python opencv双目相机标定_一起学opencv-python四十（相机校准和3D重建之二：畸变的校正和双目相机的原理）...

继续苦逼地学习SLAM的知识中。

也许你还会看到相机外参数有这样表示的：

这种表示方法是Rodrigue旋转向量的形式。参考了https://blog.csdn.net/hongbin_xu/article/details/78929006

为什么w的模等于v⊥的模呢？这是因为外积有一个性质就是外积的结果的向量的模等于以两个运算向量为邻边的平行四边形的面积，而平行四边形的面积等于底乘高，而以向量k作为底的话，v⊥向量就是高，又因为k是单位向量，所以w的模等于v⊥的模。

最后这个是Latex公式的表示方式，就是R=1+（1-cosθ）K^2+sinθK。

下面说的其实有一定的问题，r代表的旋转轴的方向，因为是在三维空间，所以是一个三维向量，r的模代表旋转的角度（逆时针），上面的字母很混乱不过r/θ显然就是一个单位向量，可以直接代替公式里面的k向量。上面这样做的目的就是为了用三维旋转向量来简单地表示一个旋转矩阵，这样地表示方法更加紧凑，且未知数就只有三个，不过列出来的方程不是线性方程，因为存在θ=(r1**2+r2**2+r3**2)**0.5这个参数。

前一篇说的是虽然考虑了噪声，但是没有的考虑畸变的张正友标定方法。这一讲来学习考虑畸变的。

畸变模型

注意(x,y)是在图像坐标系的坐标而不是像素坐标系。例子参考https://www.sohu.com/a/169585816_712214

桶形畸变的x，y值都比正常的大，而枕形的正好相反。