cv2.calibrateCamera 成功后如何获得好的 cv2.stereoCalibrate答案

【问题标题】：How to get a good cv2.stereoCalibrate after successful cv2.calibrateCameracv2.calibrateCamera 成功后如何获得好的 cv2.stereoCalibrate
【发布时间】：2018-05-31 18:39:24
【问题描述】：

大家好，我一直在使用 Python 和 OpenCV 深入研究计算机视觉，并尝试校准我购买的两台相机以进行一些 3D 立体重建，但我遇到了一些问题。

我主要关注tutorial，以便分别校准相机（我将其应用于它们），然后我打算使用 cv2.stereoCalibrate 进行相对校准。

通过单相机校准，一切似乎都正常工作，我得到一个非常低的重新投影错误，据我所知，矩阵看起来还不错。这里我留下单机标定的结果。

cameraMatrix1 和 distCoeffs1：

[[ 951.3607329     0.          298.74117671]
 [   0.          954.23088299  219.20548594]
 [   0.            0.            1.        ]]

[[ -1.07320015e-01  -5.56147908e-01  -1.13339913e-03   1.85969704e-03
    2.24131322e+00]]

cameraMatrix2 和 distCoeffs2：

[[ 963.41078117    0.          362.85971342]
 [   0.          965.66793023  175.63216871]
 [   0.            0.            1.        ]]

[[ -3.31491728e-01   2.26020466e+00   3.86190151e-03  -2.32988011e-03
   -9.82275646e+00]]

因此，在完成这些之后，我执行了以下操作（我修复了内在函数，因为我已经从之前的校准中知道了它们）：

stereocalibration_criteria = (cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS, 100, 1e-5)
stereocalibration_flags = cv2.CALIB_FIX_INTRINSIC
stereocalibration_retval, cameraMatrix1, distCoeffs1, cameraMatrix2, distCoeffs2, R, T, E, F = cv2.stereoCalibrate(objpoints,imgpoints_left,imgpoints_right,cameraMatrix1,distCoeffs1,cameraMatrix2,distCoeffs2,gray_left.shape[::-1],criteria = stereocalibration_criteria, flags = stereocalibration_flags)

我已经尝试过几次更改 stereoCalibrate 的标志并切换矩阵以查看我的顺序是否错误，这很重要，但我仍然被此阻止并获得大约 30 的 retval（以及之后我试图纠正图像，结果当然是一场灾难）。

我也尝试过使用来自互联网的一些校准图像，我确实得到了相同的结果，所以我认为问题不在于我拍摄的图像。如果有人能指出我正确的方向或知道可能是什么，那将非常受欢迎。

【问题讨论】：

标签： python opencv computer-vision camera-calibration

【解决方案1】：

原来我使用的图像顺序对于左右相机不一样......我正在使用

images_left = glob.glob('Calibration/images/set1/left*' + images_format)
images_right = glob.glob('Calibration/images/set1/right*' + images_format)

当我应该使用类似的东西时：

images_left = sorted(glob.glob('Calibration/images/set1/left*' + images_format))
images_right = sorted(glob.glob('Calibration/images/set1/right*' + images_format))

这是因为 glob 以明显随机的顺序获取图像，所以我试图匹配错误的图像。现在我终于得到了 0.4 的 retval，还不错。

【讨论】：