### 使用 OpenCV 和 C++ 进行双目相机标定 #### 准备工作 为了成功完成双目相机的标定，准备阶段至关重要。这包括获取一组由两个摄像头同步拍摄的棋盘格图像集。这些图像是后续处理的基础。 #### 角点检测 在每张图片上找到棋盘格模式中的内角点是第一步操作。OpenCV 提供了`findChessboardCorners()`函数用于自动定位这些特征点[^5]。 ```cpp vector<Point2f> cornerPts; bool found = findChessboardCorners(image, boardSize, cornerPts); if (found){ // 改善亚像素精度 cornerSubPix(grayImage, cornerPts, Size(11, 11), Size(-1,-1), TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 30, 0.1)); } ``` #### 数据收集 对于每一组匹配成功的左右视图，记录对应的物体空间坐标（通常是已知尺寸的标准棋盘格上的理想位置）和相应的图像平面坐标。此过程重复多次以积累足够的样本数据。 #### 执行标定 利用上述采集到的数据调用`stereoCalibrate()`来进行联合优化求解内外参数矩阵以及旋转和平移向量： ```cpp double rms = stereoCalibrate(objectPoints, imagePointsL, imagePointsR, cameraMatrixL, distCoeffsL, cameraMatrixR, distCoeffsR, imageSize, R, T, E, F, flags=cv::CALIB_FIX_INTRINSIC); ``` 这里的关键在于设置合适的标志位(`flags`)来指导算法行为；例如固定内部参数不变而仅估计外部变换关系等选项可以提高稳定性并加快收敛速度[^4]。 #### 获取重投影误差 计算平均重投影误差可以帮助评估模型拟合质量的好坏程度。较低的数值意味着更精确的结果。 #### 应用校正映射 最后一步是对原始输入视频流应用几何矫正使得两幅画面能够正确配准在一起形成平行视角效果。借助于之前得到的信息构建转换表并通过`initUndistortRectifyMap()`预先算好再配合`remap()`执行实际变形即可达成目的。 ```cpp Mat map1x, map1y, map2x, map2y; initUndistortRectifyMap(cameraMatrixL, distCoeffsL, R1, P1, imageSize, CV_16SC2, map1x, map1y); initUndistortRectifyMap(cameraMatrixR, distCoeffsR, R2, P2, imageSize, CV_16SC2, map2x, map2y); // 对左眼图像进行去畸变及矩形化 remap(imgLeft, imgOutLeft, map1x, map1y, INTER_LINEAR); // 同样处理右眼图像... remap(imgRight, imgOutRight, map2x, map2y, INTER_LINEAR); ``` 以上就是完整的流程概述，在实践中可能还需要考虑更多细节比如光照变化影响、噪声过滤等问题从而进一步提升最终性能表现。