简介这份资源面向计算机视觉入门者与需要完成课程实验的学生围绕MATLAB工具箱展开双目标定的完整实践帮助解决相机内外参数求解、几何失真校正与三维重建前的标定问题。压缩包共182个文件约15.71MB以128张jpg标定板采集图、23个mat数据文件、14个m脚本为主另含docx实验说明、png结果图、pptx汇报材料及md项目说明覆盖从图像采集到参数估计的全流程素材。已有112人学习下载。资源内含初步完成的双目标定代码与阶段性结果涉及标定板角点检测、单目标定、双目标定及重投影误差展示配套必读文档梳理实验步骤与理论背景便于读者对照复现流程、理解vision.calibrator与estimateCameraParameters的调用方式并在此基础上调试与扩展自己的标定方案。1. 双目标定这件事为什么你跑完工具箱还是测不准很多人第一次做双目视觉都是从一个压缩包开始的里面躺着几组左右相机拍的棋盘格图外加一份“基于 MATLAB 工具箱完成双目标定实验”的说明。跑完stereoCameraCalibrator界面上跳出一串参数重投影误差看着也不大于是觉得标定这关过了。结果真拿去做深度、做三维重建视差图一塌糊涂近处还行远处直接飘到天上。问题往往不在算法而在标定这一步的输入质量、参数取舍和验证方式。双目标定要解决的核心就一件事把左右两个相机各自的内部参数焦距、主点、畸变和它们之间的相对位姿旋转 R、平移 T算准让同一个物点在两幅图里能对应到同一条极线上。MATLAB 的 Computer Vision Toolbox 把这套流程封装得很完整但封装越深黑匣子越多参数设错、图片选错、畸变模型选错它照样给你一组“看起来能用”的结果。这篇面向的是手上已经有双目图像、想用 MATLAB 工具箱把标定跑通并真正用起来的人。新手可以照着步骤复现熟手可以重点看参数边界和避坑那几节。整套流程不需要额外硬件一台装了 MATLAB 和 Computer Vision Toolbox 的机器就够。2. 标定前必须想清楚的几件事从坐标系到畸变模型2.1 双目视觉里的四个坐标系别在转换时搞混双目标定的所有输出本质是在描述四个坐标系之间的变换关系世界坐标系、左相机坐标系、右相机坐标系、图像像素坐标系。棋盘格所在的平面通常被当作世界坐标系的 Z0 平面标定就是反推相机怎么把这个平面投影成像素。MATLAB 输出的stereoParams里RotationOfCamera2和TranslationOfCamera2描述的是从相机 1 到相机 2 的变换。这里有个容易翻车的点这个变换的方向是“把相机 1 坐标系下的点变到相机 2 坐标系”不是反过来。很多人在做三角测量时把 R、T 用反结果深度符号都是错的近处物体算到相机后面去。平移向量的单位取决于你给的棋盘格方格尺寸。如果你输入的是毫米T 就是毫米输入米T 就是米。这个单位会一路传到三维重建结果里忘了统一后面尺度全乱。2.2 为什么选 MATLAB 工具箱而不是自己写标定自己写张正友标定不是不行但你要处理角点检测、畸变初值、非线性优化、参数约束任何一环写错都很难定位。MATLAB 工具箱的价值在于角点检测用的是成熟的亚像素算法优化用的是有界非线性最小二乘还自带重投影误差可视化和参数不确定性估计。常见做法是先用工具箱拿到可靠初值和最终参数再决定要不要把参数导出到别的语言里做实时计算。工具箱本身不限制你后续用什么框架它只负责把参数算准。2.3 畸变模型怎么选2 系数还是 3 系数MATLAB 的estimateCameraParameters默认用 2 个径向畸变系数加 2 个切向畸变系数。对大多数普通镜头这个模型够用。但如果你用的是广角或者鱼眼边缘畸变很大2 系数压不住重投影误差会在图像边缘明显变大。判断方法很简单看stereoParams.ReprojectionErrors的分布。如果误差集中在图像四角而中心很小说明畸变模型欠拟合。这时候可以在估计参数时把NumRadialDistortionCoefficients设成 3让工具箱多估一个径向系数。代价是参数更多对图像数量和角点分布要求更高图太少反而会过拟合。提示不是系数越多越好。3 系数模型需要棋盘格覆盖到图像边缘足够多的区域否则多出来的系数没有数据支撑标定结果在边缘反而更不稳定。2.4 图像采集的硬性要求拍之前就得定好标定精度一半靠算法一半靠图。拍棋盘格时左右相机必须同时触发棋盘格要在两幅图里都完整可见且尽量覆盖画面不同区域中心、四角、远近、不同倾斜角。一般建议 15 到 30 对图少于 10 对基本不用谈精度。棋盘格不能只在一个距离拍。只在远处拍焦距和主点估计会耦合只在近处拍畸变系数估不准。我的习惯是分三档距离每档拍 6 到 8 个不同姿态倾斜角控制在 30 度以内太大角度角点检测容易失败。3. 用 MATLAB 工具箱跑通双目标定的完整命令流程3.1 准备图像并检查文件命名工具箱对文件名没有强制要求但左右图必须能一一对应。我一般用left_01.png、right_01.png这种成对命名放在两个文件夹里。先确认图像没有被压缩过JPEG 的高压缩会在棋盘格边缘产生伪影影响角点检测。% 指定左右图像文件夹 leftDir fullfile(pwd, images, left); rightDir fullfile(pwd, images, right); % 读取文件列表按名称排序保证左右对应 leftFiles dir(fullfile(leftDir, *.png)); rightFiles dir(fullfile(rightDir, *.png)); leftFiles sort({leftFiles.name}); rightFiles sort({rightFiles.name}); % 检查数量是否一致 assert(numel(leftFiles) numel(rightFiles), ... 左右图像数量不一致检查文件命名); fprintf(共 %d 对图像\n, numel(leftFiles));这段代码做两件事把左右图按文件名排序保证第 i 个左图对应第 i 个右图用断言拦住数量不匹配的情况。排序很关键如果文件名是left_1、left_10、left_2这种默认排序会乱最好改成补零命名。3.2 检测棋盘格角点并筛选有效图像% 棋盘格内角点数量注意是内角点不是方格数 squareSize 25; % 方格实际尺寸单位毫米 boardSize [9, 6]; % 内角点行列数 % 为每对图像检测角点 imagePoints1 cell(1, numel(leftFiles)); imagePoints2 cell(1, numel(rightFiles)); validIdx true(1, numel(leftFiles)); for i 1:numel(leftFiles) I1 imread(fullfile(leftDir, leftFiles{i})); I2 imread(fullfile(rightDir, rightFiles{i})); [pts1, bs1] detectCheckerboardPoints(I1); [pts2, bs2] detectCheckerboardPoints(I2); % 检测失败或角点数不对标记为无效 if isempty(pts1) || isempty(pts2) || ... ~isequal(bs1, boardSize) || ~isequal(bs2, boardSize) validIdx(i) false; fprintf(第 %d 对图像角点检测失败\n, i); continue; end imagePoints1{i} pts1; imagePoints2{i} pts2; end % 剔除无效图像 imagePoints1 imagePoints1(validIdx); imagePoints2 imagePoints2(validIdx); fprintf(有效图像对%d\n, sum(validIdx));detectCheckerboardPoints返回的角点顺序是固定的从棋盘格左上角开始按行排列。boardSize填的是内角点数比如 10×7 的方格棋盘内角点是 9×6。填错这个参数检测会直接失败或者返回错误数量的点。筛选这一步不能省。哪怕只有一两对图检测失败混进去参与标定重投影误差会被拉高优化过程也可能被带偏。宁可少几对图也不要脏数据。3.3 估计双目参数并查看重投影误差% 生成世界坐标点 worldPoints generateCheckerboardPoints(boardSize, squareSize); % 估计双目参数 stereoParams estimateCameraParameters(imagePoints1, imagePoints2, ... WorldPoints, worldPoints, ... EstimateSkew, false, ... EstimateTangentialDistortion, true, ... NumRadialDistortionCoefficients, 2); % 查看整体重投影误差 fprintf(整体平均重投影误差%.4f 像素\n, ... stereoParams.MeanReprojectionError); % 可视化每对图像的误差 figure; showReprojectionErrors(stereoParams);EstimateSkew一般设 false现代相机传感器像素基本是方的估这个参数只会增加不确定性。EstimateTangentialDistortion设 true 对大多数镜头是安全的切向畸变通常很小但存在。MeanReprojectionError是判断标定质量的第一指标。经验上小于 0.5 像素算不错小于 0.3 像素算很好。但别只盯着这个平均值一定要用showReprojectionErrors看每对图的误差分布。如果某一对图误差特别大说明那对图的角点有问题应该剔除后重新标定。3.4 导出参数并在外部验证% 导出为结构体方便后续使用 save(stereoParams.mat, stereoParams); % 提取关键参数 R stereoParams.RotationOfCamera2; T stereoParams.TranslationOfCamera2; K1 stereoParams.CameraParameters1.IntrinsicMatrix; K2 stereoParams.CameraParameters2.IntrinsicMatrix; % 注意MATLAB 内参矩阵默认是转置形式 % 导出到其他框架时要转回来 disp(相机1内参); disp(K1); disp(相机2内参); disp(K2); disp(旋转矩阵); disp(R); disp(平移向量); disp(T);这里有个高频翻车点MATLAB 的IntrinsicMatrix是转置存储的也就是它把内参矩阵按行主序存成了转置形式。导出到 OpenCV 或其他框架时必须转置回来否则主点和焦距的位置全错。我见过不止一个人在这上面卡了半天。导出后别急着用先做一次极线校正验证。用rectifyStereoImages把一对图校正看棋盘格的水平线是否对齐。如果校正后左右图的对应点不在同一水平线上说明 R、T 或者内参有问题。4. 参数怎么调、结果怎么判几个关键决策点4.1 重投影误差多大才算合格重投影误差是把标定得到的三维点重新投影回图像和检测到的角点比较得到的像素距离。它衡量的是标定模型对当前这组图的拟合程度不是绝对精度。0.5 像素以内通常可用但要注意如果图像本身分辨率很低0.5 像素可能已经很大如果分辨率很高0.5 像素可能偏大。更靠谱的判据是看误差的分布是否均匀。好的标定误差应该在所有图像、所有区域都差不多。如果中心小、边缘大是畸变模型问题如果某几对图特别大是那几对图的角点问题。4.2 平移向量的模长和实际基线对不上怎么办TranslationOfCamera2的模长就是双目基线。如果你实际量出来的基线和标定结果差很多先检查squareSize单位是否和实际一致。这是最常见的原因。其次检查棋盘格是否平整打印在纸上贴到硬板上时如果没贴平世界坐标点就有误差会直接反映到平移向量上。如果单位没错、棋盘格也平但基线还是差可能是图像太少或者姿态太单一导致尺度估计不准。增加不同距离的图像对通常能改善。4.3 什么时候该重新标定而不是继续调参数如果重投影误差已经小于 0.3 像素但实际使用时深度还是不准问题大概率不在标定参数而在图像质量、同步触发或者匹配算法。这时候继续调标定参数是浪费时间。反过来如果误差大于 1 像素且剔除坏图后还是降不下来说明图像采集环节有系统性问题可能是相机没锁焦、拍摄时棋盘格动了、或者左右相机没有真正同步。这些都不是调参数能解决的必须重新采集。5. 双目标定避坑指南五条血泪经验5.1 现象角点检测总是失败提示找不到棋盘格原因通常有三个棋盘格内角点数量填错、图像对比度太低、棋盘格在图像里太小或太偏。MATLAB 的检测算法对棋盘格完整性和对比度有要求如果棋盘格被裁掉一部分或者光照不均导致黑白格边界模糊检测就会失败。解决方法是先单独用detectCheckerboardPoints测一张图把返回的角点画出来看。如果角点数不对检查boardSize如果完全检测不到调整拍摄距离让棋盘格占画面三分之一以上并保证光照均匀。实在不行可以试detectCheckerboardPoints的PartialDetections参数但部分检测的角点参与标定要谨慎。5.2 现象标定跑完重投影误差很小但校正后极线不水平这通常是 R、T 方向用反了。RotationOfCamera2描述的是相机 1 到相机 2 的变换校正时工具箱内部会处理方向但如果你自己写校正代码很容易把 R 当成相机 2 到相机 1 的旋转。解决方法是直接用工具箱的rectifyStereoImages做校正不要自己手写。如果必须自己写记住把相机 1 坐标系下的点变到相机 2用的是R * P1 T。校正后的极线应该水平对应点在同一行。5.3 现象边缘区域深度误差明显大于中心这是畸变模型欠拟合的典型表现。2 系数径向畸变模型在图像边缘的拟合能力有限尤其是广角镜头。重投影误差图上会看到四角误差明显高于中心。解决办法是把NumRadialDistortionCoefficients改成 3重新标定。但前提是图像边缘有足够的棋盘格角点。如果所有图里棋盘格都只在画面中心加系数也没用得重新拍图让棋盘格覆盖到边缘。5.4 现象不同次标定结果差异很大参数不稳定参数不稳定通常是因为图像数量太少、姿态太单一或者棋盘格有轻微移动。标定优化是一个非线性问题数据不够约束时解会在参数空间里飘。解决方法是增加图像对到 20 对以上覆盖不同距离和角度。同时检查拍摄时棋盘格是否固定牢靠左右相机是否同时触发。如果相机是滚动快门运动中的棋盘格会产生形变这种图必须剔除。5.5 现象导出到其他框架后结果全错最常见的原因是内参矩阵转置问题。MATLAB 的IntrinsicMatrix是转置存储的导出时必须转置。其次是畸变系数的顺序MATLAB 的径向和切向系数排列顺序可能和其他框架不同要逐一核对。解决方法是导出后先在一个简单场景验证用已知距离的物体做三角测量看算出来的深度和实际是否一致。不要直接上复杂场景那样出了问题很难定位是标定错还是匹配错。6. 把标定参数用起来从极线校正到深度验证的闭环标定不是终点参数能不能用才是。我一般会在标定完成后做一次完整的闭环验证先校正一对图再手动选几个对应点算三角测量深度和实际距离对比。这一步能同时验证内参、外参和畸变模型。% 读取一对测试图像 I1 imread(fullfile(leftDir, leftFiles{1})); I2 imread(fullfile(rightDir, rightFiles{1})); % 极线校正 [J1, J2] rectifyStereoImages(I1, I2, stereoParams); % 显示校正结果检查极线是否水平 figure; imshowpair(J1, J2, montage); title(校正后左右图对应点应在同一水平线); % 手动选取对应点做三角测量验证 % 这里用棋盘格角点作为已知点 [pts1, ~] detectCheckerboardPoints(J1); [pts2, ~] detectCheckerboardPoints(J2); % 三角测量 worldPoints3D triangulate(pts1, pts2, stereoParams); % 计算相邻角点间距应接近 squareSize dists vecnorm(diff(worldPoints3D), 2, 2); fprintf(相邻角点平均间距%.2f mm设定值%d mm\n, ... mean(dists), squareSize);这段代码做了三件事校正、三角测量、用已知的棋盘格间距验证尺度。如果算出来的平均间距和squareSize差很多说明标定参数有问题尤其是平移向量的尺度。这个方法比看重投影误差更直接因为它验证的是三维空间的实际尺度。校正后的图如果极线不水平对应点不在同一行说明 R、T 或者内参有问题。这时候不要继续往下做回去检查标定流程。还有一个进阶技巧用stereoParams的CameraParameters1和CameraParameters2分别做单目校正再对比双目校正的结果。如果单目校正后畸变已经消除但双目校正后极线还是不对问题就在外参。这种分步排查能快速定位问题出在内参还是外参。我自己的习惯是每次标定完都把参数存成带日期和镜头信息的文件名比如stereoParams_20240115_8mm.mat。换镜头、动相机、甚至温度变化大导致镜头轻微形变都要重新标定。标定参数不是一次性的它是和具体硬件状态绑定的。把这些流程固定下来后面做双目项目会省很多后悔药。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源面向计算机视觉入门者与需要完成课程实验的学生围绕MATLAB工具箱展开双目标定的完整实践帮助解决相机内外参数求解、几何失真校正与三维重建前的标定问题。压缩包共182个文件约15.71MB以128张jpg标定板采集图、23个mat数据文件、14个m脚本为主另含docx实验说明、png结果图、pptx汇报材料及md项目说明覆盖从图像采集到参数估计的全流程素材。已有112人学习下载。资源内含初步完成的双目标定代码与阶段性结果涉及标定板角点检测、单目标定、双目标定及重投影误差展示配套必读文档梳理实验步骤与理论背景便于读者对照复现流程、理解vision.calibrator与estimateCameraParameters的调用方式并在此基础上调试与扩展自己的标定方案。1. 双目标定这件事为什么你跑完工具箱还是测不准很多人第一次做双目视觉都是从一个压缩包开始的里面躺着几组左右相机拍的棋盘格图外加一份“基于 MATLAB 工具箱完成双目标定实验”的说明。跑完stereoCameraCalibrator界面上跳出一串参数重投影误差看着也不大于是觉得标定这关过了。结果真拿去做深度、做三维重建视差图一塌糊涂近处还行远处直接飘到天上。问题往往不在算法而在标定这一步的输入质量、参数取舍和验证方式。双目标定要解决的核心就一件事把左右两个相机各自的内部参数焦距、主点、畸变和它们之间的相对位姿旋转 R、平移 T算准让同一个物点在两幅图里能对应到同一条极线上。MATLAB 的 Computer Vision Toolbox 把这套流程封装得很完整但封装越深黑匣子越多参数设错、图片选错、畸变模型选错它照样给你一组“看起来能用”的结果。这篇面向的是手上已经有双目图像、想用 MATLAB 工具箱把标定跑通并真正用起来的人。新手可以照着步骤复现熟手可以重点看参数边界和避坑那几节。整套流程不需要额外硬件一台装了 MATLAB 和 Computer Vision Toolbox 的机器就够。2. 标定前必须想清楚的几件事从坐标系到畸变模型2.1 双目视觉里的四个坐标系别在转换时搞混双目标定的所有输出本质是在描述四个坐标系之间的变换关系世界坐标系、左相机坐标系、右相机坐标系、图像像素坐标系。棋盘格所在的平面通常被当作世界坐标系的 Z0 平面标定就是反推相机怎么把这个平面投影成像素。MATLAB 输出的stereoParams里RotationOfCamera2和TranslationOfCamera2描述的是从相机 1 到相机 2 的变换。这里有个容易翻车的点这个变换的方向是“把相机 1 坐标系下的点变到相机 2 坐标系”不是反过来。很多人在做三角测量时把 R、T 用反结果深度符号都是错的近处物体算到相机后面去。平移向量的单位取决于你给的棋盘格方格尺寸。如果你输入的是毫米T 就是毫米输入米T 就是米。这个单位会一路传到三维重建结果里忘了统一后面尺度全乱。2.2 为什么选 MATLAB 工具箱而不是自己写标定自己写张正友标定不是不行但你要处理角点检测、畸变初值、非线性优化、参数约束任何一环写错都很难定位。MATLAB 工具箱的价值在于角点检测用的是成熟的亚像素算法优化用的是有界非线性最小二乘还自带重投影误差可视化和参数不确定性估计。常见做法是先用工具箱拿到可靠初值和最终参数再决定要不要把参数导出到别的语言里做实时计算。工具箱本身不限制你后续用什么框架它只负责把参数算准。2.3 畸变模型怎么选2 系数还是 3 系数MATLAB 的estimateCameraParameters默认用 2 个径向畸变系数加 2 个切向畸变系数。对大多数普通镜头这个模型够用。但如果你用的是广角或者鱼眼边缘畸变很大2 系数压不住重投影误差会在图像边缘明显变大。判断方法很简单看stereoParams.ReprojectionErrors的分布。如果误差集中在图像四角而中心很小说明畸变模型欠拟合。这时候可以在估计参数时把NumRadialDistortionCoefficients设成 3让工具箱多估一个径向系数。代价是参数更多对图像数量和角点分布要求更高图太少反而会过拟合。提示不是系数越多越好。3 系数模型需要棋盘格覆盖到图像边缘足够多的区域否则多出来的系数没有数据支撑标定结果在边缘反而更不稳定。2.4 图像采集的硬性要求拍之前就得定好标定精度一半靠算法一半靠图。拍棋盘格时左右相机必须同时触发棋盘格要在两幅图里都完整可见且尽量覆盖画面不同区域中心、四角、远近、不同倾斜角。一般建议 15 到 30 对图少于 10 对基本不用谈精度。棋盘格不能只在一个距离拍。只在远处拍焦距和主点估计会耦合只在近处拍畸变系数估不准。我的习惯是分三档距离每档拍 6 到 8 个不同姿态倾斜角控制在 30 度以内太大角度角点检测容易失败。3. 用 MATLAB 工具箱跑通双目标定的完整命令流程3.1 准备图像并检查文件命名工具箱对文件名没有强制要求但左右图必须能一一对应。我一般用left_01.png、right_01.png这种成对命名放在两个文件夹里。先确认图像没有被压缩过JPEG 的高压缩会在棋盘格边缘产生伪影影响角点检测。% 指定左右图像文件夹 leftDir fullfile(pwd, images, left); rightDir fullfile(pwd, images, right); % 读取文件列表按名称排序保证左右对应 leftFiles dir(fullfile(leftDir, *.png)); rightFiles dir(fullfile(rightDir, *.png)); leftFiles sort({leftFiles.name}); rightFiles sort({rightFiles.name}); % 检查数量是否一致 assert(numel(leftFiles) numel(rightFiles), ... 左右图像数量不一致检查文件命名); fprintf(共 %d 对图像\n, numel(leftFiles));这段代码做两件事把左右图按文件名排序保证第 i 个左图对应第 i 个右图用断言拦住数量不匹配的情况。排序很关键如果文件名是left_1、left_10、left_2这种默认排序会乱最好改成补零命名。3.2 检测棋盘格角点并筛选有效图像% 棋盘格内角点数量注意是内角点不是方格数 squareSize 25; % 方格实际尺寸单位毫米 boardSize [9, 6]; % 内角点行列数 % 为每对图像检测角点 imagePoints1 cell(1, numel(leftFiles)); imagePoints2 cell(1, numel(rightFiles)); validIdx true(1, numel(leftFiles)); for i 1:numel(leftFiles) I1 imread(fullfile(leftDir, leftFiles{i})); I2 imread(fullfile(rightDir, rightFiles{i})); [pts1, bs1] detectCheckerboardPoints(I1); [pts2, bs2] detectCheckerboardPoints(I2); % 检测失败或角点数不对标记为无效 if isempty(pts1) || isempty(pts2) || ... ~isequal(bs1, boardSize) || ~isequal(bs2, boardSize) validIdx(i) false; fprintf(第 %d 对图像角点检测失败\n, i); continue; end imagePoints1{i} pts1; imagePoints2{i} pts2; end % 剔除无效图像 imagePoints1 imagePoints1(validIdx); imagePoints2 imagePoints2(validIdx); fprintf(有效图像对%d\n, sum(validIdx));detectCheckerboardPoints返回的角点顺序是固定的从棋盘格左上角开始按行排列。boardSize填的是内角点数比如 10×7 的方格棋盘内角点是 9×6。填错这个参数检测会直接失败或者返回错误数量的点。筛选这一步不能省。哪怕只有一两对图检测失败混进去参与标定重投影误差会被拉高优化过程也可能被带偏。宁可少几对图也不要脏数据。3.3 估计双目参数并查看重投影误差% 生成世界坐标点 worldPoints generateCheckerboardPoints(boardSize, squareSize); % 估计双目参数 stereoParams estimateCameraParameters(imagePoints1, imagePoints2, ... WorldPoints, worldPoints, ... EstimateSkew, false, ... EstimateTangentialDistortion, true, ... NumRadialDistortionCoefficients, 2); % 查看整体重投影误差 fprintf(整体平均重投影误差%.4f 像素\n, ... stereoParams.MeanReprojectionError); % 可视化每对图像的误差 figure; showReprojectionErrors(stereoParams);EstimateSkew一般设 false现代相机传感器像素基本是方的估这个参数只会增加不确定性。EstimateTangentialDistortion设 true 对大多数镜头是安全的切向畸变通常很小但存在。MeanReprojectionError是判断标定质量的第一指标。经验上小于 0.5 像素算不错小于 0.3 像素算很好。但别只盯着这个平均值一定要用showReprojectionErrors看每对图的误差分布。如果某一对图误差特别大说明那对图的角点有问题应该剔除后重新标定。3.4 导出参数并在外部验证% 导出为结构体方便后续使用 save(stereoParams.mat, stereoParams); % 提取关键参数 R stereoParams.RotationOfCamera2; T stereoParams.TranslationOfCamera2; K1 stereoParams.CameraParameters1.IntrinsicMatrix; K2 stereoParams.CameraParameters2.IntrinsicMatrix; % 注意MATLAB 内参矩阵默认是转置形式 % 导出到其他框架时要转回来 disp(相机1内参); disp(K1); disp(相机2内参); disp(K2); disp(旋转矩阵); disp(R); disp(平移向量); disp(T);这里有个高频翻车点MATLAB 的IntrinsicMatrix是转置存储的也就是它把内参矩阵按行主序存成了转置形式。导出到 OpenCV 或其他框架时必须转置回来否则主点和焦距的位置全错。我见过不止一个人在这上面卡了半天。导出后别急着用先做一次极线校正验证。用rectifyStereoImages把一对图校正看棋盘格的水平线是否对齐。如果校正后左右图的对应点不在同一水平线上说明 R、T 或者内参有问题。4. 参数怎么调、结果怎么判几个关键决策点4.1 重投影误差多大才算合格重投影误差是把标定得到的三维点重新投影回图像和检测到的角点比较得到的像素距离。它衡量的是标定模型对当前这组图的拟合程度不是绝对精度。0.5 像素以内通常可用但要注意如果图像本身分辨率很低0.5 像素可能已经很大如果分辨率很高0.5 像素可能偏大。更靠谱的判据是看误差的分布是否均匀。好的标定误差应该在所有图像、所有区域都差不多。如果中心小、边缘大是畸变模型问题如果某几对图特别大是那几对图的角点问题。4.2 平移向量的模长和实际基线对不上怎么办TranslationOfCamera2的模长就是双目基线。如果你实际量出来的基线和标定结果差很多先检查squareSize单位是否和实际一致。这是最常见的原因。其次检查棋盘格是否平整打印在纸上贴到硬板上时如果没贴平世界坐标点就有误差会直接反映到平移向量上。如果单位没错、棋盘格也平但基线还是差可能是图像太少或者姿态太单一导致尺度估计不准。增加不同距离的图像对通常能改善。4.3 什么时候该重新标定而不是继续调参数如果重投影误差已经小于 0.3 像素但实际使用时深度还是不准问题大概率不在标定参数而在图像质量、同步触发或者匹配算法。这时候继续调标定参数是浪费时间。反过来如果误差大于 1 像素且剔除坏图后还是降不下来说明图像采集环节有系统性问题可能是相机没锁焦、拍摄时棋盘格动了、或者左右相机没有真正同步。这些都不是调参数能解决的必须重新采集。5. 双目标定避坑指南五条血泪经验5.1 现象角点检测总是失败提示找不到棋盘格原因通常有三个棋盘格内角点数量填错、图像对比度太低、棋盘格在图像里太小或太偏。MATLAB 的检测算法对棋盘格完整性和对比度有要求如果棋盘格被裁掉一部分或者光照不均导致黑白格边界模糊检测就会失败。解决方法是先单独用detectCheckerboardPoints测一张图把返回的角点画出来看。如果角点数不对检查boardSize如果完全检测不到调整拍摄距离让棋盘格占画面三分之一以上并保证光照均匀。实在不行可以试detectCheckerboardPoints的PartialDetections参数但部分检测的角点参与标定要谨慎。5.2 现象标定跑完重投影误差很小但校正后极线不水平这通常是 R、T 方向用反了。RotationOfCamera2描述的是相机 1 到相机 2 的变换校正时工具箱内部会处理方向但如果你自己写校正代码很容易把 R 当成相机 2 到相机 1 的旋转。解决方法是直接用工具箱的rectifyStereoImages做校正不要自己手写。如果必须自己写记住把相机 1 坐标系下的点变到相机 2用的是R * P1 T。校正后的极线应该水平对应点在同一行。5.3 现象边缘区域深度误差明显大于中心这是畸变模型欠拟合的典型表现。2 系数径向畸变模型在图像边缘的拟合能力有限尤其是广角镜头。重投影误差图上会看到四角误差明显高于中心。解决办法是把NumRadialDistortionCoefficients改成 3重新标定。但前提是图像边缘有足够的棋盘格角点。如果所有图里棋盘格都只在画面中心加系数也没用得重新拍图让棋盘格覆盖到边缘。5.4 现象不同次标定结果差异很大参数不稳定参数不稳定通常是因为图像数量太少、姿态太单一或者棋盘格有轻微移动。标定优化是一个非线性问题数据不够约束时解会在参数空间里飘。解决方法是增加图像对到 20 对以上覆盖不同距离和角度。同时检查拍摄时棋盘格是否固定牢靠左右相机是否同时触发。如果相机是滚动快门运动中的棋盘格会产生形变这种图必须剔除。5.5 现象导出到其他框架后结果全错最常见的原因是内参矩阵转置问题。MATLAB 的IntrinsicMatrix是转置存储的导出时必须转置。其次是畸变系数的顺序MATLAB 的径向和切向系数排列顺序可能和其他框架不同要逐一核对。解决方法是导出后先在一个简单场景验证用已知距离的物体做三角测量看算出来的深度和实际是否一致。不要直接上复杂场景那样出了问题很难定位是标定错还是匹配错。6. 把标定参数用起来从极线校正到深度验证的闭环标定不是终点参数能不能用才是。我一般会在标定完成后做一次完整的闭环验证先校正一对图再手动选几个对应点算三角测量深度和实际距离对比。这一步能同时验证内参、外参和畸变模型。% 读取一对测试图像 I1 imread(fullfile(leftDir, leftFiles{1})); I2 imread(fullfile(rightDir, rightFiles{1})); % 极线校正 [J1, J2] rectifyStereoImages(I1, I2, stereoParams); % 显示校正结果检查极线是否水平 figure; imshowpair(J1, J2, montage); title(校正后左右图对应点应在同一水平线); % 手动选取对应点做三角测量验证 % 这里用棋盘格角点作为已知点 [pts1, ~] detectCheckerboardPoints(J1); [pts2, ~] detectCheckerboardPoints(J2); % 三角测量 worldPoints3D triangulate(pts1, pts2, stereoParams); % 计算相邻角点间距应接近 squareSize dists vecnorm(diff(worldPoints3D), 2, 2); fprintf(相邻角点平均间距%.2f mm设定值%d mm\n, ... mean(dists), squareSize);这段代码做了三件事校正、三角测量、用已知的棋盘格间距验证尺度。如果算出来的平均间距和squareSize差很多说明标定参数有问题尤其是平移向量的尺度。这个方法比看重投影误差更直接因为它验证的是三维空间的实际尺度。校正后的图如果极线不水平对应点不在同一行说明 R、T 或者内参有问题。这时候不要继续往下做回去检查标定流程。还有一个进阶技巧用stereoParams的CameraParameters1和CameraParameters2分别做单目校正再对比双目校正的结果。如果单目校正后畸变已经消除但双目校正后极线还是不对问题就在外参。这种分步排查能快速定位问题出在内参还是外参。我自己的习惯是每次标定完都把参数存成带日期和镜头信息的文件名比如stereoParams_20240115_8mm.mat。换镜头、动相机、甚至温度变化大导致镜头轻微形变都要重新标定。标定参数不是一次性的它是和具体硬件状态绑定的。把这些流程固定下来后面做双目项目会省很多后悔药。希望帮到你。本文还有配套的精品资源点击获取
