數據集1
來自《OpenCV計算機視覺編程攻略》第3版
數據集2
來自家中“國民床單”
既然是做實驗，我想初步計划一下。首先是要明確我能夠獲得那些東西？然后是比較這些東西是否真的像書上說的那樣符合實際？然后我會添加一些干擾，看一看在有錯誤數據的情況，這些東西如何變化？最后是一個小結。
1、明確我能夠獲得那些東西？
通過前面的代碼，我們大概是准備獲得這樣的東西：
<
?xml version
=
"1.0"
?
>
<opencv_storage
>
<Intrinsic type_id
=
"opencv-matrix"
>
<rows
>
3
<
/rows
>
<cols
>
3
<
/cols
>
<dt
>d
<
/dt
>
<data
>
1.
3589305122261344e
+
003
0.
5.
7505355544729957e
+
002
0.
1.
3565816672769690e
+
003
6.
0423226535731465e
+
002
0.
0.
1.
<
/data
>
<
/Intrinsic
>
<Distortion type_id
=
"opencv-matrix"
>
<rows
>
1
<
/rows
>
<cols
>
14
<
/cols
>
<dt
>d
<
/dt
>
<data
>
9.
5113243912423840e
+
001
1.
4262144540955842e
+
003
5.
2119492051277685e
-
003
2.
8847713358900241e
-
003
1.
2859720255043484e
+
002
9.
5182218776001392e
+
001
1.
4741397414456521e
+
003
6.
8332022963370434e
+
002
0.
0.
0.
0.
0.
0.
<
/data
>
<
/Distortion
>
<
/opencv_storage
>
從結果上看，我將獲得這兩個矩陣。前面那個是相機內參矩陣，后面那個是外參數。那么在一組圖片中，內參肯定是不變的；后面外參肯定是變化的。但是這里也有很多疑問。
那么具體來看結果，
對於第一組圖片來說，我們獲得的結果為：
<
?xml version
=
"1.0"
?
>
<opencv_storage
>
<Intrinsic type_id
=
"opencv-matrix"
>
<rows
>
3
<
/rows
>
<cols
>
3
<
/cols
>
<dt
>d
<
/dt
>
<data
>
4.
0927176647992695e
+
002
0.
2.
3724719115090161e
+
002
0.
4.
0870629848642727e
+
002
1.
7128731207874495e
+
002
0.
0.
1.
<
/data
>
<
/Intrinsic
>
<Distortion type_id
=
"opencv-matrix"
>
<rows
>
1
<
/rows
>
<cols
>
14
<
/cols
>
<dt
>d
<
/dt
>
<data
>
1.
8631118716959048e
+
001
-
5.
0639175384902096e
+
001
-
5.
2453807582033300e
-
003
-
9.
2620440694993842e
-
003
5.
2367454865598742e
+000
1.
9002289932447418e
+
001
-
4.
8948501055979285e
+
001
-
6.
5115263545215851e
-
001
0.
0.
0.
0.
0.
0.
<
/data
>
<
/Distortion
>
<
/opencv_storage
>
<
?xml version
=
"1.0"
?
>
<opencv_storage
>
<Intrinsic type_id
=
"opencv-matrix"
>
<rows
>
3
<
/rows
>
<cols
>
3
<
/cols
>
<dt
>d
<
/dt
>
<data
>
3.
9136489375791234e
+
003
0.
2.
6879080836687035e
+
003
0.
3.
9811430968074164e
+
003
1.
9454067884808153e
+
003
0.
0.
1.
<
/data
>
<
/Intrinsic
>
<Distortion type_id
=
"opencv-matrix"
>
<rows
>
1
<
/rows
>
<cols
>
14
<
/cols
>
<dt
>d
<
/dt
>
<data
>
2.
5259392493942739e
-
002
-
3.
2418875955674309e
-
001
3.
6376246418718853e
-
004
3.
2526045276898190e
-
003
-
8.
1692713459156296e
-
002
2.
5694845194956913e
-
002
4.
7826938999253371e
-
001
-
1.
3315729771950511e
+000
0.
0.
0.
0.
0.
0.
<
/data
>
<
/Distortion
>
<
/opencv_storage
>
對於第二組圖片來說：
2、這些東西是否真的像書上說的那樣符合實際？
對於第一套圖片來說，看它的內參矩陣：
<data
>
4.
0927176647992695e
+
002
0.
2.
3724719115090161e
+
002
0.
4.
0870629848642727e
+
002
1.
7128731207874495e
+
002
0.
0.
1.
<
/data
>
解析一下，fx = fy = 409 ；
U0=237 V0 = 171，這個是代碼計算值。從實際情況上來看，
標准中間為 268,178，這個和237,171是比較符合的。
對於其它信息
這個焦距和我們計算出來的東西差距較大，如何比對？進一步研究，獲得這個相機的參數：
可以獲得，它的傳感器尺寸為23.5mm X 15.7mm,那么像素寬度分別為0.0438（=23.5/536）和0.044,反過來算焦距為17.9，這個比較接近。
書中給出的資料肯定是自己選擇過的，那么我們自己重新采集一套
圖片來說，那么它的固有參數為：
獲得的結果：
<data
>
3.
9136489375791234e
+
003
0.
2.
6879080836687035e
+
003
0.
3.
9811430968074164e
+
003
1.
9454067884808153e
+
003
0.
0.
1.
<
/data
>
翻譯一下，fx = 3913.6 fy=3981.1 U0=2687.9 V0=1945.4
先看U V，
5456/2 = 2728 3632/2=1816，這樣的話，差距在1.5%，這個差距看上去比較大，但是相對值比書中提供的數據要小。
而對於焦距來說，
像素寬度分別為0.00425（=
23.2
/5456）和0.0386
算出來焦距為16.64和16.88，這個和16的差距也是比較合適的。
3、添加一些干擾，容錯性如何？
最好的方法，是在有固定相機的情況下，重新采集一套圖片，這個對於讀者來說，如果有興趣，可以來做。
4、小結
通過比較，可以發現一下幾個特點：
1、書本上采集的圖片，其角度范圍更為廣泛。所以說書上的采集方法對於我們后面做實際采集有指導意義；
2、棋盤的大小和最后是否能夠產生良好結果關系不大，所以一個合適大小的棋盤就可以；
此外：
3、特別是對於視野比較廣的情況，應該優先想出高效解決方法。我認為視場越大，誤差越大；
4、對於大照片的處理，本身就是一個比較復雜的問題：因為像素比較高，所以處理起來比較慢；而又不能通過壓縮之類的方法進行預處理，所以會有比較多的問題。目前還有沒有很好解決方法；
此外，你還必須考慮標定的過程中失敗的情況；還必須考慮采用什么模式能夠讓標定的效果最好。
感謝閱讀至此，希望有所幫助。