实际工程中逃不掉使用工业相机sdk获取图片，那么就有需求将多品牌相机开发集成到一个工具类，使用统一接口，具体使用哪个品牌相机就初始化哪种子类；且编译阶段通过宏定义屏蔽或开放指定相机的代码，防止编译需要用到的lib库缺失导致编译失败。如果有遇到高帧率采集，可以使用队列方式，先将回调获取的图片存入队列，再依次出列进行图像处理。有海康大恒巴斯勒三类相机代码，请大家下载使用有问题可反馈。1.设计一个基函数

获取opencv中轮廓的内部所有点，opencv有现成的函数判断点是否在轮廓内，但轮廓比较大的时候，直接调用pointPolygonTest速度会很慢。我们可以通过扫描线的方式逐行对轮廓点进行遍历，获取穿过某一行的两个x值，这两个x值之间的点就都在轮廓内。

opencv自带有最小二乘法拟合直线，但遇到有干扰点的时候，由于最小二乘法是将所有点代入矩阵进行求解，最终误差平方和最小即是最优直线，此时干扰点就会带入误差，效果很差。随机采样一致算法，它是从一堆含干扰点的数据中，按照筛选条件划分为内点和外点，内点是组成模型的数据，外点是不适合模型的数据。以RANSAC直线拟合为例，如下图所示，首先在点集中随机选择两个点，求解它们构成的直线参数，再计算点集中剩余点

本文介绍了三点抛物线拟合方法用于亚像素级极值定位。该方法通过取离散采样序列中的峰值点及其左右相邻点，用二次函数拟合三点坐标，推导出极值点偏移量公式。当三点共线时回退到中心点。文中提供了C++实现代码，适用于图像处理中求取亚像素坐标点（可分别进行x/y方向插值）。该方法也支持多点最小二乘拟合求解二次曲线系数。

本文介绍了亚像素边缘检测的理论与实现方法。首先通过梯度方向确定边缘点，然后在法线方向正反各取1像素距离的亚像素点，利用双线性插值计算梯度值，最终套用公式获得亚像素坐标。实验效果图展示了该方法能有效提升边缘定位精度。如需获取源码或技术交流可私信联系。

本文介绍了基于OpenCV的亚像素轮廓提取方法。针对工业相机像素有限的问题，提出通过高斯导数核计算梯度，结合非极大值抑制和滞后阈值获得像素边缘，再采用3×3领域二阶多项式拟合和Hessian矩阵计算亚像素偏移量，实现更高精度的轮廓检测。文末展示了检测效果图，并提供源码获取和技术交流途径。该方法有效提升了工业检测中的轮廓提取精度。

本文提出了一种基于梯度方向的亚像素边缘检测方法。首先在已知像素级边缘点及其梯度方向的基础上，沿边缘法线方向的正反两侧各取1像素距离的亚像素点。然后通过双线性插值获取这两点的灰度值，比较确定暗侧和亮侧。将边缘点灰度视为边缘灰度，在暗亮两点间线性插值得到比例因子t，最终计算出亚像素坐标。文中给出了双线性插值的具体实现代码，包含边界处理、像素值获取和插值计算过程。该方法利用边缘附近的灰度线性分布特性，能

这里说的9点标定是指的2D平面，不涉及3D的手眼标定范畴9点标定分相机固定还是相机移动两种情况(主要是区分标定时相机位置是否发生移动)

以下代码为自己的测试过程，包括有选定aruco码的字典、生成aruco码、图像仿射投影变换、识别aruco码的参数设置、所有用到的参数保存yaml等。参考：https://www.cnblogs.com/yilangUAV/p/14436171.html。aruco码的周围得是白色，这样才可以找轮廓是找到aruco码，所有手动生成的码外面需要有一个白色轮廓。新版opencv4.7.0开始在主库中就

opencv编译遇到的红色报警问题