OpenCV stereo_calib 的好结果是啥？

Posted 2023-02-16

【中文标题】OpenCV stereo_calib 的好结果是啥？

【英文标题】：What is a good result from OpenCV stereo_calib?OpenCV stereo_calib 的好结果是什么？

【发布时间】：2019-11-12 20:56:06

【问题描述】：

我下载并构建了 OpenCV 4.1.1（使用 install-opencv.sh）然后尝试在我的相机上使用 stereo_calib，但结果一直很差；我得到 0.6 的 RMS 误差。博文Building OpenCV Stereo Vision - Calibration 说：

校准完成后，输出和RMS误差。我得到了一个 RMS 0.3 这对于 VGA 相机来说非常好，但可能会更好。如果 RMS 高于 0.5，我建议您重复该过程。

为了演示一个很好的示例，我使用了samples/data - stereo_calib.xml 中提供的示例数据及其列出的图像。 stereo_calib 的结果是：

..........................13 pairs have been successfully detected.
Running stereo calibration ...
done with RMS error=0.635856
average epipolar err = 0.443478

这似乎与我从数据中得到的大致相同。即使 RMS 误差高于 0.5，这是一个合理的结果吗？那么平均极线误差呢？

我使用结果在第一个示例图像上运行 stereo_match：

stereo_match -i=intrinsics.yml -e=extrinsics.yml -o=disparity.png -p=point_cloud.txt --max-disparity=16 --blocksize=15 left01.jpg right01.jpg

由此产生的差异看起来不太好：

但在CloudCompare 中查看 point_cloud.txt 似乎确实显示了一个平面对象（棋盘），尽管效果很差。这工作正常吗？或者它是一个坏例子？

【参考方案1】：

视差是来自立体相机对的两个图像中对应点之间的距离（以像素为单位）（与距离成反比）。快速手动估计显示最大差异（在原始未校正图像中）超过 130（棋盘右上角）。

您需要有足够大的视差搜索范围才能获得不错的视差。 max-disparity 的值必须高得多，至少与最大预期差异一样大。

校准中的高 RMS 误差通常表示校准不佳，但低 RMS 误差并不一定意味着校准良好。如果你想快速检查你的立体校准，为了可视化，你可以纠正输入图像，然后在两个图像上画一些水平线。如果标定好，对于一个图像中的任意点，在同一水平线上（相同的y坐标，x坐标的差异就是视差）找到另一幅图像中的对应点，如果可见的话。