双目立体视觉----立体校正（包括畸变校正和立体校正）

目的：立体校正就是，把实际中非共面行对准的两幅图像，校正成共面行对准，提高匹配搜索的效率,因为二维搜索变为一维搜索啦！（共面行对准：两摄像机图像平面在同一平面上，且同一点投影到两个摄像机图像平面时，应该在两个像素坐标系的同一行，这个是在数学上进行的对准而非物理实际上，一般在实景图片立体匹配之前都要进行校准）。

立体校正opencv流程：

OpenCV校正步骤：

1.  stereoRectify（）获取所需参数->以此对两幅图像进行立体对极线校正，这就需要算出两个相机做对极线校正需要的R和T，用R1,T1, R2, T2表示，以及透视投影矩阵P1，P2：

  其中：

M是相机内部参数；

R1R2是将相机旋转矩阵R划分为左右相机的，目的是实现图像平面共面, 即消除畸变。但是行没有对齐。

重投影矩阵Q：是立体校正的输出矩阵，其实现了世界坐标系和图像像素坐标系之间的转换。

2. initUndistortRectifyMap（）->得到上述参数后，以此对极线校正操作，并将校正结果保存到本地。

    cv::initUndistortRectifyMap(P1(cv::Rect(0, 0, 3, 3)), D, R1, P1(cv::Rect(0, 0, 3, 3)), imgL.size(), CV_32FC1, mapx, mapy);
    cv::remap(imgL, recImgL, mapx, mapy, CV_INTER_LINEAR);
    cv::imwrite("data/recConyL.png", recImgL);

    cv::initUndistortRectifyMap(P2(cv::Rect(0, 0, 3, 3)), D, R2, P2(cv::Rect(0, 0, 3, 3)), imgL.size(), CV_32FC1, mapx, mapy);
    cv::remap(imgR, recImgR, mapx, mapy, CV_INTER_LINEAR);
    cv::imwrite("data/recConyR.png", recImgR);

其中：

remap的图像剪裁系数alpha，取值范围是-1、0~1。

当取值为 0 时，OpenCV对校正后图像缩放和平移，使remap图像只显示有效像素（即去除不规则的边角区域），适用于机器人避障导航等应用；

当alpha取值为1时，remap图像将显示所有原图像中包含的像素，该取值适用于畸变系数极少的高端摄像头；

alpha取值在0-1之间时，OpenCV按对应比例保留原图像的边角区域像素。

Alpha取值为-1时，OpenCV自动进行缩放和平移.

3. 分析校正结果：

https://www.cnblogs.com/dverdon/p/5609124.html

https://www.cnblogs.com/riddick/p/8486223.html