### 如何使用Python和OpenCV进行相机标定 #### 1. 环境准备 为了完成相机标定，需要安装必要的库并准备好棋盘格图案的图片集。以下是环境搭建的关键步骤： - 安装 OpenCV 库：可以通过 `pip install opencv-python` 和 `pip install opencv-contrib-python` 来安装基础库及其扩展功能[^1]。 - 准备一组包含不同角度拍摄的棋盘格图像。这些图像是用于检测角点的基础素材。 #### 2. 数据采集与预处理 在实际操作前，需注意以下几点： - **固定焦距**：拍摄过程中应保持镜头焦距不变，避免因多次对焦而导致焦距参数不稳定[^3]。 - **多样化的视角**：确保所选照片覆盖多个方向和距离的变化，以便提高标定精度。 #### 3. 提取角点信息 通过 OpenCV 的函数来定位棋盘格中的角点位置。具体实现如下所示： ```python import numpy as np import cv2 import glob # 设置棋盘格尺寸 (宽度, 高度)，单位为内部交差点数减一 chessboard_size = (9, 6) # 存储世界坐标系下的三维点和平面内的二维投影点 obj_points = [] # 3D points in real world space img_points = [] # 2D points in image plane. # 创建真实世界的对象点数组，假设每个方块边长为1单位长度 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) images = glob.glob('calibration_images/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 寻找棋盘格角点 ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None) if ret: obj_points.append(objp) # 增强角点精确定位（亚像素级别） criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) refined_corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) img_points.append(refined_corners) # 可视化检测到的角点 cv2.drawChessboardCorners(img, chessboard_size, refined_corners, ret) cv2.imshow('Found Corners', img) cv2.waitKey(500) cv2.destroyAllWindows() ``` 此部分代码实现了从一系列校准图像中自动识别棋盘格模式的功能，并存储相应的三维空间点以及对应的平面内投影点[^2]。 #### 4. 执行相机标定过程 当收集足够的匹配点之后，调用 `cv2.calibrateCamera()` 方法计算摄像机矩阵、失真系数以及其他外部参数。 ```python ret, camera_matrix, distortion_coeffs, rotation_vectors, translation_vectors = \ cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None) print("Camera Matrix:\n", camera_matrix) print("\nDistortion Coefficients:\n", distortion_coeffs) ``` 上述脚本片段展示了如何利用之前获取的数据执行完整的相机标定程序，并打印出最终获得的结果——包括内在参数矩阵 (`camera_matrix`) 和径向切向畸变项组成的矢量(`distortion_coeffs`)[^2]。 #### 5. 结果验证与应用 最后一步是对原始输入图像实施去扭曲变换以检验效果是否理想。下面给出一段示范代码： ```python def undistort_image(image_path, cam_mtx, dist_coef): original_img = cv2.imread(image_path) h, w = original_img.shape[:2] new_cam_mtx, roi = cv2.getOptimalNewCameraMatrix(cam_mtx, dist_coef, (w,h), 1, (w,h)) corrected_img = cv2.undistort(original_img, cam_mtx, dist_coef, None, new_cam_mtx) x,y,w,h = roi cropped_corrected_img = corrected_img[y:y+h,x:x+w] return cropped_corrected_img test_image = 'path_to_test_image.jpg' corrected_result = undistort_image(test_image, camera_matrix, distortion_coeffs) cv2.imwrite('output_undistorted.png', corrected_result) ``` 该方法接受一张测试图片路径作为输入，返回经过修正后的版本保存至指定目录下[^3]。 ---