本文CameraCalibrator類源代碼來自于OpenCV2 計算機視覺編程手冊(Robert Laganiere 著 張靜 譯)

閱讀本文之前請先閱讀以下三篇博文：?
機器視覺學習筆記（4）——單目攝像機標定參數(shù)說明?
機器視覺學習筆記（5）——基于OpenCV的單目攝像機標定?
機器視覺學習筆記（6）——雙目攝像機標定參數(shù)說明

1.雙目攝像機標定目的

雙目攝像機標定最主要的目的就是要得出左右兩個攝像機的相對位置關系，但是在OpenCV中，計算表示左右攝像機位置的矩陣R和T的同時，也可以求出每個攝像機的相機內參數(shù)矩陣M和畸變系數(shù)矩陣D。

2.Q&A

Q1：雙目標定之前需要單目標定嗎？

A：推薦先進行單目標定，但不是必須，具體取決于精度要求以及程序實現(xiàn)方式。OpenCV中雙目標定的關鍵函數(shù)是double stereoCalibrate()
double stereoCalibrate(
InputArrayOfArrays objectPoints,
InputArrayOfArrays imagePoints1,
InputArrayOfArrays imagePoints2,
CV_OUT InputOutputArray cameraMatrix1,
CV_OUT InputOutputArray distCoeffs1,
CV_OUT InputOutputArray cameraMatrix2,
CV_OUT InputOutputArray distCoeffs2,
Size imageSize, OutputArray R,
OutputArray T, OutputArray E, OutputArray F,
TermCriteria criteria =
TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6),
int flags=CALIB_FIX_INTRINSIC );

該函數(shù)最后一個參數(shù)flags表示參數(shù)中標定矩陣的一些限定：

默認的參數(shù)是CV_CALIB_FIX_INTRINSIC，該參數(shù)表示cameraMatrix1，distCoeffs1，cameraMatrix2，distCoeffs2這4個矩陣已經(jīng)是準確值了，不需要再計算了。即單獨對兩個攝像機標定后，選擇默認參數(shù)即可

其它的參數(shù)表示在某種限定情況下計算cameraMatrix1，distCoeffs1，cameraMatrix2，distCoeffs2這4個矩陣。例如官方文檔推薦的CV_CALIB_SAME_FOCAL_LENGTH | CV_CALIB_ZERO_TANGENT_DIST，表示強制左右攝像機的fx和fy相等，左右攝相機切向畸變系數(shù)為零

雖然在別的博客和官方文檔中看到直接使用double stereoCalibrate()一次標定所有的參數(shù)會有較大的誤差，但是根據(jù)博主的實驗，效果相差也不是很大。實際Tx是62mm，先單目后雙目結果為62.2mm，雙目一次標定結果為62.3mm

由于標定攝像機還需要提取角點，記錄標定點在{world}坐標系下的坐標等輔助操作，而封裝好單目標定類的話，單目標定雙目標定都好用，所以博主采取的方法是先單目分別標定，再雙目標定

Q2：雙目標定幾張圖像合適？

A：博主從10+到40+都試了，感覺圖像張數(shù)對于精度的影響沒有想象中的大，一般左右相機的圖像加起來一共30張左右就差不多了。最重要的是圖像中標定板與相機的相對位姿，一般要讓標定板占據(jù)整張圖像一半左右的面積，并且標定板相對于相機要有正視，俯視，仰視，左斜視和右斜視等姿態(tài)

Q3：標定板的黑白格大小與程序有什么關系？

A：因為單目相機無法檢測物體的深度信息，所以單目相機的標定板黑白格大小可以隨意指定卻不影響單目標定的結果，每一個{world}點的坐標以黑白格的邊長為x，y方向的單位向量。但是雙目系統(tǒng)需要檢測物體的深度信息，而深度信息的單位就是{world}坐標系下的坐標單位，所以在輸入{world}的點時，需要說明其在{world}下的具體坐標，我們把{world}原點定在標定板的左上角（此時所有點的Z坐標為0），標定板的黑白格邊長為squareSize
const double squareSize = 20.64;//mm
for (int i=0; i