计算机视觉学习棋盘格相机模型与参数标定_机器视觉详尽棋盘格棋盘格差别-优快云博客

相机标定在机器视觉中至关重要，用于校正镜头畸变和计算目标物。本文介绍了相机内参矩阵原理，特别是张正友标定法，包括标定过程和MATLAB实现。通过棋盘格标定板，在不同角度和位置拍摄，利用最小二乘法和极大似然法估算畸变系数和内外参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、相机标定的意义

在机器视觉领域，相机的标定是一个关键的环节，它决定了机器视觉系统能否有效的定位，能否有效的计算目标物。每个镜头的在生产和组装过程中的畸变程度各不相同，通过相机标定可以校正这种镜头畸变，生成矫正后的图像——矫正透镜畸变；相机的标定基本上可以分为两种，第一种是相机的自标定；第二种是依赖于标定参照物的标定方法。前者是相机拍摄周围物体，通过数字图像处理的方法和相关的几何计算得到相机参数，但是这种方法标定的结果误差较大，不适合于高精度应用场合。后者是通过标定参照物，由相机成像，并通过数字图像处理的方法，以及后期的空间算术运算计算相机的内参和外参。
相机在出厂之前都需要进行相机标定，用软件的方法校正生成的图像，避免拍摄出的图像产生桶形和枕形畸变；
在这里插入图片描述

2.相机内参矩阵原理

详见 https://www.cnblogs.com/Jessica-jie/p/6596450.html
摄像机模型
Pinhole Camera模型如下图所示：

在这里插入图片描述
这是一个小孔成像的模型，其中：
1.O点是相机的中心点，也是相机坐标系的中心点；
2.z轴表示相机的主轴；
3.q点所在的平面表示相机的像平面，即图片坐标系所在的二维平面；
4.O1点表示主点，主轴与像平面相交的点；
5.O点到O1点的距离，即相机的焦距f；
6.像平面上的x和y坐标轴是与相机坐标系上的X和Y坐标轴互相平行的；
7.