OpenCV鱼眼镜头标定报错（Ill-conditioned matrix）求助

我之前在做鱼眼镜头标定时也碰到过一模一样的Ill-conditioned matrix错误，折腾了好一阵才摸清楚几个有效的解决方向，分享给你：

常见原因及对应解决办法 #

1. 棋盘格图像的数量/多样性不足 #

鱼眼镜头的畸变范围远大于普通镜头，标定算法需要足够多的不同姿态样本才能算出稳定的参数。如果你的图像大多是正面、近距离拍摄，或者数量少于10张，算法很容易因为数据约束不够出现病态矩阵。

• 解决：多拍摄10-15张甚至更多图像，尽量让棋盘格出现在画面的各个区域（边缘、角落、中心），同时变换拍摄角度（倾斜、旋转）和距离（远近交替），覆盖镜头的整个视野。

2. 角点检测结果存在误差 #

如果很多图像的棋盘格角点检测不准确（漏检、误检、定位偏移），输入的标定数据会充满噪声，直接导致矩阵求解时出现病态。

• 解决：
  • 逐一检查每张图像的角点检测结果，把检测失败或误差大的图像直接剔除；
  • 若自动检测效果差，可以手动辅助修正角点坐标；
  • 确保棋盘格打印清晰、没有变形，拍摄环境光线均匀，避免反光、模糊或阴影遮挡棋盘格。

3. 标定函数的参数设置不合理 #

OpenCV的cv::fisheye::calibrate函数的参数设置会直接影响矩阵求解的稳定性：

• 如果错误添加了过多的约束flags（比如强行固定某些内参），会让求解过程过度受限；
• 初始内参的设置偏差太大，也可能让算法陷入病态解的区间。
• 解决：
  • 先尝试使用经典的flag组合：cv::fisheye::CALIB_RECOMPUTE_EXTRINSIC + cv::fisheye::CALIB_CHECK_COND + cv::fisheye::CALIB_FIX_SKEW，不要随意添加额外约束；
  • 如果你有相机焦距的近似值，可以手动设置初始内参矩阵，再让算法进行优化，减少求解的难度。

4. 棋盘格的尺寸参数错误 #

如果代码中设置的棋盘格单格边长（三维点坐标objp的单位）和实际尺寸不匹配，会导致三维点与二维点的比例严重失调，引发矩阵病态。

• 解决：仔细核对棋盘格的实际物理尺寸（比如是3cm还是30mm），确保代码中objp数组的数值和实际单位完全一致。

5. 图像分辨率不合适 #

过高的分辨率会增加角点检测的计算噪声，过低的分辨率则会丢失角点的细节精度，两种情况都可能导致标定数据质量下降。

• 解决：尝试将所有标定图像缩放到合适的分辨率（比如1920×1080）后再进行标定，平衡检测精度和计算稳定性。

内容的提问来源于stack exchange，提问作者Francesco