用OpenCV标定相机内参应用示例（C++和Python）

下面是一个完整的 使用 OpenCV 进行相机内参标定（Camera Calibration） 的示例，包括 C++ 和 Python 两个版本，基于棋盘格图案标定。

---

一、目标：相机标定

通过拍摄多张带有棋盘格图案的图像，估计相机的内参：

• 相机矩阵（内参） K
• 畸变系数 distCoeffs
• 可选外参（R, T）
• 标定精度指标（如重投影误差）

---

二、棋盘格参数设置（根据自己的棋盘格设置）：

• 棋盘格角点数：9 x 6（内角点，9列×6行）；
• 每个格子实际尺寸为：25.0 mm（自定义）；
• 图像列表已存为多张 JPG /或者其他格式图片。

---

三、Python 示例（

import cv2
import numpy as np
import glob

# 设置棋盘格参数
chessboard_size = (9, 6)
square_size = 25.0  # mm

# 生成世界坐标系下的 3D 点
objp = np.zeros((np.prod(chessboard_size), 3), np.float32)
objp[:, :2] = np.indices(chessboard_size).T.reshape(-1, 2)
objp *= square_size

# 储存所有图像的角点
objpoints = []  # 3D points
imgpoints = []  # 2D points

# 读取图片
images = glob.glob("calib_images/*.jpg")

for fname in images:
    img = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 检测角点
    ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None)

    if ret:
        objpoints.append(objp)
        corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1),
                    criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001))
        imgpoints.append(corners2)

        # 可视化角点
        cv2.drawChessboardCorners(img, chessboard_size, corners2, ret)
        cv2.imshow('img', img)
        cv2.waitKey(100)

cv2.destroyAllWindows()

# 标定相机
ret, K, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

print("相机内参矩阵 K：\n", K)
print("畸变系数 dist:\n", dist)
print("重投影误差：", ret)

---

四、C++ 示例

#include <opencv2/opencv.hpp>
#include <vector>
#include <iostream>
#include <filesystem>

using namespace cv;
using namespace std;

int main() {
    Size boardSize(9, 6);
    float squareSize = 25.0f;
    vector<vector<Point3f>> objectPoints;
    vector<vector<Point2f>> imagePoints;

    vector<Point3f> objp;
    for (int i = 0; i < boardSize.height; ++i)
        for (int j = 0; j < boardSize.width; ++j)
            objp.emplace_back(j * squareSize, i * squareSize, 0);

    vector<String> imageFiles;
    glob("calib_images/*.jpg", imageFiles);

    for (const auto& fname : imageFiles) {
        Mat img = imread(fname);
        Mat gray;
        cvtColor(img, gray, COLOR_BGR2GRAY);

        vector<Point2f> corners;
        bool found = findChessboardCorners(gray, boardSize, corners);

        if (found) {
            cornerSubPix(gray, corners, Size(11,11), Size(-1,-1),
                TermCriteria(TermCriteria::EPS + TermCriteria::MAX_ITER, 30, 0.001));

            imagePoints.push_back(corners);
            objectPoints.push_back(objp);

            drawChessboardCorners(img, boardSize, corners, found);
            imshow("Corners", img);
            waitKey(100);
        }
    }

    destroyAllWindows();

    Mat K, distCoeffs;
    vector<Mat> rvecs, tvecs;

    calibrateCamera(objectPoints, imagePoints, Size(640, 480),
                    K, distCoeffs, rvecs, tvecs);

    cout << "Camera Matrix K:\n" << K << endl;
    cout << "Distortion Coefficients:\n" << distCoeffs << endl;
}

---

五、输出参数解释

参数	含义
K / cameraMatrix	相机内参矩阵 (fx, fy, cx, cy)
distCoeffs	畸变参数 [k1, k2, p1, p2, k3]
rvecs	每张图像的旋转向量
tvecs	每张图像的平移向量
ret	平均重投影误差（数值越小越好）

---

六、应用建议

• 拍摄图像时应尽量覆盖各个角度、不同距离；
• 建议图像 >10 张以上；
• 标定结果可用于 cv::undistort、cv::initUndistortRectifyMap 做图像矫正；
• 也可以用 fisheye 模型标定 (cv::fisheye::calibrate)，适用于广角相机。

---