#本文主要讲述代码同时丰富参考博客中的一些小点和问题
####参考文章：
/sunshine_zoe/article/details/78303658
####参考资料
1、论文
Geiger A, Moosmann F, Car Ö, et al. Automatic camera and range sensor calibration using a single shot[C]//Robotics and Automation (ICRA), IEEE International Conference on. IEEE, : 3936-3943.
2、代码网站（我改了其中一些的顺序，增加了一些用于适应自己的情况）
/software/libcbdetect/
文章目录
代码块 MATLAB增加地址（论文的代码里面没有的，适用于小白，地址需要改成自己的，增加的原因是有时候图片不能识别）demo.m分块：主要分为三大块。1.角点检测；2.棋盘格检测；3.画出来findcorners.m灰度转换findCorners ::计算梯度的角度，归一化到【0，pi】；梯度强度，并归一化到【0,1】findCorners::滤波（其实就是参考博客中写到的8个角点模型，卷积）findCorners::nonMaximumSuppression 非极大值抑制findCorners::refineCorners 亚像素化 没有看直接贴出来findCorners::最后，没看...还是写在这里根据角点找边沿直接上干货
代码块 MATLAB
增加地址（论文的代码里面没有的，适用于小白，地址需要改成自己的，增加的原因是有时候图片不能识别）
C:\Users\Administrator\Desktop\libcbdetect (1)\libcbdetect\matching
addpath('C:\Users\Administrator\Desktop\libcbdetect (1)\libcbdetect\matching');addpath('C:\Users\Administrator\Desktop\libcbdetect (1)\libcbdetect\data');I = imread('09.jpg');
demo.m分块：主要分为三大块。1.角点检测；2.棋盘格检测；3.画出来
corners = findCorners(I,0.01,1);chessboards = chessboardsFromCorners(corners);plotChessboards(chessboards,corners);
findcorners.m
灰度转换
img = im2double(img);if length(size(img))==3img = rgb2gray(img);end
findCorners ::计算梯度的角度，归一化到【0，pi】；梯度强度，并归一化到【0,1】
Prewitt在X, Y方向上梯度算子分别为：
% sobel masks 卷积核du = [-1 0 1; -1 0 1; -1 0 1];dv = du';% compute image derivatives (for principal axes estimation)img_du= conv2(double(img),du,'same');%卷积：对img进行du卷积，返回和img相同尺寸的卷积结果img_dv= conv2(double(img),dv,'same');%两个方向的梯度img_angle = atan2(img_dv,img_du); %梯度方向img_weight = sqrt(img_du.^2+img_dv.^2); %梯度值figure(1); imshow(img_weight); hold on;%%%%%%%%%%%%%%%1% correct angle to lie in between [0,pi]img_angle(img_angle<0) = img_angle(img_angle<0)+pi;img_angle(img_angle>pi) = img_angle(img_angle>pi)-pi;% scale input imageimg= double(img);img_min = min(img(:));img_max = max(img(:));img= (img-img_min)/(img_max-img_min);
findCorners::滤波（其实就是参考博客中写到的8个角点模型，卷积）
这里我增加了一个radius(4) = 30;使他可以检测到中心点附近的（广角相机）角点
createCorrelationPatch这个函数就是其中4个模型，后面会通过case1和case2来增加对称性但是颜色相反的模型。
原程序：
修改之后：
% 3 scales 后面会用到radius(1) = 4;radius(2) = 8;radius(3) = 12;radius(4) = 30;% filter imageimg_corners = zeros(size(img,1),size(img,2));for template_class=1:size(template_props,1)% create correlation template 创建三个/四个尺寸的四个模板template = createCorrelationPatch(template_props(template_class,1),template_props(template_class,2),template_props(template_class,3));% filter image according with current template 滤波（上面的四个模板）img_corners_a1 = conv2(img,template.a1,'same');img_corners_a2 = conv2(img,template.a2,'same');img_corners_b1 = conv2(img,template.b1,'same');img_corners_b2 = conv2(img,template.b2,'same');% compute meanimg_corners_mu = (img_corners_a1+img_corners_a2+img_corners_b1+img_corners_b2)/4;% case 1: a=white, b=blackimg_corners_a = min(img_corners_a1-img_corners_mu,img_corners_a2-img_corners_mu);%每个元素单独比较img_corners_b = min(img_corners_mu-img_corners_b1,img_corners_mu-img_corners_b2);img_corners_1 = min(img_corners_a,img_corners_b);% case 2: b=white, a=blackimg_corners_a = min(img_corners_mu-img_corners_a1,img_corners_mu-img_corners_a2);img_corners_b = min(img_corners_b1-img_corners_mu,img_corners_b2-img_corners_mu);img_corners_2 = min(img_corners_a,img_corners_b);% update corner mapimg_corners = max(img_corners,img_corners_1);img_corners = max(img_corners,img_corners_2);end
findCorners::nonMaximumSuppression 非极大值抑制
原文给的非极大值抑制算法的详细原理参考：
/liekkas0626/p/5219244.html
中第一个图片不知道是什么语言，我修改了一下，可以参考着看：
本文用了一个技巧，它先检测右上角部分，找到极大值点；
然后寻找该点的nn的区域（处于右边沿的按照实际大小检测相应的大小）；
如果nn区域中还有更大的点就跳出，跳出的点作为新的检测点，继续循环；如果没有则判断它是否大于tau，得到极大值点，然后循环。
直到检测完整张图片。
function maxima = nonMaximumSuppression(img,n,tau,margin)%抑制范围0-n；极大值需要大于tau；% extract parameterswidth = size(img,2);height = size(img,1);% init maxima list 初始化maxima = [];%% non maximum suppression 非极大抑制for i=n+1+margin: n+1: width-n-marginfor j=n+1+margin: n+1: height-n-marginmaxi = i;maxj = j;maxval = img(j,i);for i2=i:i+nfor j2=j:j+ncurrval = img(j2,i2);if currval>maxvalmaxi = i2;maxj = j2;maxval = currval;endendend%% failed = 0; for i2=maxi-n:min(maxi+n,width-margin)for j2=maxj-n:min(maxj+n,height-margin)currval = img(j2,i2);if currval>maxval && (i2<i || i2>i+n || j2<j || j2>j+n)failed = 1;break;endendif failedbreak;endend%% if maxval>=tau && ~failedmaxima = [maxima; maxi maxj];%将得到的极大值点放到maxima后面，初始的maxima为空endendend
findCorners::refineCorners 亚像素化 没有看直接贴出来
%% subpixel refinement 亚像素if refine_cornerscorners = refineCorners(img_du,img_dv,img_angle,img_weight,corners,10);end
findCorners::去除杂点：1.不是边沿点；2.为角点打分，低于tau的删去
%% remove corners without edgesidx = corners.v1(:,1)==0 & corners.v1(:,2)==0;corners.p(idx,:) = [];corners.v1(idx,:) = [];corners.v2(idx,:) = [];figure(4); imshow(uint8(I2));hold on;%%%%%%%%%%%%%%%%4alpha=0:pi/20:2*pi; %角度[0,2*pi] R=4; %半径 x=R*cos(alpha); y=R*sin(alpha); for i=1:size(corners.p,1)plot(x+corners.p(i,1),y+corners.p(i,2),'-') fill(x+corners.p(i,1),y+corners.p(i,2),'r');end%%disp('Scoring ...');% score corners 角点得分corners = scoreCorners(img,img_angle,img_weight,corners,radius);% remove low scoring cornersidx = corners.score<tau;corners.p(idx,:)= [];corners.v1(idx,:) = [];corners.v2(idx,:) = [];corners.score(idx) = [];figure(5); imshow(uint8(I2));hold on;%%%%%%%%%%%%%%%%5alpha=0:pi/20:2*pi; %角度[0,2*pi] R=4; %半径 x=R*cos(alpha); y=R*sin(alpha); for i=1:size(corners.p,1)plot(x+corners.p(i,1),y+corners.p(i,2),'-') fill(x+corners.p(i,1),y+corners.p(i,2),'r');end
findCorners::最后，没看…还是写在这里
% make v1(:,1)+v1(:,2) positive (=> comparable to c++ code)idx = corners.v1(:,1)+corners.v1(:,2)<0;corners.v1(idx,:) = -corners.v1(idx,:);% make all coordinate systems right-handed (reduces matching ambiguities from 8 to 4)%使所有坐标系统向右(减少匹配模糊从8到4)corners_n1 = [corners.v1(:,2) -corners.v1(:,1)];flip = -sign(corners_n1(:,1).*corners.v2(:,1)+corners_n1(:,2).*corners.v2(:,2));corners.v2 = corners.v2.*(flip*ones(1,2));% convert to 0-based indexcorners.p = corners.p-1;
根据角点找边沿
chessboards = chessboardsFromCorners(corners);
