雙目視覺標定程序講解

#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"

#include <vector>
#include <string>
#include <algorithm>
#include <iostream>
#include <iterator>
#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>

using namespace cv;
using namespace std;



static void StereoCalib(const vector<string>& imagelist, Size boardSize, bool useCalibrated=true, bool showRectified=true)
{
    if( imagelist.size() % 2 != 0 )
    {
        cout << "Error: the image list contains odd (non-even) number of elements\n";
        return;
    }

    bool displayCorners = false;//true;
    const int maxScale = 2;
    const float squareSize = 1.f;  // Set this to your actual square size
    // ARRAY AND VECTOR STORAGE:
    //建立圖像座標和世界座標系座標矩陣
    vector<vector<Point2f> > imagePoints[2];
    vector<vector<Point3f> > objectPoints;
    Size imageSize;

    int i, j, k, nimages = (int)imagelist.size()/2;
    //肯定左右視圖矩陣的數量，好比10副圖，左右矩陣分別爲5個
    imagePoints[0].resize(nimages);
    imagePoints[1].resize(nimages);
    vector<string> goodImageList;

    for( i = j = 0; i < nimages; i++ )
    {
        for( k = 0; k < 2; k++ )
        {
            //逐個讀取圖片
            const string& filename = imagelist[i*2+k];
            Mat img = imread(filename, 0);
            if(img.empty())
                break;
            if( imageSize == Size() )
                imageSize = img.size();
            else if( img.size() != imageSize )
            {
                cout << "The image " << filename << " has the size different from the first image size. Skipping the pair\n";
                break;
            }
            bool found = false;
            //設置圖像矩陣的引用，此時指向左右視圖的矩陣首地址
            vector<Point2f>& corners = imagePoints[k][j];
            for( int scale = 1; scale <= maxScale; scale++ )
            {
                Mat timg;
                //圖像是8bit的灰度或彩色圖像
                if( scale == 1 )
                    timg = img;
                else
                    resize(img, timg, Size(), scale, scale);
                //boardSize爲棋盤圖的行、列數
                found = findChessboardCorners(timg, boardSize, corners,
                    CV_CALIB_CB_ADAPTIVE_THRESH | CV_CALIB_CB_NORMALIZE_IMAGE);
                if( found )
                {
                    //若是爲多通道圖像
                    if( scale > 1 )
                    {
                        Mat cornersMat(corners);
                        cornersMat *= 1./scale;
                    }
                    break;
                }
            }
            if( displayCorners )
            {
                cout << filename << endl;
                Mat cimg, cimg1;
                cvtColor(img, cimg, COLOR_GRAY2BGR);
                drawChessboardCorners(cimg, boardSize, corners, found);
                double sf = 640./MAX(img.rows, img.cols);
                resize(cimg, cimg1, Size(), sf, sf);
                imshow("corners", cimg1);
                char c = (char)waitKey(500);
                if( c == 27 || c == 'q' || c == 'Q' ) //Allow ESC to quit
                    exit(-1);
            }
            else
                putchar('.');
            if( !found )
                break;
            cornerSubPix(img, corners, Size(11,11), Size(-1,-1),
                         TermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,
                                      30, 0.01));
        }
        if( k == 2 )
        {
            goodImageList.push_back(imagelist[i*2]);
            goodImageList.push_back(imagelist[i*2+1]);
            j++;
        }
    }
    cout << j << " pairs have been successfully detected.\n";
    nimages = j;
    if( nimages < 2 )
    {
        cout << "Error: too little pairs to run the calibration\n";
        return;
    }

    imagePoints[0].resize(nimages);
    imagePoints[1].resize(nimages);
    // 圖像點的世界座標系
    objectPoints.resize(nimages);

    for( i = 0; i < nimages; i++ )
    {
        for( j = 0; j < boardSize.height; j++ )
            for( k = 0; k < boardSize.width; k++ )
                //直接轉爲float類型，座標爲行、列
                objectPoints[i].push_back(Point3f(j*squareSize, k*squareSize, 0));
    }

    cout << "Running stereo calibration ...\n";
    //建立內參矩陣
    Mat cameraMatrix[2], distCoeffs[2];
    cameraMatrix[0] = Mat::eye(3, 3, CV_64F);
    cameraMatrix[1] = Mat::eye(3, 3, CV_64F);
    Mat R, T, E, F;
    //求解雙目標定的參數
    double rms = stereoCalibrate(objectPoints, imagePoints[0], imagePoints[1],
                    cameraMatrix[0], distCoeffs[0],
                    cameraMatrix[1], distCoeffs[1],
                    imageSize, R, T, E, F,
                    TermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 100, 1e-5),
                    CV_CALIB_FIX_ASPECT_RATIO +
                    CV_CALIB_ZERO_TANGENT_DIST +
                    CV_CALIB_SAME_FOCAL_LENGTH +
                    CV_CALIB_RATIONAL_MODEL +
                    CV_CALIB_FIX_K3 + CV_CALIB_FIX_K4 + CV_CALIB_FIX_K5);
    cout << "done with RMS error=" << rms << endl;

// CALIBRATION QUALITY CHECK
// because the output fundamental matrix implicitly
// includes all the output information,
// we can check the quality of calibration using the
// epipolar geometry constraint: m2^t*F*m1=0
    //計算標定偏差
    double err = 0;
    int npoints = 0;
    vector<Vec3f> lines[2];
    for( i = 0; i < nimages; i++ )
    {
        int npt = (int)imagePoints[0][i].size();
        Mat imgpt[2];
        for( k = 0; k < 2; k++ )
        {
            imgpt[k] = Mat(imagePoints[k][i]);
            //校訂圖像點座標
            undistortPoints(imgpt[k], imgpt[k], cameraMatrix[k], distCoeffs[k], Mat(), cameraMatrix[k]);
            //求解對極線
            computeCorrespondEpilines(imgpt[k], k+1, F, lines[k]);
        }
        //計算求解點與實際點的偏差
        for( j = 0; j < npt; j++ )
        {
            double errij = fabs(imagePoints[0][i][j].x*lines[1][j][0] +
                                imagePoints[0][i][j].y*lines[1][j][1] + lines[1][j][2]) +
                           fabs(imagePoints[1][i][j].x*lines[0][j][0] +
                                imagePoints[1][i][j].y*lines[0][j][1] + lines[0][j][2]);
            err += errij;
        }
        npoints += npt;
    }
    cout << "average reprojection err = " <<  err/npoints << endl;

    // save intrinsic parameters
    FileStorage fs("intrinsics.yml", CV_STORAGE_WRITE);
    if( fs.isOpened() )
    {
        fs << "M1" << cameraMatrix[0] << "D1" << distCoeffs[0] <<
            "M2" << cameraMatrix[1] << "D2" << distCoeffs[1];
        fs.release();
    }
    else
        cout << "Error: can not save the intrinsic parameters\n";

    Mat R1, R2, P1, P2, Q;
    Rect validRoi[2];
    //雙目視覺校訂，根據內參矩陣，兩攝像機之間平移矩陣以及投射矩陣
    stereoRectify(cameraMatrix[0], distCoeffs[0],
                  cameraMatrix[1], distCoeffs[1],
                  imageSize, R, T, R1, R2, P1, P2, Q,
                  CALIB_ZERO_DISPARITY, 1, imageSize, &validRoi[0], &validRoi[1]);

    fs.open("extrinsics.yml", CV_STORAGE_WRITE);
    if( fs.isOpened() )
    {
        fs << "R" << R << "T" << T << "R1" << R1 << "R2" << R2 << "P1" << P1 << "P2" << P2 << "Q" << Q;
        fs.release();
    }
    else
        cout << "Error: can not save the intrinsic parameters\n";

    // OpenCV can handle left-right
    // or up-down camera arrangements
    bool isVerticalStereo = fabs(P2.at<double>(1, 3)) > fabs(P2.at<double>(0, 3));

// COMPUTE AND DISPLAY RECTIFICATION
    if( !showRectified )
        return;

    Mat rmap[2][2];
// IF BY CALIBRATED (CALIBRATE'S METHOD)
    //用標定的話，就不準計算左右相機的透射矩陣
    if( useCalibrated )
    {
        // we already computed everything
    }
// OR ELSE HARTLEY'S METHOD
    else
 // use intrinsic parameters of each camera, but
 // compute the rectification transformation directly
 // from the fundamental matrix
    {
        vector<Point2f> allimgpt[2];
        for( k = 0; k < 2; k++ )
        {
            for( i = 0; i < nimages; i++ )
                std::copy(imagePoints[k][i].begin(), imagePoints[k][i].end(), back_inserter(allimgpt[k]));
        }
        F = findFundamentalMat(Mat(allimgpt[0]), Mat(allimgpt[1]), FM_8POINT, 0, 0);
        Mat H1, H2;
        stereoRectifyUncalibrated(Mat(allimgpt[0]), Mat(allimgpt[1]), F, imageSize, H1, H2, 3);

        R1 = cameraMatrix[0].inv()*H1*cameraMatrix[0];
        R2 = cameraMatrix[1].inv()*H2*cameraMatrix[1];
        P1 = cameraMatrix[0];
        P2 = cameraMatrix[1];
    }

    //Precompute maps for cv::remap()
    //根據左右相機的投射矩陣，校訂圖像
    initUndistortRectifyMap(cameraMatrix[0], distCoeffs[0], R1, P1, imageSize, CV_16SC2, rmap[0][0], rmap[0][1]);
    initUndistortRectifyMap(cameraMatrix[1], distCoeffs[1], R2, P2, imageSize, CV_16SC2, rmap[1][0], rmap[1][1]);

    Mat canvas;
    double sf;
    int w, h;
    if( !isVerticalStereo )
    {
        sf = 600./MAX(imageSize.width, imageSize.height);
        w = cvRound(imageSize.width*sf);
        h = cvRound(imageSize.height*sf);
        canvas.create(h, w*2, CV_8UC3);
    }
    else
    {
        sf = 300./MAX(imageSize.width, imageSize.height);
        w = cvRound(imageSize.width*sf);
        h = cvRound(imageSize.height*sf);
        canvas.create(h*2, w, CV_8UC3);
    }

    for( i = 0; i < nimages; i++ )
    {
        for( k = 0; k < 2; k++ )
        {
            Mat img = imread(goodImageList[i*2+k], 0), rimg, cimg;
            remap(img, rimg, rmap[k][0], rmap[k][1], CV_INTER_LINEAR);
            cvtColor(rimg, cimg, COLOR_GRAY2BGR);
            Mat canvasPart = !isVerticalStereo ? canvas(Rect(w*k, 0, w, h)) : canvas(Rect(0, h*k, w, h));
            resize(cimg, canvasPart, canvasPart.size(), 0, 0, CV_INTER_AREA);
            if( useCalibrated )
            {
                Rect vroi(cvRound(validRoi[k].x*sf), cvRound(validRoi[k].y*sf),
                          cvRound(validRoi[k].width*sf), cvRound(validRoi[k].height*sf));
                rectangle(canvasPart, vroi, Scalar(0,0,255), 3, 8);
            }
        }

        if( !isVerticalStereo )
            for( j = 0; j < canvas.rows; j += 16 )
                line(canvas, Point(0, j), Point(canvas.cols, j), Scalar(0, 255, 0), 1, 8);
        else
            for( j = 0; j < canvas.cols; j += 16 )
                line(canvas, Point(j, 0), Point(j, canvas.rows), Scalar(0, 255, 0), 1, 8);
        imshow("rectified", canvas);
        char c = (char)waitKey();
        if( c == 27 || c == 'q' || c == 'Q' )
            break;
    }
}


static bool readStringList( const string& filename, vector<string>& l )
{
    l.resize(0);
    FileStorage fs(filename, FileStorage::READ);
    if( !fs.isOpened() )
        return false;
    FileNode n = fs.getFirstTopLevelNode();
    if( n.type() != FileNode::SEQ )
        return false;
    FileNodeIterator it = n.begin(), it_end = n.end();
    for( ; it != it_end; ++it )
        l.push_back((string)*it);
    return true;
}

int main(int argc, char** argv)
{
    Size boardSize;
    string imagelistfn;
    bool showRectified = true;

    for( int i = 1; i < argc; i++ )
    {
        if( string(argv[i]) == "-w" )
        {
            if( sscanf(argv[++i], "%d", &boardSize.width) != 1 || boardSize.width <= 0 )
            {
                cout << "invalid board width" << endl;
                return print_help();
            }
        }
        else if( string(argv[i]) == "-h" )
        {
            if( sscanf(argv[++i], "%d", &boardSize.height) != 1 || boardSize.height <= 0 )
            {
                cout << "invalid board height" << endl;
                return print_help();
            }
        }
        else if( string(argv[i]) == "-nr" )
            showRectified = false;
        else if( string(argv[i]) == "--help" )
            return print_help();
        else if( argv[i][0] == '-' )
        {
            cout << "invalid option " << argv[i] << endl;
            return 0;
        }
        else
            imagelistfn = argv[i];
    }

    if( imagelistfn == "" )
    {
        imagelistfn = "stereo_calib.xml";
        boardSize = Size(9, 6);
    }
    else if( boardSize.width <= 0 || boardSize.height <= 0 )
    {
        cout << "if you specified XML file with chessboards, you should also specify the board width and height (-w and -h options)" << endl;
        return 0;
    }

    vector<string> imagelist;
    bool ok = readStringList(imagelistfn, imagelist);
    if(!ok || imagelist.empty())
    {
        cout << "can not open " << imagelistfn << " or the string list is empty" << endl;
        return print_help();
    }

    StereoCalib(imagelist, boardSize, true, showRectified);
    return 0;
}

主要函數說明

cvFindChessboardCorners

功能說明	尋找棋盤圖中棋盤角點
函數聲明	vFindChessboardCorners( const void* image,  CvSize pattern_size,  CvPoint2D32f* corners,  int* corner_count = NULL,  int flags = CV_CALIB_CB_ADAPTIVE_THRESH  )
參數說明	In	image,輸入的棋盤圖必須是8位灰度或者彩色圖像
	in	pattern_size,棋盤圖中每行和每列的角點個數（內角點的個數）。如上圖爲(6,7)。
	out	corners,存儲角點位置的數組指針，該數組表現事先分配空間，並且至少必須大於棋盤的全部角點的個數。
	out	corner_count，變量是可選的，若是不是NULL,則它是一個指向所記錄角點數目的正數指針。
	in	flag，用來定義額外的濾波步驟以有助於尋找棋盤角點。全部的變量均可以單獨或者以邏輯或的方式組合使用。CV_CALIB_CB_ADAPTIVE_THRESH ,cvFindChessboardCorners()的默認方式是，首先根據平均亮度對圖像進行二值化，但若是設置此標誌，則使用自適應二值化。CV_CALIB_CB_NORMALIZE_IMAGE ,若是設置了該標誌，則會在二值化以前應用cvEqualizeHist()來歸一化圖像。CV_CALIB_CB_FILTER_QUADS ,一旦二值化圖像之後，算法試圖根據棋盤上黑色方塊的投影視場中定位四邊形。這是一個逼近的過程，由於四邊形的每一個邊都假設爲直角，而實際上因爲圖像的徑向畸變，這個不徹底成立。若是這個標誌被設置了，那麼將對這個四邊形使用額外的約束以拒絕錯誤的四邊形。函數成功找到全部的角點，則返回非0，不然返回0。
備註

cvDrawChessboardCorners

功能說明	cvFindChessboardCorners()發現全部角點繪製到所提供的圖像上
函數聲明	cvDrawChessboardCorners(  CvArr* image,  CvSize pattern_size, CvPoint2D32f*  corners, int count,  int pattern_was_found  )
參數說明	In/out	image，欲繪製的圖像，該圖像爲8位的彩色圖像。 pattern_size,  圖像尺寸
	in
	in	corners。角點矩陣
	in	count,角點數目
	in	pattern_was_found，表示是否全部的棋盤模式都被成功找到，這能夠設置爲cvFindChessboardCorners()函數的返回值。
備註	若是沒有發現全部的角點，那麼角點將使用紅色圓圈繪製。若是發現了全部的角點，那麼角點將用不一樣顏色繪製（每行使用單獨的顏色繪製），而且把角點以必定順序用線鏈接起來

cornerSubPix

功能說明	在角點檢測中精確化角點位置
函數聲明	void cornerSubPix( InputArray image, InputOutputArray corners,  Size winSize, Size zeroZone,TermCriteria criteria )
參數說明	In	image：輸入圖像
	In/out	corners：輸入角點的初始座標以及精準化後的座標用於輸
	in	出。winSize：搜索窗口邊長的一半，例如若是winSize=Size(5,5)，則一個大小爲\的搜索窗口將被使用。
	in	ZeroZone: 不清楚，通常默認爲(-1,-1)
	in	Critrria: 插值方式
備註

stereoCalibrate

功能說明	雙目攝像機標定，計算了兩個攝像頭進行立體像對之間的轉換關係，根據左右相機的參數矩陣，生成兩個相機之間的關係矩陣，以及基本和本質矩陣
函數聲明	double stereoCalibrate(InputArrayOfArrays objectPoints, InputArrayOfArrays imagePoints1, InputArrayOfArrays imagePoints2, InputOutputArray cameraMatrix1, InputOutputArray distCoeffs1, InputOutputArray cameraMatrix2, InputOutputArray distCoeffs2, Size imageSize, OutputArray R, OutputArray T, OutputArray E, OutputArray F, TermCriteria criteria=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 1e-6), int flags=CALIB_FIX_INTRINSIC )
主要參數說明	in	objectPoints–校訂的圖像點向量組.
	in	imagePoints1–經過第一臺相機觀測到的圖像上面的向量組.
	in	imagePoints2–經過第二臺相機觀測到的圖像上面的向量組.
	in	cameraMatrix1–輸入或者輸出第一個相機的內參數矩陣若是CV_CALIB_USE_INTRINSIC_GUESS , CV_CALIB_FIX_ASPECT_RATIO , CV_CALIB_FIX_INTRINSIC , or CV_CALIB_FIX_FOCAL_LENGTH其中之一參數被指定, 全部或者部分的矩陣參數就必須被初始化. 詳細內容則查看FLAGS的描述。
	In/out	distCoeffs1–輸入/輸出第一個相機的畸變係數向量 其中的4，5或者8個元素. 輸出向量的長度則是取決於FLAGS的值。
	In/out	cameraMatrix2–輸入或者輸出第二個相機的內參數矩陣
	In/out	distCoeffs2–輸入/輸出第二個相機的畸變係數向量
	in	imageSize–圖像文件的大小——只用於初始化相機內參數矩陣。
	out	R–輸出第一和第二相機座標系之間的旋轉矩陣。
	out	T–輸出第一和第二相機座標系之間的旋轉矩陣平移向量
	out	E–輸出本徵矩陣。
	out	F–輸出基礎矩陣。
	in	term_crit–迭代優化算法終止的標準。
	in	flags– 不一樣的FLAG,多是零或如下值的結合: § CV_CALIB_FIX_INTRINSIC要確認cameraMatrix? and distCoeffs?因此只有R, T, E , 和F矩陣被估計出來 § CV_CALIB_USE_INTRINSIC_GUESS根據指定的FLAG優化一些或所有的內在參數。初始值是由用戶提供。 § CV_CALIB_FIX_PRINCIPAL_POINT在優化過程當中肯定主點。 § CV_CALIB_FIX_FOCAL_LENGTH肯定和 . § CV_CALIB_FIX_ASPECT_RATIO優化 . 肯定的比值. § CV_CALIB_SAME_FOCAL_LENGTH執行以及 . § CV_CALIB_ZERO_TANGENT_DIST設置每一個相機切向畸變係數爲零而且設爲固定值。 § CV_CALIB_FIX_K1,...,CV_CALIB_FIX_K6在優化中不改變相應的徑向畸變係數. 若是設置CV_CALIB_USE_I NTRINSIC_GUESS , 使用distCoeffs矩陣提供的係數。不然將其置零. § CV_CALIB_RATIONAL_MODEL可以輸出係數k4，k5，k6。提供向後兼容性,這額外FLAG應該明確指定校訂函數使用理性模型和返回8個係數。若是FLAG沒有被設置,該函數計算並只返回5畸變係數。
備註	若是你有一個立體相機的相對位置，而且兩個攝像頭的方向是固定的，以及你計算了物體相對於第一照相機和第二照相機的姿態，（R1，T1）和（R2，T2），各自（這個能夠經過solvepnp()作到）經過這些姿態肯定。這意味着，給定予（：數學：t_1），就能夠計算（：數學：t_2）。你只須要知道第二相機相對於第一相機的位置和方向。 除了立體的相關信息，該函數也能夠兩個相機的每個作一個完整的校準。然而，因爲在輸入數據中的高維的參數空間和噪聲的，可能偏離正確值。若是每一個單獨的相機內參數能夠被精確估計（例如，使用calibratecamera()），建議您這樣作，而後在本徵參數計算之中使用CV_CALIB_FIX_INTRINSIC的功能。不然，若是一旦計算出全部的參數，它將會合理的限制某些參數，例如，傳遞CV_CALIB_SAME_FOCAL_LENGTH and CV_CALIB_ZERO_TANGENT_DIST，這一般是一個合理的假設。 與calibratecamera()相似，該函數最大限度地減小了從相機中全部可用的視圖的全部點的總的重投影偏差。該函數返回的重投影偏差最終值。

 cvCalibrateCamera

 

功能說明	利用定標來計算攝像機的內參數和外參數
函數聲明	oid cvCalibrateCamera2(  CvMat* object_points,  CvMat* image_points,  int* point_counts, CvSize image_size,  CvMat* intrinsic_matrix,  CvMat* distortion_coeffs,  CvMat* rotation_vectors = NULL,  CvMat* translation_vectors = NULL,  int flags = 0  );
參數說明		object_points，是一個N×3的矩陣，若是對於每個棋盤，咱們有k個角點，而且咱們經過旋轉棋盤，獲得棋盤的M的視場圖，那麼此時N=k×M。 在使用棋盤的場合，咱們另點z的座標值爲0，而x,y座標用裏面來度量，選用英寸單位，那麼全部參數計算的結果也是用英寸表示。最簡單的方式是咱們定義棋盤的每個方塊爲一個單位。
		image_points，是一個N×2的矩陣。包含object_points所提供的全部點的座標。在圖像中尋找到的角點的座標。
		point_counts,每一個圖像上角點的個數，以M×1矩陣形式提供，M是視場的數目
		image_size,圖像的大小，以像素爲衡量單位。
		intrinsic_matrix，攝像機內參數矩陣3×3大小。能夠做爲輸入變量（此時會影響計算的結果），能夠做爲輸出變量（原本主要就是爲了求解該參數），內參數矩陣徹底定義了理想攝像機模型的攝像機行爲。
		distortion_matrix,畸變係數，爲5×1大小的矢量，能夠做爲輸入變量，能夠做爲輸出變量（同上），畸變係數的記錄順序是：k1,k2,p1,p2,k3；
		rotation_vectors,大小爲M×3，M爲視場的個數。旋轉矢量的講解參考上一篇文章。能夠經過cvRodrigues2()將旋轉矢量轉換爲旋轉矩陣。
		translation_vectors,大小爲M×3矩陣。 函數中的標誌位： 1、CV_CALIB_USE_INTRINSIC_GUESS  cvCalibrateCamera2()計算內參數矩陣的時候，一般不須要額外的信息。具體來講，參數cx和cy（圖像中心）的初始值能夠直接從變量image_size中獲得（即(H-1)/2,(W-1)/2)），若是設置了該變量那麼instrinsic_matrix假設包含正確的值，並被用做初始猜想，爲cvCalibrateCamera2()作優化時所用。 2、CV_CALIB_USE_PRINCIPAL_POINT 能夠和CV_CALIB_USE_INTRINSIC_GUESS 一塊兒使用。若是僅設置了該標誌位，那麼設置圖像的中心做爲主點。若是一塊兒使用，則設置主點位置爲intrinsic_matrix矩陣提供的初始值。（這也是爲何，instrinsic_matrix不只能夠做爲輸出，也能夠做爲輸入的緣由了） 3、CV_CALIB_FIX_ASPECT_RATIO 若是設置了該標誌位，那麼在調用標定程序時，優化過程只同時改變fx和fy，而固定intrinsic_matrix的其餘值（若是 CV_CALIB_USE_INTRINSIC_GUESS也沒有被設置，則intrinsic_matrix中的fx和fy能夠爲任何值，但比例相關）。 4、CV_CALIB_FIX_FOCAL_LENGTH 該標誌位在優化的時候，直接使用 intrinsic_matrix傳遞過來的fx和fy。                        5、CV_CALIB_FIX_K1,CV_CALIB_FIX_K2,CV_CALIB_FIX_K3 固定徑向畸變k1,k2,k3。徑向畸變參數能夠經過組合這些標誌設置爲任意值。通常地最後一個參數應設置爲0，初始使用魚眼透鏡。 6、CV_CALIB_ZERO_TANGENT_DIST 該標誌在標定高級攝像機的時候比較重要，由於精確製做將致使很小的徑向畸變。試圖將參數擬合0會致使噪聲干擾和數值不穩定。經過設置該標誌能夠關閉切向畸變參數p1和p2的擬合，即設置兩個參數爲0。
備註

cvFindExtrinsicCameraParams2

功能說明	計算攝像機外部參數
函數聲明	void cvFindExtrinsicCameraParams2( const CvMat* object_points,  const CvMat* image_points,  const CvMat* intrinsic_matrix,  const CvMat* distortion_coeffs,  CvMat* rotation_vector,  CvMat* translation_vector  );
參數說明	in	const CvMat* object_points： 世界座標系實際座標矩陣
	in	const CvMat* image_points：圖像座標系座標矩陣
	in	const CvMat* intrinsic_matrix：內參矩陣
	in	const CvMat* distortion_coeffs：畸變矩陣
	out	CvMat* rotation_vector： 轉移矩陣
	out	CvMat* translation_vector  ：平移矩陣
備註	根據圖像座標點，世界座標點，內參數矩陣和畸變矩陣一塊兒計算外部外餐

ProjectPoints2

功能說明	投影三維點到圖像平面
函數聲明	void cvProjectPoints2( const CvMat* object_points, const CvMat* rotation_vector, const CvMat* translation_vector, const CvMat* intrinsic_matrix, const CvMat* distortion_coeffs, CvMat* image_points, CvMat* dpdrot=NULL, CvMat* dpdt=NULL, CvMat* dpdf=NULL,  CvMat* dpdc=NULL, CvMat* dpddist=NULL );
參數說明	in	bject_points物體點的座標，爲3xN或者Nx3的矩陣
	in	rotation_vector 旋轉向量，1x3或者3x1。
	in	translation_vector 平移向量，1x3或者3x1。
	in	intrinsic_matrix攝像機內參數矩陣
	in	distortion_coeffs形變參數向量，4x1或者1x4，爲[k1,k2,p1,p2]。若是是NULL，全部形變係數都設爲0。
	out	image_points輸出數組，存儲圖像點座標。大小爲2xN或者Nx2，這兒N是視圖中的全部點的數目。
	in	dpdrot旋轉向量部分的圖像上點導數，Nx3矩陣。
	in	dpdt平移向量部分的圖像上點導數，Nx3矩陣。
	in	dpdf可選參數，關於fx和fy的圖像上點的導數，Nx2矩陣。
	in	dpdc可選參數， cx和cy的圖像上點的導數，Nx2矩陣。
	in	dpddist可選參數，關於形變係數的圖像上點的導數，Nx4矩陣。
備註	函數cvProjectPoints2經過給定的內參數和外參數計算三維點投影到二維圖像平面上的座標。另外，這個函數能夠計算關於投影參數的圖像點偏導數的雅可比矩陣。雅可比矩陣能夠用在cvCalibrateCamera2和cvFindExtrinsicCameraParams2函數的全局優化中。這個函數也能夠用來計算內參數和外參數的反投影偏差