相机标定问题

参考链接：http://www.360doc.com/content/18/0310/07/6322459_735819151.shtml

https://blog.51cto.com/luohenyueji/5950066

相机标定是一个很基本的数学问题，我一般这样估算一个无畸变相机内参：

1.fx=fy，fx等于图像的长宽之和的一半。如果有差距，会视情况调整，但是仍然保证fx=fy。

2.cx、cy等于图像宽、长的一半。

 对于有畸变的相机，也可能适用的。这里给出一个相机畸变模型，畸变系数一般是5个。由公式看出，如果畸变程度很小，畸变系数应该趋于0。

 我使用了以下代码进行相机标定，但是出现了问题，就是同一个相机不同图片测试出来的参数是相差很大的：

#include <opencv2/opencv.hpp>
#include <stdio.h>
#include <iostream>

using namespace std;
using namespace cv;

// Defining the dimensions of checkerboard
// 定义棋盘格的尺寸
int CHECKERBOARD[2]{ 6,9 };

int main()
{
    // Creating vector to store vectors of 3D points for each checkerboard image
    // 创建矢量以存储每个棋盘图像的三维点矢量
    std::vector<std::vector<cv::Point3f> > objpoints;

    // Creating vector to store vectors of 2D points for each checkerboard image
    // 创建矢量以存储每个棋盘图像的二维点矢量
    std::vector<std::vector<cv::Point2f> > imgpoints;

    // Defining the world coordinates for 3D points
    // 为三维点定义世界坐标系
    std::vector<cv::Point3f> objp;
    for (int i{ 0 }; i < CHECKERBOARD[1]; i++)
    {
        for (int j{ 0 }; j < CHECKERBOARD[0]; j++)
        {
            objp.push_back(cv::Point3f(j, i, 0));
        }
    }

    // Extracting path of individual image stored in a given directory
    // 提取存储在给定目录中的单个图像的路径
    std::vector<cv::String> images;

    // Path of the folder containing checkerboard images
    // 包含棋盘图像的文件夹的路径
    std::string path = "./test/*.jpg";

    // 使用glob函数读取所有图像的路径
    cv::glob(path, images);

    cv::Mat frame, gray;

    // vector to store the pixel coordinates of detected checker board corners
    // 存储检测到的棋盘转角像素坐标的矢量
    std::vector<cv::Point2f> corner_pts;
    bool success;

    // Looping over all the images in the directory
    // 循环读取图像
    for (int i{ 0 }; i < images.size(); i++)
    {
        frame = cv::imread(images[i]);
        if (frame.empty())
        {
            continue;
        }
        if (i == 40)
        {
            int b = 1;
        }
        cout << "the current image is " << i << "th" << endl;
        cv::cvtColor(frame, gray, cv::COLOR_BGR2GRAY);

        // Finding checker board corners
        // 寻找角点
        // If desired number of corners are found in the image then success = true
        // 如果在图像中找到所需数量的角，则success = true
        // opencv4以下版本，flag参数为CV_CALIB_CB_ADAPTIVE_THRESH | CV_CALIB_CB_FAST_CHECK | CV_CALIB_CB_NORMALIZE_IMAGE
        success = cv::findChessboardCorners(gray, cv::Size(CHECKERBOARD[0], CHECKERBOARD[1]), corner_pts, CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_FAST_CHECK | CALIB_CB_NORMALIZE_IMAGE);

        /*
         * If desired number of corner are detected,
         * we refine the pixel coordinates and display
         * them on the images of checker board
        */
        // 如果检测到所需数量的角点，我们将细化像素坐标并将其显示在棋盘图像上
        if (success)
        {
            // 如果是OpenCV4以下版本，第一个参数为CV_TERMCRIT_EPS | CV_TERMCRIT_ITER
            cv::TermCriteria criteria(TermCriteria::EPS | TermCriteria::Type::MAX_ITER, 30, 0.001);

            // refining pixel coordinates for given 2d points.
            // 为给定的二维点细化像素坐标
            cv::cornerSubPix(gray, corner_pts, cv::Size(11, 11), cv::Size(-1, -1), criteria);

            // Displaying the detected corner points on the checker board
            // 在棋盘上显示检测到的角点
            cv::drawChessboardCorners(frame, cv::Size(CHECKERBOARD[0], CHECKERBOARD[1]), corner_pts, success);

            objpoints.push_back(objp);
            imgpoints.push_back(corner_pts);
        }

        //cv::imshow("Image", frame);
        //cv::waitKey(0);
    }

    cv::destroyAllWindows();

    cv::Mat cameraMatrix, distCoeffs, R, T;

    /*
     * Performing camera calibration by
     * passing the value of known 3D points (objpoints)
     * and corresponding pixel coordinates of the
     * detected corners (imgpoints)
    */
    // 通过传递已知3D点（objpoints）的值和检测到的角点（imgpoints）的相应像素坐标来执行相机校准
    cv::calibrateCamera(objpoints, imgpoints, cv::Size(gray.rows, gray.cols), cameraMatrix, distCoeffs, R, T);

    // 内参矩阵
    std::cout << "cameraMatrix : " << cameraMatrix << std::endl;
    // 透镜畸变系数
    std::cout << "distCoeffs : " << distCoeffs << std::endl;
    // rvecs
    std::cout << "Rotation vector : " << R << std::endl;
    // tvecs
    std::cout << "Translation vector : " << T << std::endl;

    return 0;
}

分析原因，无非是代码错了、或者测试方法错误。

 上图，是我的测试用图，很明显这些测试图的角度变换太小，位移太小。而下图，是其他人的测试图，变换比较大，位移也大。如果没有畸变模型，只是单一的DLT问题，我相信这是无所谓的，无需作大角度的变换。但是畸变模型是非线性模型，需要丰富的采样，保证多样性，不然就会发生过拟合现象。