboard_corners_detected.png

#读取图像

img=cv2.imread(image_path)

ifimgisNone:

print(Error:Imagenotfound.)

exit()

#转换为灰度图

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#创建找到的角点的存储空间

objpoints=[]#3d点在现实世界中的坐标

imgpoints=[]#2d点在图像平面的坐标

#假设世界坐标中的角点坐标(0,0,0),(1,0,0),...,(6,5,0)

objp=np.zeros((np.prod(chessboard_size),3),np.float32)

objp[:,:2]=np.mgrid[0:chessboard_size[0],0:chessboard_size[1]].T.reshape(-1,2)

#寻找角点

ret,corners=cv2.findChessboardCorners(gray,chessboard_size,None)

ifret:

#添加对象点和图像点

objpoints.append(objp)

imgpoints.append(corners)

#绘制角点

img=cv2.drawChessboardCorners(img,chessboard_size,corners,ret)

#保存图像

cv2.imwrite(output_path,img)

print(f角点检测完成，图像已保存至{output_path})

else:

print(角点未检测到。)

```

解析思路：

1.导入库：导入必要的`cv2`(OpenCV),`numpy`(数值计算)库。

2.定义参数