### 使用Python进行相机内参标定 在Python中使用OpenCV库能够方便地完成相机内参的标定工作。此过程通常涉及准备一系列带有已知几何结构的对象图片，最常用的是黑白相间的棋盘格图案[^1]。 #### 准备阶段 为了获得精确的结果，在不同角度和距离上至少收集15至20幅含有清晰可见的角点的图像样本是非常重要的。对于移动设备上的摄像头来说，建议切换到专业模式来固定焦距和其他设置以减少变量影响[^2]。 #### 实现步骤概述 通过调用`cv2.findChessboardCorners()`函数检测每一张输入图像中的棋盘格角落位置，并将其转换为亚像素精度级别。接着利用这些数据配合实际尺寸信息构建三维空间内的对应点集。最后借助于`cv2.calibrateCamera()`来进行最终的参数估计，该函数会返回包括但不限于： - **cameraMatrix**: 相机矩阵 (即内参)，描述了光学中心的位置以及焦距等属性。 - **distCoeffs**: 畸变系数向量，用于校正由透镜引起的失真效果。 - **rvecs**, **tvecs**: 各自代表旋转和平移矢量，它们共同定义了从世界坐标系变换到摄像机坐标系的方式[^3]。 下面是一段简单的代码片段展示如何执行上述操作: ```python import numpy as np import cv2 import glob # 设置寻找棋盘格角点的数量 pattern_size = (9, 6) objp = np.zeros((np.prod(pattern_size), 3), np.float32) objp[:, :2] = np.indices(pattern_size).T.reshape(-1, 2) # 存储对象点和图像点的列表 objpoints = [] imgpoints = [] images = glob.glob('calibration_images/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, pattern_size,None) if ret == True: objpoints.append(objp) 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) ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1],None,None) ``` 这段脚本读取指定文件夹下的所有JPEG格式照片并尝试从中提取有效的棋盘格特征点。成功匹配后，它会对找到的角度做进一步优化处理(`cornerSubPix`)从而提高定位准确性。之后便可以直接调用`cv2.calibrateCamera()`完成整个流程[^4]。