5_相机标定_1_标定板选取与角点绘制

一、旋转矩阵与平移向量

对于每一幅相机得到的特定物体的图像，我们可以在摄像机系统上用旋转和平移来描述物体的相对位置。如下图。

通常任何维的旋转可以表示为坐标向量与合适尺寸的方阵的乘积(旋转矩阵)。最终一个旋转等价于在另一个不同坐标系下对点位置的重新描述。

由之前刚体知识知道可以用三个角度来表示旋转，用三个参数(x，y，z)来表示三维平移。因此总共有6个参数。对相机而言，OpenCV内参矩阵有4个参数(fx,fy, cx和cy),因此对每个场景需要解10个参数(相机内参在不同场景保持不变)。则对应一个平面物体，每个场景有8个固定参数。因为不同视角下旋转和平移6个参数会变，对于每一个场景用来求解相机内参矩阵的两个额外参数需要约束。即求解全部几何参数至少需要两个视角。    

二、标定板

原理上，任何合适的表征物体都可以用作标定物体。而实际上都选择诸如棋盘这样的规则模式。另外一种“圆网格”也是OK的(我测试使用的)，opencv3作者使用ChArUco效果也是很好的。

给定一个棋盘图像，可以使用OpenCV函数findChessboardCorners()来定位棋盘的角点。

该函数的输入是包含棋盘的单幅图像。此图像必须是8位灰度(单通)图像。第二个变量是patternSize，表示棋盘每行每列有多少个角点，该数值是内角点个数，因此对于一个标准象棋棋盘，其值是cv::Size(7,7).下一个变量是corners，是记录角点位置输出的矩阵。用像素坐标来表示每个角点位置。最后一个参数用来定义一个或多个滤波，有助于找到棋盘上的角点。函数接口找到所有角点返回true。

1、棋盘上的亚像素角点    

用来获取更准确的角点。

2、使用cv::drawChessboardCorners()来绘制角点

在调试时，经常需要把角点绘制到图像上。

第一个参数是要绘制的图像。由于角点是用有颜色的圈来表示，因此图像必须是8位彩色图像。接下来两个参数与上一个函数一致。最后一个参数表示是否整个棋盘上的角点都被成功找到，可以设置为cv：：findChessboardCorners()函数的返回值。

效果如下：

三、标定板的选择

   

欢迎关注：

记录学习过程。