Matlab相机标定工具箱与OpenCV标定结果差异及优劣判定咨询

标定参数差异原因 #

你观察到的畸变系数差异核心来源于两个工具的默认畸变模型配置不同：

• Caltech的Matlab标定工具箱默认关闭高阶径向畸变系数k3的估计，你给出的结果中kc第五项固定为0也能验证这一点
• OpenCV的标定函数默认开启k1/k2/p1/p2/k3全部5个畸变系数的估计
  对于低畸变相机，畸变参数的可辨识性本身就比较差，不同的参数约束条件下优化器很容易收敛到不同局部最优解，最终表现就是参数差异大但重投影误差、中心区域校正效果都接近。

判定标定结果优劣的方法 #

第一步：先对齐工具配置排除干扰 #

先调整OpenCV标定参数，固定k3=0后重新运行标定流程，观察畸变系数差异是否大幅缩小，排除配置差异带来的不公平对比。

第二步：用业务相关的指标验证 #

• 边缘直线校验：找图像边缘位置的已知直线参照物（比如标定板边缘、墙面墙角、门框），对比两组参数校正后的直线度，误差越小效果越好
• 三维测量精度校验：放置已知真实尺寸的标定板到不同距离、不同倾斜角度的位置，用两组参数分别估计标定板位姿，计算测量得到的标定板边长、标记点间距和真实值的偏差，偏差小的精度更高
• 交叉验证：将所有标定图像随机拆分为训练集（80%）和测试集（20%），用训练集标定参数后计算测试集的重投影误差，误差更小的参数泛化性更好

两组结果是否均可接受 #

取决于你的实际使用场景：

• 如果你的应用只用到图像中心80%以内的区域，且对测量精度要求不高，两组校正效果都符合预期的前提下可以按需选用
• 如果你的应用需要用到图像边缘区域，或者对三维重建、位姿估计的精度要求较高，不能直接接受差异较大的结果，需要通过上述验证方法选出更适配你场景的参数。

内容的提问来源于stack exchange，提问作者Otter_warrior