相机标定中基于OpenCV的重投影误差计算疑问

问题场景 #

做相机标定验证精度时，发现重投影点和标定板初始检测点视觉上有1-2像素差异，但按OpenCV文档写的代码算出的重投影误差只有0.1676704。怀疑代码里的重复除法导致结果偏差，想问这段代码的计算逻辑是否正确。

待检查代码 #

for i in range(len(threedpoints)):
    imgpoints2, _ = cv2.projectPoints(threedpoints[i], r_vecs[i], t_vecs[i], mtx, dist)
    error = cv2.norm(twodpoints[i], imgpoints2, cv2.NORM_L2)/len(imgpoints2)
    mean_error += error
print( "total error: {}".format(mean_error/len(threedpoints)) )

代码正确性判断 #

这段代码完全正确，和OpenCV官方标定教程的计算逻辑一致，不存在重复除法问题。具体计算步骤：

• 对每张标定图，用已求得的相机内外参，通过cv2.projectPoints把3D标定点重投影到图像平面，得到重投影点集imgpoints2；
• cv2.norm(..., cv2.NORM_L2)计算的是：所有对应点对的(x坐标差平方 + y坐标差平方)之和的平方根，也就是所有点误差的L2范数；
• 把单张图的L2范数除以该图的标定点数，得到单张图的“平均点误差L2范数”；
• 累加所有图的该值后，再除以标定图总数，得到全局的平均重投影误差。

视觉差异与计算结果不符的原因 #

你看到的1-2像素是个别点的最大误差，而代码算的是所有点的全局平均误差：

• 标定过程中，大部分点的重投影误差其实很小（通常0.1~0.3像素）；
• 只有少数点会因为标定板边缘畸变、检测噪声等出现1-2像素的误差；
• 大量低误差点会把全局平均值拉低，最终结果自然远小于你看到的单点最大误差。

OpenCV官方教程对应说明（中文翻译） #

OpenCV官方相机标定教程中，重投影误差的计算逻辑和你实现的代码完全一致。该指标的设计思路是通过平均所有标定图的“单图误差L2范数/点数”来评估整体标定精度，数值越小说明相机参数拟合效果越好，理想情况下该值应低于1像素。

内容的提问来源于stack exchange，提问作者AAslihak