谈到相机标定，我们首先便会从世界坐标系，相机坐标系，图像坐标系和像素坐标系谈起。然而，这其实会让很多人有一种困惑：为什么要进行相机标定？

因为 相机的中存在畸变，主要为 径向畸变 和 切向畸变 ；针对双目相机，还要通过标定获取两个相机之间的参数（旋转和平移）。首先，我们这里顺水推舟，主要介绍一下相机的畸变究竟为什么无法从硬件层面消除，而一定要通过标定算法。

相机的主要部件包括 镜头（Lens）和感光传感器(CMOS/CCD) 。 相机的成像主要是基于理想的小孔成像模型，但是针孔模型难以收集足够的光线，保证图像的清晰性。为了保证相机的收集光线的能力，透镜应运而生，带着各类畸变而生。很显然，畸变是相机的与生俱来的东西。

其中， 径向畸变主要是由于镜头的球形形状造成，图像像素点以畸变中心为中心点 ， 沿着径向产生的位置偏差，从而导致图像中所成的像发生形变。切向畸变主要是由于相机的装配造成 。理想的相机装配结果是sensor的法线和Lens的主光轴完全重合，Lens的光轴恰好垂直于CMOS的圆心处，但是事与愿违，即使最精密的加工精度和装配精度也无法保证此类状态。这也就意味着拍摄得到的图像中心不是光轴的中心，光心和图像中心之间存在xshift,yshift,最终导致，实际物体在图像的形状发生歪曲。另外，双目相机的要求的两个相机的光轴完全是平行，相机的各参数越一致越好，从而保证左右拍摄图像的一致性，同样，现在的相机装配精度难以在低成本的条件下达到很高的精度，左右相机的光轴的位移和各个方向的转角误差，直接影响左右图像校正以后的有效画面篇幅的大小。现阶段国内的部分镜头厂商通过AA设备能过达到左右相机的光轴在10pixel左右的装配精度，和日韩企业还差一个档次。

径向畸变和切向畸变图（matlab 老版本工具箱绘制）

在此，我们不得不郑重提醒很多双目视觉研究者，应该更加关注那些成本低，测距精度高，适应性强的“双目产品”。 双目视觉理论 发展已经数十年，应用领域仍然局限于很多固定场景，最近几年也开始应用在无人机和自动驾驶领域，但是依然面临着测距精度和相机结构相矛盾的现状。测距精度越高，左右双目相机的位置的越要求绝对不变，但是，由于外力或环境温度变化往往会导致相机结果发生微小变化（微米级别），最终导致测距精度急剧下降，或是随着时间的累积，精度变差。当然，现阶段的自标定算法的鲁棒性有待进一步提高。

现阶段影响标定的精度的主要因素：

拍摄光线不佳，图像噪点较多，影响角点检测的准确性。

opencv和matlab提供的角点检测函数检测出的角点坐标，存在差异。下图为拍摄同一标定板获取的平行等位误差和视差，左图为matlab，右图为opencv。做了大量实验发现，opencv提供的角点检测函数得到数据的方差比matlab的结果均要偏大。

一般而言，如果自己的项目对测距精度要求不是很好，自己随便打印一张黑白棋盘格的标定板即可。但是对于车载双目ADAS必须要求整个系统的高可靠性能。因此，需要特别定制高精度的标定板。下图为使用两张价格相差接近10倍的标定板求出的板上角点处的视差。