作为常年在计算机视觉项目里折腾的老玩家，我来逐个解答这些问题，都是实际落地中经常碰到的痛点：

1. 鱼眼镜头图像畸变的主要来源是什么？ #

鱼眼镜头的核心目标是实现180°甚至220°的超宽视野，这种特性直接导致了它的畸变和普通镜头有本质区别：

• 最核心的来源是超广角光学设计本身：为了让大角度入射的光线都能聚焦到传感器上，鱼眼镜头采用了极端的球面或非球面光学结构，光线在镜头边缘的折射角度远大于中心区域，最终形成严重的桶形畸变（Barrel Distortion）——画面中心的物体基本正常，越靠近边缘的物体被向内压缩、扭曲得越厉害。
• 次要来源是制造过程的微小误差：比如镜头组件的组装偏差、传感器与镜头的安装位置偏移，会带来轻微的切向畸变，但这和光学设计带来的径向桶形畸变比起来，影响要小得多。

2. 鱼眼镜头做目标识别，必须先标定校正畸变吗？相关衍生问题解答 #

这个不能一概而论，得结合你的应用场景和模型情况来看：

• 是否需要标定校正？
  • 如果你的目标识别模型是专门用鱼眼畸变图像训练的（比如用鱼眼数据集微调过的YOLO、Faster R-CNN），那可以跳过校正，模型已经适应了畸变的目标形态。
  • 但如果用的是基于普通透视图像训练的通用模型，不校正的话，边缘区域的目标会严重扭曲，模型很难准确识别，这时候就需要先标定校正。另外，如果后续要做3D重建、目标距离计算这类需要精确透视关系的任务，标定是必须的。
• 校正后的图像能覆盖和畸变图像一样多的目标吗？
  不能。鱼眼校正本质是把超广角的鱼眼投影转换回普通透视投影，这个过程中边缘的超视野区域会被裁剪掉（因为透视投影无法容纳这么宽的视角），所以校正后的图像视野会缩小，原来边缘的目标很可能被裁掉，数量自然会减少。
• 那用广角镜头的意义何在？
  鱼眼的优势在于一次性捕捉超大范围场景，比如监控场景里，一个鱼眼镜头就能覆盖整个房间，不用转动相机也不用多个镜头拼接。即使校正后会裁剪，你可以通过两种方式兼顾：一是在畸变图像上直接做目标检测（前提是模型适配）；二是把鱼眼图像分成多个局部区域分别校正，再拼接成全景图，这样既能保留广视野，又能获得透视正常的图像。另外，有些场景不需要严格的透视校正，比如全景监控，只要能识别出目标就行，畸变不影响核心需求。
• 用无需标定的平透镜更优？
  没有绝对的优劣，看需求：
  • 平透镜（普通透视镜头）畸变小，标定简单甚至不用标定，但视野窄，要覆盖同样大的场景，要么用多个相机，要么需要云台转动相机，成本和复杂度都更高。
  • 鱼眼镜头适合需要静态广视野、一次性捕捉大范围场景的情况（比如室内监控、机器人全局感知），平透镜适合对透视精度要求高、小范围高精度识别的场景（比如工业检测、特写识别）。

3. 同规格相机的内参、外参可以通用吗？ #

这个要分开说内参和外参：

• 内参（intrinsic param，包括焦距、主点、畸变系数）：
  同型号同批次的相机，理论上内参应该很接近，但不建议直接通用。因为即使是同一批次，制造过程中也会有微小误差（比如镜头组装的细微偏差、传感器位置的偏移），这些误差会导致内参和畸变参数有细微差别。如果你的应用对精度要求不高（比如简单的目标识别），可以尝试复用，但如果是高精度应用（比如SLAM、3D重建、精确目标定位），必须每台相机单独标定。
• 外参（extrinsic param，相机相对于世界坐标系的位姿）：
  外参完全取决于相机的安装位置和姿态，哪怕是同一规格的相机，只要安装位置不一样，外参就完全不同。所以外参必须针对每台相机的实际安装情况单独计算，绝对不能通用。

内容的提问来源于stack exchange，提问作者DeeeepNet