在摄像机标定(棋盘目标法) 1、摄像机标定1.1、摄像机标定概要图像测量过程及机器视觉应用中，为了确定空间物体表面某一点的三维几何位置与图像中相应点的相互关系，必须建立摄像机图像的几何模型，这些几何模型参数是摄像机图像的几何模型这些参数必须在大部分条件下通过实验和计算得到，求解该参数的过程称为摄像机标定(或摄像机标定)
1.2、摄像机标定意义计算机视觉的基本任务之一是根据摄像机获取的图像信息计算三维空间中物体的几何信息，从而重建和识别物体。 空间物体表面某一点的三维几何位置与其图像中对应点的相互关系由摄像机拍摄的几何模型决定，这些几何模型参数是摄像机参数。 在大多数情况下，这些参数必须通过实验和计算得到。 在图像测量或机器视觉应用中，摄像机参数的标定是非常重要的环节，其标定结果的精度和算法的稳定性直接影响摄像机工作结果的准确性。 因此，进行摄像机标定是做好后续工作的前提，提高标定精度是科研工作的重点。
1.3、摄像机标定作用1、摄像机必须在出厂前进行摄像机标定，对软件方法生成的图像进行校正，防止拍摄的图像出现桶形和枕形畸变
2 .根据摄像机拍摄的几何模型，将世界坐标系中的3D物体映射到2D拍摄平面
3、求解多对摄像机之间的映射关系。
2、摄像机参数2.1、摄像机参数同步策略是同时标定内部参数和外部参数，一般包括两种策略
利用光学标定：定长校核器等已知几何信息求参数求解自标定： 在静态场景中，利用结构从运动估计参数。 2.2、内部参数摄像机的内部参数为6个，分别为1/dx、1/dy、r、u0、v0、f。
dx和dy表示x方向和y方向的一个像素分别占多少长度的单位，即一个像素表示的实际物理值的大小，是实现图像的物理坐标系和像素坐标系的变换的密钥。 u0、v0表示图像的中心像素坐标和图像的原点像素坐标之间的差，即横向和纵向的像素数。
2.3、外参数相机的外参数为6个。 三个轴的旋转参数分别为(、、)，将各轴的33个旋转矩阵组合(即目标矩阵彼此相乘)，得到收集了三个轴旋转信息的r。 它的大小还是33。 的三轴平移参数(Tx、Ty、Tz )。 r、t组合后的3*4矩阵是转换为标定纸坐标的关键。 在此，以x轴为中心旋转，则如下所示。
2.4、应变参数应变参数为k1、k2、k3半径方向的应变系数，p1、p2为切线方向的应变系数。 径向应变发生在从相机坐标系到图像物理坐标系的转换过程中。 另一方面，由于受光元件平面不与透镜平行，在照相机的制造过程中会发生切向失真。 那个如下。
2.4.1、产生径向偏斜的原因是光线在远离镜头中心处比靠近中心更弯曲的径向偏斜主要包括桶形应变和枕形应变两种。 下面的两幅图显示了这两种失真。
2.4.2、切向畸变产生的原因透镜不完全平行于图像平面。 这种现象发生在成像器贴在照相机上时。
3、实验内容3.1、实验要求1 .制作棋盘格(可测量每格大小)，宜打印并贴于平面
2 .根据棋盘格，采集10-20张图像，提取角点
3 .计算内外参数，外部参数宜可视化
3.2、制作棋盘格采集图像。 因为没有印刷条件，所以在电脑上画了9x7的棋盘格，采集了16张图像作为数据集。 图像如下。
3.3、实验过程1、在matlab应用中找到相机校准器
2、读取读取的图像
3、输入棋盘的眼睛大小
*注意单位转换
4、读取结果
加载完图像后，将显示一个提示框，提示您16个加载的图像中有3个被拒绝(请参见
5、转角检测结果
出现绿色的xsdmy是检测点
红十字标志就是投影点
6、求出的参数
输出参数
找到相应的参数，如内参矩阵IntrinsicMatrix
内部参数矩阵intrinsic矩阵
径向偏斜径向分布
切线应变切线分布
旋转矩阵旋转矩阵sval (:1 )=
0.9994-0.0104-0.03200.0119.99880.04840.0315-0.0487.9983 val (:2 )=
0.8595.0265-0.51050.00320.99840.05710.5111-0.05070.8580 val (:3 )=
0.8160-0.05550.57540.03030.99810.0533-0.5772-0.0260.8162
val(:4 )=
0.9995-0.0082-0.03000.02150.87990.47460.0225-0.4750.8797 val (3360、5 )=
0.83
73 0.3010 0.4564-0.5366 0.6126 0.5803
-0.1049 -0.7308 0.6745
val(:,:,6) =
0.9074 -0.0197 -0.41980.3312 0.6486 0.68530.2588 -0.7609 0.5950val(:,:,7) =
0.6924 0.3109 0.6511-0.2539 0.9497 -0.1834
-0.6753 -0.0384 0.7365
val(:,:,8) =
0.9248 -0.2562 -0.28130.3535 0.8522 0.38580.1408 -0.4562 0.8786val(:,:,9) =
0.7095 0.5490 0.4418-0.5756 0.8132 -0.0862
-0.4066 -0.1932 0.8930
val(:,:,10) =
0.8581 0.1882 0.4778-0.4134 0.8051 0.4254
-0.3046 -0.5625 0.7686
val(:,:,11) =
0.7846 -0.0860 -0.61400.0741 0.9962 -0.04490.6155 -0.0103 0.7880val(:,:,12) =
0.9996 0.0280 0.0088-0.0289 0.8881 0.4587
0.0051 -0.4588 0.8885
val(:,:,13) =
0.9997 -0.0025 -0.02590.0044 0.9975 0.07030.0257 -0.0703 0.9972 平移向量TranslationVectors 外参数以相机为中心
以棋盘格为中心
https://blog.csdn.net/KillMeHealMe/article/details/81192685
https://blog.csdn.net/JennyBi/article/details/85764988