opencv+pythons相机标定源码解析

相机标定原理，这里不再赘述，一般使用张友正相机标定法。这里只介绍了标定相机内参的方法，即3x3的matrix。

import cv2
import numpy as np
import glob

# 设置寻找亚像素角点的参数，采用的停止准则是最大循环次数30和最大误差容限0.001
criteria = (cv2.TERM_CRITERIA_MAX_ITER | cv2.TERM_CRITERIA_EPS, 30, 0.001)

# 获取标定板角点的位置
objp = np.zeros((5 * 7, 3), np.float32) ## 仅算内角点，注意内角点即不靠近边界的角点
objp[:, :2] = np.mgrid[0:7, 0:5].T.reshape(-1, 2)  # 将世界坐标系建在标定板上，所有点的Z坐标全部为0，所以只需要赋值x和y 5行7列reshape成（35,2），即真实的坐标（0,0），（1,0）...
a = np.mgrid[0:7, 0:5].T
b = np.mgrid[0:7, 0:5]
print(a, a.shape) #（5,7,2）
print(b, b.shape) #（2,7,5）
#exit()
obj_points = []  # 存储3D点
img_points = []  # 存储2D点

images = glob.glob("./picture/*.jpg")
for fname in images:
    img = cv2.imread(fname)
    print(fname)
    #h, w, _ = img.shape
    img = cv2.resize(img, (600, 600))
    #print(img)

    cv2.waitKey(15)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    #cv2.imshow('img', gray)
    size = gray.shape[::-1]
    ret, corners = cv2.findChessboardCorners(gray, (7, 5), None) # 寻找真实世界角点坐标在照片中的像素坐标，(这里的7和5，表示Number of inner corners per a chessboard row and column，一定注意，不是7行5列，有些博客的介绍是错误的)
    print(corners.shape)
    print(ret)
    exit()
    if ret:

        obj_points.append(objp)

        corners2 = cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), criteria)  # 在原角点的基础上寻找亚像素角点，即精确到小数
        #print(corners2)
        if [corners2]:
            img_points.append(corners2)
        else:
            img_points.append(corners)

        cv2.drawChessboardCorners(img, (7, 5), corners, ret)  #绘制角点
        cv2.imshow('img', img)
        cv2.waitKey(2000)

print(len(img_points))
cv2.destroyAllWindows()

# 标定
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, size, None, None)

print("ret:", ret)
print("mtx:\n", mtx) # 内参数矩阵
#print("dist:\n", dist)  # 畸变系数
#print("rvecs:\n", rvecs)  # 旋转向量 
#print("tvecs:\n", tvecs ) # 平移向量

这里需要注意的是，真实坐标和照片内的像素坐标的顺序一定要对应，并且这里的7和5分别代表列数和行数，需要根据自己的标定板来做相应的变换。
还有cv2.findChessboardCorners(gray, (7, 5), None)函数里7和5的意义，有写博客的介绍成（行数，列数）是错误的。
这里的cornerSubPix函数是求亚像素坐标，即带小数点的坐标值，目的是更加精确，详细介绍可以参见这篇博客：https://www.cnblogs.com/riddick/p/8476456.html

本文参考：https://www.cnblogs.com/dinghongkai/p/11211840.html

关于调试中的一些bug：
cv2.error: OpenCV(4.1.1)error: (-215:Assertion failed) ni == ni1
这是因为在调用cv2.calibrateCamera时定义的棋盘格数量和真实的不一致，需要自行调整。