机标定的目的：获取摄像机的内参和外参矩阵（同时也会得到每一幅标定图像的选择和平移矩阵），内参和外参系数可以对之后相机拍摄的图像就进行矫正，得到畸变相对很小的图像。

 

相机标定的输入：标定图像上所有内角点的图像坐标，标定板图像上所有内角点的空间三维坐标（一般情况下假定图像位于Z=0平面上）。

相机标定的输出：摄像机的内参、外参系数

流程：

1. 准备标定图片（Ｄ４３５可以利用程序保存所得到的图片）

2. 对每一张标定图片，提取角点信息

3. 对每一张标定图片，进一步提取亚像素角点信息

4. 在棋盘标定图上绘制找到的内角点（非必须，仅为了显示）

5. 相机标定

主要是程序在Ｌｉｎｕｘ下的运行。

1. 建立文件夹　cameraCalibration         mkdir cameraCalibration
2.  cd ./cameraCalibration3. （１）建立文件夹　iamge 保存标定所需的图片ｓｒｃ　保存程序（２）创建文件　　Cmakelists.txt并写入CMAKE_MINIMUM_REQUIRED( VERSION 2.8 )PROJECT( calibration )SET(CMAKE_CXX_COMPILER "g++")SET( CMAKE_BUILD_TYPE Debug  )SET(EXECUTABLE_OUTPUT_PATH ${PROJECT_SOURCE_DIR}/bin)SET(LIBRARY_OUTPUT_PATH ${PROJECT_SOURCE_DIR}/lib)INCLUDE_DIRECTORIES( ${PROJECT_SOURCE_DIR}/include )LINK_DIRECTORIES( ${PROJECT_SOURCE_DIR}/lib)ADD_SUBDIRECTORY( ${PROJECT_SOURCE_DIR}/src )现在cameraCalibration文件夹内应该有　ｉｍａｇｅ　　ｓｒｃ   ＣｍａｋｅＬｉｓｔｓ.ｔｘｔ

３．在ｓｒｃ文件夹内创建

1).calibration.cpp

#include <iostream>
#include <sstream>
#include <time.h>
#include <stdio.h>
#include <fstream>#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/calib3d/calib3d.hpp>
#include <opencv2/highgui/highgui.hpp>using namespace cv;
using namespace std;int main() 
{ifstream fin("calibration.txt");             /* 标定所用图像文件的路径为避免出错最后是绝对路径 */ofstream fout("calibration_result.txt");  /* 保存标定结果的文件 */  // 读取每一幅图像，从中提取出角点，然后对角点进行亚像素精确化cout<<"开始提取角点………………"<<endl;int image_count = 0;  /* 图像数量 */Size image_size;      /* 图像的尺寸 */Size board_size = Size(4, 6);             /* 标定板上每行、列的角点数 */vector<Point2f> image_points_buf;         /* 缓存每幅图像上检测到的角点 */vector<vector<Point2f> > image_points_seq; /* 保存检测到的所有角点 */string filename;      // 图片名vector<string> filenames;     while (getline(fin, filename)){++image_count;// 用于观察检验输出cout<<"image_count = "<<image_count<<endl;cout<<"filename: "<<filename<<endl;Mat imageInput = imread(filename);filenames.push_back(filename);// 读入第一张图片时获取图片大小if(image_count == 1){image_size.width = imageInput.cols;image_size.height = imageInput.rows;cout<<"image_size.width = "<<image_size.width<<endl;cout<<"image_size.height = "<<image_size.height<<endl;}/* 提取角点 需要使用findChessboardCorners函数提取角点 *//********第一个参数Image，传入拍摄的棋盘图Mat图像，必须是8位的灰度或者彩色图像；(imageInput)第二个参数patternSize，每个棋盘图上内角点的行列数，一般情况下，行列数不要相同，便于后续标定程序识别标定板的方向；(board_size)第三个参数corners，用于存储检测到的内角点图像坐标位置，一般用元素是Point2f的向量来表示：vector<Point2f> image_points_buf;(image_points_buf)第四个参数flage：用于定义棋盘图上内角点查找的不同处理方式，有默认值(用了默认值)**********************/if (0 == findChessboardCorners(imageInput, board_size, image_points_buf)){           cout << "can not find chessboard corners!\n";  // 找不到角点exit(1);} else {Mat view_gray;cvtColor(imageInput, view_gray, CV_RGB2GRAY);  // 转灰度图/* 亚像素精确化 */// image_points_buf 初始的角点坐标向量，同时作为亚像素坐标位置的输出// Size(5,5) 搜索窗口大小// （-1，-1）表示没有死区// TermCriteria 角点的迭代过程的终止条件, 可以为迭代次数和角点精度两者的组合cornerSubPix(view_gray, image_points_buf, Size(5,5), Size(-1,-1), TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 30, 0.1));image_points_seq.push_back(image_points_buf);  // 保存亚像素角点/* 在图像上显示角点位置 */drawChessboardCorners(view_gray, board_size, image_points_buf, false); // 用于在图片中标记角点imshow("Camera Calibration", view_gray);       // 显示图片waitKey(500); //暂停0.5S      }}int CornerNum = board_size.width * board_size.height;  // 每张图片上总的角点数//-------------以下是摄像机标定------------------/*棋盘三维信息*/Size square_size = Size(10, 10);         /* 实际测量得到的标定板上每个棋盘格的大小 */vector<vector<Point3f> > object_points;   /* 保存标定板上角点的三维坐标 *//*内外参数*/Mat cameraMatrix = Mat(3, 3, CV_32FC1, Scalar::all(0));  /* 摄像机内参数矩阵 */vector<int> point_counts;   // 每幅图像中角点的数量Mat distCoeffs=Mat(1, 5, CV_32FC1,Scalar::all(0));       /* 摄像机的5个畸变系数：k1,k2,p1,p2,k3 */vector<Mat> tvecsMat;      /* 每幅图像的旋转向量 */vector<Mat> rvecsMat;      /* 每幅图像的平移向量 *//* 初始化标定板上角点的三维坐标 */int i, j, t;for (t=0; t<image_count; t++) //第几张图片{vector<Point3f> tempPointSet;for (i=0; i<board_size.height; i++) {for (j=0; j<board_size.width; j++) {Point3f realPoint;/* 假设标定板放在世界坐标系中z=0的平面上 */realPoint.x = i * square_size.width;realPoint.y = j * square_size.height;realPoint.z = 0;tempPointSet.push_back(realPoint);}}object_points.push_back(tempPointSet);}/* 初始化每幅图像中的角点数量，假定每幅图像中都可以看到完整的标定板 */for (i=0; i<image_count; i++){point_counts.push_back(board_size.width * board_size.height);}   /* 开始标定 */// object_points 世界坐标系中的角点的三维坐标// image_points_seq 每一个内角点对应的图像坐标点// image_size 图像的像素尺寸大小// cameraMatrix 输出，内参矩阵// distCoeffs 输出，畸变系数// rvecsMat 输出，旋转向量// tvecsMat 输出，位移向量// 0 标定时所采用的算法calibrateCamera(object_points, image_points_seq, image_size, cameraMatrix, distCoeffs, rvecsMat, tvecsMat, 0);//------------------------标定完成------------------------------------// -------------------对标定结果进行评价------------------------------double total_err = 0.0;         /* 所有图像的平均误差的总和 */double err = 0.0;               /* 每幅图像的平均误差 */vector<Point2f> image_points2;  /* 保存重新计算得到的投影点 */fout<<"每幅图像的标定误差：\n";for (i=0;i<image_count;i++)//第几张图片{vector<Point3f> tempPointSet = object_points[i];/* 通过得到的摄像机内外参数，对空间的三维点进行重新投影计算，得到新的投影点 */projectPoints(tempPointSet, rvecsMat[i], tvecsMat[i], cameraMatrix, distCoeffs, image_points2);/* 计算新的投影点和旧的投影点之间的误差*/vector<Point2f> tempImagePoint = image_points_seq[i];Mat tempImagePointMat = Mat(1, tempImagePoint.size(), CV_32FC2);Mat image_points2Mat = Mat(1, image_points2.size(), CV_32FC2);for (int j = 0 ; j < tempImagePoint.size(); j++){image_points2Mat.at<Vec2f>(0,j) = Vec2f(image_points2[j].x, image_points2[j].y);tempImagePointMat.at<Vec2f>(0,j) = Vec2f(tempImagePoint[j].x, tempImagePoint[j].y);}err = norm(image_points2Mat, tempImagePointMat, NORM_L2);total_err += err/= point_counts[i];    fout << "第" << i+1 << "幅图像的平均误差：" << err<< "像素" << endl;   }      fout << "总体平均误差：" << total_err/image_count << "像素" <<endl <<endl;   //-------------------------评价完成---------------------------------------------//-----------------------保存定标结果------------------------------------------- Mat rotation_matrix = Mat(3,3,CV_32FC1, Scalar::all(0));  /* 保存每幅图像的旋转矩阵 */fout << "相机内参数矩阵：" << endl;   fout << cameraMatrix << endl << endl;   fout << "畸变系数：\n";   fout << distCoeffs << endl << endl << endl;   for (int i=0; i<image_count; i++) { fout << "第" << i+1 << "幅图像的旋转向量：" << endl;   fout << tvecsMat[i] << endl;/* 将旋转向量转换为相对应的旋转矩阵 */   Rodrigues(tvecsMat[i], rotation_matrix);   fout << "第" << i+1 << "幅图像的旋转矩阵：" << endl;   fout << rotation_matrix << endl;   fout << "第" << i+1 << "幅图像的平移向量：" << endl;   fout << rvecsMat[i] << endl << endl;   }   fout<<endl;//--------------------标定结果保存结束-------------------------------//---------------------------------查看标定效果——利用标定结果对棋盘图进行矫正-----Mat mapx = Mat(image_size, CV_32FC1);Mat mapy = Mat(image_size, CV_32FC1);Mat R = Mat::eye(3, 3, CV_32F);string imageFileName;std::stringstream StrStm;for (int i = 0 ; i != image_count ; i++){initUndistortRectifyMap(cameraMatrix, distCoeffs, R, cameraMatrix, image_size, CV_32FC1, mapx, mapy);Mat imageSource = imread(filenames[i]);Mat newimage = imageSource.clone();remap(imageSource, newimage, mapx, mapy, INTER_LINEAR);     StrStm.clear();imageFileName.clear();StrStm << i+1;StrStm >> imageFileName;imageFileName += "_d.jpg";imwrite(imageFileName, newimage);}fin.close();fout.close();return 0;
}

2）.calibration.txt　保存标定所用文件的路径

3）CMakeLists.txt

# 增加一个可执行的二进制
ADD_EXECUTABLE(calibration calibration.cpp )# 增加opencv的依赖
FIND_PACKAGE( OpenCV 3.4 REQUIRED )
INCLUDE_DIRECTORIES( ${OpenCV_INCLUDE_DIRS} )TARGET_LINK_LIBRARIES( calibration${OpenCV_LIBS})

４．编译运行

cd ./cameraCalibration　
mkdir  build cd build cmake ..   make 
会生成ｂｉｎ文件夹，里面有可执行文件，运行后，会得到结果文件都在ｂｉｎ里面保存着。程序有错误的时候可以先检查路径是否正确

本文主要是标定程序在ｌｉｎｕｘ下运行，具体的程序解读实现过程参考

https://blog.csdn.net/dcrmg/article/details/52939318