相機標定目的：
獲取攝像機的內參和外參矩陣，同時也會得到每一副標定圖像的旋轉和平移矩陣。 內參和外參可以對之后相機拍攝的圖像就進行矯正，得到畸變相對很小的圖像。
原理：
成像模型的坐標系為：世界坐標系 --> 相機坐標系 --> 圖像坐標系 --> 像素坐標系
先說從相機坐標系到圖像坐標系的變換：
從針孔成像模型說起：
————————————————————————————
相機坐標系中實際的點坐標為Q（X, Y, Z）
對應的圖像（坐標系）平面上的點為 q（x, y , f）
理想情況如上所示，但實際上成像芯片的中心通常不在光軸上。
原本的焦距是f，這里把f拆成2個不同的焦距，一個是x軸的焦距，一個是y軸的焦距
因此最終計算的結果為：
將實際中的點Q（X, Y, Z）映射到投影平面上坐標為 （x , y）的點的過程稱為投影變換。
這種變換可以使用齊次坐標。
給q(x, y)增加了一個維度w，即為q(x, y, w)
下圖所示，網上一些資料中也有這種形式：
x0、y0為在圖像平面上的主點坐標，是Cx，Cy的另一種形式，
其中s為坐標軸傾斜參數，理想情況下為0，其他參數都是一樣的。
—————————————————————————————————
我們已經得到了內參矩陣，能夠從相機坐標系轉換到圖像坐標系上，
接下來說如何得到外參矩陣，將其從世界坐標系轉換到相機坐標系上
從世界坐標系轉換到相機坐標系上屬於剛體變換，即不會發生形變，也就是說只有旋轉和平移。
公式符號說明：
帶有下標 w 的是世界坐標系
帶有下標 c 的是相機坐標系
設旋轉矩陣為 R， 平移矩陣為 T
再把偏移矩陣T加上即可，
偏移矩陣T為 [Tx, Ty, Tz]的轉置，是X、Y、Z方向上的平移。
將旋轉矩陣R和偏移矩陣T合起來即得外參矩陣即為:
——————————————————————————————————
圖像坐標系和像素坐標系之間的轉換：
像素坐標系和圖像坐標系都在成像平面上，只是各自的原點和度量單位不一樣。
圖像坐標系的原點為相機光軸與成像平面的交點，通常情況下是成像平面的中點或者叫principal point。圖像坐標系的單位為mm，屬於物理單位，
而像素坐標系的單位是pixel，我們平常描述一個像素點都是幾行幾列。所以
這兩者之間的轉換如下：其中dx和dy表示每一列和每一行分別代表多少mm，即1pixel = dx mm
點（u，v）為像素坐標系上的點，對應的圖像坐標系上的點為（x，y）
——————————————————————————————————————
有了一系列參數后就能推導整個公式了。（這里借用一下別人的圖）
相機的內參和外參可以通過張正友標定獲取。通過最終的轉換關系來看，
一個三維世界中的坐標點，可以在圖像中找到一個對應的像素點，
但是反過來，通過圖像中的一個點找到它在三維中對應的點就很困難，因為我們並不知道等式左邊的Zc值。這個Zc可近似看做相機坐標系中相機到物體的距離。
在我看來，二維圖像中的一個點，對應在三維空間中是一條線，因此如果不知道相機劇被測物體距離，是無法從二維圖像上的點推導出三維空間中某個點的坐標的。
————————————————————————————————
透鏡畸變：
（寫了這么多，寫不動了，透鏡畸變原理可以在《學習OpenCV》第11章找到相關內容，挺詳細的）
