程序说明
程序结构
CmakeLists.txt Cmake文件
object_points.xml标识3D点输入存放
注意事项
calibration.cpp 主程序
#define view_number 6 //图片数目 the number of a scene views
#define view_points_number 44 //每幅图像上的角点数目 要求每幅图像上点数目一样 points in each particular view(here very view's points's number is the same)
#define image_width 1280 //分辨率设置
#define image_height 720
运行
效果
测试实验
6张图片,每张88的点对，共528个点
K1 ,k2, p1,p2 (畸变参数)
matlab结果
1528.96521170087 0 0
0 1535.78526461957 0
605.099827862827 397.738637267714 1
-0.424787596935801 0.380419925823708 （K）
-0.00209821343507270 0.00322581039323562 （P)
6张图片,每张88的点对，共528个点
opencv结果
<intrinsic_matrix type_id="opencv-matrix">
<rows>3</rows>
<cols>3</cols>
<dt>d</dt>
<data>
1.5289729069184157e+03 0. 6.0508973880088320e+02 0.
1.5357937076891867e+03 3.9774109243729168e+02 0. 0. 1.</data></intrinsic_matrix>
<distortion_coeffs type_id="opencv-matrix">
<rows>1</rows>
<cols>4</cols>
<dt>d</dt>
<data>
-4.2479997249484824e-01 3.8049457737605091e-01
-2.0985592077567856e-03 3.2272882784423469e-03</data></distortion_coeffs>
结论 matlab与opencv办标定结果基本一致
———————
6张图片 每张44的点对，共528个点
（重点是非正方形标定板，大有可为）
opencv测量结果
<opencv_storage>
<!-- calibration result -->
<intrinsic_matrix type_id="opencv-matrix">
<rows>3</rows>
<cols>3</cols>
<dt>d</dt>
<data>
1.5275758060082735e+03 0. 6.0365090580827905e+02 0.
1.5341917635137281e+03 3.9899755681473306e+02 0. 0. 1.</data></intrinsic_matrix>
<distortion_coeffs type_id="opencv-matrix">
<rows>1</rows>
<cols>4</cols>
<dt>d</dt>
<data>
-4.2151317729737053e-01 3.7177241583281667e-01
-2.0990131798020641e-03 3.2883786172242559e-03</data></distortion_coeffs>
结论 ：实现非正方形的点对标定