OpenCV相机标定坐标系详解

OpenCV相机标定坐标系详解
在OpenCV中，可以使⽤calibrateCamera函数，通过多个视⾓的2D/3D对应，求解出该相机的内参数和每⼀个视⾓的外参数。

使⽤C++接⼝时的输⼊参数如下：
objectPoints - 每⼀个视⾓中，关键点的世界坐标系。

可以使⽤vector < vector <Point3f> >类型，第⼀层vector表⽰每⼀个视⾓，第⼆层vector表⽰每⼀个点。

如果使⽤OpenCV⾃带的棋盘格，可以直接传⼊交叉点（不包括边⾓）的实际坐标，以物理世界尺度（例如毫⽶）为单位。

写坐标时，要保证z轴为0，按照先x变化，后y变化，从⼩到⼤的顺序来写。

如果⽹格尺⼨为5厘⽶，写作：(0,0,0),(5,0,0), (10,0,0)...(0,5,0), (5,5,0), (10,5,0),...
如下图例⼦，x⽅向是8个交叉点，y⽅向3个较差点。

imagePoints - 每⼀个视⾓中，关键点的图像坐标系。

可以使⽤vector < vector <Point2f> >类型。

这个值可以通过findChessboardCorners函数从图像中获得。

注意：传⼊findChessboardCorners函数的patternSize参数，要和objectPoints 中的⾏列数统⼀。

imageSize - 图像尺⼨。

flags - 参数。

决定是否使⽤初始值，扭曲参数个数等。

输出参数如下：
cameraMatrix - 3*3的摄像机内矩阵。

distCoeffs - 4*1（具体尺⼨取决于flags）。

对图像坐标系进⾏进⼀步扭曲。

这两个参数是内参数，可以把摄像机坐标系转换成图像坐标系。

rvecs - 每⼀个视图的旋转向量。

vector<Mat>类型，每个vec为3*1，可以⽤Rodrigues函数转换为3*3的旋转矩阵。

tvecs - 每⼀个视图的平移向量。

vector<Mat>类型，每个vec为3*1。

这两个参数是外参数，每⼀个视图不同，可以把世界坐标系转换成摄像机坐标系。

* 在2.10⽂档中，写的是from the model coordinate space (in which object points are specificed) to the world coordinate space。

提到model 容易引起歧义。

看到这⾥，问题来了：这个世界坐标系是什么样的？
在objectPoints中，我们实际只设定了每个交叉点的间隔，具体xyz指向哪⾥却没有给出。

这时候，需要使⽤drawChessboardCorners函数，把检测到的2D点在原图上显⽰出来：
这个函数按照先变化x，⽽后变化y的⽅式依次画点。

先画的⾏为红⾊，逐渐变为蓝⾊。

回顾我们写objectPoints时的⽅式，可以推断出世界坐标的⽅向：图中x轴正⽅向向左，y轴正⽅向远离镜头，根据右⼿螺旋，z轴正⽅向向下。

总结来说，calibrateCamera函数给出的世界坐标⽅向，是由obejctPoints的设定顺序，以及findChessboardCorners的检测顺序共同决定的。

但是，findChessboardCorners先检测那个⾓点并不确定。

前例从右下⾓开始，以下就从左上⾓开始：
另⼀种常见⽤法是：先⽤calibrateCamera标定好摄像机内参，⽽后使⽤solvePnP函数只求解外参。

solvePnP函数的参数意义和calibrateCamera类似。