OpenCV立体内窥镜校准：低重投影误差下角度参数偏差问题问询

核心原因是径向畸变参数与外参（旋转角）的耦合性，以及重投影误差本身的局限性，具体拆解如下：

1. 径向畸变与外参的耦合抵消 #

内窥镜镜头通常存在明显的径向畸变（桶形或枕形），这种畸变会使图像中所有点产生径向偏移；而相机间的y轴内收角（旋转）会使左右视图的点产生视差偏移。这两种偏移在像素空间的表现具有高度相似性——优化器在同时优化内参（畸变）和外参时，会优先调整畸变参数来拟合点的偏移，从而“抵消”真实的内收角带来的视差变化。

对于你的场景，真实的3.9°内收角带来的视差，被径向畸变参数的估计值“吸收”了，最终得到的旋转角被低估（<1°），但畸变参数可能偏离真实值，两者组合后仍能让重投影误差维持在亚像素级。

2. 重投影误差的本质：拟合质量≠物理正确性 #

重投影误差仅衡量“参数组合下的投影点与实际检测点的像素距离”，它只反映拟合的精度，不保证单个参数符合物理真实。只要畸变和外参的错误组合能让投影点匹配检测点，误差就会很低——这是一种局部最优解，而非符合真实设备参数的全局最优解。

3. 禁用径向畸变后得到正确角度的原因 #

当你固定径向畸变参数为0时，优化器无法再用畸变来补偿旋转的影响，只能通过调整外参（旋转角）来匹配真实的视差，因此得到了符合预期的3.9°内收角。此时2px的重投影误差反而更接近真实水平——之前的亚像素误差是畸变与外参错误耦合带来的“虚假拟合”结果。

解决建议 #

• 先独立标定单目内参：用每个相机的图像单独标定内参（包括径向畸变），确认畸变参数符合内窥镜镜头的特性（比如桶形畸变对应k1为负），再将这些内参固定，使用cv2.CALIB_USE_INTRINSIC_GUESS + cv2.CALIB_FIX_INTRINSIC参数进行立体标定，避免内参和外参同时优化的耦合问题。
• 补充差异化标定图像：增加包含极端距离（如<30mm）或大角度旋转的棋盘格图像，这类场景下畸变和旋转带来的点偏移模式差异更明显，帮助优化器区分二者的影响，收敛到更符合物理真实的参数组合。
• 验证参数合理性：除了重投影误差，还可以用标定后的参数对真实场景的点进行三维重建，检查重建的尺度和空间关系是否符合预期，以此验证参数的物理正确性。

内容的提问来源于stack exchange，提问作者hey0