全（中文）网都错的相机畸变参数到底怎么写？——相机畸变校正公式的正确写法

偶然查这个问题，发现仍然能查到一大票错误的信息，虽然不能说故意误导，但是还是很影响新手学习，所以重新简单复习一下，“以正视听”！

看到一个关于去畸变的比较靠前csdn博客说K1大于0是桶形畸变。

高翔的slam14讲也出现视频课件和书公式用反的情况，一会xcorrected=x(1+k^2)，一会xdistorted=x(1+k^2)。

第一个博客我找不到了，第二个高翔的b站视频还有,说左边是xcorrected

随便一搜中文网络，到处都是错的：下文也是说x'是校正后的

不搜不知道，我越来越找不到最开始看到的错误了，但是越找越多，这种不动脑子抄的答案真的是一搜一大把，全都是反的。

=====================================================================================================================

当然，单说一个K1的正负，本身意义不大，取决于你的映射方向和你的函数怎么写。但问题是，接口是统一的，内参是统一的，在同一套体系下不可能有两个方向的映射，你调去畸变接口还要跟人家对一下映射是正还是反吗？那么一定有一个固定的方向，也会有固定的畸变写法。

我们去查一下opencv官网：左边是畸变坐标，而不是校正后的坐标，我又查了更多网站，和opencv保持统一。

更多英文网保持统一。

========================================================================

一个简单实验，思路如下，使用opencv的去畸变接口，让K1分别大于0和小于0，K1小于0，“去畸变”后会变的更“枕”，说明K1小于0对应的是桶形畸变；反之，K1大于0，“去畸变”后变得更“桶”，说明K1大于0是枕形畸变。

手动虚拟了一个绝对值比较大的K1=-0.9

import cv2
import numpy as np

img = cv2.imread('/home/hqw/DOM_WS/calibration_ws/Cam1_80mm_small/000001.jpg')

cameraMatrix = np.array([[4256.285003513053, 0.00000000e+00, 3055.734559863916],
                         [0.00000000e+00, 4228.537640373734, 1982.949879382805],
                         [0.00000000e+00, 0.00000000e+00, 1.00000000e+00]])
distCoeffs = np.array([-0.9, 0.08519733266449879, 0.0002846649951554347, 0.0006173954394454957, -0.01713882649825566])

undistorted = cv2.undistort(img, cameraMatrix, distCoeffs)

cv2.namedWindow("Undistorted", cv2.WINDOW_NORMAL)
cv2.imshow("Undistorted", undistorted)
cv2.resizeWindow("Undistorted", 640, 480)
cv2.waitKey(0)
cv2.destroyAllWindows()

再手动虚拟一个绝对值比较大的K1=0.9

import cv2
import numpy as np

img = cv2.imread('/home/hqw/DOM_WS/calibration_ws/Cam1_80mm_small/000001.jpg')

cameraMatrix = np.array([[4256.285003513053, 0.00000000e+00, 3055.734559863916],
                         [0.00000000e+00, 4228.537640373734, 1982.949879382805],
                         [0.00000000e+00, 0.00000000e+00, 1.00000000e+00]])
distCoeffs = np.array([0.9, 0.08519733266449879, 0.0002846649951554347, 0.0006173954394454957, -0.01713882649825566])

undistorted = cv2.undistort(img, cameraMatrix, distCoeffs)

cv2.namedWindow("Undistorted", cv2.WINDOW_NORMAL)
cv2.imshow("Undistorted", undistorted)
cv2.resizeWindow("Undistorted", 640, 480)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结：最常见的畸变应该是桶形畸变，因为都是凸透镜成像。最常见的K都是偏负数（在本实验中，简化了模型，忽略或者降低K2和K3，将K1调大，实际上，因为K2和K3对应的是r^4,r^6，所以可能K3大概率是负数）。

两组参数，K1不变，K3变-0.1，影响更大

distCoeffs = np.array([0.01, 0.0, 0.00, 0.00, 0)

distCoeffs = np.array([0.01, 0.0, 0.00, 0.00, -0.1])

前者去畸变后变得更桶（原来是枕形畸变），后者更枕（原来是桶形畸变）。

查到一个有意思的东西，可以直接拉参数条调整畸变，直观展现相机内参的变化和影响，git