解释相机校准结果？答案

【问题标题】：Interpreting camera calibration results?解释相机校准结果？
【发布时间】：2020-04-29 11:59:51
【问题描述】：

我在一些棋盘图像（40~）上使用了 OpenCV 的 findChessboardCorners，大约 27 个似乎准确地找到了角落。如何从这里开始？我是否仅在正确识别的图像上计算重投影误差？这是正常的预期吗？

一些正确识别的图像 -

一些错误识别的图像 -

我如何校准图像 -

import cv2 as cv
def calibrate():

    criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 30, 0.001)

    objp = np.zeros((6*9,3),np.float32)
    objp[:,:2] = np.mgrid[0:9, 0:6].T.reshape(-1,2)

    objpoints = []
    imgpoints = []

    images = glob.glob('*.png')

    for fname in images:
        img = cv.imread(fname)
        gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

        ret, corners = cv.findChessboardCorners(gray, (9,6), None)

        if ret == True:
            print('Hello')

            objpoints.append(objp)

            corners2 = cv.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
         #   cv.drawChessboardCorners(img, (9,6), corners, ret)
            imgpoints.append(corners2)

            cv.imshow('img',img)
            cv.waitKey(500)
    cv.destroyAllWindows()

    ret, mtx, dist, rvecs, tvecs = cv.calibrateCamera(objpoints, imgpoints, gray.shape[::-1],None,None)

    return objpoints, imgpoints, ret, mtx, dist, rvecs, tvecs

如果有人想尝试一下，我已经添加了原始图像。 https://imgur.com/a/rsl0SHr

【问题讨论】：

是简历。和 cv2。相等的？通常人们使用cv2。 Python afaik 中的前缀
上传原始错误图像，让人们复制您的问题。
@Micka 他使用了import cv2 as cv
谢谢，我认为他将其编辑为问题的先前版本
图像中出现强烈倾斜的棋盘很难被检测到。我们都知道。但是在 4 个失败的案例中，您应该有 2 个正确的检测（请参阅my results）。如果ret 是false，则不要为校准过程添加这些点。最后，如果您想要准确的结果，棋盘必须完全平坦（没有摆动）。校准方法假设棋盘是平的。

标签： python opencv camera camera-calibration

【解决方案1】：

这正常吗？

不，您错误识别的图像很奇怪。我认为您的校准过程可能有问题。你能显示一些代码（例如findChessboardCorner() 和calibrateCamera() 调用）吗？

我是否只计算正确识别的图像的重投影误差？

您应该计算所有点的重投影误差，但首先您需要修复校准过程。

【讨论】：

你能用cv2代替cv试试吗？
是cv2，我导入cv2 as cv。
我已经在文档中的一些示例上测试了您的代码，结果非常好。我还玩过不同的图像格式等。
我会用不同的图片再试一次。
仅供参考，我使用了来自 github.com/opencv/opencv/tree/master/samples/data 的图像 left01-left14.jpg