双目视觉标定－2.单目视觉标定opencv代码实战

相机参数一共有两种：

1. 内参 Internal Parameters

        a.光学中心optical center

        b焦距focal length

        c还没提到的镜头的转盘畸变系数radial distortion coefficient

2. 外参 External Parameters

        a.旋转矩阵

        b.平移向量

下面就是经过参数标定的畸变图像结果:

2. 用Opencv进行相机标定

上一篇我们是分布进行每个步骤的表示，现在我们直接把从现实世界的3d坐标（Xw，Yw，Zw，1）转换为图像世界的2d pixel坐标（u， v）一步表示为下方的方程：

P Projection Matrix 3×4的矩阵包含两个大矩阵的乘法，3×3内参矩阵 Intrinsic Matrix K和3×4 Extrinsic Matrix（由3×3旋转矩阵和3×1平移向量组成）

3. 相机标定的三种方法

1. 校准图案：从不同的角度捕获已知尺寸的物体或图案的多个图像。我们将在这篇文章中学习的基于棋盘chess board的方法就属于这一类。我们还可以使用已知尺寸的圆形图案来代替棋盘图案。（重点掌握）
2. 几何线索：利用场景中其他几何线索，例如直线和消失点，可用于校准。
3. 基于深度学习：当我们对成像设置的控制很少时（例如，我们只有场景的单个图像），仍然可以使用基于深度学习的方法获得相机的校准信息。

4. 相机标定具体步骤及实现

a. 用已知大小棋盘格进行真实世界3D坐标的定义

棋盘格图案在图像中清晰且易于检测。还有棋盘上正方形的角非常适合定位它们，在两个方向上都有急剧变化的梯度。此外，这些角还由于它们位于棋盘线的交叉点而相互连接。所有这些事实都用于可靠地定位棋盘图案中正方形的角点。
真实世界的坐标被固定在这个贴在墙上的棋盘格，我们选择的3d点是角点，任意交点都可以被选择为原点，Xw，Yw沿着墙，Zw轴垂直于墙。为了简单起见，我们可以说棋盘在 XY 平面上保持静止（因此 Z=0 ），并且相机相应地移动。这种考虑有助于我们仅找到 X,Y 值。

现在，对于 X,Y 值，我们可以简单地将点写为 (0,0)、(1,0)、(2,0)...，这表示点的位置。在这种情况下，我们得到的结果将以棋盘正方形的大小为单位。但如果我们知道正方形的尺寸（例如 30 毫米），我们可以将值传递为 (0,0)、(30,0)、(60,0)、...。因此，我们得到的结果以毫米为单位。