Opencv—张正友标定流程及标定结果评价

##1.相机标定的目的 ：

**相机标定的输入：**标定图像上所有内点(inliers)的图像坐标,标定板上所有inliers的空间三维坐标(一般情况下假设Z=0平面上)。

**相机标定的输出：**获取摄像机的内参和外参矩阵，同时也会得到每一副标定图像的旋转和平移矩阵，内参和外参可以对之后相机拍摄的图像就进行矫正，得到畸变相对很小的图像。

使用平台： Ubuntu14.04 、Xtion 、13x8棋盘格标定板(尺寸20x20mm)

2.标定需要用到的函数详解：

（1）使用findChessboardCorners函数提取角点，这里的角点提取的是标定图像上的内点(inliers),函数原型为：

CV_EXPORTS_W bool findChessboardCorners( InputArray image, Size patternSize,  
                                         OutputArray corners,  
                                  int flags=CALIB_CB_ADAPTIVE_THRESH+CALIB_CB_NORMALIZE_IMAGE );

第一个参数image：传入拍摄的棋盘图Mat图像，必须为8位或者rgb图像；
第二个参数patternSize：棋盘图的内角点的行列数，行列一般不同。
第三个参数corners：存储检测到的角点二维坐标位置，类型Point2f，vectorimage_corners
第四个参数：用于查找棋盘格角点的方式，有默认值。

这里函数是布尔类型的，一般可以用来判断该标定版是否检测到角点，如果是，可进行find4QuadCornerSubpix 函数，输出亚像素。

（2）为了提高标定精度，需要在提取的角点信息基础上得到其精确位置，这里我们用find4QuadCornerSubpix，有时候我们也用cornerSubPix。

CV_EXPORTS bool find4QuadCornerSubpix(InputArray img, InputOutputArray corners, Size region_size);

第一个参数img：输入的Mat矩阵，最好是8位灰度图像，检测效率更高；
第二个参数corners：初始的角点坐标向量，既是输入也是输出，因为是亚像素坐标位置的输出，所以需要用浮点型数据，一般用Point2f/Point3d，即 vector image_corners。
第三个参数region_size,角点搜索窗口的尺寸；

** 在一般情况下，其实我们用得较多的是cornerSubPix，但是我们这里用的是棋盘格，而
find4QuadCornerSubpix是专门用来获取棋盘图上内角点的精确位置的。

(3)在棋盘图上绘制找到的内角点drawChessboardCorners

CV_EXPORTS_W void drawChessboardCorners( InputOutputArray image, Size patternSize,
                                         InputArray corners, bool patternWasFound );

第一个参数image：8位灰度或者彩色图像；
第二个参数patterSize：与findChessboardCorners()函数的patternSize是一样的，指的是棋盘图的内角点的行列数，行列一般不同。
第三个参数corners：与上面俩个corners是一致的，vector image_corners
第四个参数patternWasFound：用来指示定义的棋盘内角点是否被完全的探测到，true表示被完整探测到，依次连接各个角点，大概示意图如下：

(4)获取到棋盘标定图的内角图像坐标后，使用calibrateCamera（）函数进行标定，计算相机内参和外参系数。

CV_EXPORTS_W double calibrateCamera( InputArrayOfArrays objectPoints,
                                     InputArrayOfArrays imagePoints,
                                     Size imageSize,
                                     CV_OUT InputOutputArray cameraMatrix,
                                     CV_OUT InputOutputArray distCoeffs,
                                     OutputArrayOfArrays rvecs, OutputArrayOfArrays tvecs,
                                     int flags=0, TermCriteria criteria = TermCriteria(
                                     TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON) );

第一个参数obejectPoints：为世界坐标系中的三维点，在使用时，应该输入一个三维坐标点的向量的向量，即vector> object_points。需要根据棋盘上单个黑白矩阵大小，计算出每个内角点的世界坐标。
第二个参数imagePoints，为每一个内角点对应的图像坐标点。和obejectPoints一样，应该输入vector> image_points的变量。
第三个参数imageSize，为图像的像素尺寸大小，在计算内参和畸变矩阵时需要使用到。
第四个参数cameraMatrix:为相机内参矩阵。输入一个Mat cameraMatix即可，如Mat cameraMatix=Mat(3,3,CV_32FC1,Scalar::all(0));
第五个参数distCoeffs为畸变矩阵，输入Mat distCoeffs=Mat(1,5,CV_32FC1,Scalar::all(0));
第六个参数rvecs为旋转向量：输出一个Mat类型的vector，即vector rvecs
第七个参数rvecs为平移向量：输出一个Mat类型的vector，即vector tvecs
第八个参数flag为标定时采用的算法(这里不展开，一般使用时默认为0)
第九个参数criteria是最终优化迭代终止条件设定。

在使用该函数进行标定运算之前，需要对棋盘上每个角点的空间坐标系位置坐标进行初始化（就是对其进行赋值），算出相机内参矩阵、相机畸变、另外每张图片会生成属于自己的平移向量和旋转向量。

(5)对标定结果进行评价的方法是通过得到摄像机内外参对，利用projectPoints（）函数对空间的三维点进行重新投影计算，得到空间三维点在图像上新的投影点的坐标，计算投影坐标和亚像素角点坐标之间的偏差，偏差越小，标定结果越好。

CV_EXPORTS_W void projectPoints( InputArray objectPoints,
                                 InputArray rvec, InputArray tvec,
                                 InputArray cameraMatrix, InputArray distCoeffs,
                                 OutputArray imagePoints,
                                 OutputArray jacobian=noArray(),
                                 double aspectRatio=0 );

第一个参数obejectPoints：为相机坐标系中的三维坐标点；
第二个参数revc：图像对应的旋转向量；
第三个参数tvec：图像对应的位移向量；
第四个参数cameraMatrix：相机的内参；
第五个参数distCoeffs：相机的畸变；
第六个参数imagePoints：投影完后的图像上的坐标点，即obejectPoints对应的像素点。
第七个参数是雅克比矩阵；
第八个参数aspectRatio跟相机传感器感光单元有关，如果设置为非0，则函数默认感光单元dx/dy是固定的，会对雅克比矩阵进行调整。

（6）查看标定效果，有俩种方法：1.使用initUndistortRectifyMap（）和reamap（）俩个函数配合使用，initUndistortRectifyMap( )用来计算畸变映射，remap把求得的映射应用到图像上。

initUndistortRectifyMap( )函数原型

CV_EXPORTS_W void initUndistortRectifyMap( InputArray cameraMatrix, InputArray distCoeffs,
                           InputArray R, InputArray newCameraMatrix,
                           Size size, int m1type, OutputArray map1, OutputArray map2 );

第一个参数cameraMatrix：为之前求得的相机的内参；
第二个参数distcoeffs：为之前求得的相机畸变矩阵；
第三个参数R：可选的输入，是相机第一和第二相机坐标系之间的旋转矩阵；
第四个参数newCameraMatrix：，输入校正后的摄像机矩阵；
第五个参数size：摄像机采集的无失真的图像尺寸；
第六个参数m1type，定义map1的数据类型，可以是CV_32FC1或者CV_16SC2；
第七个参数map1和第八个参数map2，输出的X/Y坐标重映射参数；

remap函数原型：

CV_EXPORTS_W void remap( InputArray src, OutputArray dst,
                         InputArray map1, InputArray map2,
                         int interpolation, int borderMode=BORDER_CONSTANT,
                         const Scalar& borderValue=Scalar());

第一个参数src，输入参数，代表畸变的原始图像；
第二个参数dst，矫正后的输出图像，跟输入图像具有相同的类型和大小；
第三个参数cameraMatrix为之前求得的相机的内参矩阵；
第四个参数distCoeffs为之前求得的相机畸变矩阵；
第五个参数newCameraMatrix，默认跟cameraMatrix保持一致；

为了实现上面的方式，还可以使用undistort( )函数实现，但是效率较慢,这里我们就不展开了。

未完待续。。。。