相机标定--双像三维建模小软件开发实例（二）

本程序的执行界面如下图所示，只需要输入标定板影像路径，即可全自动完成相机的标定，得出相机的焦距和畸变系数。

图 1. 相机标定程序运行界面

下面首先简略介绍相机标定的原理，然后简略介绍OpenCV的实现思路，最后详细介绍带UI的相机标定程序的开发方法。

一，相机标定的原理

（参考《学习OpenCV（中文版）》（清华大学出版社））

 要通过拍摄的二维相片信息回复相片中物体的三维信息，就必须明确物方点三维坐标（X，Y，Z）与其在相片上的坐标（x,y）之间的几何关系。物方坐标和像方坐标的几何关系由相机的成像模型确定。普通相机的成像模型都是小孔成像，其数学模型为中心投影，表达式为：

相机标定的目标是求出内参数fx,fy,cx,cy,即焦距（主距）和像主点偏移量，下面我们来分析如何求得这四个内参数。

由以上公式可以看出，每拍摄一张图像，就有6个外参数未知量（三个角度和三个偏移量，注意W矩阵中的R0-R8的独立参数只有三个角度），以及4个内参数未知量，同时每拍摄一张图像，对于图像上每个像点就会产生2个方程（展开以上公式很容易得到）。

以棋盘作为标定板进行试验，假设棋盘有K个角点，一共拍摄N幅图像，那么将会有2NK个方程，6N+4个未知量，想要求解4个内参数，则只需2NK>=6N+4，于是，当N=1且K=5时即可完成标定。然而因为棋盘上无论有多少个点，真正独立的只有4个，因为其他点可以通过线性变换得出。因此将K固定为4，那么可得出能完成标定的要求是N>=2，即至少拍摄两幅棋盘。考虑到误差问题，一般需要10幅以上7*8个角点的棋盘图像才能完成高质量的标定。

此外，实际的相机的透镜成像并非完全的小孔成像，而是存在畸变的，主要是径向畸变和切向畸变，在数学上通过二阶多项式来模拟。在原来的方程q=sMWQ的基础上，增加一个畸变改正系数矩阵即可得到带畸变纠正的标定模型。这样做会带来另外4个内参数（2个径向畸变系数和2个切向畸变系数），但是可以通过增加拍摄图像数目来增加方程进而完成解算。

二，OpenCV对相机标定的实现思路

OpenCV提供了cvCalibrateCamera2函数用以完成相机标定，以下是函数说明（来自百度百科）

void cvCalibrateCamera2( const CvMat* object_points, const CvMat* image_points, const CvMat* point_counts, CvSize image_size, CvMat* intrinsic_matrix, CvMat* distortion_coeffs, CvMat* rotation_vectors=NULL, CvMat* translation_vectors=NULL, int flags=0 );

• object_points
• 定标点的世界坐标，为3xN或者Nx3的矩阵，这里N是所有视图中点的总数。
• image_points
• 定标点的图像坐标，为2xN或者Nx2的矩阵，这里N是所有视图中点的总数。