两步法相机标定流程解析：Docker+Jenkins+Harbor+GitLab 实现

"两步法相机标定的求解流程涉及相机线性参数和像差系数的迭代计算。首先，忽略像差，仅用理想像点计算相机线性参数，尤其在镜头畸变严重时，可选取图像中心区域的点进行求解。接着，基于第一步得到的线性参数计算控制点的重投影点，这些点作为理想像点来求解像差系数。通过反复迭代，不断修正像点，直至结果稳定。最后，用迭代后的理想像点和实际像点计算像差系数，得出最终的像差标定结果。此外，还介绍了三步法相机标定，先进行图像畸变修正，然后标定线性参数和像差系数，以提高精度并减少迭代次数。这种方法适用于使用平面网格板作为标定参照物的情况。" 在摄像测量学中，相机标定是一个关键步骤，它确保了从二维图像中恢复三维信息的准确性。两步法相机标定流程分为两个阶段：第一阶段，初步计算相机的线性参数，通常是通过解决没有考虑像差的方程来实现，特别是对于有显著畸变的镜头，可以选择图像中心的点进行标定，因为这里的像差较小。第二阶段，利用第一步得到的线性参数，计算控制点的理想像点，进一步确定像差系数，通过迭代优化，不断修正像点的位置，直到达到稳定状态。最后，用迭代后的像点再次计算像差系数，得到最终的相机模型。 摄像测量学融合了摄影测量学、光学测量、计算机视觉和数字图像处理，它的核心任务是从数字图像中获取和分析目标的三维信息。这个过程涉及到图像与三维空间物体之间的成像投影关系，以及从图像中精确地提取和匹配目标。随着多视几何理论的发展，摄像测量更加注重目标的自动识别和高精度定位。与常规图像处理不同，摄像测量强调与成像系统的紧密关联，尤其是相机的标定，这是实现高精度测量的关键。 在发展历史上，摄像测量学起源于摄影测量，从早期的模拟摄影测量到现在的数字摄影测量，经历了巨大的进步。随着普通摄像机和照相机的广泛使用，非专业测量设备的标定变得至关重要。各种标定方法应运而生，使得非测量型相机也能应用于高精度测量。三步法标定的提出，旨在提高标定效率和精度，通过先畸变校正，再标定线性参数和像差系数，有效地减少了迭代次数，提升了标定的实用性。 两步法和三步法相机标定是摄像测量学中的重要技术，它们旨在通过精确的数学模型和迭代优化，克服由二维图像到三维空间信息转换带来的挑战，确保从图像中获取的测量数据的准确性。随着技术的进步，未来摄像测量学将继续在各个领域，如机器人导航、自动驾驶、虚拟现实等，发挥重要作用。