传统单目相机标定：原理简介与实现

一、相机标定原理简介

1.1 相机成像系统

相机成像系统中，包含四个坐标系，分别是世界坐标系、相机坐标系、图像坐标系、像素坐标系。

世界坐标系：代表物体在真实世界里的三维坐标。

相机坐标系：代表以相机光学中心为原点的坐标系，光轴与轴重合。

图像坐标系：代表相机拍摄图像的坐标系，原点为相机光轴与成像平面的交点，是图像的中心点。

像素坐标系：由于图像的基本单位是像素，所以该坐标系是图像上点在图像储存矩阵中的像素位置，坐标原点在左上角。

前三个坐标系的单位是毫米，而最后一个坐标系的单位是像素。

这四个坐标系之间的转换关系如下：

用矩阵表示就是：

其中，为世界坐标系下的一点的物理坐标，为该点对应于像素坐标系下的像素坐标，为尺度因子。

我们将矩阵：

称为相机的内参矩阵，内参矩阵由相机内部的参数决定。其中，为焦距，、分别表示、方向上的一个像素在相机感光板上的物理长度（即一个像素在感光板上是多少毫米），、分别表示相机感光板中心在像素坐标系下的坐标，表示感光板的横边和纵边之间的角度（表示无误差）。

我们将矩阵：称为相机的外参矩阵，外参矩阵取决于相机坐标系和世界坐标系的相对位置，表示旋转矩阵，表示平移矢量。

即单点无畸变的相机成像模型如下：

相机标定的第一个目的就是获得相机的内参矩阵和外参矩阵。

1.2 相机畸变

由于相机制造工艺的原因，其成像过程中难免存在畸变。畸变主要分为两类，分别是径向畸变和切向畸变。

径向畸变公式（3阶）如下：

切向畸变公式如下：

将径向畸变和切向畸变合并，只需要将两个畸变矫正直接加起来即可，公式如下：

合并考虑畸变的原因也很简单，两种畸变同时发生在成像过程中，发生的原因也是相互独立的。

其中，，分别为理想的无畸变的归一化图像坐标、畸变后的归一化图像坐标，为图像像素点到图像中心点的距离，即。

相机标定的第二个目的就是获得相机的畸变参数，进而对拍摄的图片进行去畸变处理。

二、利用OpenCV实现张正友标定法

2.1 张正友标定法简介

张正友标定法利用黑白棋盘格标定板，在得到一张标定板的图像后，用Harris角点检测算法得到每一个角点的像素坐标。

张正友标定法将世界坐标系固定于棋盘格上，则棋盘格上任一点的物理坐标，由于标定板的世界坐标系是人为事先定义好的，标定板上每一个格子的大小是已知的，我们可以计算得到每一个角点在世界坐标系下的物理坐标。

我们将利用这些信息：每个角点的像素坐标，每个角点在世界坐标系下的物理坐标，来进行相机的标定，获得相机的内外参矩阵、畸变参数。

2.2 利用OpenCV进行张正友标定法

OpenCV内置了张正友相机标定法，通过calibrateCamera可以直接调用，输入已知量得到未知量。

函数模型：

ret, mtx, dist, revecs, tvecs = cv2.calibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs)

输入参数：

objectPoints：np.ndarray世界坐标系下的角点坐标，维度img_num * corner_num * 3

imagePoints：np.ndarray角点在图像中的坐标，维度img_num * corner_num * 1 * 2

imageSize：tuple图像尺寸，格式（图像宽度，图像高度）

cameraMatrix：np.ndarray相机内参初始值，如果没有初始值，则设置为None

distCoeffs：np.ndarray相机畸变系数初始值，如果没有初始值，则设置为None

输出参数：

retval：bool相机标定是否正确

cameraMatrix：np.ndarray相机内参矩阵

distCoeffs：np.ndarray相机畸变系数

rvecs：np.ndarray相机外参-旋转向量，可以通过罗德里格斯公式转换为旋转矩阵

tvecs：np.ndarray相机外参-平移向量

三、参考资料

1. 计算机视觉—— 相机标定

2. 一文图解单目相机标定算法

3. 相机标定之张正友标定法数学原理详解（含python源码）

4. OpenCV相机标定