限定opencv内参标定优化搜索范围

凭心而动

在使用opencv的内参标定函数时，如果直接将objpoints和imgpoints放进去计算，有时候会得到很离谱的数值，其原因是算法没有限制搜索范围导致其在错误的地方收敛了。这个时候则需要在flags参数中添加CV2.CALIB_USE_INTRINSIC_GUESS，并填入合适的内参矩阵与畸变向量参数。重新配置好参数后算法就会在填入的参数附近收敛，最终得到合理的结果。
以下结果自上而下分别为：内参矩阵，畸变向量，平均重投影误差

没有加入模板参数的结果

加入模板参数后的结果 如果没有相似摄像头的内参作为输入，可以简单的将默认数值作为输入。设图像的高为h，宽为w，一般情况下默认光心为画面中心，即cx为w/2,cy为h/2。焦距fx与fy均为w或h（我一般取较大的值）。畸变向量方面默认没有畸变，即全部为0。将此作为输入也能运算出较为合理的数值。但是通过实验发现输入的光心或焦距与实际相差超过200个像素就会有概率造成很大的差别，这个办法在有些时候并不能保证一定标定出最优解，所以这里还是推荐用一个标定好的相近的数值作为输入。
标定过程中一般会先把重投影误差较大的若干张图片筛除，然后将剩下的图片重新标定获得更加准确的结果，而在opencv中这个过程则会涉及到重复调用calibrateCamera函数的情况。这里有一个比较隐晦的坑，就是参数中的内参矩阵和畸变向量既是输入也是输出。这意味着如果使用一个声明好的变量保存内参并输入到函数中，运算结束后这个变量自身也会改变，而在最终运算前并不希望这个模板值发生改变，所以作为输入时必须要加copy保证原来的模板值不会被修改。

来源：http://www.yidianzixun.com/article/0kkf9cBe
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！