# 10. 相机标定
相机标定的目的，就是得到相机内参矩阵和畸变矩阵，以便于消除畸变和目标测距，矩阵如下：
```[tex]
\texttt{cameraMatrix:} \quad
\bf{A} =
\left[ \begin{matrix}
f_x & 0 & c_x\\
0 & f_y & c_y\\
0 & 0 & 1
\end{matrix} \right]
```
```[tex]
\\ \texttt{distCoeffs: }
(k_1, k_2, p_1, p_2, [,k_3[,k_4,k_5,k_6[,s_1,s_2,s_3,s_4[,\tau_x,\tau_y]]])
\text{of 4, 5, 8, 12 or 14 elements}
```
先说明什么叫做相机畸变，如下图。
|  |
| :----------------------------------------: |
| *枕形畸变（左） 与 桶形畸变（右）* |
此处先引入一个概念叫做鱼眼相机。
鱼眼相机可以被用于里程计（odometry）以及vslam（simultaneous localization and mapping）。其他应用中，有包括监控系统（surveillance system），GoPro，虚拟现实（VR）要求捕获360度视场角（fov），和一些拼接算法中。这些camera使用了一些列用了复杂的镜头扩大了相机的fov，使它能够捕获广阔的全景（panoramic）或者半球形（hemispherical）图像。但是，镜头是通过扭曲图像中的视线来实现这种超广角视角。所谓相机畸变，则要从相机成像说起，相机成像原理会使相片呈鱼眼形状蜷曲，
|  |
| :------------------------------------------------------: |
| *鱼眼模型成像图片（左） 与 消除鱼眼效应图片（右）* |
由于鱼眼镜头会产生极大的变形，因此针孔模型无法为鱼眼镜头建模。为此，我们需要进行相机标定来消除鱼眼模型的影响，进行测距
Camera Calibration是计算Camera的extrinsic（外参）和 intrinsic（内参）的过程。一旦你标定完成了一个camera，你即可从2维图像中去恢复3维图像。你同样可以在在一个鱼眼相机中获得未失真的图像。
相机标定可以使用 OpenCV code，也可以使用 matlab工具箱，下面我们介绍用OpenCV code进行相机标定。
为得到相机的 cameraMatrix 和 distCoeffs 两个矩阵，我们进行相机标定，采用OpenCV例程代码，详情见文件夹：opencv\samples\cpp\tutorial_code\calib3d\camera_calibration
| 文件名 | 作用 |
| ---------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| camera_calibration.cpp | 程序源文件 |
| in_VID5.xml | 程序的输入参数文件，将程序编译后改名为 default.xml (要求和编译的可执行二进制程序同级目录)，每一个参数都有很好的注释。包含输入图片、视频、还是直接调用摄像头，标定板类型、标定板大小、输出文件等等。 |
| VID5.xml | 如果输入为图片，在此处键入图片路径。 |
| out_camera_data.yml | 以yml格式导出的标定内容，可以自行修改得到相机内参矩阵和畸变矩阵 |
需要使用标定板
|  |
| :-----------------------------: |
| *棋盘标定板* |
注意事项：
- 如果使用视频进行标定，有热键 ‘u’ 和 ‘g’ 。
- 输入尺寸影响标定结果。
- 在标定好后焦距不要变化。
