本文详细介绍了基于Python的相机标定过程，包括基本原理、运行结果与分析，以及具体代码实现。相机标定旨在求解相机内、外参数及畸变参数，涉及从三维点到二维点的转换。实验步骤包括打印棋盘格、拍摄多张图片、检测特征点、计算参数，并进行优化。文章提到在实际操作中可能遇到的问题，如错误选择特征点、图片路径错误或OpenCV版本兼容性问题。最后，展示了运行结果及代码片段。
这里给出我觉得原理解释较清楚的地址，供大家参考：
https://blog.csdn.net/u010128736/article/details/52860364
这一篇为张正友标定原版论文的翻译版：
https://blog.csdn.net/heroacool/article/details/50286677?tdsourcetag=s_pctim_aiomsg
下面所写的原理均参考转载自这两篇文章，有问题请指正。
(一)基本原理
- 相机标定简单来说，是一个从世界坐标系→相机坐标系→成像平面坐标系→像素平面坐标系，也就是一个从三维点转换到三维点再到二维点的过程。进行摄像机标定的目的：求出相机的内、外参数，以及畸变参数。
- 基本参数设定
s: 世界坐标系到图像坐标系的尺度因子
(u0,v0): 像主点坐标
α, β: 焦距与像素横纵比的融合
γ: 径向畸变参数
2D 图像点：m=[u,v,1]T
3D 空间点：X=[X,Y,Z,1]T
标定用的棋盘格平面到图像平面的单应性关系为：
其中[R,T]为外参，A为相机内参矩阵
- 不妨设棋盘格位于Z = 0，定义旋转矩阵R的第i列为 ri, 则有：
于是空间到图像的映射可改为：
最低0.47元/天 解锁文章
扫一扫
5279
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
