[人工智能]MATLAB生成的双目相机标定结果mat文件转成opencv可读的XML文件。

参考：(17条消息) Robomaster： 将Matlab生成的相机标定.XML应用于C++ opencv(记录一下)_只抓猪打。的博客-CSDN博客

function writeXML(file)

%将第五步生成的代码完整粘贴到此处

%writeXML(file)
%功能：将相机校正的参数保存为xml文件
%输入：
%cameraParams：相机校正数据结构
%file：xml文件名
%说明在xml文件是由一层层的节点组成的。
%首先创建父节点 fatherNode，
%然后创建子节点 childNode=docNode.createElement(childNodeName)，
%再将子节点添加到父节点 fatherNode.appendChild(childNode)
docNode = com.mathworks.xml.XMLUtils.createDocument('opencv_storage'); %创建xml文件对象
docRootNode = docNode.getDocumentElement; %获取根节点
%定义相机参数
IntrinsicMatrixL = ( stereoParams.CameraParameters1. IntrinsicMatrix)'; %相机内参矩阵
RadialDistortionL = stereoParams. CameraParameters1.RadialDistortion; %相机径向畸变参数向量1*3
TangentialDistortionL =stereoParams. CameraParameters1.TangentialDistortion; %相机切向畸变向量1*2
DistortionL = [RadialDistortionL(1:2),TangentialDistortionL,RadialDistortionL(3)]; %构成opencv中的畸变系数向量[k1,k2,p1,p2,k3]

IntrinsicMatrixR = ( stereoParams.CameraParameters2. IntrinsicMatrix)'; %相机内参矩阵
RadialDistortionR = stereoParams. CameraParameters2.RadialDistortion; %相机径向畸变参数向量1*3
TangentialDistortionR =stereoParams. CameraParameters2.TangentialDistortion; %相机切向畸变向量1*2
DistortionR = [RadialDistortionR(1:2),TangentialDistortionR,RadialDistortionR(3)]; %构成opencv中的畸变系数向量[k1,k2,p1,p2,k3]

r=(stereoParams.RotationOfCamera2)';
t=stereoParams.TranslationOfCamera2;

%左相机内参矩阵
cameraL_matrix = docNode.createElement('cameraL-matrix'); %创建mat节点
cameraL_matrix.setAttribute('type_id','opencv-matrix'); %设置mat节点属性
rows = docNode.createElement('rows'); %创建行节点
rows.appendChild(docNode.createTextNode(sprintf('%d',3))); %创建文本节点，并作为行的子节点
cameraL_matrix.appendChild(rows); %将行节点作为mat子节点

cols = docNode.createElement('cols');
cols.appendChild(docNode.createTextNode(sprintf('%d',3)));
cameraL_matrix.appendChild(cols);

dt = docNode.createElement('dt');
dt.appendChild(docNode.createTextNode('d'));
cameraL_matrix.appendChild(dt);

data = docNode.createElement('data');
for i=1:3
    for j=1:3
        data.appendChild(docNode.createTextNode(sprintf('%.16f ',IntrinsicMatrixL(i,j))));
    end
    data.appendChild(docNode.createTextNode(sprintf('\n')));
end
cameraL_matrix.appendChild(data);
docRootNode.appendChild(cameraL_matrix);

%左相机畸变参数
distortionL = docNode.createElement('distortionL');
distortionL.setAttribute('type_id','opencv-matrix');
rows = docNode.createElement('rows');
rows.appendChild(docNode.createTextNode(sprintf('%d',5)));
distortionL.appendChild(rows);

cols = docNode.createElement('cols');
cols.appendChild(docNode.createTextNode(sprintf('%d',1)));
distortionL.appendChild(cols);

dt = docNode.createElement('dt');
dt.appendChild(docNode.createTextNode('d'));
distortionL.appendChild(dt);
data = docNode.createElement('data');
for i=1:5
      data.appendChild(docNode.createTextNode(sprintf('%.16f ',DistortionL(i))));
end
distortionL.appendChild(data);
docRootNode.appendChild(distortionL);

%右相机内参矩阵
cameraR_matrix = docNode.createElement('cameraR-matrix'); %创建mat节点
cameraR_matrix.setAttribute('type_id','opencv-matrix'); %设置mat节点属性
rows = docNode.createElement('rows'); %创建行节点
rows.appendChild(docNode.createTextNode(sprintf('%d',3))); %创建文本节点，并作为行的子节点
cameraR_matrix.appendChild(rows); %将行节点作为mat子节点

cols = docNode.createElement('cols');
cols.appendChild(docNode.createTextNode(sprintf('%d',3)));
cameraR_matrix.appendChild(cols);

dt = docNode.createElement('dt');
dt.appendChild(docNode.createTextNode('d'));
cameraR_matrix.appendChild(dt);

data = docNode.createElement('data');
for i=1:3
    for j=1:3
        data.appendChild(docNode.createTextNode(sprintf('%.16f ',IntrinsicMatrixR(i,j))));
    end
    data.appendChild(docNode.createTextNode(sprintf('\n')));
end
cameraR_matrix.appendChild(data);
docRootNode.appendChild(cameraR_matrix);
%右相机畸变参数
distortionR = docNode.createElement('distortionR');
distortionR.setAttribute('type_id','opencv-matrix');
rows = docNode.createElement('rows');
rows.appendChild(docNode.createTextNode(sprintf('%d',5)));
distortionR.appendChild(rows);

cols = docNode.createElement('cols');
cols.appendChild(docNode.createTextNode(sprintf('%d',1)));
distortionR.appendChild(cols);

dt = docNode.createElement('dt');
dt.appendChild(docNode.createTextNode('d'));
distortionR.appendChild(dt);
data = docNode.createElement('data');
for i=1:5
      data.appendChild(docNode.createTextNode(sprintf('%.16f ',DistortionR(i))));
end
distortionR.appendChild(data);
docRootNode.appendChild(distortionR);

%%旋转矩阵
R = docNode.createElement('R'); %创建mat节点
R.setAttribute('type_id','opencv-matrix'); %设置mat节点属性
rows = docNode.createElement('rows'); %创建行节点
rows.appendChild(docNode.createTextNode(sprintf('%d',3))); %创建文本节点，并作为行的子节点
R.appendChild(rows); %将行节点作为mat子节点

cols = docNode.createElement('cols');
cols.appendChild(docNode.createTextNode(sprintf('%d',3)));
R.appendChild(cols);

dt = docNode.createElement('dt');
dt.appendChild(docNode.createTextNode('d'));
R.appendChild(dt);

data = docNode.createElement('data');
for i=1:3
    for j=1:3
        data.appendChild(docNode.createTextNode(sprintf('%.16f ',r(i,j))));
    end
    data.appendChild(docNode.createTextNode(sprintf('\n')));
end
R.appendChild(data);
docRootNode.appendChild(R);
% %
%平移向量
T = docNode.createElement('T');
T.setAttribute('type_id','opencv-matrix');
rows = docNode.createElement('rows');
rows.appendChild(docNode.createTextNode(sprintf('%d',3)));
T.appendChild(rows);

cols = docNode.createElement('cols');
cols.appendChild(docNode.createTextNode(sprintf('%d',1)));
T.appendChild(cols);

dt = docNode.createElement('dt');
dt.appendChild(docNode.createTextNode('d'));
T.appendChild(dt);
data = docNode.createElement('data');
for i=1:3
      data.appendChild(docNode.createTextNode(sprintf('%.16f ',t(i))));
end
T.appendChild(data);
docRootNode.appendChild(T);


xmlFileName = file;
xmlwrite(xmlFileName,docNode);
end

?