findChessboardCorners函数学习笔记

　　在双目视觉应用领域，要想进行精确的操作，第一步要做的就是对摄像机的内参数进行求解，这个过程称之为标定。整个标定过程由cameraCalibrate()函数完成，测量相机焦距和便宜主要的原理是张正友标定法，测量畸变参数是Brown算法。该标定函数的一个输入参数是像点坐标，即在摄像机成像平面上对应角点相对于摄像机坐标系的二维坐标。而获得像点坐标的函数第一步就是找到角点坐标，函数是

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

版本：OpenCV2.4.9
功能：找到标定板内角点位置（标定板是专用器具，需要有严格的规格控制，标定板的制作精度直接影响标定精度；角点是指黑白色相接的方块定点部分；内角点是不与标定板边缘接触的内部角点）
参数：1.输入的图像矩阵，必须是8-bit灰度图或者彩色图像，在图像传入函数之前，一般经过灰度处理，还有滤波操作。
　　　2.内角点的size，表示方式是定义Size PatSize(m,n)，将PatSize作为参数传入。这里是内角点的行列数，不包括边缘角点行列数；行数和列数不要相同，这样的话函数会辨别出标定板的方向，如果行列数相同，那么函数每次画出来的角点起始位置会变化，不利于标定。
　　　3.存储角点的数组，一般用

vector<vector<point2f>>

这种数据类型存储。
　　　4.标志位，有默认值。这里还不是很清楚具体的应用场合，一般采用默认取值。
总结：该函数的功能就是判断图像内是否包含完整的棋盘图，如果能够检测完全，就把他们的角点坐标按 顺序（逐行，从左到右）记录下来，并返回非0数，否则返回0。这里对size参数要求非常严格，函数必须检测到相同的size才会返回非0，否则返回0，这里一定要注意。该函数检测的角点的坐标是不精确的，要想精确结果，需要使用 cornerSubPix()函数，进行亚像素精度的调整。

下面给出几幅标定图像：


这是正常的角点检测图像，但是检测结果是失败


去掉棋盘周围的黑框后，检测角点成功


加上干扰因素后，同样能够正常检测，说明只要棋盘图像不受影响，那么检测角点也是不受影响的


对棋盘图像进行干扰，在其中穿过一条直线，检测失败

　　多次试验表明，该角点检测函数的抗干扰能力还是比较强的，但是前提是棋盘图像不能收到干扰，换言之就是不能干扰到程序判定棋盘内角点的Size，否则检测失败。