验证摄像机校准的标准方法是计算检测到的点与图像中重新投影的相应世界点之间的距离，此过程将内在函数验证为外部参数
现在可以通过捕获线条图像来验证非线性失真参数的准确性，然后对图像进行失真并测量线条是否为直线。
有没有办法验证与外在因素分开的线性内在参数（光学中心，焦点，偏斜）的准确性？
答案 0 :(得分：1)
这很棘手，如果你需要高水平的准确性，就会趋于非常棘手。问题是所有内在参数都在重投影误差中耦合。
为了让您了解所涉及的困难，请考虑主要观点。可以证明针孔摄像机的主要点是由三个独立消失点形成的三角形的中心点。这似乎建议一个独立于其他内在参数进行验证的程序：将一个或多个图像共同显示三条或更多条平行线，检测并模拟所述线条，估计它们的消失点等。但是，精确地对检测到的线进行建模，因此您可以将它们相交以找到消失点，您需要准确地对图像进行失真 - 并猜测，非线性镜头失真的中心通常由主点近似，因此您的“验证”程序最终使用与您尝试独立验证的估计参数完全相同的参数。
您可以尝试通过使用非线性失真的替代非参数模型来解决上述难题 - 例如，使用仅依赖于线性偏差的成本函数构建网格的薄板样条 - 就像您一样建议。再说一次，提出这样一个无偏见的成本函数是很棘手的：简单的线性最小二乘拟合直线是行不通的，因为线点的失真图像一般不 iid关于潜在的未变形线。因此，您需要为每一行使用“本地”模型，通常是低阶多项式。
最后，您最好只接受参数（内部和外部）耦合，并简单地根据实际应用的输入输出需求进行验证：确定什么是可接受的RMS重投影错误在图像区域上，然后使用已知校准对象的独立图像集，一个以某种方式模拟对您的应用程序很重要的3D场景的属性，然后重新投影其点并验证您获得的错误是否可接受。