matlab标定工具箱，我的标定板是圆点阵列的，怎么修改相关的函数，让标定箱可以提取圆点阵列的圆心角点

你要写个函数替换它里面的cornerfinder。
不过既然你需要用圆点的，你可以用opencv的标定代码直接运行。
当然你要弄清楚它和matlab标定的模型转换。不难的。

陶瓷标定板和玻璃标定板解说
应用领域
东莞市准纳光电科技有限公司玻璃系列标定板和陶瓷系列标定板是专为高校实验、研究单位项目研发和机器视觉集成商产品标定等等客户群体使用的常用标定工具，能够方便获得相机的标定数据。
标定板材质：
玻璃标定板：苏打玻璃：俄罗斯使用标定板颜色为银色，德国，奥地利周边国家标定板颜色为蓝色；美国，日本标定板颜色均为。这个颜色是镀膜工艺决定，不能单凭颜色就判断标定板的优劣。国产标定板颜色高端为，其他颜色成本相对比较低。标准的制作工艺：玻璃基底要经过抛光，清洗后，镀膜等。膜层牢固，后期制作过程中瑕疵点效少。如果把其中某一道工艺减少或用的机器不是很好，做出来的产品，成本会便宜很多，同时质量一定不是很好。例子：如果按照正常工序制作，尺寸为63mm63mm，大量制作的价格也至少在百元以上。
陶瓷标定板玻璃标定板
陶瓷标定板：陶瓷基底的标准板具有热膨胀系数小、强度高、硬度高、耐磨性好、热传导率低、防酸碱性好等特点，且其良好的表面漫
反射处理，解决了在应用过程中，前置光源情况下玻璃材质标定板反光的难题，可更好地识别标定板图案细节信息从而达到更高的标定精度和测量精度。
如何选标定板材质：
前置光源请选择陶瓷材质标定板，避免反光。背光源可选择光学玻璃材质。
陶瓷可分为：镜面反射，磨砂漫反射
磨砂漫反射效果陶瓷镜面效果
￥
59
百度文库VIP限时优惠现在开通,立享6亿+VIP内容
立即获取
圆点标定板和棋盘格标定板--机器视觉
陶瓷标定板和玻璃标定板解说
应用领域
东莞市准纳光电科技有限公司玻璃系列标定板和陶瓷系列标定板是专为高校实验、研究单位项目研发和机器视觉集成商产品标定等等客户群体使用的常用标定工具，能够方便获得相机的标定数据。
标定板材质：
玻璃标定板：苏打玻璃：俄罗斯使用标定板颜色为银色，德国，奥地利周边国家标定板颜色为蓝色；美国，日本标定板颜色均为。这个颜色是镀膜工艺决定，不能单凭颜色就判断标定板的优劣。国产标定板颜色高端为，其他颜色成本相对比较低。标准的制作工艺：玻璃基底要经过抛光，清洗后，镀膜等。膜层牢固，后期制作过程中瑕疵点效少。如果把其中某一道工艺减少或用的机器不是很好，做出来的产品，成本会便宜很多，同时质量一定不是很好。例子：如果按照正常工序制作，尺寸为63mm63mm，大量制作的价格也至少在百元以上。

建议你看一下，那个标定工具箱的源代码。
将里面的角点坐标，替换为圆心坐标即可。
实际上，这个标定工具箱的参数不多。
不多的意思，就是没有什么参数是多余的。
只要你想精确标定相机，基本上该工具箱里所需设置的参数都是必需的。
所谓的参数太多，是你对相机标定的方法还不够了解。
按所需的标定物来分，相机标定目前为止所需要的标定物：有三维、二维、一维和零维，这样四种。
只要这个二维标定物得到的结果即准确可靠，标定起来又简单方便。
如果你嫌麻烦，完全可以使用零维标定物，那就是不使用任何物体来标定。
只是将角点换成圆心，怎么可能简单？
实际上反而是麻烦。

OpenCV相机标定原理及源码分析

OpenCV摄像头标定
《OpenCV：相机标定（自带Demo）》

读OpenCV自带的标定例程“calibrationcpp”感想

OpenCV3学习笔记 相机标定函数 calibrateCamera( ) 使用详解（附相机标定程序和数据）

opencv角点检测、棋盘格检测、亚像素cvFindCornerSubPix（）

圆点标定板的标志点提取、标定实验总结

findCirclesGrid源码分析

相机模型与标定（五）--opencv棋盘格角点检测算法

opencv 摄像头 圆点标定板 findCirclesGrid 使用

相机模型与标定（十二）--opencv圆形标志点检测算法

世界坐标值，根据标定板的尺寸自己生成相应矩阵；
每一幅图像对应的外参数是不一样的，外参数值指的是景物坐标系相对于相机坐标系的转换关系；
自己定义的RT是什么意思？单个摄像机拍摄的图像是不能得到景物点的三维坐标的，缺少景深信息。可以参考OpenCV相关教程，如果要的话，留下邮箱。

标定，我的理解应该是标准50mm定焦镜头。在镜头当中，50mm焦距镜头因为最接近人眼所观测时的角度，所以，50mm镜头在摄影当中被认定为标准镜头。又因为定焦镜头在成像质量上要优越于变焦镜头，所以才得到“标定”的推荐。
虽然50mm焦距的角度接近人眼的角度，但是人在看东西的时候，因为距离被观测事物的远近会影响你所看到的事物的大小（近大远小），同理，相机在拍摄中，求实际距离是很难实现的。所以，个人认为有必要用辅助标尺来进行拍摄来求实际距离。
建议：
1，将拍摄距离，即物距固定（个人建议物距为30厘米），使用三角架或者其他方式固定相机，然后固定被拍摄对象们在相同的距离来拍摄。
2，保持水平拍摄，即被拍摄者的眼睛水平于相机镜头中心点。
2，保持相同的相机设置以及光线设置，得到同样的曝光。
3，使用标尺标明距离。

工业相机标定方法有：传统相机标定法、主动视觉相机标定法、相机自标定法。
传统相机标定法包括Tasi两步法和张氏标定法，可使用于任意的相机模型、精度高。但是需要标定物，算法较复杂。
Tsai两步法是先线性求得相机参数，之后考虑畸变因素，得到初始的参数值，通过非线性优化得到最终的相机参数。Tsai两步法速度较快，但仅考虑径向畸变，当相机畸变严重时，该方法不适用。
张氏标定法使用二维方格组成的标定板进行标定，采集标定板不同位姿，提取中角点像素坐标，通过单应矩阵计算出相机的内外参数初始值，利用非线性最小二乘法估计畸变系数，最后使用极大似然估计法优化参数。该方法 *** 作简单，而且精度较高，可以满足大部分场合。
主动视觉标定法不需要标定物、算法简单、鲁棒性高。但是成本高、设备价格昂贵。基于主动视觉的相机标定法是通过主动系统控制相机做特定运动，利用控制平台控制相机发生特定的移动拍摄多组图像，依据图像信息和已知位移变化来求解相机内外参数。这种标定方法需要配备精准的控制平台，因此成本较高。
相机自标定法包括分层逐步标定法和基于Kruppa自标定法，灵活性强，可在线标定，但是精度低，鲁棒性低。
分层逐步标定法是先对图像的序列做射影重建，在重建的基础上进行放射标定和欧式标定，通过非线性优化算法求得相机内外参数。由于初始参数是模糊值，优化算法收敛性不确定。
基于Kruppa的自标定法是通过二次曲线建立关于相机内参矩阵的约束方程，至少使用3对图像来标定相机。图像序列长度会影响标定算法的稳定性，无法保证射影空间中的无穷远平面。

---