相机的标定是所有人走进视觉世界需要做的第一件事，辣么多的视觉标定原理解释你可以随便在网上找到，这里只讲到底如何去实现，也算是给刚入门的朋友做个简单的分享。

1.单目相机标定的工程源码

首先请到同性交友网站Github上下载工程源码（https://github.com/Zhanggx0102/Camera_Calibration），注意以下几点：   1）.这是一个MS Visual Studio 2010的工程源码（版本是201x都可以）。   2）.在编译运行之前请先在VS中配置好OpenCV（网上搜索有很多图文并茂的教程），OpenCV的各个版本应该都兼容，我使用的是2.4.6。   3）.这个工程源码不是个人编写，而是我直接从OpenCV中拷贝出来的。 完成上述配置之后你会发现项目中的源文件有以下几项： camera_calibration.cpp—-相机标定的源码 in_Arlco_Camera_data.xml—-某款相机的标定参数配置文件 Arlco_Camera.xml—-某款相机的标定用图片索引文件 in_Logitech_C170.xml—-另一款相机的标定参数配置文件 Logitech_C170.xml—-另一款相机的标定用图片索引文件   此时如果点击运行则标定的是Arlco相机，且标定使用的是预先拍好的图片。  

2.相机标定的配置过程。

经过第一部分的介绍，下面你要做的就是更改配置来标定你自己的相机（注意：这个时候你已经打印了一张自己的标定黑白棋盘），请紧跟下列步骤：   1）.在工程目录中找到文件in_Arlco_Camera_data.xml，复制一份改个名字如：in_YourCam_Camera_data.xml 放置在同样的文件夹下，表示这是你自己的相机标定配置文件。   2）.修改camera_calibration.cpp源代码中的217行

    const string inputSettingsFile = argc > 1 ? argv[1] : "in_Arlco_Camera_data.xml";

  改为你刚才复制的自己的配置文件，例如：

    const string inputSettingsFile = argc > 1 ? argv[1] : "in_YourCam_Camera_data.xml";

  3）.修改你自己的相机标定配置文件in_YourCam_Camera_data.xml，具体如下：

<!-- Number of inner corners per a item row and column. (square, circle) -->
<BoardSize_Width>7</BoardSize_Width>
<BoardSize_Height>5</BoardSize_Height>

  这一步配置你的横向和纵向角点（黑白相交的点）数，如下图所示。我的是横向7个，纵向5个，请根据自己的标定棋盘更改相应的数目。    

1 <!-- The size of a square in some user defined metric system (pixel, millimeter)-->
2   <Square_Size>30</Square_Size>

  这个定义的是你的棋盘格的尺寸，我的是30mm，请根据自己的做更改。  

  <!-- The type of input used for camera calibration. One of: CHESSBOARD CIRCLES_GRID ASYMMETRIC_CIRCLES_GRID -->
  <Calibrate_Pattern>"CHESSBOARD"</Calibrate_Pattern>

  这个定义的是你标定用的棋盘类型，如果你用的是黑白棋盘，不用修改。

<Input>"Arlco_Camera.xml"</Input>
  <!--  If true (non-zero) we flip the input images around the horizontal axis.-->
  <Input_FlipAroundHorizontalAxis>0</Input_FlipAroundHorizontalAxis>

  这个指定的是你标定的时候采用的方式，支持一下三种：   a. 用预先拍好的带有标定棋盘的照片进行标定。（本文采用的标定方式，下面将具体介绍方法）   b.用预先录制好的视频进行标定（支持AVI格式）。用”/tmp/x.avi”代替源码中的”Arlco_Camera.xml”即可，其中x.avi是你录制好的带有棋盘的视频。   c.打开相机边录制边标定。用“1”代替源码中的”Arlco_Camera.xml”即可。   如果采用a方法，需要工程目录中找到文件Arlco_Camera.xml，复制一份改个名字如：YourCam_Camera.xml 放置在同样的文件夹下。这个里面指定了标定用的照片的存放位置和名称，具体代码如下：

<?xml version="1.0"?><opencv_storage><images>  imges/1.jpg  imges/2.jpg  imges/3.jpg  imges/4.jpg  imges/5.jpg  imges/6.jpg  imges/7.jpg  imges/8.jpg  imges/9.jpg  imges/10.jpg  imges/11.jpg  imges/12.jpg  imges/13.jpg  imges/14.jpg  imges/15.jpg  imges/16.jpg  imges/17.jpg  imges/18.jpg  imges/19.jpg  imges/20.jpg  imges/21.jpg  imges/22.jpg  imges/23.jpg  imges/24.jpg  imges/25.jpg  imges/26.jpg  imges/27.jpg</images></opencv_storage>

  你不需要修改，只需要把工程目录下的imges文件夹里的图片换成你自己的就可以了，图片名称还是用1~27的数字。   继续回到in_YourCam_Camera_data.xml文件修改参数：

  <!-- How many frames to use, for calibration. -->
  <Calibrate_NrOfFrameToUse>27</Calibrate_NrOfFrameToUse>

  这里27指定了你预先拍照的数量，可以修改，但是需要相应的修改YourCam_Camera.xml文件。

  <!-- The name of the output log file. -->
  <Write_outputFileName>"out_Arlco_Camera_data.yml"</Write_outputFileName>

  这里指定的是你的标定参数保存的文件名称，用自己的名字如：out_YourCam_Camera_data.yml 代替：out_Arlco_Camera_data.yml 即可。   ok，其余的参数用默认即可，这个时候请把你修改好的文件：in_YourCam_Camera_data.xml 和 YourCam_Camera.xml 添加到工程项目的源码中。   此时点击运行口可以标定你自己的相机了，最后的结果会保存在工程目录下，名字就是上一步你自己设置的out_YourCam_Camera_data.yml。   标定过程如下图所示：     完成后你就可以看到相机内参、外参以及畸变系数了，部分数据如下：

%YAML:1.0
calibration_Time: "09/02/17 14:27:10"
nrOfFrames: 27
image_Width: 1280
image_Height: 720
board_Width: 7
board_Height: 5
square_Size: 30.
FixAspectRatio: 1.
# flags:  +fix_aspectRatio +fix_principal_point +zero_tangent_dist
flagValue: 14
Camera_Matrix: !!opencv-matrix
   rows: 3
   cols: 3
   dt: d
   data: [ 1.0078520005023535e+003, 0., 6.3950000000000000e+002, 0.,
       1.0078520005023535e+003, 3.5950000000000000e+002, 0., 0., 1. ]
Distortion_Coefficients: !!opencv-matrix
   rows: 5
   cols: 1
   dt: d
   data: [ -4.9694653328469340e-002, 2.3886698343464000e-001, 0., 0.,
       -2.1783942538569392e-001 ]
Avg_Reprojection_Error: 6.4271522441441153e-001
Per_View_Reprojection_Errors: !!opencv-matrix
   rows: 27
   cols: 1
   dt: f
   data: [ 3.89407665e-001, 4.69866753e-001, 3.74819994e-001,
       4.79580641e-001, 2.85050988e-001, 3.93756509e-001,
       9.21430171e-001, 7.79153645e-001, 6.87648296e-001,
       6.19106829e-001, 6.83992207e-001, 6.41160131e-001,
       2.52024829e-001, 2.94729859e-001, 4.55538809e-001,
       7.44070828e-001, 4.21751559e-001, 5.13929784e-001,
       6.03685081e-001, 1.09411442e+000, 1.20731401e+000,
       8.70341241e-001, 3.22936684e-001, 4.73881990e-001,
       8.06841075e-001, 6.78049505e-001 ]

  我用的图片是1280×720的，这个数据是根据你用的标定图片得出的。

3.总结

本文是为视觉入门者准备的，后续我会陆续介绍在linux下的标定过程，包括用其他开源库如ArUco等的标定方法。