相机标定与三维重建原理及实现学习笔记——相机标定的算法与方法第2篇

目录

• 引言

  • 一. 张氏标定方法

  • 二. 张氏标定过程中所需特征点数量及采集图像数量

    • 1. 所需特征点的数量
    • 2. 所需采集的标定板图像数量

  • 三. 标定过程中的其他注意事项

  • 参考文献

前言

本人近期正致力于将数字图像相关技术应用于测量材料形变方向的研究。在涉及图像处理参与测量或检测研究的过程中，不可避免地需要构建物体空间中任意一点与相机所拍摄图像上对应点之间的数学关系及模型。此前虽有标定经验，但仅是简单调用他人封装好的函数，经过深入推导后才真正理解其中的原理。我认为，若要在某一技术领域实现创新，最核心的前提是掌握其本质。因此，我希望记录下自己作为初学者学习和推导该原理的过程，以便未来更多涉足该领域的人能够更清晰、更高效地应用这些知识。

本文内容主要参考了《学习OpenCV 3》1以及大奥特曼打小怪兽大佬的博客第六节、双目视觉之相机标定2。然而，本文的讲解思路将有所不同，并更加侧重于数学推导。如果本文未能对你提供有效帮助，建议参考上述书籍与博客内容，它们从不同角度对相关内容进行了阐述。

本文的推导基于上一篇笔记【相机标定与三维重建原理及实现】学习笔记1——相机模型数学推导详解，建议先