python相机内参矩阵标定

相机内参矩阵标定是计算机视觉中的一个重要问题，可以用于相机姿态估计、三维重建等应用。下面是一个使用 OpenCV 库进行标定的例子：

1. 准备标定板：在一个平面上粘贴黑白相间的正方形格子，保证每个格子大小相等，并且相邻两个格子颜色不同。标定板可以是任何形状，但必须包含足够的特征点。

2. 拍摄标定板：将相机对准标定板，拍摄多张照片，保证标定板的不同位置和姿态都被拍摄到。

3. 提取角点：使用 OpenCV 库中的 `findChessboardCorners()` 函数对每张照片进行角点提取。该函数会返回每张图片中角点的像素坐标。

4. 标定相机：使用 OpenCV 库中的 `calibrateCamera()` 函数进行相机标定。该函数需要提供每张照片中的角点像素坐标以及标定板的实际尺寸作为输入。函数会输出相机内参矩阵，畸变系数等信息。

下面是一个简单的 Python 代码示例：

import cv2
import numpy as np

# 设置标定板大小
board_size = (9, 6)

# 准备标定板对象
objp = np.zeros((np.prod(board_size), 3), dtype=np.float32)
objp[:, :2] = np.mgrid[0:board_size[0], 0:board_size[1]].T.reshape(-1, 2)

# 存储标定板角点像素坐标
img_points = []
# 存储标定板实际三维坐标
obj_points = []

# 读取标定板图片
img = cv2.imread('calibration.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 提取角点
ret, corners = cv2.findChessboardCorners(gray, board_size, None)

# 如果成功提取角点
if ret:
    # 存储角点像素坐标
    img_points.append(corners)
    # 存储标定板实际三维坐标
    obj_points.append(objp)
    
# 标定相机
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None)

# 输出相机内参矩阵
print("Camera matrix: \n", mtx)

该代码会输出相机内参矩阵。需要注意的是，标定板的大小和形状需要与实际使用的标定板保持一致。