Aruco 標記，模組功能已移至 objdetect 模組

詳細說明

ArUco 標記檢測，模組功能已移至 objdetect 模組

另請參閱

ArucoDetector, CharucoDetector, Board, GridBoard, CharucoBoard

類
結構體	cv::aruco::EstimateParameters
	姿態估計引數。更多...

列舉
enum	cv::aruco::PatternPositionType {   cv::aruco::ARUCO_CCW_CENTER ,   cv::aruco::ARUCO_CW_TOP_LEFT_CORNER }
	rvec/tvec 定義了標記的右手座標系。更多...

函式
double	cv::aruco::calibrateCameraAruco (InputArrayOfArrays corners, InputArray ids, InputArray counter, const Ptr< Board > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, OutputArray stdDeviationsIntrinsics, OutputArray stdDeviationsExtrinsics, OutputArray perViewErrors, int flags=0, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	使用 aruco 標記校準相機。
double	cv::aruco::calibrateCameraAruco (InputArrayOfArrays corners, InputArray ids, InputArray counter, const Ptr< Board > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs=noArray(), OutputArrayOfArrays tvecs=noArray(), int flags=0, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	該函式與 calibrateCameraAruco 相同，但不包含校準誤差估計。
double	cv::aruco::calibrateCameraCharuco (InputArrayOfArrays charucoCorners, InputArrayOfArrays charucoIds, const Ptr< CharucoBoard > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs, OutputArray stdDeviationsIntrinsics, OutputArray stdDeviationsExtrinsics, OutputArray perViewErrors, int flags=0, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	使用 Charuco 角點校準相機。
double	cv::aruco::calibrateCameraCharuco (InputArrayOfArrays charucoCorners, InputArrayOfArrays charucoIds, const Ptr< CharucoBoard > &board, Size imageSize, InputOutputArray cameraMatrix, InputOutputArray distCoeffs, OutputArrayOfArrays rvecs=noArray(), OutputArrayOfArrays tvecs=noArray(), int flags=0, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON))
	該函式與 calibrateCameraCharuco 相同，但不包含校準誤差估計。
void	cv::aruco::detectCharucoDiamond (InputArray image, InputArrayOfArrays markerCorners, InputArray markerIds, float squareMarkerLengthRate, OutputArrayOfArrays diamondCorners, OutputArray diamondIds, InputArray cameraMatrix=noArray(), InputArray distCoeffs=noArray(), Ptr< Dictionary > dictionary=makePtr< Dictionary >(getPredefinedDictionary(PredefinedDictionaryType::DICT_4X4_50)))
	檢測 ChArUco 鑽石標記。
void	cv::aruco::detectMarkers (InputArray image, const Ptr< Dictionary > &dictionary, OutputArrayOfArrays corners, OutputArray ids, const Ptr< DetectorParameters > &parameters=makePtr< DetectorParameters >(), OutputArrayOfArrays rejectedImgPoints=noArray())
	檢測標記
void	cv::aruco::drawCharucoDiamond (const Ptr< Dictionary > &dictionary, Vec4i ids, int squareLength, int markerLength, OutputArray img, int marginSize=0, int borderBits=1)
	繪製一個 ChArUco 鑽石標記。
void	cv::aruco::drawPlanarBoard (const Ptr< Board > &board, Size outSize, OutputArray img, int marginSize, int borderBits)
	繪製平面板
int	cv::aruco::estimatePoseBoard (InputArrayOfArrays corners, InputArray ids, const Ptr< Board > &board, InputArray cameraMatrix, InputArray distCoeffs, InputOutputArray rvec, InputOutputArray tvec, bool useExtrinsicGuess=false)
bool	cv::aruco::estimatePoseCharucoBoard (InputArray charucoCorners, InputArray charucoIds, const Ptr< CharucoBoard > &board, InputArray cameraMatrix, InputArray distCoeffs, InputOutputArray rvec, InputOutputArray tvec, bool useExtrinsicGuess=false)
	根據部分角點估計 ChArUco 板的姿態。
void	cv::aruco::estimatePoseSingleMarkers (InputArrayOfArrays corners, float markerLength, InputArray cameraMatrix, InputArray distCoeffs, OutputArray rvecs, OutputArray tvecs, OutputArray objPoints=noArray(), const Ptr< EstimateParameters > &estimateParameters=makePtr< EstimateParameters >())
void	cv::aruco::getBoardObjectAndImagePoints (const Ptr< Board > &board, InputArrayOfArrays detectedCorners, InputArray detectedIds, OutputArray objPoints, OutputArray imgPoints)
	獲取板的物體點和影像點
int	cv::aruco::interpolateCornersCharuco (InputArrayOfArrays markerCorners, InputArray markerIds, InputArray image, const Ptr< CharucoBoard > &board, OutputArray charucoCorners, OutputArray charucoIds, InputArray cameraMatrix=noArray(), InputArray distCoeffs=noArray(), int minMarkers=2)
	插值計算 ChArUco 板角點的位置。
void	cv::aruco::refineDetectedMarkers (InputArray image, const Ptr< Board > &board, InputOutputArrayOfArrays detectedCorners, InputOutputArray detectedIds, InputOutputArrayOfArrays rejectedCorners, InputArray cameraMatrix=noArray(), InputArray distCoeffs=noArray(), float minRepDistance=10.f, float errorCorrectionRate=3.f, bool checkAllOrders=true, OutputArray recoveredIdxs=noArray(), const Ptr< DetectorParameters > &parameters=makePtr< DetectorParameters >())
	細化檢測到的標記
bool	cv::aruco::testCharucoCornersCollinear (const Ptr< CharucoBoard > &board, InputArray charucoIds)

列舉型別文件 (Enumeration Type Documentation)

PatternPositionType

列舉 cv::aruco::PatternPositionType

#include <opencv2/aruco/aruco_calib.hpp>

rvec/tvec 定義了標記的右手座標系。

PatternPositionType 定義了此座標系的中心和軸向。X 軸（紅色）- 第一座標，Y 軸（綠色）- 第二座標，Z 軸（藍色）- 第三座標。

已棄用

使用 Board::matchImagePoints 和 cv::solvePnP

另請參閱

estimatePoseSingleMarkers()

列舉值 (Enumerator)
ARUCO_CCW_CENTER  Python: cv.aruco.ARUCO_CCW_CENTER	標記座標系以標記的中心為原點。 標記四個角點（逆時針順序）在其自身座標系中的座標為：(-markerLength/2, markerLength/2, 0), (markerLength/2, markerLength/2, 0), (markerLength/2, -markerLength/2, 0), (-markerLength/2, -markerLength/2, 0)。
ARUCO_CW_TOP_LEFT_CORNER  Python: cv.aruco.ARUCO_CW_TOP_LEFT_CORNER	標記座標系以標記的左上角為原點。 標記四個角點（順時針順序）在其自身座標系中的座標為：(0, 0, 0), (markerLength, 0, 0), (markerLength, markerLength, 0), (0, markerLength, 0)。 這些模式點便於與棋盤格/ChArUco 板配合使用。

函式文件 (Function Documentation)

calibrateCameraAruco() [1/2]

double cv::aruco::calibrateCameraAruco	(	InputArrayOfArrays	corners,
		InputArray	ids,
		InputArray	counter,
		const Ptr< Board > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs,
		OutputArrayOfArrays	tvecs,
		OutputArray	stdDeviationsIntrinsics,
		OutputArray	stdDeviationsExtrinsics,
		OutputArray	perViewErrors,
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON) )

Python
	cv.aruco.calibrateCameraAruco(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraArucoExtended(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

使用 aruco 標記校準相機。

引數

corners	所有幀中檢測到的標記角點向量。角點應具有 detectMarkers 返回的相同格式（見 detectMarkers）。
ids	corners 中每個標記的識別符號列表
counter	每幀中標記的數量，以便可以拆分 corners 和 ids
board	標記板 Board 佈局
imageSize	影像尺寸，僅用於初始化相機內參矩陣。
cameraMatrix	輸出 3x3 浮點相機矩陣 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。如果指定了 CV_CALIB_USE_INTRINSIC_GUESS 和/或 CV_CALIB_FIX_ASPECT_RATIO，則在呼叫函式前必須初始化 fx, fy, cx, cy 中的部分或全部。
distCoeffs	輸出畸變係數向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\)，包含 4, 5, 8 或 12 個元素
rvecs	為每個板檢視估計的旋轉向量輸出向量（例如 std::vector<cv::Mat>）。即，每個第 k 個旋轉向量與相應的第 k 個平移向量（見下一個輸出引數說明）一起，將板模式從模型座標空間（在其中指定物件點）變換到世界座標空間，即第 k 個模式檢視中板模式的真實位置（k=0.. M -1）。
tvecs	為每個模式檢視估計的平移向量輸出向量。
stdDeviationsIntrinsics	估計的內參引數標準差輸出向量。偏差值順序為：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\)。如果某個引數未估計，其偏差等於零。
stdDeviationsExtrinsics	估計的外參引數標準差輸出向量。偏差值順序為：\((R_1, T_1, \dotsc , R_M, T_M)\)，其中 M 是模式檢視的數量，\(R_i, T_i\) 是拼接後的 1x3 向量。
perViewErrors	為每個模式檢視估計的平均重投影誤差輸出向量。
flags (標誌)	flags 校準過程的不同標誌（詳見 calibrateCamera）。
criteria	迭代最佳化演算法的終止條件。

此函式使用 Aruco Board 校準相機。函式接收來自 Board 的多個檢視的檢測標記列表。該過程類似於 calibrateCamera() 中的棋盤格校準。函式返回最終的重投影誤差。

已棄用

使用 Board::matchImagePoints 和 cv::solvePnP

calibrateCameraAruco() [2/2]

double cv::aruco::calibrateCameraAruco	(	InputArrayOfArrays	corners,
		InputArray	ids,
		InputArray	counter,
		const Ptr< Board > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs = noArray(),
		OutputArrayOfArrays	tvecs = noArray(),
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON) )

Python
	cv.aruco.calibrateCameraAruco(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraArucoExtended(	corners, ids, counter, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

該函式與 calibrateCameraAruco 相同，但不包含校準誤差估計。

這是一個過載的成員函式，為方便起見而提供。它與上述函式的區別僅在於所接受的引數不同。

已棄用

使用 Board::matchImagePoints 和 cv::solvePnP

calibrateCameraCharuco() [1/2]

double cv::aruco::calibrateCameraCharuco	(	InputArrayOfArrays	charucoCorners,
		InputArrayOfArrays	charucoIds,
		const Ptr< CharucoBoard > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs,
		OutputArrayOfArrays	tvecs,
		OutputArray	stdDeviationsIntrinsics,
		OutputArray	stdDeviationsExtrinsics,
		OutputArray	perViewErrors,
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON) )

Python
	cv.aruco.calibrateCameraCharuco(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraCharucoExtended(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

使用 Charuco 角點校準相機。

引數

charucoCorners	每幀檢測到的 charuco 角點向量
charucoIds	每幀 charucoCorners 中每個角點的識別符號列表
board	標記板 Board 佈局
imageSize	輸入影像尺寸
cameraMatrix	輸出 3x3 浮點相機矩陣 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)。如果指定了 CV_CALIB_USE_INTRINSIC_GUESS 和/或 CV_CALIB_FIX_ASPECT_RATIO，則在呼叫函式前必須初始化 fx, fy, cx, cy 中的部分或全部。
distCoeffs	輸出畸變係數向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\)，包含 4, 5, 8 或 12 個元素
rvecs	為每個板檢視估計的旋轉向量輸出向量（例如 std::vector<cv::Mat>）。即，每個第 k 個旋轉向量與相應的第 k 個平移向量（見下一個輸出引數說明）一起，將板模式從模型座標空間（在其中指定物件點）變換到世界座標空間，即第 k 個模式檢視中板模式的真實位置（k=0.. M -1）。
tvecs	為每個模式檢視估計的平移向量輸出向量。
stdDeviationsIntrinsics	估計的內參引數標準差輸出向量。偏差值順序為：\((f_x, f_y, c_x, c_y, k_1, k_2, p_1, p_2, k_3, k_4, k_5, k_6 , s_1, s_2, s_3, s_4, \tau_x, \tau_y)\)。如果某個引數未估計，其偏差等於零。
stdDeviationsExtrinsics	估計的外參引數標準差輸出向量。偏差值順序為：\((R_1, T_1, \dotsc , R_M, T_M)\)，其中 M 是模式檢視的數量，\(R_i, T_i\) 是拼接後的 1x3 向量。
perViewErrors	為每個模式檢視估計的平均重投影誤差輸出向量。
flags (標誌)	flags 校準過程的不同標誌（詳見 calibrateCamera）。
criteria	迭代最佳化演算法的終止條件。

此函式使用 Charuco Board 的一組角點校準相機。函式接收來自 Board 的多個檢視的檢測角點及其識別符號列表。函式返回最終的重投影誤差。

已棄用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

calibrateCameraCharuco() [2/2]

double cv::aruco::calibrateCameraCharuco	(	InputArrayOfArrays	charucoCorners,
		InputArrayOfArrays	charucoIds,
		const Ptr< CharucoBoard > &	board,
		Size	imageSize,
		InputOutputArray	cameraMatrix,
		InputOutputArray	distCoeffs,
		OutputArrayOfArrays	rvecs = noArray(),
		OutputArrayOfArrays	tvecs = noArray(),
		int	flags = 0,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON) )

Python
	cv.aruco.calibrateCameraCharuco(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, flags[, criteria]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs
	cv.aruco.calibrateCameraCharucoExtended(	charucoCorners, charucoIds, board, imageSize, cameraMatrix, distCoeffs[, rvecs[, tvecs[, stdDeviationsIntrinsics[, stdDeviationsExtrinsics[, perViewErrors[, flags[, criteria]]]]]]]	) ->	retval, cameraMatrix, distCoeffs, rvecs, tvecs, stdDeviationsIntrinsics, stdDeviationsExtrinsics, perViewErrors

#include <opencv2/aruco/aruco_calib.hpp>

該函式與 calibrateCameraCharuco 相同，但不包含校準誤差估計。

已棄用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

detectCharucoDiamond()

void cv::aruco::detectCharucoDiamond	(	InputArray	影像,
		InputArrayOfArrays	markerCorners,
		InputArray	markerIds,
		float	squareMarkerLengthRate,
		OutputArrayOfArrays	diamondCorners,
		OutputArray	diamondIds,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		Ptr< Dictionary >	dictionary = makePtr< Dictionary >(getPredefinedDictionary(PredefinedDictionaryType::DICT_4X4_50)) )

Python
	cv.aruco.detectCharucoDiamond(	image, markerCorners, markerIds, squareMarkerLengthRate[, diamondCorners[, diamondIds[, cameraMatrix[, distCoeffs[, dictionary]]]]]	) ->	diamondCorners, diamondIds

#include <opencv2/aruco/charuco.hpp>

檢測 ChArUco 鑽石標記。

引數

影像	角點亞畫素處理所需的輸入影像。
markerCorners	來自 detectMarkers 函式的檢測到的標記角點列表。
markerIds	markerCorners 中的標記 ID 列表。
squareMarkerLengthRate	方塊長度與標記長度的比率：squareMarkerLengthRate = squareLength/markerLength。不需要真實單位。
diamondCorners	檢測到的鑽石標記角點輸出列表（每個鑽石 4 個角點）。順序與標記角點相同：左上、右上、右下和左下。格式與 detectMarkers 返回的角點類似（例如 std::vector<std::vector<cv::Point2f> > ）。
diamondIds	diamondCorners 中鑽石的 ID。每個鑽石的 ID 實際上是 Vec4i 型別，因此每個鑽石有 4 個 ID，這些 ID 是組成鑽石的 aruco 標記的 ID。
cameraMatrix	可選的相機校準矩陣。
distCoeffs	可選的相機畸變係數。
字典	指示標記型別的標記字典。

該函式從之前檢測到的 ArUco 標記中檢測鑽石標記。鑽石在 diamondCorners 和 diamondIds 引數中返回。如果提供了相機校準引數，鑽石搜尋基於重投影。否則，鑽石搜尋基於單應性。單應性比重投影快，但精度較低。

已棄用

使用 CharucoDetector::detectDiamonds

detectMarkers()

void cv::aruco::detectMarkers	(	InputArray	影像,
		const Ptr< Dictionary > &	字典,
		OutputArrayOfArrays	corners,
		OutputArray	ids,
		const Ptr< DetectorParameters > &	parameters = makePtr< DetectorParameters >(),
		OutputArrayOfArrays	rejectedImgPoints = noArray() )

Python
	cv.aruco.detectMarkers(	image, dictionary[, corners[, ids[, parameters[, rejectedImgPoints]]]]	) ->	corners, ids, rejectedImgPoints

#include <opencv2/aruco.hpp>

檢測標記

已棄用

使用類 ArucoDetector::detectMarkers

drawCharucoDiamond()

void cv::aruco::drawCharucoDiamond	(	const Ptr< Dictionary > &	字典,
		Vec4i	ids,
		int	squareLength,
		int	markerLength,
		OutputArray	img,
		int	marginSize = 0,
		int	borderBits = 1 )

Python
	cv.aruco.drawCharucoDiamond(	dictionary, ids, squareLength, markerLength[, img[, marginSize[, borderBits]]]	) ->	img

#include <opencv2/aruco/charuco.hpp>

繪製一個 ChArUco 鑽石標記。

引數

字典	指示標記型別的標記字典。
ids	ChArUco 標記中每個 ArUco 標記的 4 個 ID 列表。
squareLength	棋盤格方塊的尺寸（畫素）。
markerLength	標記的尺寸（畫素）。
img	帶有標記的輸出影像。該影像的大小將為 3*squareLength + 2*marginSize。
marginSize	輸出影像中標記的最小頁邊距（畫素）
borderBits	標記邊界的寬度。

此函式返回 ChArUco 標記的影像，可直接列印。

已棄用

使用 CharucoBoard::generateImage()

drawPlanarBoard()

void cv::aruco::drawPlanarBoard	(	const Ptr< Board > &	board,
		Size	outSize,
		OutputArray	img,
		int	marginSize,
		int	borderBits )

Python
	cv.aruco.drawPlanarBoard(	board, outSize, marginSize, borderBits[, img]	) ->	img

#include <opencv2/aruco.hpp>

繪製平面板

已棄用

使用 Board::generateImage

estimatePoseBoard()

int cv::aruco::estimatePoseBoard	(	InputArrayOfArrays	corners,
		InputArray	ids,
		const Ptr< Board > &	board,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		InputOutputArray	rvec,
		InputOutputArray	tvec,
		bool	useExtrinsicGuess = false )

Python
	cv.aruco.estimatePoseBoard(	corners, ids, board, cameraMatrix, distCoeffs, rvec, tvec[, useExtrinsicGuess]	) ->	retval, rvec, tvec

#include <opencv2/aruco.hpp>

已棄用

使用 Board::matchImagePoints 和 cv::solvePnP

estimatePoseCharucoBoard()

bool cv::aruco::estimatePoseCharucoBoard	(	InputArray	charucoCorners,
		InputArray	charucoIds,
		const Ptr< CharucoBoard > &	board,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		InputOutputArray	rvec,
		InputOutputArray	tvec,
		bool	useExtrinsicGuess = false )

Python
	cv.aruco.estimatePoseCharucoBoard(	charucoCorners, charucoIds, board, cameraMatrix, distCoeffs, rvec, tvec[, useExtrinsicGuess]	) ->	retval, rvec, tvec

#include <opencv2/aruco.hpp>

根據部分角點估計 ChArUco 板的姿態。

引數

charucoCorners	檢測到的 charuco 角點向量
charucoIds	charucoCorners 中每個角點的識別符號列表
board	ChArUco 板的佈局。
cameraMatrix	輸入 3x3 浮點相機矩陣 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
distCoeffs	畸變係數向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\)，包含 4, 5, 8 或 12 個元素
rvec	對應於板旋轉向量的輸出向量（例如 cv::Mat）（見 cv::Rodrigues）。
tvec	對應於板平移向量的輸出向量（例如 cv::Mat）。
useExtrinsicGuess	定義是否使用 rvec 和 tvec 的初始估計值。

此函式根據一些檢測到的角點估計 Charuco 板的姿態。函式檢查輸入的角點是否足夠且有效以執行姿態估計。如果姿態估計有效，返回 true，否則返回 false。

已棄用

使用 CharucoBoard::matchImagePoints 和 cv::solvePnP

另請參閱

使用 cv::drawFrameAxes 獲取物體點的世界座標系軸

estimatePoseSingleMarkers()

void cv::aruco::estimatePoseSingleMarkers	(	InputArrayOfArrays	corners,
		float	markerLength,
		InputArray	cameraMatrix,
		InputArray	distCoeffs,
		OutputArray	rvecs,
		OutputArray	tvecs,
		OutputArray	objPoints = noArray(),
		const Ptr< EstimateParameters > &	estimateParameters = makePtr< EstimateParameters >() )

Python
	cv.aruco.estimatePoseSingleMarkers(	corners, markerLength, cameraMatrix, distCoeffs[, rvecs[, tvecs[, objPoints[, estimateParameters]]]]	) ->	rvecs, tvecs, objPoints

#include <opencv2/aruco.hpp>

已棄用

使用 cv::solvePnP

getBoardObjectAndImagePoints()

void cv::aruco::getBoardObjectAndImagePoints	(	const Ptr< Board > &	board,
		InputArrayOfArrays	detectedCorners,
		InputArray	detectedIds,
		OutputArray	objPoints,
		OutputArray	imgPoints )

Python
	cv.aruco.getBoardObjectAndImagePoints(	board, detectedCorners, detectedIds[, objPoints[, imgPoints]]	) ->	objPoints, imgPoints

#include <opencv2/aruco.hpp>

獲取板的物體點和影像點

已棄用

使用 Board::matchImagePoints

interpolateCornersCharuco()

int cv::aruco::interpolateCornersCharuco	(	InputArrayOfArrays	markerCorners,
		InputArray	markerIds,
		InputArray	影像,
		const Ptr< CharucoBoard > &	board,
		OutputArray	charucoCorners,
		OutputArray	charucoIds,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		int	minMarkers = 2 )

Python
	cv.aruco.interpolateCornersCharuco(	markerCorners, markerIds, image, board[, charucoCorners[, charucoIds[, cameraMatrix[, distCoeffs[, minMarkers]]]]]	) ->	retval, charucoCorners, charucoIds

#include <opencv2/aruco/charuco.hpp>

插值計算 ChArUco 板角點的位置。

引數

markerCorners	已檢測到的標記角點向量。對於每個標記，提供其四個角點（例如 std::vector<std::vector<cv::Point2f> > ）。對於 N 個檢測到的標記，此陣列的維度應為 Nx4。角點順序應為順時針。
markerIds	corners 中每個標記的識別符號列表
影像	角點精細化所需的輸入影像。注意，標記未被檢測，應在 corners 和 ids 引數中傳送。
board	ChArUco 板的佈局。
charucoCorners	插值後的棋盤格角點
charucoIds	插值後的棋盤格角點識別符號
cameraMatrix	可選的 3x3 浮點相機矩陣 \(A = \vecthreethree{f_x}{0}{c_x}{0}{f_y}{c_y}{0}{0}{1}\)
distCoeffs	可選的畸變係數向量 \((k_1, k_2, p_1, p_2[, k_3[, k_4, k_5, k_6],[s_1, s_2, s_3, s_4]])\)，包含 4, 5, 8 或 12 個元素
minMarkers	返回 charuco 角點必須檢測到的相鄰標記數量

該函式接收檢測到的標記，並使用檢測到的 Aruco 標記返回 ChArUco 板棋盤格角點的 2D 位置。如果提供了相機引數，該過程基於近似姿態估計，否則基於區域性單應性。僅返回可見角點。對於每個角點，其對應的識別符號也在 charucoIds 中返回。函式返回插值角點的數量。

已棄用

使用 CharucoDetector::detectBoard

refineDetectedMarkers()

void cv::aruco::refineDetectedMarkers	(	InputArray	影像,
		const Ptr< Board > &	board,
		InputOutputArrayOfArrays	detectedCorners,
		InputOutputArray	detectedIds,
		InputOutputArrayOfArrays	rejectedCorners,
		InputArray	cameraMatrix = noArray(),
		InputArray	distCoeffs = noArray(),
		float	minRepDistance = 10.f,
		float	errorCorrectionRate = 3.f,
		bool	checkAllOrders = true,
		OutputArray	recoveredIdxs = noArray(),
		const Ptr< DetectorParameters > &	parameters = makePtr< DetectorParameters >() )

Python
	cv.aruco.refineDetectedMarkers(	image, board, detectedCorners, detectedIds, rejectedCorners[, cameraMatrix[, distCoeffs[, minRepDistance[, errorCorrectionRate[, checkAllOrders[, recoveredIdxs[, parameters]]]]]]]	) ->	detectedCorners, detectedIds, rejectedCorners, recoveredIdxs

#include <opencv2/aruco.hpp>

細化檢測到的標記

已棄用

使用類 ArucoDetector::refineDetectedMarkers

testCharucoCornersCollinear()

bool cv::aruco::testCharucoCornersCollinear	(	const Ptr< CharucoBoard > &	board,
		InputArray	charucoIds )

Python
	cv.aruco.testCharucoCornersCollinear(	board, charucoIds	) ->	retval

#include <opencv2/aruco.hpp>

已棄用

使用 CharucoBoard::checkCharucoCornersCollinear