1. 项目概述
作为一名计算机视觉工程师，我经常需要向刚入行的新人解释相机标定的重要性。张正友相机标定法（Zhang's Method）无疑是这个领域最经典、最实用的标定方法之一。2000年由张正友教授提出的这个方法，至今仍是工业界和学术界广泛使用的标准方案。
在实际项目中，我发现很多新人虽然知道要用这个方法，但对它的原理理解不够深入。这导致他们在标定过程中遇到问题时往往束手无策。今天，我就用最通俗的方式，带大家彻底搞懂这个方法的数学原理和实现细节。
2. 核心原理解析
2.1 为什么要进行相机标定
相机标定的本质是建立三维世界坐标与二维图像坐标之间的映射关系。想象一下，当你用手机拍摄一张棋盘格照片时，每个角点在现实世界中的位置是已知的（比如间距2cm），但在照片上它们变成了像素坐标。标定就是要找出这两者之间的转换关系。
2.2 相机成像模型
相机成像可以用一个简单的数学模型表示：
code复制s * [u; v; 1] = A * [R|t] * [X; Y; Z; 1]
其中：
- (u,v)是图像坐标
- (X,Y,Z)是世界坐标
- A是内参矩阵
- [R|t]是外参矩阵
- s是尺度因子
2.3 张正友标定法的巧妙之处
传统标定方法需要高精度的三维标定物，而张正友的方法只需要一个平面棋盘格（比如A4纸打印的棋盘）。这个方法的核心创新在于：
- 利用平面标定板的单应性变换
- 通过多角度拍摄获取足够约束
- 闭式解与非线性优化相结合
3. 数学推导详解
3.1 单应性矩阵计算
对于每个标定板位置，我们可以计算一个3x3的单应性矩阵H，满足：
code复制[u; v; 1] ~ H * [X; Y; 1]
这里的~表示尺度等价。通过至少4个点对应，可以用最小二乘法求解H。
3.2 内参约束条件
从单应性矩阵可以推导出对内参矩阵A的约束：
code复制h1^T * A^{-T} * A^{-1} * h2 = 0
h1^T * A^{-T} * A^{-1} * h1 = h2^T * A^{-T} * A^{-1} * h2
这些约束是标定过程的核心。
3.3 闭式解计算
通过构造方程组，我们可以先求出A^{-T}A^{-1}（即相机内参的二次型），然后通过Cholesky分解得到内参矩阵A的初始估计。
4. 实际操作步骤
4.1 准备标定板
推荐使用8x6的棋盘格，每个方格边长建议2-3cm。打印时确保：
- 棋盘格平整无褶皱
- 黑白对比度高
- 边缘清晰无模糊
4.2 采集标定图像
拍摄时注意：
- 至少15-20张不同角度照片
- 包含棋盘格倾斜、旋转等各种姿态
- 确保棋盘格完整出现在画面中
- 避免强光反射和阴影
4.3 角点检测
使用OpenCV的findChessboardCorners函数：
python复制ret, corners = cv2.findChessboardCorners(gray, (8,6), None)
if ret:
corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
注意：角点检测是标定精度的关键，建议使用亚像素级优化。
5. 标定实现与参数解读
5.1 OpenCV标定实现
python复制ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(
objpoints, imgpoints, gray.shape[::-1], None, None)
输出参数说明：
- mtx：内参矩阵(3x3)
- dist：畸变系数(5x1)
- rvecs：每个图像的旋转向量
- tvecs：每个图像的平移向量
5.2 参数物理意义
内参矩阵mtx通常形式：
code复制[fx 0 cx]
[0 fy cy]
[0 0 1 ]
其中：
- fx,fy：x和y方向的焦距（像素单位）
- cx,cy：主点坐标（通常是图像中心）
6. 误差分析与优化
6.1 重投影误差
标定质量的核心指标是重投影误差：
code复制error = ||observed - projected||
好的标定通常误差<0.5像素。
6.2 提高精度的方法
- 增加标定图像数量（建议>20张）
- 确保标定板覆盖整个视场
- 使用更高精度的角点检测
- 考虑温度对镜头的影响
7. 实际应用技巧
7.1 标定板摆放技巧
- 让标定板占据图像1/3到1/2面积
- 包含倾斜角度（30-60度）
- 确保有图像包含标定板在画面边缘
7.2 常见问题解决
问题：标定误差大
可能原因：
- 角点检测不准确
- 标定板移动时模糊
- 镜头畸变过大
解决方案：
- 使用更清晰的标定板
- 提高图像质量
- 增加标定图像数量
8. 进阶话题
8.1 鱼眼镜头的标定
对于鱼眼镜头，需要使用不同的畸变模型：
python复制cv2.fisheye.calibrate()
8.2 多相机标定
多相机系统标定需要考虑：
- 相机间相对位置关系
- 时间同步问题
- 共同坐标系建立
9. 个人经验分享
在实际项目中，我发现这些细节特别重要：
- 标定环境光线要均匀，避免反光
- 标定板要足够大，至少覆盖图像1/3面积
- 标定前让相机预热5-10分钟（特别是工业相机）
- 保存原始标定图像，便于后期复查
一个小技巧：在标定板背面加硬纸板，可以保持平整度，提高标定精度。