### 张正友相机标定详解 张正友相机标定法是一种经典的相机标定技术，由张正友教授于1998年提出。该方法的核心思想是通过拍摄带有已知几何结构的平面棋盘格图案的不同视角图像，提取其特征点的位置信息，并利用这些信息推导出相机的内外参数及其畸变系数[^2]。 #### 方法概述 张正友标定法的主要流程包括以下几个方面： 1. **采集图像**：使用待标定的相机从不同角度拍摄一组包含棋盘格图案的照片。 2. **检测角点**：通过对每幅图像中的棋盘格角点进行亚像素级定位，获取图像上的二维坐标。 3. **构建约束条件**：根据世界坐标系到图像坐标系的投影关系，建立一系列线性方程组。 4. **求解相机参数**：通过最小化重投影误差的方式，优化得到相机的内参矩阵、外参向量以及径向和切向畸变系数。 以下是基于OpenCV库实现的一个完整的Python代码示例： ```python import numpy as np import cv2 import glob # 设置棋盘格尺寸 (宽度, 高度)，单位为角点数减一 chessboard_size = (9, 6) # 创建存储对象点的世界坐标（假设z=0） objp = np.zeros((np.prod(chessboard_size), 3), dtype=np.float32) objp[:, :2] = np.mgrid[0:chessboard_size[0], 0:chessboard_size[1]].T.reshape(-1, 2) # 存储所有图片的对象点和图像点 objpoints = [] # 三维空间中的点 imgpoints = [] # 图像平面上对应的点 # 加载校准图像集合 images = glob.glob('calibration_images/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 尝试找到棋盘格角点 ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None) if ret: objpoints.append(objp) # 提取亚像素级别的精确角点位置 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) refined_corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) imgpoints.append(refined_corners) # 绘制并显示角点以便确认 cv2.drawChessboardCorners(img, chessboard_size, refined_corners, ret) cv2.imshow('Found Corners', img) cv2.waitKey(500) cv2.destroyAllWindows() # 执行相机标定 ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera( objectPoints=objpoints, imagePoints=imgpoints, imageSize=gray.shape[::-1], cameraMatrix=None, distCoeffs=None ) print("相机内参矩阵:\n", mtx) # 输出内参矩阵 print("\n畸变系数:\n", dist) # 输出畸变系数 # 使用反畸变函数展示矫正后的图像效果 img = cv2.imread(images[0]) h, w = img.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h)) dst = cv2.undistort(img, mtx, dist, None, newcameramtx) x, y, w, h = roi dst = dst[y:y+h, x:x+w] cv2.imwrite('calibrated_image.png', dst) ``` 以上代码实现了以下功能： - 自动生成标准棋盘格顶点的世界坐标； - 对输入的一系列图像逐一寻找棋盘格角点； - 利用 OpenCV 的 `findChessboardCorners` 和 `cornerSubPix` 函数提高角点检测精度； - 调用 `calibrateCamera` 计算相机内部参数与外部姿态； - 应用 `getOptimalNewCameraMatrix` 和 `undistort` 去除镜头畸变影响[^1]。 ### 关键概念解析 - **单应性矩阵 H** 是连接世界坐标系和平面成像之间的重要桥梁，在整个算法里起到核心作用[^2]。 - **最大似然估计 MLE** 技术被应用于后期调整初始估算值，从而提升整体准确性[^2]。