计算机视觉中的摄像机标定原理与实践指南

1. 针孔摄像机模型基础

针孔摄像机是计算机视觉中最基础的成像模型，它模拟了光线通过一个小孔投射到成像平面的过程。这个看似简单的模型却蕴含着深刻的几何原理，是理解现代相机工作原理的基石。

在实际应用中，虽然现代相机都使用透镜组而非真正的针孔，但针孔模型因其数学简洁性而成为计算机视觉领域的标准模型。我刚开始研究视觉几何时，曾误以为这个模型过于理想化，直到后来处理实际标定任务时才发现，只要合理考虑畸变参数，针孔模型能很好地描述大多数相机的成像特性。

2. 摄像机几何与坐标系转换

2.1 坐标系定义

理解摄像机几何需要明确三个关键坐标系：

1. 世界坐标系：固定场景中的参考系
2. 摄像机坐标系：以光心为原点的三维坐标系
3. 图像坐标系：二维成像平面坐标系

在实际标定工作中，我习惯先用棋盘格建立世界坐标系，这样后续的转换会更直观。新手常犯的错误是混淆这些坐标系，导致后续的矩阵运算出现符号错误。

2.2 投影矩阵推导

从世界坐标到图像坐标的完整变换包含：

1. 刚体变换（旋转R和平移t）
2. 透视投影
3. 图像平面缩放和平移

这个过程的矩阵表示为：

code复制[u]   [f_x 0 c_x][r11 r12 r13 t1][X]
[v] = [0 f_y c_y][r21 r22 r23 t2][Y]
[1]   [0  0  1 ][r31 r32 r33 t3][Z]
                 [0   0   0  1 ][1]

我在实验室带学生时发现，理解这个矩阵的每个元素对后续的标定和三维重建至关重要。特别是内参矩阵中的f_x和f_y，它们代表了像素单位的焦距，这个值与物理焦距的关系常常被初学者误解。

3. 摄像机标定实践

3.1 标定板选择与准备

常用的标定方法需要使用特定图案的标定板。根据我的经验：

• 棋盘格是最易获取的，但要注意黑白对比度要足够
• 圆形标定板精度更高，但需要特殊的检测算法
• 建议使用物理尺寸精确的标定板（如300mm×300mm）

一个实用技巧：将标定板贴在平整的刚性表面上，我见过不少同学用软质材料导致标定结果不稳定。

3.2 标定流程详解

完整的标定步骤包括：

1. 采集多角度标定板图像（建议15-20张）
2. 检测特征点（角点或