我需要找到单个的内在校准参数。为此，我从不同角度拍摄了几张棋盘图案，然后使用校准软件。
为使校准图案尽可能平整，我将其打印在纸上并用3毫米玻璃盖住。显然，图案的图像被玻璃修改，因为它与空气相比具有不同的折射系数。
外在参数会被玻璃扭曲。这是因为我们看到它没有放置棋盘格。但是，如果知道玻璃的厚度和玻璃和空气的折射系数，似乎可以恢复外在参数。
所以，问题是：
通过使用玻璃，GML Camera Calibration Toolbox（基于OpenCV）报告的校准参数变得更加准确。 （这有什么意义吗？）但这种方法有一些缺点 - 不必要的反射，特别是光源。
答案 0 :(得分：2)
我赞赏你选择一个非常平坦的支持（我推荐自己here）。但是，请原谅我提出这个显而易见的问题，为什么要用玻璃盖住图案？
由于练习的目的是确保目标的平面度而不是其他任何东西，你不妨粘贴与纸张图案相对的一面，避免所有这些麻烦。是的，随着时间的推移，图案会变脏并磨损，需要更换。所以你只需将它刮掉并更换它：印刷棋盘很便宜。
如果由于某种原因，你被困在前面的玻璃上，我建议先做一个由玻璃折射引起的预期光线偏转的背面计算，并检查它是否真的可以测量通过你的设备。假设您正在使用的镜头的标称焦距（mm）以及传感器的物理宽度和像素密度，您可以轻松地在图像中心处理它，假设目标的旋转角度为“极端”。 （比方说，45度）和标称距离。对于第一个近似，您可以将图案建模为玻璃上的“涂漆”，因此忽略第一次折射并仅考虑玻璃对空气。
如果上面的计算表明效果是可测量的（偏转> = 1像素），则需要将玻璃添加到场景模型中并在束调整阶段求解其参数，以及内在函数和外在函数。首先，我将使用两个参数，厚度和折射系数，并假设两个面都是平面和平行的。它只会使成本函数中的角投影的计算更加复杂，因为您必须考虑光线偏转。 鉴于成本函数的额外复杂性，我肯定会编写模型的代码以使用Automatic Differentiation（AD）。
如果你真的想要完成这个练习，我建议在Google Ceres捆绑调整器之上编写求解器，它支持AD，这是很多好事。