OpenCV學習筆記（十五）——攝像機的標定和3D重建calib3D

先簡單回顧一下電腦視覺的知識。這裡研究生的攝像機模型都是針孔攝像機，攝像機的標定問題是CV領域的一個入門級的問題，初學攝像機標定時會被各種座標系弄暈，這裡再介紹一下，常提到的座標系有四個：全局座標系（Ow，以空間一點為原點）、攝像機座標系（Oc以小孔即光心為原點）、映像物理座標系（O1以像平面中心為原點）、映像像素座標系（O以像平面左下角為原點）。這樣再看相關資料的時候就不會混了吧，這裡再介紹一篇張正友的攝像機定標辦法的相關資料http://beidou841026.blog.163.com/blog/static/4629535201021731344572/
其參數分為內參數和外參數：內參數是攝像機座標系和理想座標系之間的關係（5個內參數，分別為α、β、u0、v0、θ）；外參數表示攝像機在全局座標系裡的位置和方向（6個外參數，3個表示旋轉R的角度，3個表示平移t）。

利用calibrateCamera函數可以得到這些內外參數，而calibrationMatrixValues可以得到攝像機投影透視方程的投影矩陣，composeRT可以合并兩個旋轉平移變換，computeCorrespondEpilines計算其他映像的相應epilines，convertPointsToHomogeneous把點從歐式空間轉換到齊次空間，convertPointsFromHomogeneous把點從齊次空間變換到歐式空間，而函數convertPointsHomogeneous把上述兩個函數功能綜合到一起了，decomposeProjectionMatrix可以將矩陣分解，drawChessboardCorners獲得檢測棋盤的角，findChessboardCorners獲得棋盤的內角點位置，findCirclesGrid得到圓圈光柵的中心，solvePnP實現物體位置的3維座標和2維座標之間的轉換，solvePnPRansac利用RANSAC實現上述功能，findFundamentalMat計算兩幅映像關聯點的基礎矩陣，findHomography找出兩個平面的透視變換，estimateAffine3D計算兩個3維點集的理想仿射變換，filterSpeckles可以過濾不同塊的小斑點，getOptimalNewCameraMatrix得到自由比例參數的新攝像機矩陣，initCameraMatrix2D得到3D到2D的初始化的攝像機矩陣，matMulDeriv計算矩陣的偏導數，projectPoints將3D座標投影到映像平面上，reprojectImageTo3D根據一組差異映像重建3D空間，RQDecomp3x3計算3x3矩陣的RQ分解，Rodrigues實現旋轉矩陣和旋轉向量之間的轉換，steroCalibrate校準立體攝像機，steroRectify是對校準過的攝像機計算修正變換，stereoRectifyUncalibrated是對未校準過的攝像機計算修正變換

還包括了BM塊匹配演算法類StereoBM、SGBM塊匹配演算法類StereoSGBM類