opencv相机标定

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“calibration.cpp”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

如果知道图像，不知道相机还怎么通过相机来标定畸变？

1、只给定一张图片可以根据图像中相关特征进行标定，比如：图像中的某个物体具有直线性特点。一般是找出本来应当是直线的物体边缘，在其上取若干点，根据这些点将图像中的物体边缘重新校正为直线。简单讲就是利用： line is straight 这个原理。

2、目前最常用的张正友在1998年提出的一种标定方法，是通过二维标定板（平面标定板），根据小孔成像的原理，通过对 reprojection error 最小化进行非线性优化，来实现对相机的标定。并非根据看似高大上的训练集来标定。

当然他写这篇文章的目的不单单是为了校正畸变。畸变参数只是张正友相机标定法所求参数的一部分，即：两个径向畸变系数和两个切向畸变系数。

消除畸变的目的是让相机尽量地逼近针孔相机模型，这样相机成像时直线才会保持其直线性。一般常见的畸变校正算法都是根据这一原理来实现的。

当然，还有二般的情况。比如：图像中压根就没有直线性物体存在。我们该怎么办？还能进行标定吗？

答案是肯定的。可以利用对极约束，对图像畸变进行标定。不过，这需要至少两幅图像，而且这两幅图像必须是同一相机在短时间内拍摄得到。

相机内参数（包括焦距、主点、畸变系数、扭曲因子）是由相机物理属性决定的。

按道理如果不改变相机的物理属性，标定结果应该是不变的。

但是每次标定的结果为什么又会变化呢？

不外有两种原因：

1、相机标定过程中可能受收到很多外部物理因素（像差、散焦、传感器噪声、量化误差等）的影响。

2、所用算法的稳定性较差，当前在相机标定领域公认的健壮性较好的优化算法仍然是bundle adjustment（光束平差法）。

可以从上述两个方面找找每次试验结果会差别很大的原因。

估计是算法的稳定性差的可能性大！

---