相机模型与标定（十四）--误差分析

Posted 2022-12-26 Eason.wxd

原文：

http://blog.sina.com.cn/s/blog_a492c33d0101d97n.html 

看到论坛里有不少人在用OpenCV中的标定函数cvCalibrateCamera2 进行相机标定时遇到不少问题,说一些自己的看法。


    1）因为cvCalibrateCamera2 函数主要是用张正友的平面标定方法的，所以首先我建议大家看一下张正友的那篇经典的论文完整版22页里面分析的非常详细《A Flexible New Technique for Camera Calibration.rar》(http://research.microsoft.com/~zhang/Papers/TR98-71.pdf)
精简版8页《Flexible Camera Calibration by Viewing a Plane from Unknown Orientations》 - Zhang, ICCV99,(http://www.vision.caltech.edu/bouguetj/ ... zhan99.pdf)

    2）至于不少人说OpenCV中用cvCalibrateCamera2 进行相机标定的精度差，标定结果不稳定，我想可能的原因有：

    原因之一）可能是在标定的时候标定板所在平面与成像平面(image plane)之间的夹角太小，张正友论文里的仿真数据(有噪声的数据)说明当两者夹角太小误差会很大， 从张正友的论文里给出的5幅图中（http://research.microsoft.com/~zhang/Calib/）其中标定平面与成像平面的夹角分别为：
8.8947 11.2325 24.4875 10.8535 9.5829（单位：度）。
    而且张正友的论文中也提到两幅标定板之间的位置平行放置的话，相关相当于一幅 因此在实际标定中平行放置的情况最好避免，可能有时你无形之中就犯了这个错误。

    原因之二）标定时拍摄的图片太少，虽然张正友的论文里只用了5幅图片，但是我建议搞个10来幅左右还是必要的，因为我们实际中可能标定板用A4的纸打印出来贴在一块板上的，标定板上的世界坐标精度就不是特别高，多拍摄几幅图像能减少这方面带来的误差，而且多个角度拍摄也可能解决了问题一：标定板和成像平面夹角小的问题。这个家伙用20幅来标定(http://www.vision.caltech.edu/bouguetj/ ... ample.html)

    原因之三）图像上角点提取的不准确，我认为用cvFindChessboardCorners函数找角点不是很好，假如拍到的图像不是完整的棋盘格的时候肯定会有问题的，而且也不少人反应用这个函数提取不出角点，建议可以用其他工具 比如：
OpenCV and MatLab Camera Calibration Toolboxes Enhancement（http://graphics.cs.msu.ru/en/research/calibration/）
Camera Calibration Toolbox for Matlab（http://www.vision.caltech.edu/bouguetj/calib_doc/htmls/example.html）★★★★★强烈推荐

      当然还有可能其他人为的什么原因。


    3）建议用其他方法比如Tsai的标定方法或其他的标定工具进行标定★★★★★强烈推荐用这个matlab标定工具箱来进行标定，可以和OpenCV做个对比嘛 ，它也是基于张正友的平面标定方法的，做得非常人性化，呵呵，有误差分析、标定结果三维重建、重投影计算角点等功能 。
Camera Calibration Toolbox for Matlab（http://www.vision.caltech.edu/bouguetj/calib_doc/）