分别使用Matlab和OpenCV标定微距相机

软件：
Matlab 2014a，VS 2013

棋盘格标定板：
方格边长0.5mm，横向角点数19个，纵向角点数15个。

相机内参估算

其实在已知相机的某些参数后，不进行标定也可以估计出大致的内参矩阵。

根据上一篇博文中对图像坐标系、相机坐标系和世界坐标系的学习，可以知道相机内参的形式：

        fx   0   u0
   K =   0  fy   v0
         0   0    1

内参数为fx，fy，u0，v0。其中：fx=f/dx， fy=f/dy；u0，v0为主点坐标。

理想情况下：fx=fy；u0，v0分别为分辨率的一半，所以在已知焦距、图像分辨率和传感器尺寸等参数后，可以对理想情况下的内参进行估算。

以网上经常作为举例对象的NiKon D700相机为例：

焦距 f=35mm，最高分辨率 42562832，传感器尺寸 36.0mm23.9mm

则可计算出：

dx=36.0/4256，dy=23.9/2832 —> fx=f/dx=4137.8，fy=f/dy=4147.3

u0=4256/2=2128，v0=2832/2=1416

内参矩阵即为：

         4137.8     0       2128
    K =     0     4147.3    1416
            0       0         1

但在对精度要求比较高的场合还是需要对相机进行标定，得到相机实际的内参和畸变参数。

Matlab标定工具箱

参考博客：http://blog.csdn.net/jameshater/article/details/53172333

该博客中工具箱各功能的使用介绍得十分详细，适合小白入门参考和需要复杂功能时的查阅。

由于我前期只需要简单标定得到内参，所以只进行最主要的三个步骤:读入图片，提取角点和相机标定。

过程记录如下：

1.标定工具箱的下载安装：

可按照参考博客中的网址下载。

下载后解压到matlab的工作路径，在命令窗口使用calib_gui打开。

2.读入图片

选择Standard(all the images are stored in memory)。

选择image names（在此之前需要将文件夹选为存放标定图片的那个）。

输入图片基名Basename（假如图片的存储名称为img1.jpg，则基名为数字前的img。我电脑中存储的直接为1.jpg，2.jpg…，所以此处直接键入回车）。

输入图片格式（根据自己图片存储情况和提示输入即可，我的是jpg格式，所以输入j）。

之后程序自动读取该文件夹下的图片并显示。

3.提取角点

选择Extract grid corners。

选择是否处理所有图片，可以输入图片索引，如[1,2,3]，默认则处理第一步读取进的全部图片，无特殊需求则此处选择回车默认。

选择提取角点的窗口尺寸和是否自动提取，此处均回车默认即可。

显示第一张标定图片，手动选择四个边缘角点，一般按照：左上，右上，右下，左下的顺序。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-M2m6neV2-1572752004434)(https://img-blog.csdn.net/20170811131103781?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvQWlsZWVuTnV0/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)]

选择了四个角点后，需要输入x方向和y方向上的棋盘格小方格边长，我这里的dx=dy=0.5mm，故输入0.5。

显示提取角点后的图片，选择是否需要猜测畸变参数。根据角点提取效果自行选择，一般提取效果都很好，可以直接默认回车不猜测畸变；如果提取效果不理想，畸变较大，可以试凑查看效果，一般该参数在-1和1之间。

不断循环该过程直至所有图片的角点提取完毕。

4.相机标定

选择Calibration，即可得到标定结果。

选择Save，保存标定结果，文件名为Calib_Results.m。

OpenCV自带标定程序

参考博客：http://blog.csdn.net/t247555529/article/details/47836233#comments

1.新建工程demo，配置OpenCV环境。

2.生成标定时读取图片所需的yaml图片列表。

（1）添加源文件imagelist_creator.cpp，编译执行，在Debug文件夹中得到demo.exe。

（2）进入cmd，cd进入工程路径下的Dubug文件夹。
输入命令：demo imagelist.yaml 图片名
其中图片名是标定过程中使用的所有图片的名字，以我自己为例，此处键入1.jpg 2.jpg 3.jpg …

3.相机标定

（1）删除工程下的源文件imagelist_creator.cpp，添加calibration.cpp，编译执行，在Debug文件夹中得到demo.exe。

（2）将标定使用的图片放在Debug文件夹下。

（3）进入cmd，cd进入工程路径下的Debug文件夹。
输入命令： demo -w 19 -h 15 -s 0.5 imagelist.yaml
其中：-w为每行的角点个数，-h为每列的角点个数，-s为棋盘格的方格边长，单位为mm。

（4）标定结果会保存在Debug文件夹下的out_camera_data.yml中，此类文件可以使用Notepad++打开。

二者对比

1.Matlab标定工具箱

需要指定小方格的长宽（单位mm），并手动提取每张标定图的四个边角点，比较麻烦，但角点提取和标定效果较好。

2.OpenCV自带标定程序

需要指定小方格的边长（单位mm），行和列的角点数，自动提取，比较方便，但角点提取和标定效果有时不如人意。
可能比较适用于OpenCV示例中大且方格数量少的棋盘格标定板，对于我使用的0.5mm且方格数量较多的微距标定板效果很不理想。

3.其他OpenCV标定程序

在OpenCV官方自带标定程序标定失败后，也找了很多网上其他OpenCV标定程序。其在角点提取和处理上会比自带程序好很多，不会如此混乱。但在我将棋盘格小方格参数修改为标定板参数0.5mm后，会出现矩阵和参数无法计算，均为无效点1.#QNAN的情况。

根据目前标定的效果，虽然Matlab半自动有点麻烦，但我还是决定使用Matlab标定工具箱了…

最后，关于使用OpenCV标定的情况，如果有更好更精确的方法，或者能解决文中的问题，还望各位大牛不吝赐教，谢谢！