我对相机校准技术全新了......我正在使用OpenCV棋盘技术......我正在使用Quantum的网络摄像头......
以下是我的观察和步骤..
我正在按照 Bradski 的学习OpenCV 中的C代码进行校准。 我的校准代码是
cvCalibrateCamera2(object_points,image_points,point_counts,cvSize(640,480),intrinsic_matrix,distortion_coeffs,NULL,NULL,CV_CALIB_FIX_ASPECT_RATIO);
在调用此函数之前，我将沿着内部矩阵的对角线的第一个和第二个元素作为一个，以保持焦距的比例恒定并使用CV_CALIB_FIX_ASPECT_RATIO
随着国际象棋棋盘距离的变化，fx和fy正在变化，fx:fy几乎等于1. cx和{{cy 1}}值的大小为200到400.当我改变距离时，fx和fy大约为300-700。
目前我已将所有失真系数都归零，因为我没有得到包括失真系数在内的好结果。我的原始图像看起来比未失真的图像更漂亮!!
我正确进行校准吗？我应该使用除CV_CALIB_FIX_ASPECT_RATIO以外的任何其他选项吗？如果是，哪一个？
答案 0 :(得分：28)
这是一个相当晚的答案，但对于那些来自谷歌的人来说：
检查校准精度的正确方法是使用OpenCV提供的重投影错误。我不确定为什么在答案或评论中没有提到这一点，你不需要手工计算 - 它是calibrateCamera的返回值。在Python中，它是第一个返回值（后跟相机矩阵等）。
重投影误差是使用固有系数投影点的位置与实际图像中的点之间的RMS误差。 通常你应该期望RMS误差小于0.5px - 我可以通过机器视觉相机常规地获得0.1px左右。重投影错误用于许多计算机视觉文件中，没有一种更容易或更准确的方法来确定您的校准有多好。
除非你有一个立体声系统，否则你只能在三维空间中找到射线的位置，而不是一个点。然而，由于可以计算出每个平面校准图像的姿势，因此可以计算出每个棋盘角落应该落在图像传感器上的位置。校准过程（或多或少）尝试计算出这些光线下落的位置，并使所有不同校准图像上的误差最小化。在张的原始论文和随后的评估中，大约10-15个图像似乎就足够了;此时，随着更多图像的添加，误差不会显着降低。
Matlab等其他软件包可以为您提供每个内在函数的误差估计，例如：焦距，投影中心。我一直无法让OpenCV吐出那些信息，但也许它就在某处。相机校准现在已经在Matlab 2014a中得到了解决，但您仍然可以掌握相机校准工具箱，这对计算机视觉用户来说非常受欢迎。
http://www.vision.caltech.edu/bouguetj/calib_doc/
目视检查是必要的，但在处理结果时不够。最简单的事情是，世界上的直线在你未失真的图像中变得直线。除此之外，仅仅通过查看输出图像，确定您的相机是否经过校准是不可能的。
Francesco提供的例程很好，请遵循这一点。我用架子板作为我的飞机，图案印在海报纸上。确保图像曝光良好 - 避免镜面反射！我使用的是标准的8x6模式，我尝试过更密集的模式但是我没有看到这种精确度的提高，因此它有所作为。
我认为对于大多数想要校准相机的人来说，这个答案应该足够了 - 除非你试图校准像鱼眼这样的异国情调，或者你出于教育原因这样做，否则这个答案是真实的，OpenCV / Matlab是一切你需要的。张的方法被认为足够好，几乎所有计算机视觉研究都使用它，而且大多数都使用Bouguet的工具箱或OpenCV。