C++和OPENCV实现相机标定

R: 右相机相对于左相机的 旋转矩阵（3x3 矩阵），表示右相机的姿态如何旋转以对齐到左相机坐标系。
T: 右相机相对于左相机的 平移向量（3x1 向量），单位为标定板尺寸单位（例如毫米）。
E: 本质矩阵（Essential Matrix），用于描述两相机之间的极几何关系，满足 x2TEx1=0 x_2^T E x_1 = 0 x2TEx1=0。
F: 基础矩阵（Fundamental Matrix），类似本质矩阵但考虑了内参，满足 p2TFp1=0 p_2^T F p_1 = 0 p2TFp1=0（p p p 为像素坐标）。
stereoError: 标定误差（单位：像素），表示角点重投影误差的均方根（RMS）。

关键结果解读

1. 旋转矩阵 `R`

物理意义: 右相机的坐标系需要经过旋转矩阵 R 变换后，才能与左相机坐标系对齐。
示例:
cpp
R = [ 0.999, 0.001, -0.005,

-0.001, 0.999, 0.003,

0.005, -0.003, 0.999 ]

表示右相机相对于左相机的旋转角度极小（接近平行安装）。

2. 平移向量 `T`

物理意义: 右相机相对于左相机的空间位置偏移，通常以左相机为原点。
示例:
cpp
```
T = [-34.6668, 0.1029, 4.6637]  // 单位：毫米
```
表示右相机位于左相机左侧 34.67mm，上方 0.10mm，后方 4.66mm。

3. 标定误差 `stereoError`

合理范围: 误差应小于 0.5像素。若误差过大（如 >1像素），可能原因包括：
- 角点检测不准确（检查生成的 *_corners_*.jpg）。
- 标定板图像数量不足或分布不合理。
- 相机内参标定不准确（单目标定阶段问题）。

与其他步骤的关联

1. 单目 vs. 立体标定

单目标定：确定单个相机的内参（焦距、主点）和畸变系数。
立体标定：在单目标定基础上，计算双目的外参（R, T）。

2. 对立体校正的影响

R 和 T 用于 stereoRectify 函数，生成左右相机的校正映射矩阵（R1, R2, P1, P2）。
若 R 或 T 不准确，会导致校正后的图像无法对齐，视差图无效（如全黑或噪声严重）。

3. 对深度计算的影响

平移向量 T 的模长（基线长度）直接影响深度精度。较大的基线（如 100mm）适合远距离测距，较小的基线（如 30mm）适合近距离。

常见问题排查

1. 标定误差过高

检查角点检测：确认所有标定板图像的角点均被正确标记（查看 *_corners_*.jpg）。
增加标定板多样性：采集标定板在不同距离、角度下的图像，覆盖整个视野。
验证单目标定结果：确保左右相机的内参和畸变系数合理（如主点应在图像中心附近）。

2. 外参结果不合理

检查标定板方向：标定板的坐标系定义需一致（例如棋盘格的第一个角点位置）。
验证物理安装：平移向量 T 的 X 分量应为负值（右相机在左相机左侧）。

3. 后续应用失败

校正验证：使用 stereoRectify 和 initUndistortRectifyMap 后，绘制水平线验证对齐效果。
深度生成调试：检查视差图生成参数（如 numDisparities 是否覆盖实际视差范围）。

总结

此代码段通过立体标定确定了双相机的空间关系，输出的 R 和 T 是深度计算的核心参数。标定误差和参数合理性直接影响后续步骤的准确性，需通过多角度验证确保结果可靠。

C++和OPENCV实现相机标定代码：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
#include <string>

using namespace cv;
using namespace std;

// 可调参数区域
const Size boardSize(11, 8);          // 棋盘格内角点数量（格子数-1）
const float squareSize = 6.0f;        // 棋盘格实际尺寸（毫米）
const string leftFolder = "left_images/";    // 左图文件夹路径
const string rightFolder = "right_images/";  // 右图文件夹路径
// 新标志：仅估计k1, k2, p1, p2，固定高阶项
const int calibrationFlags = CALIB_FIX_ASPECT_RATIO |  CALIB_FIX_K3 | CALIB_FIX_K4 | CALIB_FIX_K5 | CALIB_FIX_K6;

const Size imageSize(1280, 1024);       // 图像尺寸（需根据实际修改）
// 立体匹配参数（根据场景调整）
const int minDisparity = 0;
const int numDisparities = 16 * 5;     // 必须为16的整数倍
const int blockSize = 5;             // 奇数，3-11之间
const int disp12MaxDiff = 20