python用sfm算法获取相机内参矩阵

SFM (Structure from Motion) 是一种计算机视觉技术，用于从多个图像中重建三维场景，包括相机的内参矩阵。下面是一个使用 OpenCV 库实现的示例代码：

import cv2

# 读取图像
img = cv2.imread('image.png')

# 定义相机参数
K = None  # 内参矩阵
dist_coef = None  # 畸变系数

# 检测角点
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, (9, 6), None)

# 如果检测到角点，计算内参矩阵
if ret:
    # 亚像素精度角点检测
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
    cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), criteria)

    # 计算内参矩阵
    _, K, dist_coef, _, _ = cv2.calibrateCamera([corners], [(9, 6)], gray.shape[::-1], None, None)

# 输出结果
print('K =')
print(K)
print('dist_coef =')
print(dist_coef)

在上面的代码中，`cv2.findChessboardCorners` 函数用于检测棋盘格角点，`cv2.cornerSubPix` 函数用于提高角点检测的精度，`cv2.calibrateCamera` 函数用于计算内参矩阵和畸变系数。如果成功检测到角点，则输出内参矩阵和畸变系数。