我明白上面的问题是广泛而模糊的。 但要放在上下文中: 我正在尝试确定相机姿势和位置估计的准确性。我花了数周时间校准和尝试不同的方法和不同尺寸的板、照明、距离等。
我尝试过的方法:
描述:
- 在相机前使用大约 20 张不同方向和位置的图像
- 对于尺寸为 25mm、32mm 和 50mm 的 9x6 棋盘格
- 分辨率为 1280x720 和 1920x1080
- 距离从小板的 500 毫米到大板的 2000 毫米不等
在所有情况下，我都按照此链接遵守严格的指导方针 How to verify the correctness of calibration of a webcam?
在上述因素的所有组合中，我得到的结果相差几毫米 (+- 15mm) 对于上述方法，我对 1280x720 的 25mm block 的内在特性如下:
- OpenCV 的内置校准方法 > fx = 1269.4 fy = 1269.49 cx = 639.5 cy = 359.5
- Matlab 校准工具箱 > fx = 1259.53 fy = 1260.76 cx = 661.3 cy = 306.5
- Matlab 校准应用 > fx = 1255.1 fy = 1254.8 cx = 652.6 cy = 340.7
- 手动调整值。 > 各种结果，除 cx = 639.5 cy = 359.5 外均不稳定
这不应该是这样的。在处理 1 米以下的距离时，相机相对于电路板原点的位置应该精确到平均一两毫米，如果不是亚毫米精度的话。除非我弄错了？
我的问题是，对于高清网络摄像头，失真小的理想、简单的校准方法是什么？
最佳答案
有许多可能的错误来源。
首先，虽然您尝试过的所有三种校准实现都使用基本相同的算法，但存在足够多的差异可以解释结果的差异。
主要区别在于棋盘角检测。 Caltech Calibration Toolbox 没有自动棋盘检测功能，而是使用第二个优化 channel 来细化角点。 OpenCV 和 Camera Calibrator App 都会自动检测棋盘，但 Camera Calibrator App 中使用的算法要好得多。它更健壮，这意味着它很可能在 OpenCV 未检测到板时检测到板，并且其亚像素定位更精确。我的观点是，在这三种方法中，您使用不同的数据点进行校准。因此，您的结果不同也就不足为奇了。
校准后，您会得到什么样的重投影误差？ Camera Calibrator App 会显示重投影误差的条形图。你应该看看它，并排除给你带来高错误的图像。理想情况下，您希望平均重投影误差小于半个像素。越低越好。
现在我不得不问你，你是如何测量从相机到棋盘的距离的？您从校准中获得的外部参数表示从棋盘坐标系到相机坐标系的转换，其原点位于相机外壳内部的光学中心。这很难准确测量。更好的方法是 place a flat object of a known size on the checkerboard and measure it using the camera .事实上，您可以测量检测到的棋盘角之间的距离。请注意，检测精度是另一个误差来源。
另外，请确保不要将校准图像保存为 jpeg。压缩伪像会影响棋盘角检测的准确性。使用 tiff 或 png 等无损格式。
关于matlab - 什么是最好的相机校准方法？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/27256994/