单目相机标定是什么？
举个例子。
我拍了一张狗的图像。那么真实世界里，这个狗头是怎么变成图像里的狗头的呢。
狗头（假设狗头很小，就是一个点）在真实世界里，用一个三维坐标可以定位。在图像里，狗头是一个二维坐标点。 根据矩阵论学到的知识，要想从真狗头变到图里的狗头，实际上是一个三维坐标到二维坐标的变换，也就是映射关系。
单目相机标定，就是想要求解这个映射关系。
从相机到图像发生了哪些映射？
首先，物体在真实世界里，光要先到镜头。经过镜头成像，光会落在一个感光元件上。最终，形成了图像。
画一下重点，流程是这样的：真实世界-----》镜头-------》感光元件-----》图像。
于是，就以这四个东西，各自建坐标系，就是标定里著名的四个坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系。
从真实世界到镜头，是一个刚性变换，意思就是仅发生了旋转和平移的变换。通过一个矩阵就可以描述旋转和平移变换。这个矩阵，就叫相机的外参矩阵。
从镜头到图像坐标系，就是初中物理学的凸透镜成像的原理。理想情况下，用最简单的相似性就可以计算出来。然而实际情况是镜头会发生畸变，这个畸变就不能简单的用矩阵来描述了，需要一个非线性的函数。
从图像坐标系到像素坐标系，就是简单的平移、离散化。具体来讲是这样的，成像元件和镜头和中心是在同一水平线上的，原点（0，0）都是它们各自的正中心。成像元件的每一个感光单元实际上就是图像的一个像素。而对于像素坐标系，坐标（0，0）的是左上角的那个像素，许多软件里也都是这样定义的。
后两步，也可以分别用矩阵来表示。俩矩阵乘一起，叫内参矩阵。
经典公式还是附上。
标定是怎么计算这些矩阵的？
这实际上是一个解方程的关系。我有一堆图像点（ｕ,v）, 还有一堆世界坐标（Xw, Yw, Zw），它们一一对应。根据上面这幅图上的数学关系，我建立一系列的方程，把内参和外参算出来就好了。最经典的求解方法就是张正友标定。
关于张正友标定存在以下几个问题：
关于方程的建立
１．图像点怎么获得？
张正友的方法是，拿一个棋盘格图像，通过角点检测，得到角点在图像里的坐标。
２．世界坐标怎么获得？
棋盘格的每个格子是已知尺寸的，比如２０×２０厘米这种。以棋盘格所在平面为世界坐标的ｚ平面，以两个边为ｘ轴和ｙ轴。按照这个，数出来每个角点的坐标就行了。
关于方程的求解
１．求解方法
根据上述，假设我们用了一个７＊６的棋盘格，我们就有４２组对应的点坐标了。我们拿到的这些点有时候不能够得到精确解，只能用一些估计的方法，比如最大似然估计之类的，估计一个近似解。
２．求解流程
第一步：求解内参和外参矩阵的乘积。
内参和外参的乘积是一个３＊３的矩阵，叫做单应性矩阵。
“单应性矩阵是齐次矩阵，有8个独立未知元素。当一张图片上的标定板角点数量等于4时（一个点有ｘ坐标和ｙ坐标，因此可以列出来两个方程），即可求得该图片对应的矩阵
。当一张图片上的标定板角点数量大于4时，利用最小二乘法回归最佳的矩阵
。”
第二步：求解内参矩阵。
求解内参矩阵
然后继续推呀推，最终发现：
“我们只要取3张标定板照片，即可求解内参矩阵。当标定板图片的个数大于3时（事实上一般需要15到20张标定板图片），可采用最小二乘拟合估计出矩阵![]()
，进而求解出内参矩阵
。”![]()
第三步：求解外参矩阵
第四步：求解畸变参数
张正友的方法仅考虑了幅度较大的径向畸变。
其他问题
１． 内参是相机和镜头本身的性质，只需标定一次就可以了。
２． 外参是相机和世界坐标的位置关系，一旦发生位置变化，就需要重新求解外参。求解外参的方法有ＰＮＰ方法，以后熟悉了再做详细介绍。
３． 上文中公式１里，有一个尺度坐标
从３Ｄ到２Ｄ时，根据物体在世界坐标系的Z坐标
如果想２Ｄ到３Ｄ点映射时，只有图像上点坐标和内外参矩阵，计算时会发现尺度坐标
c++ 和Opencv 实现张正友标定 代码
代码放在了gitee上，里面有单目标定的测试图像和C++代码。
提供了相机标定、标定误差计算、矫正畸变图像、将3D点坐标映射至2D坐标。
代码网站如下：
幼儿园优秀毕业生崔如瑶/learn3Dgitee.com
测试用图来源为：公众号麻瓜智能。 参考链接：
第三更，单目相机标定实践（完整过程）www.jianshu.com
参考资料
Wang Hawk：29. 小孔相机zhuanlan.zhihu.com
扫一扫
256
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
