我正在使用标准 OpenCV 函数来校准相机的内在参数。为了获得好的结果，我知道我们必须使用不同角度的棋盘图像(考虑 3D 中的不同平面)。这在所有文档中都有说明
和论文，但我真的不明白，为什么考虑不同的平面对我们来说如此重要，如果我们必须考虑最佳数量的平面以获得最佳校准结果？
如果您能给我提供一些解释这一点的论文或文档的引用资料，我会很高兴。 (我认为张的论文谈到了它，但是它在数学上很密集，很难消化。)
谢谢
最佳答案
从数学上讲，只有当您拥有 3 个或更多平面目标的不同图像时，才能定义内在参数(按比例)的唯一解。见张的第6页paper :“如果观察到模型平面的 n 幅图像，通过堆叠 n 个等式，例如 (8)，我们有 Vb = 0 ; (9) 其中 V 是一个 2n×6 矩阵。如果 n ≥ 3，我们通常会有一个定义为比例因子的唯一解 b..."
没有“最佳”数量的飞机，就数据而言，你拥有的越多，你就越快乐。但是随着解决方案开始收敛，由于添加额外图像而导致的校准精度的边际增益变得可以忽略不计。当然，这假设图像显示的平面在姿势和位置上都分离得很好。
另见 this other answer of mine实用技巧。
关于opencv - 相机校准期间的不同平面，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19183995/